Kennisbehoud in de maakindustrie: het complete overzicht

Een productielijn loopt niet zoals hij zou moeten. Een operator met dertig jaar ervaring loopt erlangs, luistert een paar tellen, en past iets aan. De lijn draait weer. Niemand vraagt waarom, want het werkt altijd.

Over twee jaar gaat die operator met pensioen. De vraag is niet of het bedrijf dan iets kwijtraakt, maar wat precies, en of iemand het op tijd heeft opgevangen.

Dit artikel geeft het overzicht: wat kennisbehoud is, waarom het nu urgenter wordt dan tien jaar geleden, wat kennisverlies een productieomgeving kost, en welke aanpak in de praktijk standhoudt.

Wat kennisbehoud is

Kennisbehoud is het geheel aan maatregelen waarmee een organisatie voorkomt dat kritieke werkvloerkennis verdwijnt wanneer mensen vertrekken, van functie wisselen of met pensioen gaan. Het gaat om kennis die het werk draaiende houdt: machine-eigenaardigheden, uitzonderingen, klantspecifieke afspraken en het oordeel dat bepaalt wanneer je van de standaard afwijkt.

Vier termen worden vaak door elkaar gebruikt, terwijl ze verschillende dingen betekenen.

• Kennisbehoud is het overkoepelende doel: de kennis blijft beschikbaar voor de organisatie, ook als de persoon weggaat.
• Kennis vastleggen is de handeling: kennis uit iemands hoofd in een systeem krijgen.
• Kennisborging is de instandhouding: zorgen dat wat is vastgelegd actueel en betrouwbaar blijft.
• Kennisoverdracht is het moment van doorgeven, meestal aan een collega of opvolger.

Meer over de drie onderdelen: kennis vastleggen, kennisborging en kennisoverdracht leest u in de aparte artikelen in dit overzicht.

Kennismanagement is de bredere discipline eromheen, met beleid, rollen en systemen. In productieomgevingen loopt kennismanagement vaak stuk op één punt: het is ontworpen voor mensen achter een bureau, niet voor mensen met gereedschap in hun handen. Wie kennisbehoud in de maakindustrie serieus neemt, begint daarom niet bij het systeem maar bij het moment waarop de kennis ontstaat.

Waarom kennisverlies nu urgenter wordt

Kennisverlies is niet nieuw. De schaal wel.

De Nederlandse beroepsbevolking vergrijst snel. Volgens het CBS was in 2023 ruim een kwart van alle werkenden tussen de 55 en 75 jaar, tegen een vijfde tien jaar eerder. Het CBS wijst daarbij expliciet op een sterke toename van 55-plussers in de industrie. In provincies als Limburg was in 2023 bijna één op de drie werkenden 55-plusser.

Europees is het beeld hetzelfde. Eurostat berekende dat de mediane leeftijd in de EU begin 2025 op 44,9 jaar lag en dat er nog maar iets meer dan drie mensen van werkende leeftijd zijn per persoon van 65 jaar of ouder. Het Europese agentschap voor beroepsonderwijs Cedefop laat zien wat dat betekent voor de arbeidsmarkt: meer dan negen van de tien toekomstige vacatures ontstaan niet door groei, maar doordat vertrekkende werknemers vervangen moeten worden, en pensionering is daarvan de meest voorkomende reden. In een eerdere analyse wees Cedefop er al op dat vergrijzing van de beroepsbevolking kan leiden tot verlies van kritieke organisatiekennis en ervaring naarmate mensen uitstromen.

Daar komt bij dat de druk op de sector zelf toeneemt. In het rapport Zonder robotisering verdwijnt de Nederlandse maakindustrie (TNO, 2026) noemen de onderzoekers vergrijzing, structurele personeelstekorten en hoge loonkosten in één adem, en stellen zij dat de productiviteit van de industrie de komende tien jaar met ongeveer vijftig procent omhoog moet om internationaal concurrerend te blijven. Automatisering wordt daarbij als route genoemd. Wie automatiseert, moet echter eerst weten hoe het proces werkelijk werkt, inclusief de uitzonderingen. Precies die kennis zit meestal niet in het systeem.

Welke kennis er precies verdwijnt

Niet alle kennis is even kwetsbaar. Werkinstructies, tekeningen en handleidingen staan ergens vast. Wat verdwijnt, is de laag daaronder.

Filosoof Michael Polanyi noemde dit tacit knowledge en vatte het samen in de uitspraak: "we weten meer dan we kunnen zeggen" (Polanyi, The Tacit Dimension, 1966). Op de werkvloer heet het meestal tribal knowledge. Het is kennis die je opdoet door iets honderd keer te doen: het geluid dat verandert voordat er een storing komt, de instelling die bij één machine altijd net anders moet, de klant waarvoor je afwijkt van de standaard.

Onderzoek naar kennisontlokking bij werkvloermedewerkers (Kernan Freire e.a., TU Delft, CHI 2023) bevestigt het patroon: deze kennis laat zich slecht onder woorden brengen en slecht in procedures en documenten vangen, en wordt vooral opgebouwd door ervaring en praktijk. Ze zit dus per definitie niet in de systemen waar je haar zou zoeken.

Wat kennisverlies kost

Precieze bedragen circuleren volop, maar zijn zelden herleidbaar tot een controleerbare bron. Zinvoller is het om te kijken naar de mechanismen waarlangs de kosten ontstaan, want die zijn in elk productiebedrijf te herkennen en zelf door te rekenen.

• Langere inwerktijd. Nieuwe operators beheersen de basishandelingen binnen één tot drie maanden, maar volledige zelfstandigheid duurt in kennisintensieve productie zes tot twaalf maanden. In die tussenperiode draait de nieuwe medewerker onder niveau en wordt de ervaren collega uit productie gehaald om te begeleiden.
• Kwaliteitsverlies en herstelwerk. Fouten die een ervaren collega nooit zou maken, kosten materiaal, machinetijd en soms klantvertrouwen.
• Afhankelijkheid van enkele personen. Als één iemand het antwoord heeft, wordt die persoon een bottleneck. Verlof, ziekte en pensioen worden dan operationele risico's in plaats van personele.
• Verlies aan verbetervermogen. Verbeteren begint bij weten hoe het nu echt gaat. Zonder vastgelegde praktijkkennis start elk verbeter- of automatiseringstraject bij nul.
• Herhaald probleemoplossen. Hetzelfde probleem wordt meerdere keren opnieuw uitgezocht, omdat de oplossing van vorige keer nergens terug te vinden is.

Lees meer over de kosten en doorlooptijd van inwerken nieuwe medewerkers op de werkvloer.

Wie deze vijf posten invult met eigen cijfers, heeft binnen een uur een business case die scherper is dan elk benchmarkgetal.

Waarom eerdere pogingen zijn gestrand

De meeste productiebedrijven hebben het al geprobeerd. Meestal meer dan eens.

Een kennisbank of wiki vraagt schrijfwerk bovenop het echte werk, en onderhoud dat niemand op zich neemt. Video's zijn snel gemaakt maar niet doorzoekbaar en niet bij te werken. Een externe adviseur legt kennis vast op één moment, waarna de vastlegging stilvalt zodra de opdracht eindigt. En de senior langer laten doorwerken lost niets op, het verplaatst het probleem naar een moment waarop er minder tijd over is.

Wat deze aanpakken gemeen hebben, is dat ze het vastleggen scheiden van het werk. De operator moet stoppen, achter een scherm gaan zitten en de kennis in geschreven taal formuleren. Elk van die drie stappen kost moeite op precies het verkeerde moment.

Waarom typen, formulieren en wiki's op de werkvloer falen, en waarom mondeling vastleggen wel aansluit, leest u in kennis vastleggen op de werkvloer.

De vier bouwstenen van kennisbehoud dat wel standhoudt

Kennisbehoud is geen project met een einddatum, maar een keten. Als één schakel ontbreekt, lekt de rest alsnog weg.

• 1. Vastleggen tijdens het werk, niet erna. Kennis die je een uur later reconstrueert is de helft van haar detail al kwijt. Spraak is hier de enige vorm die geen extra handeling vraagt: iemand legt in woorden uit wat er aan de hand is, iets wat op de werkvloer toch al gebeurt. Het verschil is dat het nu wordt opgevangen in plaats of vervliegt.
• 2. Structureren zonder de vakman te belasten. De ordening is een taak voor het systeem. Transcriptie en verwerking maken van een gesproken fragment een doorzoekbaar kennisitem, met de context van de werkomgeving erbij: welke machine, welke order, welk moment. De operator hoeft geen velden in te vullen.
• 3. Een menselijke controlestap voordat iets als kennis geldt. Dit is de schakel die het vaakst wordt overgeslagen. Zolang niemand met vakkennis bevestigt of corrigeert wat er is vastgelegd, groeit er een verzameling die niemand vertrouwt. Liever incompleet maar accuraat dan compleet en onbetrouwbaar.
• 4. Actueel houden en herbruikbaar maken. Vastgelegde kennis veroudert. Machines worden vervangen, klanten veranderen hun eisen, procedures worden aangepast. Zonder een mechanisme dat verouderde kennis signaleert, wordt het systeem na een jaar of twee net zo onbetrouwbaar als de wiki die eraan voorafging.

Hoe je vastgelegde kennis actueel en betrouwbaar houdt, leest u in het artikel over kennisborging op de werkvloer.

Deze vier stappen zijn ook de reden dat kennisbehoud niet hetzelfde is als opnemen. Een opname is ruwe input. Kennis is wat er overblijft nadat het is gestructureerd, gecontroleerd en actueel gehouden.

Kennisbehoud en AI

Sinds taalmodellen breed beschikbaar zijn, komt de vraag vaak in één adem: kan AI dit niet gewoon oplossen?

Deels. Een model kan spraak omzetten naar tekst, structuur aanbrengen en vragen beantwoorden. Wat een model niet kan, is kennis kennen die nergens bestaat. Een taalmodel is getraind op publiek beschikbare informatie en weet niets van de eigenaardigheden van jouw machines, jouw klanten en jouw uitzonderingen. Zolang die kennis niet is vastgelegd en door een vakman is bevestigd, vult het model de gaten op met aannemelijke maar onjuiste antwoorden. In een productieomgeving is dat gevaarlijker dan geen antwoord.

Lees meer over wat AI niet weet over jouw productieomgeving en over de EU AI Act voor productiebedrijven die AI in kennisbeheer willen inzetten.

Daar komt regelgeving bij. De EU AI Act stelt eisen aan transparantie en menselijk toezicht bij AI-systemen, en spraak van medewerkers is bovendien persoonsgegeven onder de AVG. Herleidbaarheid naar de oorspronkelijke bron en een aantoonbare menselijke goedkeuringsstap zijn daarmee geen luxe, maar een voorwaarde om AI in kennisbehoud verantwoord in te zetten.

De praktische conclusie: AI is nuttig als verwerkingslaag bovenop een betrouwbare kennisbasis uit je eigen omgeving, niet als vervanging ervan.

Hoe je begint

Kennisbehoud strandt vaak op de omvang van het voornemen. Een organisatiebrede uitrol is niet nodig om te beginnen.

• Benoem de kwetsbare punten. Welke één tot drie mensen zorgen ervoor dat het misgaat als ze er niet zijn? Welke machines of processen kennen zij als enige?
• Kies één afgebakend gebied. Eén lijn, één machinepark of één type storing. Klein genoeg om binnen weken resultaat te zien.
• Laat vastleggen samenvallen met het werk. Geen aparte sessies, geen formulieren. Vastleggen op het moment zelf, in spreektaal.
• Beleg de controlestap. Wijs aan wie beoordeelt of vastgelegde kennis klopt voordat anderen erop vertrouwen.
• Meet op gebruik, niet op volume. De vraag is niet hoeveel er is vastgelegd, maar of iemand met een vraag binnen een minuut een bruikbaar antwoord vindt.

Wat een gerichte aanpak voor inwerken nieuwe medewerkers oplevert zodra kennis doorzoekbaar is, leest u in het aparte artikel over onboarding op de werkvloer.

Als na een paar weken een nieuwe collega een antwoord vindt zonder de ervaren collega te storen, werkt het. Zo niet, dan zit de fout meestal in stap drie.

Wie iemand heeft die over enkele jaren met pensioen gaat, leest ook het artikel over kennisoverdracht bij pensionering: verspreid vastleggen over jaren levert een completer beeld op dan een intensief traject vlak voor vertrek.