AI & computingAgentic AI & autonome agents

AI-agents helpen kerncentrales sneller en beter oefenscenario's bouwen

· Bijgewerkt 21 augustus 2026, 01:21 · 2 min leestijd

Agentic AI & autonome agents
Beeld: Interesting Engineering

Softwarebedrijf Nuclearn en simulatorbouwer GSE Solutions gaan samenwerken om kunstmatige intelligentie te koppelen aan trainingssimulatoren voor kerncentrales. Instructeurs kunnen straks met een simpele tekstopdracht een compleet oefenscenario laten genereren, terwijl de techniek ook wordt ingezet voor risicoanalyse en het testen van nieuwe reactorontwerpen.

Operators van kerncentrales trainen al decennia in simulatoren die exact nabootsen hoe een reactor reageert op storingen of menselijke fouten. Die trainingsomgevingen worden nu slimmer. Nuclearn, een Amerikaans bedrijf gespecialiseerd in AI voor de nucleaire sector, en simulatorbouwer GSE Solutions hebben een strategische samenwerking aangekondigd. Doel is om agentic AI te combineren met de hoogwaardige simulatoren die GSE al aan kerncentrales levert.

Trainingsscenario's op tekstcommando

Instructeurs kunnen in de toekomst met een gewone tekstopdracht een trainingsscenario laten opbouwen, in plaats van dat handmatig te programmeren. Na afloop van een oefening genereert de software automatisch een samenvatting, zodat instructeurs snel kunnen zien hoe een team reageerde op veranderende omstandigheden in de centrale. Ook de toetsing zelf wordt persoonlijker: vragen en quizzes passen zich aan op basis van de prestaties van een operator. Tijdens het oefenen kan het systeem daarnaast uitleggen welke natuurkundige processen precies aan een bepaalde gebeurtenis in de centrale ten grondslag liggen. Dat moet de koppeling tussen praktijkervaring in de simulator en de onderliggende reactorfysica versterken.

Van trainingstool naar ontwerpomgeving

Nuclearn ziet de simulatoren van GSE niet alleen als lesmateriaal, maar als een rijke bron van plant-specifieke data. Die data wil het bedrijf gebruiken om zijn eigen platform uit te breiden. Zo werkt Nuclearn aan software die operators ondersteunt bij beslissingen, en aan tools waarmee ingenieurs snel grote aantallen gesimuleerde scenario's kunnen doorrekenen voor risico- en ontwerpanalyses. Voorgestelde aanpassingen aan een centrale kunnen eerst getest worden in een digitale sandbox-omgeving, voordat er iets fysiek verandert. Daarnaast ontwikkelt Nuclearn patroonherkenning die vroege signalen van slijtage aan apparatuur of afwijkingen van vaste procedures moet opsporen, nog voordat dit tot echte problemen leidt. Omdat een simulator feitelijk functioneert als digitale kopie van een bestaande centrale, een vorm van digital twin, kan die data een realistisch beeld geven van hoe een specifieke installatie zich gedraagt. De samenwerking reikt ook verder dan bestaande centrales: de partijen willen simulatiegegevens inzetten bij de technische beoordeling van nieuwe reactorconcepten, waaronder SMR's, de kleinere modulaire kernreactoren die de sector als toekomstige groeimarkt ziet.

Veiligheid blijft leidend

Ravi Khanna, topman van GSE Solutions, benadrukt dat veiligheid de hoogste prioriteit blijft. Trainingssystemen moeten gevalideerd, herhaalbaar en traceerbaar blijven, en aansluiten bij goedgekeurde procedures van de centrale. Jerrold Vincent, medeoprichter en financieel directeur van Nuclearn, wijst erop dat simulatoren van oudsher de plek zijn waar operators het beoordelingsvermogen opbouwen dat ze dagelijks nodig hebben. Beide bedrijven laten hun samenwerking begeleiden door een gezamenlijk stuurcomité van technische en directieleden, om te voorkomen dat automatisering ten koste gaat van controle. Voor de Amerikaanse kernenergiesector past dit in een bredere verschuiving: simulatoren worden niet langer alleen gebruikt om personeel op te leiden, maar steeds vaker ook als volwaardige omgeving voor engineering-analyse en besluitvorming over bestaande en toekomstige centrales.

Achtergrond & begrippen

Wat betekent dit voor de toekomst? Als AI-agents realistische trainingsscenario's en risicoanalyses kunnen genereren op basis van echte simulatordata, kan dat de opleiding van kerncentrale-operators sneller en persoonlijker maken en tegelijk de ontwikkeling van nieuwe reactorontwerpen zoals SMR's versnellen. De grootste uitdaging blijft het waarborgen dat deze geautomatiseerde systemen net zo betrouwbaar en controleerbaar zijn als de strikt gereguleerde procedures die de nucleaire sector al decennia hanteert.

Agentic AI
Kunstmatige intelligentie die zelfstandig taken uitvoert, zoals het opstellen van een trainingsscenario op basis van een korte opdracht, in plaats van alleen vragen te beantwoorden.
Simulator
Een softwaresysteem dat het gedrag van een kerncentrale nabootst, gebruikt om operators te trainen zonder risico voor een echte installatie.
Small modular reactor (SMR)
Een kleinere, fabrieksmatig te bouwen kernreactor die als alternatief wordt gezien voor grote, traditionele kerncentrales.
Digital twin
Een digitale kopie van een fysiek systeem, zoals een kerncentrale, waarmee je scenario's kunt doorrekenen zonder de echte installatie te raken.
Sandbox-omgeving
Een afgeschermde digitale testomgeving waarin nieuwe aanpassingen veilig uitgeprobeerd kunnen worden voordat ze in de praktijk worden doorgevoerd.
Adaptieve toetsing
Een vorm van beoordeling waarbij vragen en oefeningen zich automatisch aanpassen aan het prestatieniveau van de persoon die getest wordt.
Afwijkingsdetectie
Een techniek waarbij software patronen in data analyseert om vroege signalen van slijtage, storingen of procedurele fouten op te sporen.

Bronnen

Dit artikel is met behulp van AI geschreven op basis van bovenstaande bronnen en is geen letterlijke vertaling. Zo werkt onze redactie.

Meer over Agentic AI & autonome agents