Europese en Nederlandse logistieke bedrijven zetten dit jaar steeds vaker “agentische” AI in hun keten. Deze systemen nemen zelfstandig kleine beslissingen, zoals het omboeken van vracht of het bestellen van voorraad. Dat gebeurt vooral in magazijnen, havens en distributiecentra in Nederland en omringende landen. Doel is om vertragingen te beperken, kosten te verlagen en CO2 te reduceren.
AI regelt ketenbeslissingen
Een agentisch systeem is software die niet alleen analyseert, maar ook zelf actie kan starten via andere programma’s. Denk aan een algoritme dat bij een vertraging direct een andere transporteur boekt. Het werkt binnen duidelijke regels en met menselijk toezicht. Zo blijft de controle bij het bedrijf, maar gaat het tempo omhoog.
Bedrijven gebruiken dit vooral voor routinetaken met duidelijke grenzen. Voorbeelden zijn het toewijzen van docks, het plannen van pickrondes en het versturen van herbevoorradingsorders. De mens beoordeelt uitzonderingen of risicovolle keuzes. Deze verdeling verkleint fouten en maakt processen voorspelbaar.
Grote leveranciers bieden al functies die hierbij passen. SAP koppelt “Joule” aan Integrated Business Planning. Microsoft levert Copilot-functies in Dynamics 365 Supply Chain Management. Google Cloud heeft Supply Chain Twin voor een digitaal beeld van voorraden en stromen, en AWS biedt AWS Supply Chain voor zicht op ketens.
“Een agentische supply chain is een logistiek netwerk waarin software-agenten met toegang tot data en API’s zelfstandig voorstellen doen en, binnen grenzen, acties uitvoeren.”
Van data naar acties
De basis is een digitale tweeling: een virtuele kopie van de keten met zendingen, voorraden en routes. Dat model rekent door wat er gebeurt bij storingen of nieuwe orders. Een agent gebruikt deze inzichten en voert via API’s concrete stappen uit. Bijvoorbeeld een transport omboeken of een purchase order aanpassen.
Onder de motorkap zitten vaak twee typen modellen. Optimalisatie-algoritmen zoeken de beste planning, zoals een routeringsoplossing voor vrachtwagens. Taalmodellen, zoals GPT-4o, Llama 3 of Mistral, begrijpen ongestructureerde tekst en kunnen acties “orchestreren” over meerdere systemen. Frameworks als LangChain en AutoGen helpen om zulke agenten veilig te laten samenwerken.
Bedrijven beperken de reikwijdte om fouten te voorkomen. Een agent mag bijvoorbeeld wel een standaardorder tot een bepaald bedrag plaatsen, maar niet aan prijsvoorwaarden tornen. Elke stap wordt gelogd, zodat auditors later kunnen zien wat er is gebeurd. Dit sluit aan bij governance-eisen in de EU.
Europese regels sturen ontwerp
De Europese AI-verordening (AI Act) vraagt risicobeoordeling, logging en transparantie. Veel logistieke toepassingen vallen in laag tot middel risico. Maar systemen die personeel monitoren of kritieke infrastructuur sturen, kunnen hoger risico zijn. Dan gelden strengere eisen, zoals robuuste tests en menselijk toezicht.
De AVG blijft leidend bij persoonsgegevens, bijvoorbeeld bij chauffeursdata of camerabeelden in magazijnen. Dataminimalisatie en versleuteling zijn verplicht. Ook een Data Protection Impact Assessment is vaak nodig. Bedrijven kiezen daarom vaker voor on-premise of EU-hosting, of voor Europese modellen zoals Aleph Alpha of Mistral.
Data-uitwisseling is een tweede beleidsdomein. Initiatieven als GAIA‑X en Europese Data Spaces moeten veilig delen tussen partijen mogelijk maken. In de logistiek sluiten iSHARE en de International Data Spaces aan bij die visie. Dat maakt agentische scenario’s haalbaarder, omdat agenten over organisatiegrenzen heen data en acties kunnen delen binnen strakke afspraken.
Nederlandse praktijk in haven
In de Rotterdamse haven groeit het gebruik van digitale platforms voor planning en aankomsttijden. Portbase fungeert als nationaal knooppunt voor data-uitwisseling. Rondom dat ecosysteem ontstaan toepassingen die automatisch afhandelingen plannen en partijen waarschuwen bij verstoringen. Agentische functies worden daar stap voor stap verkend, met menselijk toezicht als standaard.
Ook iSHARE, een Nederlandse set afspraken voor datadelen, wordt in ketenprojecten gebruikt. Het helpt bij identiteiten, toestemming en logging. Dat past bij de eisen uit de AI Act en de AVG. Bedrijven kunnen zo gericht toegang geven aan agenten zonder hun hele systeem open te zetten.
De haven van Antwerpen‑Brugge en logistieke knooppunten rond Schiphol testen vergelijkbare tools. Doelen zijn minder wachttijd, betere benutting van kades en slimmere inzet van vrachtwagens. In al deze pilots staat “veilig automatiseren” centraal. Eerst simuleren in een digitale tweeling, daarna pas in productie.
Wat nu al werkt
Drie soorten taken leveren snel resultaat op. Ten eerste: voorspellen van aankomsttijden en vraag met behulp van historische data en weer- of verkeersinformatie. Ten tweede: automatisch voorstellen doen voor herbevoorrading en transportkeuze. Ten derde: uitzonderingen afhandelen, zoals een zending die vastloopt bij de douane.
Leveranciers voegen hier stapsgewijs agentische functies aan toe. SAP, Microsoft, Google en AWS koppelen analyses aan acties met drempels en goedkeuringen. Palantir Foundry en Oracle Fusion Cloud SCM bieden vergelijkbare werkstromen. Bedrijven combineren dit vaak met bestaande WMS- en TMS-pakketten.
CO2 en rapportage tellen mee. Met de CSRD moeten Europese bedrijven hun ketenemissies onderbouwen. Agenten kunnen ritten bundelen, lege kilometers beperken en alternatieve routes voorstellen. Zo komt naleving dichter bij de dagelijkse operatie te liggen.
Risico’s en randvoorwaarden
Automatisering kan doorschieten. Een taalmodel kan een foutieve conclusie trekken of context missen. Daarom werken organisaties met smalle bevoegdheden, sandbox-tests en back-ups. De mens beslist bij twijfel of hoge impact.
Datakwaliteit blijft de bottleneck. Onvolledige of foutieve statussen leiden tot verkeerde acties. Bedrijven leggen daarom data-contracten vast en meten datakwaliteit continu. Zonder betrouwbare brondata is agentisch werken niet veilig.
Tot slot is integratie cruciaal. Koppelingen met ERP, WMS en TMS moeten stabiel en traceerbaar zijn. Vendors lock-in is een risico, dus open standaarden en export van logs zijn belangrijk. Wie klein begint, in een digitale tweeling test en governance op orde heeft, kan de winst veilig verzilveren.