Technische tekeningen automatisch interpreteren: hoe een Belgisch maakbedrijf zijn offerte- en calculatieproces versnelde met AI
Elke dag tekeningen manueel uitlezen, parameters overtypen, kostprijs berekenen. Een bottleneck die elke maatwerkfabrikant herkent. AI kan dat oplossen, maar alleen als het écht werkt op industriële tekeningen.
Samenvatting
Een specialist in technische bevestigingscomponenten zat met een uitdaging die veel maakbedrijven herkennen. Custom design-aanvragen vragen dagen werk van schaarse experts. Tekeningen uitlezen, parameters extraheren, kostprijs berekenen. Repetitief, foutgevoelig en traag.
Litecycle pakte het aan zoals we dat altijd doen: pragmatisch starten en in een korte sprint een PoC bouwen die de kerntechnologie écht valideert. Na positieve validatie, itereren we meteen naar productie en integreren we met interne systemen en processen.
De uitdaging
Custom design-aanvragen komen elke dag binnen. Elke aanvraag ziet er anders uit. E-mails met tekst, schetsen, technische tekeningen, geen vast formaat. Een expert leest het manueel uit, neemt het over in spreadsheets en berekent haalbaarheid en kostprijs.
Vier knelpunten stapelden zich op. Manuele interpretatie van uiteenlopende documenten. Tijdrovende calculatie. Foutgevoelige extractie van technische parameters en productdata in ERP en DMS die niet automatisch gelinkt zijn.
Experts vullen hun dagen met interpretatiewerk in plaats van met complexe maatwerkvraagstukken waar hun expertise écht het verschil maakt.
De aanpak: pragmatisch starten, snel valideren, meteen waarde
Onze methodiek loopt in drie fases die naadloos in elkaar overgaan.
Pragmatische start. Geen workshops van een halve dag over visie en strategie. Wel een korte kick-off om de scope scherp te krijgen, edge cases bovenwater te halen en opleveringscriteria vast te leggen. Wat moet de PoC bewijzen om verder te mogen? Welke tekeningen vormen de test-dataset? Wanneer noemen we het succesvol?
High-output PoC. Een korte, intense bouwsprint. We kozen bewust voor een agentic architectuur met drie afgebakende AI-agents.
Een extraction agent die met een vision-model technische parameters uitleest uit tekeningen. Een interpretation agent die die data toetst aan de interne kennisregels en referentiedata uit het ERP en DMS. En een human-in-the-loop interface waarin een expert de output kan valideren, met een accuraatheidsscore per veld zodat aandacht gaat naar de onzekere parameters. Aan het einde van de PoC: een werkend prototype, gevalideerd tegen vooraf vastgelegde criteria, en een onderbouwd go/no-go-moment.
Meteen naar productie. De POC dient als basis voor de productieversie. Veel consultancies lopen vast tussen PoC en productie omdat het PoC-team niet dezelfde skills heeft en het productieteam opnieuw moet inwerken. Migratie naar klantinfrastructuur, security, role-based access, monitoring, gebruikersinterface, hosting, ..
Dat ritme is de kern. Wij behouden hetzelfde team van PoC tot productie en hebben de nodige expertises om dit tot een goed einde te brengen.
Het resultaat
Een werkend systeem dat technische tekeningen automatisch interpreteert, de geëxtraheerde parameters toetst aan interne kennisregels en de output doorgeeft aan het bestaande calculatieproces. Niet als een black box, maar met een validatie-interface waar de expert per veld ziet hoe zeker het systeem is.
Het verschil voor de calculatie-experts: in plaats van elke aanvraag van nul beginnen, krijgen ze een pre-ingevulde, gevalideerde basis. Hun aandacht gaat naar de plekken waar het systeem onzeker is, en naar de complexe maatwerkbeslissingen waar hun expertise écht telt.
De impact
Snellere doorlooptijd op offertes. Het uitleeswerk dat eerder dagen vroeg, gebeurt nu op de achtergrond. Experts valideren in plaats van te interpreteren.
Expertise gericht ingezet. De schaarse calculatie-capaciteit gaat naar de complexe, niet-routineuze aanvragen waar maatwerk écht maatwerk is. De repetitieve interpretatie verdwijnt naar het systeem.
Consistentere uitkomsten. Een AI-systeem herkent dezelfde parameter op dezelfde manier, ongeacht wie de tekening maakte of in welk formaat die binnenkomt.
AI-maturiteit in eigen huis. Het interne team begrijpt nu wat agentic architecturen zijn, waar vision-modellen sterk en zwak in zijn, en hoe je AI-projecten zelf scopet. Die kennis is cruciaal.
Waarom dit werkt voor maakbedrijven
De meeste kmo’s zijn AI-nieuwsgierig maar AI-voorzichtig. Ze zien wat er kan, maar weten ook dat de kloof tussen een demo en werken op eigen data, in eigen workflow, met eigen edge cases, gigantisch is.
Onze aanpak overbrugt die kloof. Pragmatisch starten. Snel een werkende PoC die écht test, niet showt. Bij groen licht meteen door naar productie, met hetzelfde team. Bij rood licht een gevalideerd antwoord waarmee management onderbouwd kan beslissen om niet verder te gaan.
Zit je met een gelijkaardige vraag? Plan een gesprek van 30 minuten.