AI kan veel weten over kabels. Maar kan het ook de juiste kabel kiezen?

De kracht van AI is dat het grote hoeveelheden informatie snel verwerkt en overzichtelijk teruggeeft. In plaats van een lange lijst met documentatie levert het gestructureerde uitgangspunten waarmee een engineer of productspecialist meteen verder kan. Voor technische professionals is dat een reele aanwinst, en Paul gebruikt het zelf ook, bijvoorbeeld bij internationale correspondentie en het verwerken van technische documentatie.

Aan die snelheid zit wel een harde voorwaarde. Degene die het antwoord ontvangt, moet kunnen beoordelen of het klopt. Een ervaren kabelspecialist herkent een verkeerde aanname, een ontbrekend gegeven of een antwoord dat op verouderde regelgeving is gebaseerd. Iemand zonder die achtergrond heeft daar veel meer moeite mee, en zet het antwoord in het slechtste geval zo door naar de klant. Daarmee ontstaat misschien wel het belangrijkste risico van AI in technische sectoren. Het gevaar is niet dat AI een fout maakt, maar dat niemand de fout herkent.

Er is nog een reden waarom menselijke beoordeling zwaar weegt. In de kabelindustrie draait het niet alleen om normen, maar ook en steeds meer om wetgeving, waarvan een groot deel Europees is. Dat onderscheid is wezenlijk. Normen zijn waardevol, maar niet verplicht om te volgen. Wetgeving is dat wel. Specialisten in de sector merken dat er steeds meer tijd, energie en middelen nodig zijn om producten en processen binnen een almaar strenger wettelijk kader te houden. Een AI-antwoord dat op verouderde of onvolledige regels leunt lijkt op papier misschien correct, maar kan in werkelijkheid al niet meer voldoen. Juist daarom houdt iemand met kennis van het actuele kader het laatste woord.

Een kabel selecteren lijkt op papier soms eenvoudig, maar in de praktijk spreken de eisen elkaar vaak tegen. Brandgedrag, halogeenvrij materiaal, temperatuurbestendigheid, chemische belasting, flexibiliteit en mechanische belasting trekken zelden allemaal dezelfde kant op. Een kabel die uitstekend scoort op een enkele eigenschap is daarom nog niet geschikt voor de volledige toepassing. De kunst zit in het vinden van de gulden middenweg die aan alle eisen voldoet, en dat is een afweging die om oordeel vraagt.

Precies daar komt context om de hoek kijken. Waar wordt de kabel gebruikt, hoe vaak beweegt hij, met welke stoffen komt hij in aanraking, welke temperatuur ontstaat er, welke normen gelden en hoe lang moet hij onder die omstandigheden blijven functioneren? Ontbreekt die informatie, dan kan ook een technisch correct AI-antwoord in de praktijk de verkeerde oplossing opleveren. De kwaliteit van het antwoord wordt voor een groot deel bepaald door de kwaliteit van de informatie waarmee je begint. Paul maakte zelden een volledige misser mee, maar wel geregeld antwoorden die net niet klopten, en de oorzaak was telkens dezelfde: de context sloot niet aan op wat er werkelijk werd bedoeld.

Dat wordt extra duidelijk zodra een kabel buiten de gebruikelijke omstandigheden wordt toegepast. Denk aan dynamische belasting, torsie, extreme temperaturen, agressieve chemicalien of toepassingen onder water tot in de diepzee. Voor dat soort situaties bestaat lang niet altijd een datasheet of norm waarin het antwoord staat. Dan telt praktijkervaring. Bij Jobarco wordt in zulke gevallen teruggevallen op opgebouwde kennis, bestaande testresultaten en meer dan 25 jaar ervaring. Geeft dat onvoldoende zekerheid, dan wordt het product zelf getest of schakelen ze een geaccrediteerde keuringsinstantie in. En soms is de eerlijke conclusie simpelweg dat er te weinig data is om een toepassing verantwoord te adviseren. Ook dat is waardevolle kennis.

Hoe dat werkt, laat een voorbeeld uit Pauls eigen ervaring goed zien. Hij zat ooit in een werkgroep rond bekabeling voor de voedingsmiddelenindustrie. Daar wordt vrijwel continu gereinigd en gedesinfecteerd, en juist over het gedrag van kabels onder die omstandigheden bestaan nauwelijks normatieve referenties. Er was dus geen naslagwerk om het antwoord in op te zoeken.

Wat deden ze? Ze testten het zelf. Kabels werden een bepaalde tijd in een desinfectiemiddel gelegd, waarna ze keken wat er gebeurde. Visueel zie je dan van alles, verkleuring bijvoorbeeld, terwijl de kabel technisch nog perfect kan functioneren. En andersom kan er materiaaldegradatie optreden die aan de buitenkant nauwelijks zichtbaar is. Om daar betrouwbare conclusies aan te verbinden zijn gecontroleerde verouderingstesten nodig, waarbij je rek meet en kijkt of de isolatie opbreekt. Een visuele indruk alleen is geen normatief bewijs. Dit is precies het soort kennis dat je niet uit een handboek haalt en dat een algoritme niet zomaar reproduceert.

De complexiteit van kabelgedrag laat zich goed vangen in een afkorting die tijdens het gesprek naar voren kwam: TTC, oftewel Time, Temperature, Concentration. Tijd, temperatuur en concentratie.

Een kabel die kortdurend tegen een chemische stof bestand is, is daarmee nog niet jarenlang tegen diezelfde stof bestand. Een hogere concentratie kan de uitkomst veranderen, en een hogere temperatuur kan de degradatie sterk versnellen. Dat maakt algemene uitspraken over chemische bestendigheid lastig, en het verklaart waarom de vraag “is deze kabel bestand tegen deze stof?” bijna nooit met een simpel ja of nee te beantwoorden is. Het antwoord hangt af van de combinatie van omstandigheden, en die combinatie verschilt per toepassing.

Daarmee komen we bij het vraagstuk dat voor de kabelbranche misschien wel het interessantst is. Door heel Nederland en daarbuiten worden kabels dagelijks getest voor bijzondere omstandigheden. Fabrikanten, leveranciers, keuringsinstanties en eindgebruikers bouwen allemaal kennis op. Maar die kennis is versnipperd. Het ene bedrijf voert een uitgebreide test uit naar het gedrag van een kabel in een specifieke omgeving, terwijl een andere organisatie jaren later tegen vrijwel dezelfde vraag aanloopt zonder ooit van die resultaten te horen.

Er bestaat geen centraal boek van kabeltesten waarin al die praktijkervaring samenkomt. Iedereen begint telkens opnieuw. Juist daar kan kennisdeling het verschil maken. Niet om normen of geaccrediteerde testen te vervangen, maar om zichtbaar te maken welke kennis al bestaat en welke vragen eerder zijn onderzocht. Dit is precies waar het Nederlands Kabel Instituut een rol wil spelen, en waarom we deze reeks zijn gestart. Als de kennis die nu in de hoofden van specialisten zit vindbaar en deelbaar wordt, wint de hele branche.

Er kwam nog een gedachte uit het gesprek die hierop aansluit. Technische ondersteuning hoeft niet altijd direct tot een verkoop te leiden. Bij een bijzondere toepassing is de beste oplossing soms een andere kabelconstructie, een aanvullende beschermslang of een ander materiaal. Het doel is dan eerst begrijpen wat er in de toepassing werkelijk gebeurt.

Dat levert iets op wat in technische relaties zwaar weegt: voorspelbaarheid. Wanneer je vooraf realistisch kunt inschatten hoe een kabel zich onder bepaalde omstandigheden gedraagt, weet een klant beter waar hij aan toe is. Zoals Paul het stelde: kun je met de opgebouwde kennis inschatten dat de levensduur in een bepaalde situatie twee jaar is, en blijkt dat ook zo te zijn, dan weet de klant precies wat hij aan je heeft. Technische kennis wordt daarmee minstens zo belangrijk als het product zelf, en vertrouwen groeit naarmate die inschattingen kloppen.

AI ontwikkelt zich snel. Het ondersteunt nu al bij het structureren van informatie, bij vertalingen, bij internationale correspondentie en bij het verwerken van technische documentatie. Maar praktijkkennis laat zich niet altijd eenvoudig digitaliseren. Een engineer met tientallen jaren ervaring combineert normen, testresultaten, eerdere toepassingen en eigen observaties, en kiest soms voor een oplossing die letterlijk in geen enkel handboek staat. Dat beoordelingsvermogen blijft voorlopig onmisbaar.

Daar komt bij dat AI niet alleen tekortschiet op context en interpretatie. Het kan ook hallucineren: een antwoord dat zelfverzekerd en overtuigend klinkt, maar in werkelijkheid verzonnen of vervormd is. Bij algemene toepassingen is dat vervelend. Bij technische toepassingen kan het serieuze gevolgen hebben. Paul vatte het treffend samen:



“AI moet onze assistent blijven. Het gevaar ontstaat wanneer we het onze meester laten worden.”

De uitdaging voor de kabelbranche wordt de komende jaren dan ook niet om te kiezen tussen menselijke kennis of kunstmatige intelligentie. De uitdaging wordt om beide op de juiste manier te combineren, en om de kennis die de sector al bezit beter met elkaar te delen.

AI ontwikkelt zich snel. Het ondersteunt nu al bij het structureren van informatie, bij vertalingen, bij internationale correspondentie en bij het verwerken van technische documentatie. Maar praktijkkennis laat zich niet altijd eenvoudig digitaliseren. Een engineer met tientallen jaren ervaring combineert normen, testresultaten, eerdere toepassingen en eigen observaties, en kiest soms voor een oplossing die letterlijk in geen enkel handboek staat. Dat beoordelingsvermogen blijft voorlopig onmisbaar.

Daar komt bij dat AI niet alleen tekortschiet op context en interpretatie. Het kan ook hallucineren: een antwoord dat zelfverzekerd en overtuigend klinkt, maar in werkelijkheid verzonnen of vervormd is. Bij algemene toepassingen is dat vervelend. Bij technische toepassingen kan het serieuze gevolgen hebben. Paul vatte het treffend samen:



“AI moet onze assistent blijven. Het gevaar ontstaat wanneer we het onze meester laten worden.”

De uitdaging voor de kabelbranche wordt de komende jaren dan ook niet om te kiezen tussen menselijke kennis of kunstmatige intelligentie. De uitdaging wordt om beide op de juiste manier te combineren, en om de kennis die de sector al bezit beter met elkaar te delen.

In de komende delen gaan we dieper in op testen, normen en de bijzondere toepassingen waar de literatuur ophoudt en de ervaring begint.

Herken je dit uit je eigen werk, of heb je een testresultaat of praktijkvraag die anderen verder kan helpen? Deel het met ons. Zo bouwen we samen aan het boek van kabelkennis dat nu nog ontbreekt.

Met dank aan Paul Helsen en het team van Jobarco.