Jaarbeurs Utrecht zet in 2025 AI-doorbraken en digitale weerbaarheid centraal op de vakbeurzen ICT&Logistiek en Logistica Next. De beurzen vinden plaats in Utrecht en richten zich op professionals uit logistiek, industrie en overheid. Het doel is sneller, slimmer en veiliger digitaliseren, met aandacht voor de Europese AI-verordening (AI Act), NIS2 en de AVG. Bezoekers zien concrete toepassingen van algoritmen in magazijn, transport en planning, én leren wat de nieuwe regels betekenen.
AI versnelt logistiek
De organisatoren leggen de nadruk op praktische inzet van kunstmatige intelligentie in de keten. Bedrijven willen doorlooptijden verkorten en fouten verminderen, zonder extra personeel. AI-modellen kunnen hierbij helpen, mits data en processen op orde zijn.
Voorbeelden die in de sector snel terrein winnen zijn vraagvoorspelling en route-optimalisatie. Vraagvoorspelling gebruikt historische cijfers om toekomstige orders te schatten. Computer vision, een camera met software die objecten herkent, telt pallets en controleert labels aan de dockdeur.
Ook digitale tweelingen worden belangrijk, een virtuele kopie van een magazijn of proces om scenario’s te testen. Daarmee kun je stromen verleggen of personeelsplanning aanpassen voordat je het echt doet. Dat voorkomt stilstand en verspilling.
Toch blijft opschaling lastig. Data zitten vaak verspreid over WMS, TMS en ERP, die niet altijd goed praten met elkaar. Daarnaast vraagt AI om nieuwe vaardigheden bij planners, operators en IT-beheerders.
Weerbaarheid onder NIS2
Digitale weerbaarheid krijgt extra gewicht door NIS2, de Europese richtlijn voor cyberveiligheid. Veel logistieke partijen en hun IT-dienstverleners vallen op het moment van schrijven in de categorie “belangrijke” of “essentiële” entiteiten. Zij moeten aantonen dat risico’s worden beheerd en incidenten snel worden gemeld.
Concreet betekent dit: toegangsbeheer, versleuteling, back-ups en testen van noodplannen. Leveranciersketens tellen mee, dus ook AI-diensten en cloudplatforms. Wie algoritmen inzet voor planning of beeldherkenning moet patchbeleid, monitoring en herstel kunnen aantonen.
Nederland werkt aan implementatie van NIS2 in nationale wetgeving op het moment van schrijven. Voor bezoekers is het daarom zinvol te toetsen of demonstraties op de beurs voldoen aan basisnormen. Denk aan logbestanden, audit-trails en duidelijke verantwoordelijkheden tussen klant en leverancier.
AI en security raken elkaar steeds meer. Modelbeveiliging en dataminimalisatie verlagen lek- en misbruikrisico’s. Zo wordt AI niet alleen slim, maar ook robuust in de praktijk.
AI Act raakt toepassingen
De Europese AI-verordening (AI Act) bepaalt welke eisen gelden per risicoklasse. Veel logistieke toepassingen vallen in “beperkt risico” en vragen vooral transparantie. Denk aan een chatbot voor chauffeurs of een aanbevelingssysteem voor magazijntaken.
Toepassingen die mensen direct beoordelen of aansturen kunnen hoger risico hebben. Voorbeelden zijn personeelsbeoordeling of AI die veiligheidsfuncties in machines beïnvloedt. Dan zijn strikte eisen van kracht, zoals datakwaliteit, documentatie en menselijk toezicht.
Leveranciers zullen vaker bewijs moeten leveren, zoals technische dossiers en conformiteitsbeoordelingen. Voor kopers is het verstandig te vragen naar modelkaarten (korte fiches met uitleg over doel, data en grenzen). Zo wordt duidelijk waarvoor het systeem wel en niet geschikt is.
De AI-verordening treedt gefaseerd in tussen 2024 en 2026. Hoogrisico-systemen krijgen strenge eisen; toepassingen met beperkt risico vragen heldere transparantie.
Nederlandse kansen en valkuilen
Nederland is een logistieke draaischijf met havens, luchthavens en binnenvaart. Krapte op de arbeidsmarkt maakt automatisering aantrekkelijk, zeker in piekperiodes. AI kan helpen capaciteit beter te verdelen en fouten te beperken.
Tegelijk zijn data versnipperd over partners en systemen. Veel bedrijven werken nog met EDI; overstappen naar API’s en open standaarden kost tijd en geld. Zonder goede datakwaliteit leveren algoritmen matige resultaten.
Samenwerking met kennisinstellingen zoals TNO en met brancheprogramma’s versnelt leren en delen. Europese programma’s en dataspace-initiatieven kunnen helpen om veilig data te delen. Zo ontstaan datasets die groot genoeg zijn voor betrouwbare modellen.
Ook ethiek speelt mee. Werkdruk en toezicht door AI vragen duidelijke grenzen en inspraak. De AVG verplicht tot dataminimalisatie en legitieme grondslagen bij personeelsdata.
Wat bezoekers nu kunnen doen
Bepaal eerst de use-cases met hoogste waarde: minder voorraadtekort, kortere laadtijden of minder claims. Maak een kleine, schone dataset vrij om te testen, met goede labels en bewaartermijnen. Zo start je snel, maar gecontroleerd.
Vraag leveranciers naar transparantie en naleving: AI Act-risicoklasse, documentatie, dataset-herkomst en foutmarges. Check of het systeem logt wat het doet en of menselijk ingrijpen mogelijk is. Leg afspraken vast in contract en DPIA, de privacy-risicoanalyse onder de AVG.
Kijk ook naar weerbaarheid: back-ups, updates, monitoring en respons op incidenten volgens NIS2-principes. Let op afhankelijkheden van cloud en modellen, en maak een exitplan. Dat voorkomt verrassingen bij storingen of leveranciersonderbrekingen.
Tot slot: denk aan adoptie. Train planners en operators in het werken met beslissingsondersteuning. Met kleine stappen, duidelijke regels en meetbare doelen blijft AI beheersbaar én waardevol.
