Interview van 3E (kmo) en Sirris (AI-dienstverlener)

Murgia_Hoebeke

 

1.  Wie bent u? Wat is uw activiteit?

Alessandro Murgia: Ik ben Data Scientist bij Sirris. Sirris is het collectieve centrum van de Belgische technologische industrie. Wij ondersteunen bedrijven, vooral kmo's, om hun competitiviteit te verhogen door technologische innovaties. Als data scientist in het Data and AI Competence Lab ondersteun ik bedrijven bij het oplossen van specifieke business uitdagingen door gebruik te maken van geavanceerde data analytics en artificial intelligence technologieën.

Patrick Hoebeke: Ik ben Senior Wind Data Analyst bij 3E. 3E is een onafhankelijk technologie- en consultancybedrijf dat in 1999 werd opgericht. Wij bieden adviesdiensten aan op het gebied van hernieuwbare energie en energie-efficiëntie. Daarnaast bieden we een reeks softwarediensten aan voor het optimale beheer van zonne- en windportefeuilles onder de naam SynaptiQ. Als wind data analist, ontwikkel ik oplossingen voor de detectie van problemen in windturbines.


2.    In uw ervaring, wanneer en hoe wordt een Belgische kmo zich bewust van de potentiële bijdrage van artificiële intelligentie technologieën om zijn prestaties te verbeteren?

Patrick Hoebeke: Persoonlijk denk ik dat je pas echt het volledige potentieel begrijpt als je de sprong in het diepe hebt gewaagd. In het verleden verloor ik enorm veel tijd met repetitieve taken, die niet te vermijden waren. Dat was niet alleen saai, maar beperkte vooral de beschikbare tijd voor de kernanalyses, waar de echte toegevoegde waarde ligt. 3E heeft toen geïnvesteerd in programmeervaardigheden en -technologieën om die taken te automatiseren. Zo kwam er tijd vrij voor meer geavanceerde analyses en ontdekten we tegelijkertijd een hele wereld aan mogelijkheden, vooral met open-source bibliotheken en cloudcomputing-technologieën.

Alessandro Murgia: Ik heb gemerkt dat kmo's vaak de weg kwijt zijn en niet echt weten wat AI in hun specifieke context zou kunnen betekenen. Bij Sirris organiseren we daarom meestal een inleidende workshop met het bedrijf waar we bespreken wat AI in hun specifieke context zou kunnen betekenen. Daarna beginnen bedrijven na te denken over de potentiële toegevoegde waarde op basis van de inzichten die uit de gegevens worden gehaald. Het wordt dan concreter en ze beginnen de specifieke kenmerken van AI te begrijpen zodra ze hun eigen AI-project opstarten.


3.    Wat zijn de belangrijkste zakelijke problemen die een kmo wil aanpakken door gebruik te maken van artificiële intelligentie?

Alessandro & Patrick: kmo's willen AI vooral gebruiken om 3 redenen:

  • Voor productinnovatie: kmo's willen nieuwe inkomstenstromen creëren door gebruiksgegevens te analyseren om hun productontwerp, prestaties en functionaliteit te verbeteren of om extra diensten te ontwikkelen.
  • Voor procesoptimalisatie: kmo's willen downtime minimaliseren, bedrijfsprocessen automatiseren en machineconfiguratie optimaliseren.
  • Voor diensteninnovatie: kmo’s willen hun diensten automatiseren en opschalen.


4.    Wat zijn de interne of externe hinderpalen voor een kmo om de AI-sprong te wagen?

Alessandro Murgia: Uit ervaring zijn de belangrijkste obstakels om de sprong te wagen voor kmo's:

  • Gegevensverzameling: kmo's weten niet hoe ze relevante gegevens moeten verzamelen. Bovendien worden gegevens vaak op verschillende locaties opgeslagen, zodat het voor kmo's een uitdaging is om die verschillende gegevensbronnen te reorganiseren tot een coherente dataset.
  • Kwaliteit van de gegevens: kmo's hebben toegang tot gegevens, maar die zijn vaak niet kwalitatief genoeg (ontbrekende waarden, fouten...)
  • Gebrek aan middelen: kmo's beschikken niet over interne expertise in AI.
  • Wetgeving: kmo's zijn op de hoogte van relevante wetgeving, maar begrijpen de implicaties ervan voor hun context niet.
  • Delen van gegevens: in een aantal sectoren zijn de gegevens die nodig zijn om tot een waardevol product of waardevolle dienst te komen, verspreid over een groot deel van de waardeketen. Hierdoor moeten bedrijven samenwerken en gegevens delen om hun zakelijke uitdaging te kunnen oplossen.

Patrick Hoebeke: Data-eigendom is ook erg belangrijk. Dat je gegevens op je server staan, betekent niet dat je ermee kunt doen wat je wilt. Via ons monitoring platform, SynaptiQ, hebben we bijvoorbeeld toegang tot terabytes aan data, maar het eigenaarschap blijft aan klantzijde. Er zijn dus altijd specifieke afspraken nodig wanneer de gegevens worden gebruikt. Vertrouwen is de basis van ons werk. Ook is er behoefte aan een sterke infrastructuur. Hiervoor zijn clouddiensten ook zeer nuttig voor kleine bedrijven die zich hiervoor geen speciaal IT-team kunnen veroorloven. Ten slotte is het ook belangrijk om over gelabelde gegevens te beschikken. Als u bijvoorbeeld algoritmen ontwikkelt om problemen op te sporen, zal het hebben van enkele voorbeelden van bekende problemen de training van die algoritmen drastisch vergemakkelijken.


5.    Hoe bent u in contact gekomen? Hebt u andere steun gekregen om uw gezamenlijk project uit te voeren?

Patrick Hoebeke: De samenwerking tussen 3E en Sirris startte in 2013 in het kader van het Europese Arrowhead-project, waarbij 3E en Sirris samenwerkten aan de bouw van een model om het elektriciteitsverbruik van een portefeuille van huishoudens te voorspellen. Sindsdien hebben 3E en Sirris samengewerkt en werken ze nog steeds samen aan verschillende projecten. Gedurende vier jaar hebben 3E en Sirris samen met de ULB ook een doctoraatsstudent gesuperviseerd. 3E en Sirris zijn sterke partners geworden, die elkaar aanvullen. 3E brengt domeinkennis in en een industriële uitdaging om aan te pakken, terwijl Sirris zijn expertise in AI inbrengt.


6.    Wat zijn de concrete toepassingen die in het kader van dat project zijn ontwikkeld?

Alessandro Murgia: We werken momenteel aan een R&D-project genaamd Bitwind dat gefinancierd wordt door het Fonds voor Energietransitie van de FOD Economie. Dat project richt zich op de automatische detectie van prestatiedegradatie in offshore windturbines en de prognose van de verwachte levensduur van overeenkomstige componenten. De ontwikkelde algoritmes hebben als concrete toepassing de ondersteuning van de O&M (Operations & Maintenance), bijvoorbeeld om te voorspellen wanneer een specifieke onderhoudsactiviteit vereist is of om de energieproductie te optimaliseren. De ontwikkelde methoden vormden voor 3E de basis om zijn klanten nieuwe en betere diensten aan te bieden en een strategische kostenvermindering voor 3E en de offshore windsector in het algemeen.

7.    Zijn de resultaten al meetbaar? Is er op korte termijn een rendement op de investering?

Patrick Hoebeke: Sommige van de tussentijdse resultaten van het Bitwind-project worden via onze consultancy-afdeling verwerkt in interne diensten van 3E. Dat maakt verdere validaties bij externe klanten mogelijk en heeft nu al een directe impact op de markt. Bovendien leveren die tussentijdse resultaten belangrijke technologische bouwstenen voor een grotere beoogde oplossing in lijn met ons businessplan voor SynaptiQ wind. We voorzien het brengen van wind analytics functies als SaaS (Software as a Service) add-ons op het bestaande SynaptiQ Asset Management platform.


8.    Welk advies zou u, op basis van uw gezamenlijke ervaring, geven aan kmo’s die aarzelen om de AI-sprong te wagen?

Alessandro Murgia: Ga in gesprek met een AI expert en bespreek samen de kansen en uitdagingen van AI in uw specifieke context!
Patrick: Wees niet bang. Er zijn veel goede bedrijven die je kunnen ondersteunen bij het maken van de stap. Veel clouddiensten die nu beschikbaar zijn, zullen de pijn wegnemen van het moeten beheren van een infrastructuur en het grote aantal open-source bibliotheken zal de kosten gerelateerd aan software drastisch verlagen en de deuren openen naar een zeer grote wereldwijde gemeenschap die klaar staat om je te helpen. Echt, wees niet bang.

 

Chatbot
Bezoek onze FAQ om het antwoord op al uw vragen te ontdekken.
De stemfunctie is niet beschikbaar op uw browser. Gelieve een recentere browser te gebruiken.