Autonoom TIG-lassen versus handmatig: welke wint?

De lasindustrie staat op de drempel van een diepgaande transformatie. Al tientallen jaren wordt TIG-lassen (Tungsten Inert Gas) vereerd als het toppunt van handmatige lasvaardigheid – een proces dat uitzonderlijke hand-oogcoördinatie, constante controle en jarenlange oefening vereist om onder de knie te krijgen. In tegenstelling tot MIG- of elektrodelassen vereist TIG dat de lasser tegelijkertijd de toortshoek, de toevoersnelheid van de lasstaaf, de booglengte en de stroomsterkte van het voetpedaal regelt, terwijl hij tegelijkertijd de gesmolten plas in de gaten houdt. Deze complexiteit heeft ervoor gezorgd dat TIG-lassen notoir moeilijk te automatiseren is. Traditionele robotachtige TIG-systemen zijn nog steeds sterk afhankelijk van menselijke operators voor het programmeren, afstemmen van parameters en realtime aanpassingen. Er ontstaat echter een nieuw paradigma: volledig autonoom TIG-lassen. Dit artikel onderzoekt wat volledige autonomie betekent voor TIG-lassen, de technologieën die dit mogelijk maken, de voordelen en uitdagingen, en hoe het klaar is om industrieën, variërend van de lucht- en ruimtevaart tot de scheepsbouw, opnieuw vorm te geven.

Wat is volledig autonoom TIG-lassen?

Volledig autonoom TIG-lassen verwijst naar een systeem dat volledig kan presteren TIG- laswerkzaamheden – van lasvoorbereiding en positionering van de toorts tot het starten van de boog, controle van het lasbad, toevoeging van toevoegmateriaal en inspectie na het lassen – zonder enige menselijke tussenkomst tijdens de lascyclus. In tegenstelling tot conventionele robotachtige TIG-cellen waarbij een operator punten moet aanleren, parameters moet instellen en het proces vaak continu moet bewaken, neemt een autonoom systeem zijn omgeving waar, neemt beslissingen in realtime en past zich aan aan variaties in de pasvorm van onderdelen, materiaaleigenschappen en thermische omstandigheden.

Het belangrijkste onderscheid ligt in het woord 'volledig'. Veel moderne robotlassystemen worden beschreven als 'geautomatiseerd', maar vereisen nog steeds menselijk toezicht voor taken zoals het aanpassen van de draadaanvoersnelheid, het corrigeren van de toortsuitlijning of het stoppen van het proces wanneer er een defect optreedt. Bij volledig autonoom TIG-lassen is er geen mens meer nodig. Het systeem verzorgt het opstarten, aanpassingen tijdens het proces en het afsluiten onafhankelijk. Hij kan een eerste onderdeel zo nauwkeurig lassen als het duizendste, zelfs als de onderdelen niet identiek zijn. Deze mogelijkheid vertegenwoordigt een sprong van eenvoudige herhaalbaarheid naar echte aanpassingsvermogen.

De technologische pijlers van autonoom TIG-lassen

Het bereiken van volledige autonomie bij TIG-lassen vereist de integratie van verschillende geavanceerde technologieën. Geen van deze alleen is voldoende; het is hun combinatie die autonome werking mogelijk maakt.

Realtime visie en detectie

De ogen van een autonoom TIG-systeem zijn hogesnelheidscamera's, laserscanners en soms warmtebeeldcamera's. In tegenstelling tot conventionele 'teach and repeat'-robots die ervan uitgaan dat elk onderdeel identiek is, gebruiken autonome systemen visie om de verbinding te lokaliseren, de spleetbreedte te meten, randverschillen te detecteren en oppervlakteverontreinigingen te identificeren. Gestructureerde lichtlaserscanners projecteren een patroon op het werkstuk; door de vervorming van dat patroon te analyseren, bouwt het systeem in milliseconden een driedimensionale kaart van het gewricht op.

Bovendien moet het systeem tijdens het lassen door het intense booglicht heen kijken. Gespecialiseerde optische smalbandfilters en camera's met hoog dynamisch bereik leggen beelden vast van de gesmolten plas en de wolfraamelektrode. Machine vision-algoritmen volgen de geometrie van de plas, de vorming van sleutelgaten (in TIG-sleutelgatvarianten) en de positie van de toevoegdraad ten opzichte van de plas. Deze realtime visuele feedback vormt de basis voor adaptieve besturing.

Adaptieve procesbesturingsalgoritmen

Ruwe sensordata zijn nutteloos zonder intelligentie. Adaptieve besturingsalgoritmen – vaak gebaseerd op machinaal leren of klassieke voorspellende besturing – nemen de visuele input en passen de lasparameters onmiddellijk aan. Voor TIG-lassen zijn de kritische parameters onder meer:

• Lasstroom (amperage):  Regelt de warmte-inbreng en de vloeibaarheid van het lasbad.

• Booglengte (spanning):  Beïnvloedt de penetratie en boogstabiliteit.

• Rijsnelheid:  Bepaalt de warmte-inbreng per lengte-eenheid en kraalvorm.

• Aanvoersnelheid van toevoegdraad:  moet worden gesynchroniseerd met de voortbewegingssnelheid en de vraag naar plas.

• Toortsoscillatie (indien van toepassing):  Voor bredere voegen of het opvullen van gaten.

Een autonoom systeem kan de stroomsterkte tientallen keren per seconde aanpassen als reactie op plasoscillaties of variaties in de opening. Als de verbindingsspleet bijvoorbeeld onverwacht groter wordt, kan het algoritme de voortbewegingssnelheid verlagen, de vultoevoer verhogen en de stroomsterkte enigszins verhogen om volledige versmelting te garanderen. Als de plas begint te zakken (wat wijst op overmatige hitte), vermindert het systeem de stroom of versnelt het reizen. Deze aanpassingen gebeuren zonder enige menselijke beslissing.

Machine learning en neurale netwerken

Veel geavanceerde autonome TIG-systemen maken gebruik van diepe neurale netwerken die zijn getraind op basis van duizenden uren aan lasgegevens. Het netwerk leert visuele kenmerken van de plas en verbinding te associëren met optimale parameterinstellingen. In tegenstelling tot op regels gebaseerde systemen waarbij technici elk 'als-dan'-scenario handmatig moeten programmeren, kunnen neurale netwerken generaliseren op basis van voorbeelden. Ze kunnen omgaan met randgevallen – zoals een vettige plek op de plaat of een plotselinge tocht – die traditionele controllers in verwarring zouden brengen.

Een krachtige aanpak is het leren van versterking, waarbij het systeem wordt beloond voor het produceren van goede lassen (gemeten aan de hand van penetratie, lasvorm en gebrek aan defecten) en wordt bestraft voor slechte. Tijdens vele tests, zowel in simulatie als op echte apparatuur, ontdekt het systeem een ​​controlebeleid dat beter presteert dan menselijke operators. Dit is vooral waardevol bij TIG-lassen, waarbij de optimale reactie op een bepaalde plastoestand vaak niet intuïtief is.

Sensorfusie en digitale tweelingen

Geen enkele sensor levert volledige informatie. Een autonoom systeem combineert gegevens van laserscanners, boogspanningsmonitors, stroomsensoren, akoestische microfoons (booggeluid correleert met stabiliteit) en soms infraroodthermografie. Sensorfusie-algoritmen combineren deze diverse input in een samenhangend model van het lasproces.

Steeds vaker wordt dit model ingebed in een digitale tweeling: een realtime virtuele replica van de fysieke las. De digitale tweeling simuleert thermische diffusie, stolling en restspanning. Door de daadwerkelijke sensorgegevens te vergelijken met de voorspellingen van de tweelingbroer, kan het systeem afwijkingen vroegtijdig detecteren. Als de afkoelsnelheid na het lassen bijvoorbeeld afwijkt van het verwachte profiel, kan het systeem een ​​warmtebehandeling na het lassen activeren of het onderdeel markeren voor inspectie.

---

Belangrijkste voordelen ten opzichte van handmatig en conventioneel geautomatiseerd TIG-lassen

Volledig autonoom TIG-lassen biedt overtuigende voordelen die de intense belangstelling vanuit de industrie verklaren.

Ongeëvenaarde consistentie en herhaalbaarheid

Menselijke TIG-lassers, zelfs de meest ervaren, vertonen natuurlijke variatie. Vermoeidheid, afleiding, trillen van de handen en omgevingsomstandigheden hebben allemaal invloed op de laskwaliteit. Een autonoom systeem last elke keer op precies dezelfde manier, op voorwaarde dat de sensoren consistente omstandigheden detecteren. Belangrijker nog is dat wanneer de omstandigheden veranderen, het systeem zich op een gecontroleerde, herhaalbare manier aanpast – en niet willekeurig. Deze consistentie is van cruciaal belang in sectoren als de lucht- en ruimtevaart, waar zelfs microscopische porositeit of onvolledige fusie tot catastrofale mislukkingen kunnen leiden.

Hogere productiviteit en gebruik

Handmatig TIG-lassen is langzaam en vereist frequente pauzes. Een menselijke lasser kan een 'inschakelduur' (werkelijke boogtijd) van 30-50% bereiken als gevolg van positionering, reiniging en rust. Een autonome robot kan >90% boogtijd bereiken door continu te lassen. Bovendien kunnen autonome systemen 24/7 functioneren, zonder ploegendiensten, pauzes of vakanties. Bij productie van grote volumes vertaalt dit zich direct in lagere kosten per las.

Vermindering van herbewerking en uitval

Een van de grootste verborgen kosten bij lassen is nabewerking. Defecte lasnaden moeten worden uitgeslepen en opnieuw worden gelast, wat arbeid, materialen en planningstijd kost. Autonome systemen kunnen met hun realtime kwaliteitsbewaking een defect detecteren zodra het begint en de parameters onmiddellijk corrigeren, waardoor het defect vaak volledig wordt voorkomen. Studies hebben aangetoond dat geavanceerd adaptief lassen het herbewerkingspercentage met 70-90% kan verminderen in vergelijking met handmatig lassen.

Het tekort aan lassers aanpakken

De lasindustrie kampt met een ernstig tekort aan geschoolde arbeidskrachten, vooral voor TIG-lassen . Volgens de American Welding Society is de gemiddelde leeftijd van lassers ouder dan 55 jaar en is het aantal nieuwkomers onvoldoende om gepensioneerden te vervangen. Volledig autonoom TIG-lassen vermindert de afhankelijkheid van menselijke expertise. In plaats van voor elke kritische verbinding meester-TIG-lassers nodig te hebben, kan een faciliteit autonome cellen inzetten onder toezicht van technici met bredere, maar minder gespecialiseerde vaardigheden. Dit elimineert de behoefte aan lassers niet volledig, maar verschuift de rol naar programmering, onderhoud en kwaliteitsborging.

Nieuwe geometrieën en materialen mogelijk maken

Bepaalde lasverbindingen zijn vrijwel onmogelijk voor een mens om consistent uit te voeren, bijvoorbeeld lange, gebogen naden in kleine ruimtes of ultradunne materialen die gemakkelijk vervormen. Autonome systemen, met hun nauwkeurige bewegingsregeling en adaptief warmtebeheer, kunnen geometrieën lassen die zelfs de beste handmatige lassers uitdagen. Bovendien vereisen opkomende materialen zoals aluminium-koperlegeringen of titaniummatrices nauwkeurige thermische cycli die autonome systemen kunnen leveren.

---

Technische uitdagingen waarmee volledig autonoom TIG-lassen nog steeds te maken heeft

Ondanks de snelle vooruitgang zijn er nog een aantal hindernissen voordat autonoom TIG-lassen alomtegenwoordig wordt.

Detectie via booginterferentie

TIG-bogen zijn extreem helder en zenden intense ultraviolette en infrarode straling uit. Hoewel smalbandfiltering helpt, kan het de ruis niet volledig elimineren. De boog genereert ook elektromagnetische interferentie die sensorsignalen kan verstoren. Het ontwikkelen van robuuste sensoren die betrouwbaar functioneren gedurende duizenden uren lassen is een voortdurende uitdaging. Sommige systemen verzachten dit door gebruik te maken van gestructureerd laserlicht dat synchroon met de lasstroom wordt gepoort (gepulseerd), maar dit zorgt voor extra complexiteit.

Aanpassing aan extreme partijvariatie

Autonome systemen blinken uit wanneer variaties binnen voorspelbare grenzen blijven. Als een onderdeel echter totaal niet bij elkaar passende randen, ernstige olieverontreiniging of onjuist basismateriaal heeft, kan het systeem defect raken. In dergelijke gevallen is het stoppen en waarschuwen van een mens de veiligste reactie. Het ontwerpen van goede foutmodi (waarbij het systeem zijn eigen beperkingen herkent) is van cruciaal belang voor een veilige implementatie. Dit is een actief onderzoeksgebied op het gebied van anomaliedetectie en onzekerheidskwantificering.

Kosten en complexiteit

Volledig autonome TIG-systemen zijn duur. Ze vereisen geavanceerde robots, meerdere sensoren, krachtige computerhardware (vaak met GPU's voor neurale netwerkinferentie) en geavanceerde software. Voor een kleine werkplaats kan de investering vooraf onbetaalbaar zijn. Naarmate componenten echter steeds populairder worden en software volwassener wordt, dalen de kosten. Sommige fabrikanten bieden nu autonoom lassen als een service aan (robots als een service), waardoor de kapitaalbarrières worden verminderd.

Validatie en certificering

In gereguleerde industrieën (luchtvaart, kernenergie, drukvaten) moet elke verandering in het lasproces worden gevalideerd en gecertificeerd. Het certificeren van een autonoom systeem dat zich in realtime aanpast, is veel complexer dan het certificeren van een robot met vaste parameters. Regelaars zijn gewend aan statische procedures: 'lassen met 120 ampère, 10 inch per minuut, met een wolfraam van 1/16 inch.' Een autonoom systeem kan dezelfde verbinding lassen met 118 ampère aan het begin en 122 ampère in het midden, afhankelijk van de warmteontwikkeling. Hoe kwalificeer je zo’n proces? Er zijn nieuwe normen nodig voor adaptief en AI-aangedreven lassen. Industriegroepen werken aan richtlijnen, maar een brede acceptatie zal jaren duren.

---

Toepassingen die al profiteren van volledig autonome TIG

Hoewel het nog steeds in opkomst is, wordt volledig autonoom TIG-lassen al vroeg toegepast in specifieke niches waar de waardepropositie het sterkst is.

Lucht- en ruimtevaartcomponenten

Onderdelen van turbinemotoren, onderdelen van het brandstofsysteem en structurele beugels zijn vaak vereist TIG-lassen van dunne, warmtegevoelige legeringen zoals Inconel en titanium. Deze onderdelen zijn duur en een enkel defect kan een onderdeel van vele duizenden dollars kapot maken. Autonome systemen bieden de benodigde precisie en consistentie. Sommige leveranciers in de lucht- en ruimtevaart gebruiken nu autonome TIG-cellen voor productie met een laag volume en een hoge mix, waarbij de herprogrammeringstijd wordt afgeschreven over kleine batches.

Pijp- en buislassen

Orbitaal TIG-lassen voor pijpen is al tientallen jaren geautomatiseerd, maar conventionele orbitale systemen vereisen nog steeds dat een operator parameters instelt en de las visueel bewaakt. Volledig autonome orbitale TIG voegt real-time naadtracking en adaptieve parametercontrole toe, waardoor pijpen met ovaliteit of wanddiktevariaties kunnen worden gelast. Dit is vooral waardevol in de scheepsbouw en de olie- en gasbouw, waar leidingen zelden perfect rond zijn.

Productie van medische apparatuur

Implantaten, chirurgische instrumenten en medische behuizingen omvatten vaak kleine, nauwkeurige TIG-lassen op roestvrij staal of kobaltchroom. Mensen worstelen met de vereiste fijne motorische controle. Autonome micro-TIG-systemen, uitgerust met vision met hoge vergroting, kunnen consistente lassen produceren die vrijwel onzichtbaar zijn. De mogelijkheid om elke lasparameter en inspectieresultaat te loggen ondersteunt ook strenge wettelijke vereisten (bijv. FDA 21 CFR Part 820).

Automotive prototyping en autosport

Terwijl het productielassen van auto's wordt gedomineerd door MIG- en weerstandslassen, gebruiken prototypes, racecomponenten en kleine speciale voertuigen vaak TIG vanwege de esthetiek en sterkte ervan. Autonoom TIG maakt snelle iteratie mogelijk zonder te wachten op een meesterlasser. Een Formule 1-team kan bijvoorbeeld in een week tientallen buischassisvariaties lassen, waarbij gebruik wordt gemaakt van een autonome cel om ervoor te zorgen dat elke las aan strenge normen voldoet.

De rol van simulatie en offline programmeren

Een cruciale factor voor autonoom TIG is de mogelijkheid om het lasproces te simuleren voordat er een enkele boog wordt ontstoken. Offline programmeersoftware, gekoppeld aan op fysica gebaseerde lassimulators, stelt ingenieurs in staat verschillende verbindingsontwerpen, toortsoriëntaties en parameterreeksen in de virtuele wereld te testen. Het autonome systeem kan vervolgens de simulatieresultaten als uitgangspunt gebruiken en de parameters in realtime verfijnen op basis van daadwerkelijke sensorfeedback.

Simulatie speelt ook een rol bij het trainen van de AI-controllers. Met behulp van een techniek die domeinrandomisatie wordt genoemd, kan het systeem worden getraind op duizenden gesimuleerde lasscenario's met willekeurige variaties in opening, verkeerde uitlijning, materiaalemissiviteit en omgevingstemperatuur. Deze synthetische trainingsgegevens vormen een aanvulling op gegevens uit de echte wereld, die duur zijn om te verzamelen. Na de simulatietraining gaat de autonome controller (met fijnafstemming) over op de fysieke robot – een proces dat bekend staat als sim-to-real transfer.

---

Toekomstige richtingen: wat is de toekomst voor autonome TIG

De huidige stand van zaken op het gebied van volledig autonoom TIG-lassen is indrukwekkend, maar verre van de ultieme visie. Verschillende trends zullen het komende decennium vormgeven.

Autonomie van meerdere processen

De huidige autonome systemen zijn meestal gericht op TIG of MIG. De systemen van morgen zullen indien nodig tussen processen schakelen, bijvoorbeeld door gebruik te maken van TIG voor de wortelpassage (kritische penetratie) en MIG voor vulpassages (hogere depositie). De robot zou automatisch de toorts, draadaanvoer en gastoevoer vervangen. Dit vereist niet alleen hardware-integratie, maar ook een planner op een hoger niveau die beslist welk proces voor elk segment van de verbinding moet worden gebruikt.

Collaboratieve autonomie

In plaats van autonome lascellen achter veiligheidshekken te isoleren, zullen toekomstige systemen rechtstreeks samenwerken met menselijke werknemers. Een mens kan complexe armatuurladingen of nabewerkingen uitvoeren terwijl de robot last. Hiervoor zijn op veiligheid beoordeelde visiesystemen nodig die menselijke aanwezigheid detecteren en de beweging van de robot dienovereenkomstig aanpassen (snelheidsreductie, padafwijking). Collaboratief autonoom TIG is een grotere uitdaging dan MIG, omdat TIG-toortsen blootliggende wolfraamelektroden hebben die letsel kunnen veroorzaken, maar oplossingen zoals intrekbare elektroden of lichtgordijnen zijn in opkomst.

Generatief ontwerp voor lasbaarheid

Momenteel negeren onderdeelontwerpers vaak lasbeperkingen, wat leidt tot verbindingen die moeilijk of onmogelijk te automatiseren zijn. Nu volledig autonome TIG steeds capabeler wordt, kunnen ontwerpers geometrieën creëren die zijn geoptimaliseerd voor robotlassen, zoals zelflokaliserende functies, consistente spleettoleranties en toegankelijke toortsoriëntaties. In de toekomst zullen generatieve ontwerpalgoritmen onderdeelgeometrieën produceren die de lascomplexiteit minimaliseren en tegelijkertijd de sterkte maximaliseren, met de mogelijkheden van de robot als invoerbeperking.

Edge computing en cloudleren

Autonome TIG-systemen genereren enorme hoeveelheden gegevens: videostreams, sensorlogs, parameteraanpassingen. Edge computing (het lokaal verwerken van gegevens op de robotcontroller) maakt besturingsbeslissingen met lage latentie mogelijk. Waardevolle inzichten kunnen echter over veel cellen worden verzameld in een cloudgebaseerde 'leerfabriek'. Wanneer een robot een moeilijk lasscenario tegenkomt en een succesvolle parameterset ontdekt, kan die kennis worden geanonimiseerd en gedeeld om alle andere robots te verbeteren. Dit collectieve leren versnelt de verbetering van autonome lasalgoritmen.

Economische overwegingen voor adoptie

Voor een productiemanager die volledig autonome TIG evalueert, is de belangrijkste vraag niet 'kan het werken?' maar 'loont het?'. De business case hangt van verschillende factoren af.

Directe arbeidsbesparingen

Het vervangen van een ervaren TIG-lasser die €35-50 per uur verdient, plus voordelen, levert duidelijke besparingen op. De robot neemt de noodzaak van menselijke tussenkomst echter niet volledig weg. Eén technicus kan toezicht houden op meerdere autonome cellen, het onderhoud, het vervangen van verbruiksartikelen en kwaliteitsaudits afhandelen. De netto arbeidsreductie bedraagt ​​vaak 60-80% in plaats van 100%.

Verbruiksartikelen

Autonome systemen kunnen, door optimale parameters te handhaven, het verbruik van vulmetaal en beschermgas verminderen. Ze verlengen ook de levensduur van wolfraamelektroden omdat ze onbedoeld onderdompelen of boogontladingen voorkomen. In sommige gevallen kunnen alleen al de besparingen op verbruiksartikelen de bedrijfskosten van de robot dekken.

Verhoging van de doorvoer

Als een handmatige TIG-lasser 50 onderdelen per dienst produceert, kan een autonome cel 150 onderdelen per dag produceren (24-uursbedrijf). De extra output kan worden verkocht als incrementele inkomsten. Voor winkels met beperkte capaciteit is dit het meest overtuigende voordeel.

Realiteit op het gebied van rendement op investering (ROI).

Een typische volledig autonome TIG-cel kost tussen de $80.000 en $250.000, afhankelijk van de robotgrootte, sensoren en software. Voor een werkplaats waar momenteel vier TIG-lassers in dienst zijn (totale arbeidskosten ~$400.000/jaar), levert het vervangen van twee daarvan door een enkele autonome cel (kosten $150.000 plus $80.000/jaar technicus) een ROI op van minder dan 12 maanden. Voor kleinere werkplaatsen met één of twee lassers bedraagt ​​de terugverdientijd 2-3 jaar. Financierings- en robotica-as-a-service-modellen maken adoptie toegankelijker.

---

Conclusie: de autonome laswerkplaats

Volledig autonoom TIG-lassen is niet langer een curiosum in het laboratorium. Het is een volwassen wordende technologie die de kloof heeft overbrugd van onderzoek naar vroege industriële toepassing. De convergentie van betaalbare hogesnelheidscamera's, GPU-versneld machinaal leren en robuuste robotcontrollers heeft het voor een machine mogelijk gemaakt om waar te nemen, te beslissen en te handelen met de finesse van een meester-TIG-lasser - en in veel gevallen de menselijke capaciteiten te overtreffen op het gebied van consistentie, snelheid en aanpassingsvermogen.

Toch zijn autonome systemen geen wondermiddel. Ze werken het beste in gestructureerde omgevingen met gematigde onderdeelvariatie, duidelijke verbindingsgeometrieën en toegang tot stroom en beschermgas. Ze vereisen investeringen vooraf en de bereidheid om nieuwe validatiemethoden te omarmen. Maar voor fabrikanten die te maken hebben met tekorten aan arbeidskrachten, kwaliteitseisen en concurrentiedruk biedt volledig autonoom TIG-lassen een oplossing.

De laswerkplaats van 2030 zal waarschijnlijk een hybride omgeving zijn: menselijke lassers die zich richten op reparatie, fabricage op maat en complexe gereedschappen, terwijl autonome cellen repetitief, uiterst nauwkeurig of gevaarlijk TIG-werk afhandelen. De twee zullen niet met elkaar concurreren, maar complementair zijn. De technologie gaat niet over het vervangen van de menselijke maat; het gaat over het bevrijden van mensen om te doen waar ze goed in zijn: problemen oplossen, betere onderdelen ontwerpen en het algehele proces beheren.

Naarmate sensoren goedkoper worden, algoritmen robuuster en standaarden flexibeler worden, zal volledig autonoom TIG-lassen van een early adopter-technologie overgaan naar een standaardgereedschap in het arsenaal van de fabrikant. Voor degenen die het nu omarmen, zal het concurrentievoordeel aanzienlijk zijn. Voor degenen die wachten, kan het moeilijk zijn om de achterstand in te halen. De boog wordt geraakt; de autonome toekomst wordt werkelijkheid.