Vier dagen in Houston. Bijna 25.000 energieprofessionals uit meer dan 100 landen. De Offshore Technology Conference is de grootste technologieconferentie voor olie en gas ter wereld. De gesprekken liepen uiteen van Venezolaanse productiepijplijnen tot Noorse intelligentie over putdata, van de AI-ambities van grote operators tot de praktische beperkingen van een scheepsbouwer die zijn eigen documentatie doorzoekt.
Onze CTO Vlad Bezruchko en CSO Michael Pihosh waren begin mei bij OTC 2026, en wat ze meebrachten was geen lijstje gespreksonderwerpen. Het was een patroon.
Het patroon op de beursvloer: offshore- en industriële bedrijven genereren meer operationele data dan ooit in hun geschiedenis. Sensordata van roterende apparatuur. Boorlogs. Onderhoudshistorie van schepen. Corrosiemetingen van boeien. De data stroomt. Maar de intelligentielaag die daar beslissingen van maakt — vroege storingssignalen, triggers voor voorspellend onderhoud, risicodashboards, doorzoekbare technische kennis — bestaat nog niet, of is reactief in elkaar gezet en schaalt niet mee. Bedrijven weten wat ze hebben. Ze weten niet wat ze ermee moeten.
Digitale transformatie in de offshore-energie is op een duidelijk omslagpunt beland: de discussie óf er geïnvesteerd moet worden is grotendeels voorbij. De discussie gaat nu over hoe je iets bouwt dat echt werkt binnen de operationele beperkingen van een offshore-asset. Dat is het marktsignaal dat OTC 2026 concreet maakte. Hierna volgt wat we op het programmapodium en op de vloer hoorden, wat die patronen betekenen en waar de duidelijkste engineeringkansen liggen.
In dit artikel vatten we de belangrijkste thema’s van de conferentie samen, wat die zeggen over de richting van de sector, en waar we de meest concrete engineeringkansen zien ontstaan.
- Data-infrastructuur bepaalt de kapitaalefficientie: het moderniseren van de datakern verkort de analysevertraging en voorkomt dat cloud-egresskosten het budget overschrijden.
- Autonome systemen vragen menselijke kalibratie: robotica op afstand opschalen vraagt een balans tussen geautomatiseerde workflows en het oordeel van menselijke operators om catastrofaal falen te voorkomen.
- Offshore-decarbonisatie hangt af van lokale verwerking: de CO2-voetafdruk van topside-installaties verkleinen leunt op realtime rekenmodellen die het verbruik van brandstofgas en de belasting van apparatuur optimaliseren.
- Voorspellende modellen moeten uitval aan de rand oplossen: edge-apparaten in diepwatertechnologie moeten constructieve berekeningen blijven uitvoeren, ook tijdens langdurige verbindingsuitval.
Agenda OTC 2026: vijf thema’s die offshore olie en gas vormgeven
Het technische programma van de Offshore Technology Conference in Houston telde 48 sessies en meer dan 360 presentaties over vijf samenhangende gebieden waar de sector actief mee bezig is. Dit zijn geen losse onderwerpen — het zijn samenkomende krachten op dezelfde reeks beslissingen over kapitaalallocatie en technologie-uitrol.
1. Energiezekerheid en het aanbodperspectief
De offshore-productie daalt sneller dan nieuwe ontwikkeling die kan vervangen. Zonder aanhoudende kapitaalinvestering en snellere adoptie van technologie zoals subsea-verwerking en elektrificatie krijgt het wereldwijde energiesysteem na 2027 met meer krapte te maken. Geopolitieke instabiliteit vergroot die druk. Assetprestaties, minder ongeplande stilstand en het verlengen van de productieve levensduur van rijpe infrastructuur wegen strategisch zwaarder wanneer nieuw aanbod jaren vergt. Het argument voor AI-gedreven operaties in offshore-energie gaat niet in de eerste plaats over innovatie, maar over leveringszekerheid.
2. Diepwater- en subsea-technologie
Subsea tiebacks en 20K-diepwatersystemen behoorden tot de meest besproken technologiegebieden. De ontwikkeling van subsea tiebacks — satellietputten aansluiten op bestaande infrastructuur in plaats van nieuwe hostinstallaties bouwen — is een van de meest kapitaalefficiente routes naar productiegroei. De 20K-sessies gingen over het ontwerp van putmonden en de data- en besturingssystemen die bij die drukken nodig zijn. Robotica en autonome inspectie van subsea-assets kwamen ook prominent aan bod, wat weerspiegelt wat het kost om duikers en ROV’s te sturen naar dieptes waar menselijk ingrijpen duur en logistiek lastig is.
3. AI en digitalisering: de uitrolvraag
Dit was het gebied waar OTC 2026 de duidelijkste verschuiving in sectorvolwassenheid liet zien. Sessies gingen over praktische implementatie: hoe AI met SCADA- en OT-systemen integreert, welke datakwaliteit modellen echt vragen, en hoe je uitkomsten produceert die veldengineers genoeg vertrouwen om erop te handelen. De sessie “State of the Digital Union” maakte het gat concreet – de meeste organisaties die AI in hun operatie hebben getest, hebben nog geen productieklare uitrol bereikt. De pilots werken. De weg van pilot naar productie, via datagovernance en systeemintegratie, is waar de voortgang stokt.
“De kwaliteit van het technische gesprek op OTC was dit jaar anders dan in eerdere cycli. Operators vroegen niet of AI kon helpen. Ze vroegen hoe ze hun sensordata moesten voorbereiden, hoe ze een assethiërarchie moesten opbouwen, en hoe ze een modeluitkomst kregen die betrouwbaarheidsengineers echt konden vertrouwen. Dat is een ander soort gesprek, en een veel productiever gesprek.” — Vlad Bezruchko, CTO, Crunch-IS
4. Energietransitie en offshore-decarbonisatie
Offshore-decarbonisatie liep als structurele draad door de conferentie in plaats van als apart spoor. Offshore-windtechnologie, emissiereductie en koolstofafvang kwamen naast conventionele O&G-inhoud aan bod. Operators framen de energietransitie consequent als een beperking bij kapitaalallocatie: investeringsbeslissingen over nieuwe putten, levensduurverlenging van assets en digitale infrastructuur worden genomen in een beleidsomgeving die nog in beweging is. Offshore-decarbonisatie is geen apart initiatief. Het is een engineeringparameter die bepaalt hoe velden worden ontwikkeld en welke technologie-investeringen voorrang krijgen.
5. Toeleveringsketen en levenscyclusbeheer van assets
Levenscyclusbeheer van assets, van ingebruikname tot putafsluiting, kreeg consequent aandacht in de technische sessies. Baker Hughes en anderen gingen in op de digitalisering van de toeleveringsketen en de logistieke complexiteit van diepwateroperaties. Ook industriële cybersecurity kwam aan bod, wat een OT-landschap weerspiegelt dat steeds meer verbonden is maar nog steeds wordt beheerst door beveiligingsarchitecturen die voor isolatie zijn ontworpen. Naarmate AI en cloudconnectiviteit verder in de offshore-operatie doordringen, wordt de OT/IT-beveiligingsgrens zowel belangrijker als moeilijker te bewaken.
AI en digitale transformatie in offshore-energie: wat we buiten het programma zagen
AI en digitale transformatie in offshore-energie hebben een specifieke implementatievorm, en die begrijpen is nuttiger dan optimisme over het adoptietempo of pessimisme over de investeringsbereidheid van de sector. Er zijn drie duidelijke gaten tussen waar de meeste operators staan en waar ze moeten zijn, en elk vraagt een ander soort engineering om te dichten.
“Wat mij opviel was hoe helder bedrijven het specifieke probleem konden benoemen dat ze wilden oplossen — en hoe vaak dat probleem terugkwam op data-infrastructuur in plaats van op modellering. De AI-capaciteit bestaat. De data klaarmaken om die te gebruiken is waar de meeste organisaties werkelijk vastlopen.” — Michael Pihosh, CSO, Crunch-IS
Het datagereedheidsgat: waar de meeste AI-programma’s stokken
Voorspellend onderhoud, anomaliedetectie, prognoses van putprestaties en geautomatiseerde inspectie vragen allemaal tijdreekssensordata die schoon en gestructureerd is en aan een vastgelegde assethiërarchie is gekoppeld. Die data bestaat in de meeste moderne offshore- en onshore-installaties. Ze verkeert zelden in een staat waarin ze bruikbaar is om modellen te trainen. SCADA-historians bewaren jaren aan operationele telemetrie in tag-gebaseerde formaten die voor procesbesturing zijn ontworpen, niet voor analyse. Van die staat naar een modelklare dataset komen betekent tags in kaart brengen, de assethiërarchie definiëren, datakwaliteit herstellen en een pijplijnarchitectuur die de data naar een rekenomgeving brengt waar analyse mogelijk is. Dit werk wordt aan het begin van digitale transformatieprogramma’s vaak onderschat en bijna nooit onderschat door teams die het al een keer hebben geprobeerd.
Organisaties die het afmaken hebben een duurzame basis voor meerdere AI-toepassingen. Wie het overslaat produceert pilots die goed presteren op zorgvuldig gekozen deelverzamelingen van de operationele data maar falen zodra ze op de volledige dataset in productie draaien. Het verschil tussen die twee uitkomsten blijkt duidelijker uit de casestudy’s die nooit gepubliceerd worden dan uit de casestudy’s die dat wel worden.
Het productie-uitrolgat: van pilot naar operationeel systeem
Van een werkende pilot naar een productieklaar AI-systeem in een offshore- of industriële omgeving vraagt engineering die veel verder gaat dan modelontwikkeling. De infrastructuur die het model bedient moet binnen de beveiligingsgrens van de klant draaien. Uitkomsten moeten uitlegbaar zijn voor de betrouwbaarheidsengineers en operationele medewerkers die erop handelen — een ontwerpbeperking die in de architectuur zit, geen documentatietaak die je er achteraf bij doet. Bewaking en hertrainingspijplijnen moeten er zijn voordat het model in productie afdrijft. Het systeem moet zijn uitkomsten tonen in de operationele tools die teams al gebruiken, niet in een apart dashboard dat ze alleen bekijken als ze zich herinneren dat het bestaat.
Dit zijn MLOps – en systeemintegratieproblemen. Het zijn ook de plekken waar de meeste offshore-AI-uitrollen nu stokken. De pilot werkte. De weg naar productie vroeg meer engineering dan begroot, en het project liep uit of leverde een systeem op dat technisch functioneerde maar operationeel ongebruikt bleef. De digitaliseringssessies van OTC 2026 erkenden dat patroon rechtstreeks. De meest openhartige presentaties van organisaties in verschillende uitrolfasen beschreven precies deze faalvorm.
Het vertrouwensgat: waarom adoptie mislukt terwijl de technologie werkt
De laatste beperking is organisatorisch in plaats van technisch, maar heeft een technische oplossing. AI-systemen die voorspellingen doen — risicoscores voor storing, anomaliemeldingen, onderhoudsadviezen — veranderen hoe beslissingen worden genomen en wie daarvoor verantwoordelijk is. Betrouwbaarheidsengineers die hun expertise door directe waarneming hebben opgebouwd vertrouwen een modelscore niet vanzelf. Dat mag je ook niet van hen verwachten. De uitrolaanpak die in de praktijk werkt bouwt de vertrouwenslus vanaf het begin in het systeem: parallelle werking waarbij AI-voorspellingen en menselijke beoordelingen tegelijk lopen, verschillen worden vastgelegd, en modeluitspraken met hoge zekerheid worden gemarkeerd voor validatie in plaats van er direct naar te handelen. Een aantal onderhoudscycli van dat proces, met demontageresultaten die de uitspraken van het model bevestigen, zet scepsis om in adoptie.
Organisaties die dit als een kwestie voor na de lancering behandelen in plaats van als ontwerpeis zien doorgaans lage adoptie, ook wanneer het onderliggende model goed scoort op nauwkeurigheid. Het engineeringwerk zit in het raakvlak tussen AI-uitkomst en menselijke besluitvorming, niet in het model zelf.
Wat er nu volgt voor offshore-AI en automatisering
Offshore-AI en automatisering is voor de organisaties op OTC 2026 die het verst zijn geen toekomstige investeringscategorie. Het is een lopend engineeringprogramma met een vastgestelde scope en een productiedoel. Voor wie eerder in het proces zit is de prioriteit op korte termijn dezelfde als de afgelopen twee jaar: de datalaag afmaken die al het andere mogelijk maakt. Pijplijnen van OT naar cloud, standaardisatie van de assethiërarchie, datagovernancemaatregelen en OT-beveiligingsarchitectuur zijn de voorwaarden. Organisaties die dat gat de komende 12 tot 18 maanden dichten kunnen daarop AI-systemen in productie bouwen. Wie het overslaat blijft pilots produceren.
De technologiegebieden met de duidelijkste investeringsintentie op OTC 2026, zowel in het technische programma als in de beurshal, zijn AI-gedreven voorspellend onderhoud aan roterende en kritieke apparatuur, autonome inspectie met computer vision voor afgelegen en subsea-assets, analyse van de putlevenscyclus van productieprestaties tot kostenraming voor P&A, en generatieve AI voor operationeel kennisbeheer, waarmee de technische documentatie en institutionele kennis die de offshore-operatie bepaalt doorzoekbaar en oproepbaar wordt in veilige, on-premise omgevingen waar die data de operationele grens niet mag verlaten.
De offshore-productie moet groeien of op peil blijven terwijl nieuw aanbod zich over meerdere jaren ontwikkelt. Dat vraagt betrouwbare operaties op schaal. Betrouwbare operaties bij de assetdichtheid en geografische afgelegenheid van moderne offshore-infrastructuur vragen data engineering, AI- en ML-systemen, en een integratiearchitectuur waarmee die kunnen draaien binnen de omgevingen die operators werkelijk gebruiken. De urgentie die de strategische gesprekken op OTC 2026 omlijstte is dezelfde urgentie die de engineeringprogramma’s daarachter zou moeten versnellen.
Conclusie
Aan ambitie ontbreekt het de offshore-energie niet als het om digitale transformatie gaat. OTC 2026 bevestigde dat de investeringsintentie echt is, dat technische gesprekken verfijnder zijn dan in eerdere cycli, en dat de problemen waar operators mee kampen goed worden begrepen door de engineeringteams die er het dichtst bij staan. De beperking is niet bewustzijn, budget of beschikbaarheid van leveranciers. Het is de volgorde van engineeringwerk die nodig is om van bestaande operationele data naar AI-systemen te komen die betrouwbaarheidsengineers dagelijks gebruiken, en de discipline om dat werk in de juiste volgorde te doen.
Die volgorde – data-infrastructuur, modelontwikkeling, productie-uitrol, adoptie en vertrouwensopbouw gedurende het hele traject – is niet ingewikkeld te beschrijven. Ze is veeleisend om uit te voeren in omgevingen waar datagovernance streng is, operationele continuïteit niet onderhandelbaar en de mensen die de uitkomsten moeten vertrouwen niet bij de bouw betrokken waren. De organisaties die de komende twee tot drie jaar echte voortgang boeken zijn die welke engineeringpartners vinden die die werkelijkheid van binnenuit kennen, en niet vanaf een slide.
