AI in de logistiek: waar het geld zit voor een middelgroot transportbedrijf

Van elke vier kilometer die een Nederlandse vrachtwagen in 2025 reed, was er ongeveer één leeg. Het CBS komt uit op 26 procent van alle voertuigkilometers zonder lading, en voor puur binnenlands vervoer is het zelfs 30 procent. Dat is geen slordigheid van planners. Het is de optelsom van ritten die nu eenmaal ergens eindigen waar geen retourvracht ligt.

Precies daar begint het gesprek over AI in de logistiek, en niet bij zelfrijdende trucks. De vraag voor een transport- of distributiebedrijf van vijftig tot driehonderdvijftig mensen is niet of de techniek indrukwekkend is. De vraag is welke van je bestaande cijfers je beter kunt gebruiken dan je nu doet, en wat dat binnen een kwartaal oplevert.

Voor wie dit stuk bedoeld is

De sector is enorm en tegelijk klein. Het CBS telt in het derde kwartaal van 2026 bijna 70.000 bedrijven in vervoer en opslag. Daarvan zijn er ruim 54.000 een eenmanszaak, meestal een zelfstandige chauffeur. Bedrijven met vijftig of meer mensen zijn er iets meer dan negenhonderd.

Die negenhonderd zijn de reden dat dit stuk bestaat. Ze zijn groot genoeg om een eigen planning, een eigen TMS en een eigen administratie te hebben, en klein genoeg om geen data-afdeling te kunnen betalen. Voor hen is bijna alle AI-content in de markt onbruikbaar, want die is geschreven voor partijen met honderden trucks en een team van analisten.

Een vrachtwagen op de snelweg. Iets meer dan negenhonderd vervoersbedrijven hebben vijftig of meer mensen.

Waar de winst zit, op volgorde van haalbaarheid

Retourvracht en ritcombinatie. Dit is de meest genoemde en tegelijk de lastigste. Een model dat voorspelt waar over drie dagen lading vrijkomt is alleen bruikbaar als je zelf genoeg volume hebt of aangesloten bent op een beurs met echte data. Voor een bedrijf met veertig trucks levert het zelden een revolutie op, maar wel een paar procentpunten minder leegloop. Reken er niet op dat je van 26 naar 10 procent gaat.

De documentstroom. Dit is de saaiste toepassing en veruit de snelste. Vrachtbrieven, douanepapieren, pakbonnen en inkoopfacturen die nu met de hand worden overgetikt, kunnen grotendeels automatisch worden uitgelezen en gecontroleerd. Het werk verdwijnt niet, maar het verschuift van overtypen naar controleren. In de meeste bedrijven zit hier meer directe tijdwinst dan in de planning, en niemand praat erover omdat het niet spannend klinkt.

Volumevoorspelling. Als je twee of drie jaar orderhistorie hebt, kun je met redelijke betrouwbaarheid voorspellen hoeveel ritten of orders er per week binnenkomen per klant en per regio. Dat helpt bij personeelsplanning, bij het inhuren van charters en bij het gesprek met de klant over pieken. De data hiervoor ligt er al, in je ordersysteem.

Onderhoud en schade. Voorspellend onderhoud werkt, maar het vraagt sensordata over meerdere jaren en meerdere voertuigen. Voor een middelgroot wagenpark is dit meestal iets voor jaar twee, niet voor kwartaal één.

De vier op een rij, zodat je ze naast elkaar kunt leggen voordat je kiest.

De rechterkolom is belangrijker dan hij eruitziet. Een toepassing waarvan niemand in je bedrijf de uitkomst kan beoordelen, is een toepassing die je op je blauwe ogen moet geloven. Begin daarom bovenaan die lijst en niet onderaan, ook al is onderaan interessanter.

Wat je al hebt liggen

Het grootste misverstand over AI in deze sector is dat het om nieuwe systemen gaat. Dat is bijna nooit zo. Een gemiddeld transportbedrijf zit al jaren op vier bronnen die zelden aan elkaar geknoopt zijn.

In je TMS staat elke rit die je ooit hebt gereden, met vertrek, aankomst, gewicht en klant. In de boordcomputers staan kilometers, rijtijden, brandstofverbruik en stilstand. In je financiële administratie staat wat elke rit heeft gekost en opgeleverd. En in de mailbox van de planning staat het gedeelte dat nergens anders staat: de afspraken, de uitzonderingen en de klant die altijd te laat oplevert.

Die eerste drie zijn goud waard zodra ze bij elkaar staan. De vierde is het probleem, en het is niet op te lossen met een tool. Daarover verderop meer.

Plannen achter een scherm op de werkvloer. Het deel dat er het meest toe doet staat in geen enkel systeem.

De rekensom die je zelf kunt maken

Neem je eigen wagenpark en vul je eigen getallen in. Stel veertig trekkers, gemiddeld 100.000 kilometer per jaar, dus vier miljoen kilometer. Op 26 procent leeg is dat ruim een miljoen lege kilometers per jaar.

Nu de eerlijke inschatting. Ga niet uit van een halvering. Ga uit van twee tot drie procentpunten, en dat is al ambitieus. Drie procentpunten op vier miljoen kilometer is 120.000 kilometer minder. Bij een verbruik rond de dertig liter per honderd kilometer scheelt dat ongeveer 36.000 liter diesel per jaar. Vul je eigen literprijs in en je hebt de bovengrens van je businesscase op brandstof alleen, nog zonder de uren en het onderhoud.

Dat is een echt bedrag, en het is geen bedrag waar je een afdeling voor opricht. Dat is precies de reden dat het in dit soort bedrijven blijft liggen: te klein voor een project, te groot om te negeren.

Personeel is het echte knelpunt, en AI lost dat niet op

In het tweede kwartaal van 2026 stonden er volgens het CBS 15.200 vacatures open in vervoer en opslag, waarvan 7.800 in vervoer over land. Dat aantal is hoger dan voor de pandemie.

Wees hier eerlijk over: geen enkel model rijdt een vrachtwagen. Waar het wel scheelt is aan de andere kant van het bedrijf. Als je planning drie uur per dag kwijt is aan het najagen van documenten en het overtypen van orders, dan is dat capaciteit die je terugkrijgt zonder iemand aan te nemen. Datzelfde geldt voor de administratie en voor de klantenservice.

Dat is meteen het eerlijke antwoord op de vraag of AI banen kost in de logistiek. In het kantoor verschuift werk. Achter het stuur verandert voorlopig weinig.

Een containerterrein. In het kantoor verschuift werk, achter het stuur verandert voorlopig weinig.

Twee dingen die in deze sector juridisch klemmen

De AI Act is risicogebaseerd en kent geen drempel op bedrijfsgrootte, waarover we apart schreven. Twee toepassingen die in de logistiek regelmatig voorbijkomen verdienen hier een aparte waarschuwing.

Camera's in de cabine die vermoeidheid of emotie afleiden. Systemen die alleen kijken of iemand de ogen sluit of afgeleid is, blijven doorgaans buiten schot; systemen die emoties van een werknemer afleiden vallen onder het verbod uit artikel 5 en zijn sinds februari 2025 niet toegestaan op de werkvloer. Het onderscheid is smal en de leverancier is niet degene die het risico draagt. Vraag bij elk cabinesysteem expliciet wat het afleidt en laat het antwoord op papier zetten.

AI bij werving en selectie. Chauffeurs werven is in deze sector de grootste bottleneck, en dus wordt er graag geautomatiseerd voorgeselecteerd. Dat valt onder bijlage III en is daarmee hoog risico. De hoofdverplichtingen gelden vanaf 2 december 2027, dus er is tijd, maar niet oneindig.

Voor beide geldt dat je in ieder geval moet kunnen laten zien wie welk systeem gebruikt en wat die mensen erover weten. Dat is de kern van AI-geletterdheid, en het hoort thuis in je AI-beleid.

Vier vragen die je aan elke leverancier stelt

Er is op dit moment geen enkel transportbedrijf in Nederland dat niet gebeld wordt door partijen met een AI-oplossing. De volgende vier vragen filteren het grootste deel eruit, en ze kosten je tien minuten.

Op welke data is dit getraind, en zit de mijne erin? Een model dat is getraind op Duits langeafstandsvervoer voorspelt jouw stadsdistributie niet. Vraag naar de herkomst en naar de periode, en let op of er een seizoen in zit.

Wat gebeurt er met mijn data? Gaat je ritgeschiedenis het model van de leverancier in, en daarmee mogelijk naar je concurrent? Laat vastleggen of jouw data alleen voor jouw model gebruikt wordt. Dit is geen theoretisch punt; het is het meest voorkomende slechte beding in dit soort contracten.

Wat kan ik zelf aanpassen zonder jullie? Als het antwoord neerkomt op een ticket en twee weken wachten, koop je een abonnement en geen vermogen. Vraag concreet wie bij jou aan de knoppen kan en wat daarvoor nodig is.

Wie is aanbieder in de zin van de AI Act? Zet je het systeem onder je eigen naam naar buiten, of verander je het beoogde doel ervan, dan word je zelf aanbieder en verschuiven de verplichtingen naar jou. Laat de leverancier zwart op wit zetten welke rol hij inneemt.

Wie dit werk doet in een bedrijf van honderd man

Dit is de vraag die na de businesscase komt, en het antwoord is zelden een nieuwe functie.

Wat je nodig hebt is iemand die je eigen processen kent en die de uitkomst van een model kan beoordelen. In de meeste transportbedrijven is dat de planner met de meeste jaren, of iemand uit de administratie die toevallig goed is met cijfers. Die persoon een dag per week vrijmaken en gericht opleiden levert meer op dan een data scientist aannemen die je eigen werkvloer niet kent.

Dat is niet vriendelijkheid, het is rekenwerk. De kennis die het verschil maakt in de planning is niet te koop en niet te googelen, want die zit in je eigen bedrijf. Een externe partij kan het model bouwen; de vraag of de uitkomst klopt kan alleen iemand beantwoorden die weet dat die ene laadplaats in Venlo altijd een uur uitloopt.

Externe hulp is prima voor het bouwen en voor de eerste maanden. Het gaat mis op het moment dat die partij vertrekt en er niemand achterblijft die begrijpt waarom het model doet wat het doet. Dan heb je een systeem gekocht en geen vermogen opgebouwd, en dat verschil merk je pas als het misgaat.

Waar het in de praktijk misgaat

De pilot draait op de verkeerde data. Een model op zes maanden ritgeschiedenis leert vooral je zomer kennen. Seizoen, feestdagen en die ene grote klant die halverwege vertrok, zitten er niet in.

De planner zit niet aan tafel. Dit is de belangrijkste. In elk transportbedrijf zit de echte planning deels in het hoofd van twee of drie mensen: welke chauffeur bij welke klant werkt, welke laadplaats altijd uitloopt, welke lading je niet stapelt. Bouw je daar omheen, dan krijg je een systeem dat op papier klopt en in de praktijk wordt genegeerd. Die kennis expliciet maken is het echte werk, en het is precies het deel dat een leverancier niet voor je kan doen.

Je koopt een systeem in plaats van vermogen. Een tool die je niet zelf kunt bijsturen is een abonnement, geen capability. Als de partij die het bouwde vertrekt en niemand in je bedrijf begrijpt waarom het model doet wat het doet, sta je stil.

Hoe een eerste kwartaal eruitziet

Begin met kijken, niet met bouwen. Zet de vier bronnen naast elkaar en kijk waar de gaten zitten; in de meeste bedrijven is dat een confronterende week. Kies daarna één toepassing waarvan je de uitkomst zelf kunt controleren, en dat is bijna altijd de documentstroom en niet de planning. Laat het draaien naast het bestaande proces, niet in plaats daarvan, en meet het verschil in uren.

Pas als dat werkt en je eigen mensen begrijpen waarom het werkt, ga je naar de planning. Andersom is de volgorde waarmee de meeste trajecten stranden.

Over deze pagina

De cijfers over lege kilometers, vacatures en het aantal bedrijven komen rechtstreeks uit de open data van het CBS en staan hieronder met tabelnummer erbij, zodat je ze zelf kunt natrekken. De rekenvoorbeelden zijn geen belofte maar een rekenmethode; vul je eigen wagenpark en je eigen kosten in. Dit is de stand van 7 augustus 2026.