Artikel 6 van 6 in AI en automatisering · PLMV-KB-036 · Rev. A · Gecontroleerd op 2026-10-16
Compliancescreening met AI voor producten en materialen
Compliancescreening met AI gebruikt machine learning en taalmodellen om gegevens uit leveranciersverklaringen te halen, stoffen en materialen te vergelijken met wettelijke lijsten zoals de REACH-kandidaatslijst en de RoHS-beperkingen, en producten te signaleren die beoordeling nodig hebben. Dat versnelt gegevensverzameling en triage. Juridische conclusies en conformiteitsverklaringen blijven een menselijke verantwoordelijkheid.
Kernpunten
- De grootste winst zit in het omzetten van ongestructureerde leveranciersdocumenten naar gestructureerde, controleerbare gegevens.
- Regelgebaseerde screening tegen officiële stoffenlijsten blijft de kern. AI verbetert de kwaliteit van de invoer en de triage.
- Elke uitgelezen waarde heeft een bronverwijzing, een betrouwbaarheidsindicatie en een beoordelingsroute nodig.
- Regelgeving verandert voortdurend, bijvoorbeeld bij updates van de kandidaatslijst en nieuwe PFAS-beperkingen, en vraagt om continue herscreening.
Wat compliancescreening inhoudt
Fabrikanten moeten aantonen dat hun producten voldoen aan regels voor stoffen, materialen en producten. Typische controles zijn zeer zorgwekkende stoffen op de REACH-kandidaatslijst boven 0,1 gewichtsprocent in voorwerpen, door RoHS beperkte stoffen in elektrische en elektronische apparatuur, verpakkingseisen onder de PPWR, conflictmineralen en sectorregels voor voedselcontact, speelgoed of medische hulpmiddelen. Sinds januari 2021 moeten voorwerpen met kandidaatslijststoffen boven de drempel bovendien worden gemeld bij de SCIP-database van ECHA.
Het werk bestaat uit veel gegevens. Eén product kan honderden onderdelen van tientallen leveranciers bevatten, en elke leverancier levert verklaringen in een ander formaat: IPC-1752-bestanden, spreadsheets, ondertekende pdf's, gescande certificaten en e-mails met vrije tekst. Veel verklaringen zijn onvolledig of verwijzen naar verouderde lijstversies. Compliance-afdelingen besteden daardoor veel tijd aan het opvragen en overtypen van gegevens voordat de screening begint. Het artikel over REACH en RoHS compliance in PLM beschrijft het onderliggende datamodel.
Waar AI nu helpt
| Stap | Bijdrage van AI | Volwassenheid |
|---|---|---|
| Documentintake | Classificeert verklaringen, certificaten en testrapporten | Productie |
| Gegevensextractie | Leest stoffen, CAS-nummers, concentraties en datums uit pdf's en spreadsheets | Productie, met beoordeling |
| Entiteitskoppeling | Koppelt stofnamen en synoniemen aan CAS- en EC-nummers | Productie, met beoordeling |
| Hiaatdetectie | Signaleert ontbrekende of verlopen verklaringen per onderdeel | Productie |
| Regelgevingsmonitoring | Vat nieuwe regels en lijstupdates samen | Vroeg stadium, expertvalidatie nodig |
| Risicotriage | Rangschikt onderdelen en leveranciers naar waarschijnlijke blootstelling | Vroege toepassing |
Aanbieders van compliancedata hebben dergelijke functies toegevoegd. Assent beschreef eind 2025 bijvoorbeeld generatieve AI die verklaringsdocumenten inleest, classificeert en valideert, en waarmee leveranciers uitgelezen waarden kunnen accepteren of corrigeren, waarbij alle acties worden vastgelegd. PLM-leveranciers met ingebouwde compliancemodules, zoals Siemens Teamcenter, PTC Windchill en SAP, koppelen screeningresultaten aan stuklijsten (BOM's), zodat de blootstelling van onderdelen doorrekent naar producten.
Hoe de screeninglogica is opgebouwd
Effectieve systemen scheiden twee lagen. De eerste laag verzamelt en normaliseert gegevens, waar AI sterk in is. De tweede laag past deterministische regels toe op officiële lijsten: een stof op de kandidaatslijst boven de drempel brengt een meldplicht met zich mee, ongeacht hoe de gegevens zijn binnengekomen. Wie regels expliciet vastlegt en van versies voorziet, krijgt reproduceerbare en controleerbare resultaten. Dat is van belang bij onderzoeken van de markttoezichthouder.
Een praktische toets is of een beoordelaar elk screeningresultaat kan reproduceren vanuit de opgeslagen invoer en de regelversie, zonder de AI-component. Als dat lukt, zit de AI op de juiste plek.
Taalmodellen horen niet zelfstandig over compliance te beslissen. Ze kunnen een concentratie-eenheid verkeerd lezen, vergelijkbare stofnamen verwarren of een ontheffing missen. Gebruik AI-uitvoer als gestructureerde voorstellen met bronverwijzingen en betrouwbaarheidsscores, en stuur zaken met lage betrouwbaarheid of grote impact naar specialisten. Waarden dicht bij een wettelijke drempel verdienen ook bij hoge betrouwbaarheid een beoordeling, omdat kleine extractiefouten daar de uitkomst veranderen.
Risico's en governance
- Extractiefouten: een verkeerd geplaatste komma maakt van een geslaagde toets een afgekeurde, of andersom.
- Verouderde lijsten: ECHA werkt de kandidaatslijst regelmatig bij en de PFAS-beperkingen breiden uit, dus de screening moet opnieuw draaien wanneer lijsten veranderen.
- Verantwoordelijkheid van de leverancier: door AI uitgelezen gegevens verschuiven de wettelijke verantwoordelijkheid niet van de leveranciersverklaring naar het hulpmiddel.
- Audittrail: toezichthouders en klanten kunnen om bewijs vragen. Bewaar het originele document, de uitgelezen waarden, de regelversie en de beoordelaar.
Onder de EU AI-verordening zijn compliancescreeningtools doorgaans geen hoogrisicosystemen. Gebruikers moeten nog wel zorgen voor AI-geletterdheid en passend menselijk toezicht, en contracten moeten vastleggen waar documenten worden verwerkt en of ze voor modeltraining worden gebruikt.
Implementatiestappen
- Breng per productfamilie en markt in kaart welke verordeningen en lijsten van toepassing zijn.
- Maak de stuklijst en het onderdelenstamdata schoon, zodat verklaringen aan de juiste items hangen, ondersteund door regels voor productdatakwaliteit.
- Voer een pilot met AI-extractie uit bij één leveranciersgroep en meet de nauwkeurigheid tegenover handmatige beoordeling.
- Bepaal betrouwbaarheidsdrempels voor automatische acceptatie en voor verplichte beoordeling.
- Koppel de resultaten aan wijzigingsbeheer, zodat nieuwe blootstelling technische actie in gang zet.
- Plan hergebruik voor het digitaal productpaspoort en voor klantrapportages.
Het overzicht van productcompliancesoftware legt uit hoe gespecialiseerde compliancetools en PLM-modules deze taken verdelen.
Veelgestelde vragen
Kan AI compliancespecialisten vervangen?
Nee. AI vermindert handmatig leeswerk en gegevensinvoer, signaleert hiaten en geeft prioriteit aan werk, zodat specialisten meer producten aankunnen. Regelgeving interpreteren, ontheffingen beoordelen, conformiteitsverklaringen ondertekenen en autoriteiten te woord staan blijven specialistenwerk. Organisaties met AI-screening verschuiven de tijd van specialisten doorgaans van gegevensverzameling naar beoordeling en overleg met leveranciers.
Hoe nauwkeurig is AI bij het uitlezen van leveranciersverklaringen?
De nauwkeurigheid hangt af van kwaliteit en formaat van het document. Schone digitale verklaringen in standaardformaten lezen goed uit, terwijl gescande, meertalige of afwijkende documenten meer fouten opleveren. Meet de nauwkeurigheid op een steekproef van je eigen documenten voordat je drempels voor automatische acceptatie vaststelt, en houd menselijke beoordeling voor waarden dicht bij wettelijke grenzen.
Hoe vaak moeten producten opnieuw worden gescreend?
Screen opnieuw wanneer een relevante lijst of verordening verandert, wanneer een leveranciersverklaring wordt bijgewerkt of verloopt en wanneer een ontwerpwijziging nieuwe onderdelen introduceert. ECHA werkt de REACH-kandidaatslijst periodiek bij, en nieuwe beperkingen volgen hun eigen tijdlijnen. Gebeurtenisgestuurde herscreening na lijstupdates is betrouwbaarder dan vaste jaarlijkse controles.
Bronnen
- ECHA: Candidate List of substances of very high concern
- ECHA: SCIP database
- Regulation (EU) 2024/1689 (AI Act), EUR-Lex
Revisiegeschiedenis
| Rev. | Datum | Samenvatting |
|---|---|---|
| A | Initial release. |
Geschreven door Stephan Spijkers. Gecontroleerd op 16 oktober 2026 door de redactie van PLM Vendors. Regelgevingsdata en leveranciersgegevens veranderen; raadpleeg de bronnen voor de actuele stand. Correcties met bron: info@plmvendors.com.
Verder in AI en automatisering