Konink­lijke Fries­land­Cam­pina staat midden in een van de grootste moder­ni­se­rings­slagen uit haar geschie­denis. De zuivel­co­ö­pe­ratie vernieuwt haar SAP-landschap op basis van SAP S/​4HANA, harmo­ni­seert processen wereld­wijd en legt daarmee het funda­ment voor bredere toepas­sing van kunst­ma­tige intel­li­gentie in de keten. Die omslag vraagt niet alleen om nieuwe techno­logie, maar ook om een andere manier van werken.

“Het is een enorme operatie. We doen dit terwijl de fabrieken gewoon blijven draaien en de druk op lever­be­trouw­baar­heid hoog blijft”, zegt Jasper Leenstra, IT Unit Lead bij Fries­land­Cam­pina. “Juist daarom kiezen we voor een realis­ti­sche aanpak: eerst de basis op orde, dan pas opschalen met AI.”

Een versnipperd landschap als vertrekpunt

De noodzaak voor veran­de­ring was duide­lijk. Door verschil­lende ERP-varianten in verschil­lende landen was het lastig één helder beeld te krijgen van processen, kosten en presta­ties. Sommige fabrieken gebruikten eigen rappor­tages of extra Excel-lagen om analyses rond te krijgen.

“Als je in zo’n omgeving een simpele vraag stelt over bijvoor­beeld trans­port­kosten of voorraad­ni­veaus, dan moet je die infor­matie uit meerdere systemen halen”, zegt Gerhard Kolen­brander, IT Unit Lead. “Dat kost tijd en belem­mert inzicht.”

Met het Optimus-programma migreert Fries­land­Cam­pina daarom tot 2028 naar één wereld­wijd ERP-platform op basis van SAP S/​4HANA. Standaar­di­satie is geen doel op zich, maar een voorwaarde om data consis­tent en betrouw­baar te kunnen gebruiken. “Sommige fabrieken deden iets al twintig jaar op hun eigen manier”, vertelt Leenstra. “Als je dan zegt dat het anders moet, heeft dat impact. Dat vraagt om uitleg, training en geduld.”

Data op orde als basis voor AI

In de nieuwe omgeving worden gegevens over productie, trans­port, energie­ge­bruik en verkoop op uniforme wijze verza­meld. Dat helpt bij het verbe­teren van processen én vormt de basis voor AI-toepassingen.

“Vroeger moesten we veel moeite doen om inzicht te krijgen in bijvoor­beeld de totale kosten van opslag”, zegt Kolen­brander. “Nu halen we die infor­matie recht­streeks uit het dataplat­form. Zo kunnen we verbanden zien die eerder verborgen bleven.”

Een concreet voorbeeld staat in Frank­rijk: bij de intro­ductie van een nieuw zuivel­con­cept voor de horeca­markt werd AI gebruikt om te bepalen in welke regio’s de kans op succes het grootst was. Het model combi­neerde eigen verkoop­data met openbare markt- en geogra­fi­sche gegevens. “Verko­pers koppelden dagelijks hun resul­taten terug, waardoor het plan steeds verder werd verfijnd”, aldus Leenstra.

AI achter de schermen: testen, documenteren, valideren

AI wordt ook ingezet in interne processen, zoals het testen van nieuwe software, het contro­leren van datacon­ver­sies en het automa­tisch opstellen van documen­tatie bij de migratie naar S/​4HANA.

Deze experi­menten gebeuren in samen­wer­king met partners zoals KPMG. Daarbij wordt tooling gebruikt zoals SAP Joule for Consul­tants voor sneller inzicht in nieuwe best practices.

“Wij zien steeds meer interesse in het toepassen van AI in bedrijfs­pro­cessen”, zegt Marc van der Zon, Senior Manager Alliances bij KPMG Neder­land. “SAP biedt hiervoor erg nuttige hulpmid­delen, zoals Joule for Consul­tants. Hiermee kunnen we heel snel zien wat er aan nieuwe ervaringen en toepas­singen op het gebied van AI ontstaan. Bedrijven als Fries­land­Cam­pina kunnen hierdoor profi­teren van de nieuwste ideeën en best practices.”

Van sensoren naar voorspellen: AI in de fabriek

Waar twintig jaar geleden slechts enkele honderden sensoren data verza­melden, gaat het nu per fabriek om tiendui­zenden datapunten. Die continue stroom van infor­matie over tempe­ra­turen, trillingen, druk en energie­ver­bruik vormt de basis voor voorspel­lend onderhoud.

“Vroeger wachtte je tot een machine kuren kreeg”, zegt Kolen­brander. “Met algoritmes kun je nu signa­leren dat iets afwijkt voordat er een probleem ontstaat. Denk aan een pomp die iets te warm wordt of een klep die vaker sluit dan normaal.”

Door machine learning te combi­neren met histo­ri­sche SAP-gegevens en het dataplat­form dat samen met Databricks is opgezet, worden onder­houd en energiema­na­ge­ment steeds slimmer en efficiënter.

Strakke spelregels: governance en digitale geletterdheid

De inzet van AI vraagt om duide­lijke kaders. Fries­land­Cam­pina heeft een AI gover­nance board opgezet die beoor­deelt waar en hoe AI mag worden toege­past, met aandacht voor veilig­heid, datakwa­li­teit en privacy.

Digitale gelet­terd­heid is net zo belang­rijk. Medewer­kers worden onder­steund met tools zoals SAP Enable Now, dat stap voor stap uitlegt hoe systemen werken. Afdelingen bepalen bewust wanneer ze AI-functi­o­na­li­teit toevoegen, zodat gebrui­kers eerst vertrouwd raken met de basis. Ook externe AI-oplos­singen zoals Micro­soft Copilot worden in een strikt afgeschermde omgeving gebruikt, waarbij uitslui­tend interne bedrijfs­ge­ge­vens worden ingezet. 

Jong talent speelt een actieve rol in deze digitale vernieu­wing. Studenten van de Univer­si­teit Leiden bouwen experi­menten voor onder andere de klanten­ser­vice. “Ze hebben geen last van de gedachte ‘zo doen we het hier altijd’”, zegt Leenstra. “Daardoor komen ze met verras­sende ideeën waar wij weer van leren.”

Stap voor stap naar een slimmere keten

Hoewel de organi­satie al meerdere AI-toepas­singen in de praktijk brengt, kiest Fries­land­Cam­pina bewust voor gefaseerde groei. Verschil­lende landen, markten en digita­li­se­rings­ni­veaus vragen om discipline.

“AI is geen knop die je omzet”, aldus Leenstra. “Je moet klein beginnen, leren en pas opschalen als iets bewezen waarde heeft. Het gaat uitein­de­lijk niet om de techno­logie zelf, maar om het verbe­teren van onze keten: elke dag een beetje slimmer, betrouw­baarder en duurzamer.”