De maakindustrie verschilt van dienstverlenende sectoren op een punt dat direct gevolgen heeft voor duurzaamheidsdata: het grootste deel van de milieu-impact zit niet in het eigen pand, maar in de keten ervoor en erna. Grondstoffen, halffabricaten, energie-intensieve bewerkingsstappen, transport tussen fabrieken, afvalstromen op de werkvloer — de eigen operatie is vaak maar een klein deel van het totale plaatje. Dat betekent dat een organisatie in de maakindustrie voor een substantieel deel van haar rapportageverplichting afhankelijk is van data die ergens anders ontstaat: bij een toeleverancier, een transporteur, een energieleverancier. Die afhankelijkheid is qua patroon vergelijkbaar met wat er speelt in de agrarische sector, waar de keten voor en na het eigen bedrijf ook een groot deel van de impact bepaalt.
Binnen de eigen muren zit duurzaamheidsdata verspreid over systemen die daar niet voor zijn ontworpen. Energieverbruik per productielijn staat in het gebouwbeheersysteem of bij de energieleverancier, niet gekoppeld aan productievolumes. Machinedraaitijden en stilstand staan in het MES of in een Excel-overzicht van de ploegleider. Afvalstromen — schroot, restmateriaal, chemisch afval — worden vaak per gewichtsbon geregistreerd door de afvalverwerker, los van het interne systeem. Waterverbruik wordt soms centraal gemeten voor het hele terrein, zonder uitsplitsing naar proces. Voor iemand die een emissiecijfer per productielijn nodig heeft, betekent dit een zoektocht langs meetsystemen die elk hun eigen logica en frequentie hebben.
Het ERP-systeem bevat inkoopvolumes, materiaalstromen en soms leveranciersgegevens, maar zelden emissiefactoren. Het MES kent machinetijden en output, maar koppelt dat niet automatisch aan energie- of materiaalverbruik per eenheid product. Tussen deze twee systemen zit vaak een handmatige stap: iemand die volumes uit het ERP haalt, machinedata uit het MES combineert, en met een aparte rekentabel tot een emissiecijfer komt. Die rekentabel — en de aannames erin — is precies het punt waar herleidbaarheid verdwijnt als niemand vastlegt welke bron, welke factor en welke aanname is gebruikt.
Voor scope 3 is de maakindustrie sterk afhankelijk van wat toeleveranciers aanleveren. De ene leverancier stuurt een uitgebreid duurzaamheidsrapport, de andere een schatting op een factuur, een derde helemaal niets. Sommige bedrijven werken met generieke branchegemiddelden omdat leveranciersdata ontbreekt; andere hebben voor enkele grote leveranciers wel primaire data, maar voor de rest van de keten niet. Dit mengsel van databronnen — primair, secundair, geschat — moet ergens worden vastgelegd met een aantekening over de herkomst, anders is achteraf niet meer te reconstrueren welk cijfer op welke aanname rust.
Veel maakbedrijven hebben al certificeringen zoals ISO 14001 of energie-audits lopen. Die processen genereren waardevolle data — energieverbruik, verbeterplannen, geverifieerde cijfers — maar de uitkomsten belanden vaak in een apart archief van de kwaliteitsafdeling, los van de duurzaamheidsrapportage. Het cijfer dat de auditor al heeft geverifieerd, wordt dan opnieuw en los daarvan verzameld voor het duurzaamheidsverslag, met het risico dat de twee cijfers niet meer overeenkomen.
Wie is verantwoordelijk voor het energiecijfer van een productielocatie: de plant manager, de facilitair manager, of de duurzaamheidscoördinator op hoofdkantoor? Wie beheert de emissiefactoren die worden toegepast op transportdata: inkoop, logistiek, of finance? In veel maakbedrijven is die verantwoordelijkheid nooit expliciet toegewezen. Data-eigenaarschap ontstaat impliciet, bij wie toevallig toegang heeft tot het systeem, niet bij wie de inhoud het beste kent of kan controleren.
De verleiding is groot om een softwarepakket te kopen dat automatisch koppelt met ERP en MES en er nette dashboards uit laat rollen. Maar een tool die op een ongeorganiseerd fundament wordt gezet, produceert vooral snellere en overtuigender ogende versies van dezelfde onzekere cijfers. Voordat een systeem gegevens kan ophalen, moet vastliggen welk datapunt uit welke bron komt, wie daar de eigenaar van is en welke kwaliteitsregel erbij hoort. Dat geldt voor de maakindustrie net zo goed als voor sectoren met een heel andere ketenstructuur, zoals de transportsector of de detailhandel, waar de databronnen anders liggen maar het ordeningsprobleem hetzelfde is.
De Data Readiness Scan legt voor de maakindustrie een datapuntregister aan: per emissiebron, per productielijn, per ketenschakel wordt vastgesteld welk datapunt nodig is, waar het ontstaat — machine, ERP, energieleverancier, afvalverwerker, toeleverancier — en via welke route het naar het uiteindelijke rapportagepunt komt. Daarbij komt een eigenaar per datapunt en een kwaliteitsregel die bepaalt wanneer een cijfer bruikbaar is en wanneer niet. Dat is geen rapport en geen ingevulde vragenlijst, maar de onderliggende structuur die het mogelijk maakt om een cijfer op elk moment terug te herleiden naar zijn bron. Deze structuur is vergelijkbaar met wat nodig is in de zakelijke dienstverlening, waar data ook over losstaande systemen en spreadsheets is verspreid, ook al ziet de keten daar anders uit.
De tool die deze scan uitvoert, is in aanbouw. Wie zijn organisatie hierop wil voorbereiden, kan zich aanmelden voor de wachtlijst.
Zodra duidelijk is welke datapunten er zijn, waar ze ontstaan en wie ze beheert, wordt ook zichtbaar hoeveel handmatig werk er in het verzamelen, controleren en overtypen van die gegevens gaat zitten. Dat werk — data ophalen uit meerdere systemen, cijfers herleiden naar een bron, kwaliteitscontroles uitvoeren — bestaat uit afzonderlijke taken die niet allemaal evenveel mensenwerk vergen. De werkscan van FTE TO AI rekent per taak uit welk deel daarvan door AI over te nemen is, zodat duidelijk wordt waar automatisering het meeste tijdswinst oplevert en waar menselijke controle nodig blijft.
Vraag maar waar een datapunt vandaan komt. Dat is meestal de hele vraag.
Antwoorden komen uit de kennisbank van deze site. Geen advies op maat, en geen scan van uw bedrijf.