AI & de toekomst van de logistiek

Een digital twin is een rekenmodel van een echt systeem dat met actuele gegevens wordt bijgehouden. Bij een logistieke keten bevat het de magazijnen, fabrieken, routes, voorraden en contracten, en hoe die op elkaar reageren. Daarmee kun je vragen stellen die je in het echt liever niet uitprobeert. Wat gebeurt er als deze haven twee weken dichtgaat, als een leverancier uitvalt of als we een distributiecentrum sluiten? Simulaties rekenen de mogelijke uitkomsten door; AI helpt duizenden scenario's te vergelijken en de maatregel te vinden die de meeste schade beperkt. De volgende stap is een digital twin die live meedraait: hij test elke dag zelf wat er mis kan gaan en stelt maatregelen voor voordat de verstoring er is.

AI combineert historische verkoopcijfers met openstaande bestellingen, acties van klanten, het weer, feestdagen en drukte in de havens, en berekent hoe die samen de verwachte vraag per artikel en per week bepalen. Zo kan een distributiecentrum eerder inschatten wanneer een piek waarschijnlijk komt, en op tijd uitzendkrachten en wagens reserveren. Een betere voorspelling kan helpen om stilstaande voorraad en dure spoedritten te beperken en bestellingen vaker op tijd bij klanten af te leveren. De planner vult aan wat het model nog niet weet, zoals de verwachte orders van een nieuwe grote klant. De volgende stap is dat de voorspelling ook wordt uitgevoerd: agents reserveren dan binnen vastgelegde bevoegdheden zelf wagens en uitzendkrachten zodra een piek waarschijnlijk wordt.

Een control tower brengt de beschikbare gegevens over de keten samen: waar zendingen zijn, hoeveel voorraad er ligt en welke leveranciers wat leveren. Veel bedrijven kennen hun directe leveranciers goed, maar weten weinig van de leveranciers daarachter, en juist daar ontstaan de verrassingen. AI leest daarom ook buiten de eigen systemen mee: berichten over een staking, een overstroming of een brand in een fabriek, scheepsposities, wachttijden in havens. Een geblokkeerde vaarroute werkt weken door in vaarschema's en de bezetting van distributiecentra; AI rekent die doorwerking vooruit. De volgende stap is een control tower die bij een verstoring binnen afgesproken grenzen zelf omboekt naar een andere route of leverancier, terwijl een mens toezicht houdt.

Een AI-agent krijgt een doel en zet binnen vastgelegde bevoegdheden zelf de stappen om het te bereiken. In de logistiek ligt zulk werk overal: een transportopdracht uit een e-mail halen, een vervoerder kiezen en boeken, een vrachtbrief controleren, de gegevens voor een douaneaangifte klaarzetten. Vastgelegde controles bepalen welke boekingen de agent zelf mag doen. Bij vervoerders beantwoorden digitale assistenten al dag en nacht de vraag waar een zending is. Wat afwijkt, zoals een ongewoon tarief of een vraag van de douane, komt bij een mens terecht. De volgende stap: agents die met de agents van vervoerders en terminals onderhandelen over prijs en tijdslot.

In geautomatiseerde magazijnen werken rijdende robots, opslagsystemen met bakken in hoge rekken, sorteerinstallaties en robotarmen naast elkaar. Hoeveel orders zo'n magazijn verwerkt, hangt af van hoe goed die systemen op elkaar zijn afgestemd, ook als de samenstelling van de bestellingen per uur verandert. AI verdeelt het werk over de vloot, laat robots elkaar voorrang geven en bepaalt waar elk product staat: wat vaak samen wordt besteld, staat bij elkaar, en wat deze week hard loopt, staat vooraan. Een grote online winkel heeft inmiddels een miljoen robots in zijn magazijnen ingezet, rijdende robots en robotarmen samen. De volgende generatie robots leert uit een paar voorbeelden hoe ze een nieuw product oppakt, zonder dat iemand elke beweging vooraf programmeert.

Vrachtplatforms brengen ladingen en vrije ruimte in minuten bij elkaar, ook buiten vaste vervoersrelaties om. AI doet het rekenwerk: welke lading past bij een wagen die toch die kant op rijdt, welke prijs is op dit moment reëel, welke kleine zendingen kun je samenvoegen tot één volle rit. Er valt veel te winnen: volgens Eurostat rijden in de EU geregistreerde vrachtwagens ongeveer een vijfde van hun kilometers zonder lading. Een passende retourlading kan een extra rit overbodig maken, en dat scheelt brandstof, uitstoot en geld. Straks onderhandelen op zulke platforms de agents van verladers en vervoerders zelf, binnen grenzen die de eigenaar meegeeft, en ontstaat de prijs per rit in seconden.

Een verschoven aankomsttijd werkt in een haven door in de bezetting van kades, loodsen en sleepdiensten en in het vervoer naar het achterland. Lang plande iedere partij met een eigen verwachting, en dus wachtte een schip op een vrije kade of een vrachtwagen uren aan de poort. Een slimme haven deelt die gegevens en laat AI voorspellen wanneer een schip werkelijk binnenkomt, op basis van positie, weer, getij en drukte. Dan kan het schip onderweg vaart minderen, in plaats van op volle snelheid naar een ankerplaats te varen om daar te wachten. De IMO stimuleert dit just-in-time aankomen omdat het brandstof en uitstoot bespaart. Terminals plannen er kranen en ploegen op, en vervoerders krijgen een tijdslot aan de poort.

Bij bezorgrobots begeleidt één operator op afstand meerdere ritten tegelijk. AI laat de robot begrijpen wat er om hem heen gebeurt: een stoeprand, een overstekend kind, een fietser die passeert. Bezorgrobots hebben op campussen en in woonwijken al miljoenen bestellingen afgeleverd. Drones vliegen bloed en medicijnen naar klinieken die over de weg uren ver weg liggen. In drukke straten worden routes en afleverpunten vooraf afgestemd, en de operator neemt het over als een robot niet verder kan. De volgende stap is bezorging op grotere schaal: een busje als moederschip, waaruit robots en drones de laatste meters afleggen, en kluizen en afleverpunten die zelf met de robot afspreken wanneer hij komt.

Van sorteren tot volumes voorspellen: in een AI-first organisatie nemen AI, agents en robots het werk over dat mensen niet hoeven te doen. Mensen richten zich op werk waarin hun ervaring, oordeel en contact met klanten het verschil maken. Neem een opdracht van een klant. Een agent leest hem, AI plant de uitvoering en robots doen het fysieke werk. De medewerker pakt de opdracht op die niet in het patroon past, lost het probleem bij de klant op of voert het lastige gesprek over de prijs. Rond 2040 kan een gewone opdracht het hele proces zonder menselijke tussenkomst doorlopen, en richten mensen zich vooral op klantcontact, uitzonderingen en het verbeteren van het werk.

Automatisering haalt veel rekenwerk bij de planner weg, en daarmee verandert zijn vak. Hij plant niet meer elke rit zelf, maar bewaakt of het systeem goede keuzes maakt, grijpt in bij een uitzondering en verbetert de spelregels waarmee het rekent: hij wordt regisseur. Er ontstaan ook rollen die nu nog nauwelijks bestaan. Een vlootbewaker volgt vanaf een scherm tien zelfrijdende trucks tegelijk en neemt het over als er een vastloopt. Een ontwerper schrijft de spelregels waarbinnen agents mogen boeken en onderhandelen. Een trainer leert robots nieuwe producten herkennen en oppakken. Ervaren planners en magazijnmensen zijn de logische kandidaten voor die rollen: zij weten hoe de keten zich in het echt gedraagt.

In een distributiecentrum werken mensen en machines steeds vaker als één team. Het planningssysteem verdeelt de orders, robots doen het rijden, tillen en sorteren, en mensen nemen de uitzonderingen: een twijfelachtige beschadiging beoordelen, een afwijkende order controleren, een vastgelopen robot weer op weg helpen. Zo'n team werkt met eigen spelregels: wie een robot mag stilzetten, wie meldt dat het systeem steeds dezelfde fout maakt. Ook de rol van de ploegleider verandert, van het tempo bewaken naar mensen inzetten op wat machines niet kunnen. In sterk geautomatiseerde magazijnen kan het werk in 2040 verschuiven naar het trainen, begeleiden en herstellen van robotprocessen. De mens wordt dan leraar en achtervang van de vloot.

Een keten die nooit stilstaat, vraagt leiders die toch vooruitkijken. In de logistiek nemen ze het initiatief bij AI, robots en agents, en schetsen ze een toekomstbeeld dat zo concreet is dat een ploegleider in het distributiecentrum weet wat het voor zijn mensen betekent. Ze zetten kleine, zichtbare stappen, laten medewerkers meedenken en kiezen een richting voordat alles zeker is. Zo bouwen ze samen met hun mensen aan de keten van morgen, en bijsturen hoort daar gewoon bij.

Veranderen in de logistiek gaat over techniek, werkdruk en vaardigheden, en vaak vooral over vertrouwen in een nieuwe manier van werken. Neem de planner met twintig jaar ervaring, die zijn chauffeurs en klanten kent. Het systeem stelt een planning voor die hij zelf nooit zo zou maken. Volgt hij die, of zet hij alles terug zoals hij het altijd deed? Dat vertrouwen groeit als het systeem laat zien waarom het iets kiest, als de planner mag ingrijpen en als achteraf blijkt welke keuze beter uitpakte. De volgende vertrouwensvraag ligt al klaar: laat de planner een agent boeken zonder dat hij het voorstel vooraf ziet?

Organisaties wachten niet langer tot nieuwe lichtingen de juiste kennis van school meebrengen. Ze bouwen een eigen toekomstacademie waar ze hun mensen zelf opleiden. Wie er al werkt, leert er hoe AI, robots, agents en andere nieuwe technologie het werk veranderen. Wie nieuw binnenkomt, oefent er meteen met de systemen en werkwijzen van de organisatie. Opdrachten uit de eigen processen vormen de lesstof, en collega's leren er ook van elkaar.

Nieuwe AI-toepassingen en gedeelde data brengen organisaties samen met start-ups, wetenschappers, partners en overheden uit verschillende delen van de wereld. Samen vormen ze een internationaal ecosysteem dat vraagstukken aanpakt die één schakel niet alleen oplost, zoals drukte, uitstoot en het tekort aan chauffeurs. Elders werken partijen al jaren met gedeelde dataplatforms, vaak met overheden aan tafel, en met processen die grotendeels automatisch verlopen. Hoe goed een organisatie presteert en hoe snel ze vernieuwt, hangt steeds meer af van het ecosysteem waarin ze gegevens, kennis en investeringen deelt.