AI biedt kansen: ‘Begin met kleine stapjes en goede data’
Hoe kan AI helpen om goederenvervoer slimmer, duurzamer en beter voorspelbaar te maken op de drukste logistieke corridors van Nederland? Over die vraag boog zich eind juni een uiteenlopende gezelschap van experts tijdens een werksessie bij Port of Amsterdam. De conclusie: AI biedt kansen – maar alleen als datakwaliteit, governance en samenwerking vanaf het begin goed geregeld zijn.
De corridors Oost-Zuidoost en Zuid maken deel uit van het nationale Topcorridor-programma. Hier werken Rijk, regio’s en bedrijven samen aan een robuuster logistiek netwerk over weg, spoor en water. Met de snelle ontwikkelingen in kunstmatige intelligentie groeit de vraag: kunnen slimme algoritmes en voorspellende modellen helpen om bestaande infrastructuur beter te benutten?
AI is geen doel op zich
Jan Egbertsen (Havenbedrijf Amsterdam), voorzitter van de werkgroep Digitalisering Zuid, trapte af met een duidelijke oproep: ‘We moeten uitzoeken waar AI daadwerkelijk waarde toevoegt in de praktijk. Digitalisering is een middel, geen doel op zich.’ Samen met Nanne Onland (werkgroep Digitalisering OZO) bracht hij de partijen bijeen om tijdens de werksessie ervaringen, ambities en vraagstukken te delen.
Egbertsen gaf een bloemlezing van bestaande AI-initiatieven, waaronder Supply Chain Visibility en Last Mile Spoor. ‘Er zijn al diverse pilots die laten zien wat AI kan doen in de keten. Wat nu nodig is, is een gezamenlijke structuur waarin we die kennis verder brengen.’
Pia Snijder (TNO) wees op het bredere plaatje. ‘De logistiek staat onder druk: personeelskrapte, toenemende verduurzamingsvereisten en complexe planningen vragen om nieuwe oplossingen. AI kan helpen – mits we het goed organiseren.’ Volgens Snijder vraagt dit ook om een andere governance: gedeelde investeringen, opbrengsten én verantwoordelijkheden.
Praktijkvoorbeelden van RWS en ProRail
Stijn Michiels (Rijkswaterstaat) gaf inzicht in de AI-strategie van RWS. De doelstelling: een productiviteitsverhoging van 25 procent via inzet van generatieve en domeinspecifieke AI. Voorbeelden zijn het koppelen van bestaande tools aan AI en het inzetten van voorspellende modellen voor onderhoud, droogte en wind.
‘We bouwen aan een infrastructuur waarin datadelen mogelijk is. Maar het vergt lef en vertrouwen. Onbekendheid met AI belemmert het gesprek over data vaak al bij voorbaat’, aldus Michiels.
ProRail liet zien dat het spoorbeheer zich nog in de verkennende fase bevindt. Joost van het Schip vertelde hoe binnen het Centre of Excellence wordt gezocht naar strategisch relevante AI-toepassingen, bijvoorbeeld rondom sensoren, beeldherkenning en last mile-spoorplanning. ‘De ambitie is er, maar de basis moet eerst op orde. Zonder goede datagrondslag kom je niet verder.’
Toepassingen op corridor-niveau
De deelnemers aan de sessie benoemden diverse kansrijke toepassingen voor AI op de corridors. Voor de binnenvaart werd de mogelijkheid van voorspellende laagwatermodellen geopperd, wat zou kunnen bijdragen aan een betrouwbaardere modal shift. Volgens Diederik Braat (provincie Zuid-Holland) is dat cruciaal om bestaande infrastructuur optimaal te benutten.
Voor verslogistiek werd een ‘verstrein’ als casus besproken, waarbij AI kan helpen om kwetsbare goederen sneller en betrouwbaarder te vervoeren via spoor. Marcus Hukema (PZH) zag hierin potentie, mits informatie over rijtijden en logistieke processen tijdig beschikbaar is. Henk Vermeij (telematica-expert) pleitte voor opschaling van AI in combinatie met telematica in de binnenvaart.
Ook onderwijs- en onderzoeksinstellingen lieten van zich horen. HvA en VU zetten studenten in op praktijkgerichte AI-casussen. ‘In zestien weken verkennen teams van vijf studenten de toepasbaarheid van AI op echte uitdagingen,’ vertelde Susanne Hansen (HvA). Rob van der Meij (VU) wees op forecasting en asset sharing als kansrijke thema’s. ‘Met machine learning kun je onderhoud en capaciteitsplanning veel nauwkeuriger maken.’
Datakwaliteit en definities
Een rode draad in de discussie: AI werkt alleen met goede data. ‘Als de input rammelt, krijg je er ook niets zinnigs uit,’ zei Joost Zuidema (PoA). Ronald Goossen (ProRail) wees op het belang van definities. ‘Je kunt geen beslissingen nemen op basis van een getal als je niet weet wat dat getal betekent.’
Datakwaliteit, eigenaarschap en het vermogen om over ketens heen te kijken werden breed erkend als noodzakelijke voorwaarden. Bas Bongers (IenW) onderstreepte dat de overheid hierin een rol moet pakken: ‘We hebben veel waardevolle data. De vraag is hoe we die verantwoord en doelgericht beschikbaar maken.’
Vervolgacties: drie themalijnen
Aan het eind van de sessie werden drie themalijnen benoemd die de basis kunnen vormen voor een gezamenlijk vervolgonderzoek:
- Spoor: verdere verkenning van AI voor goederenvervoer via rail, inclusief voorspelbaarheid en strategische projectkeuze.
- Verslogistiek: ontwikkeling van een AI-tool gericht op planning, betrouwbaarheid en dynamische sturing in de verse keten.
- Binnenvaart: slimme benutting van capaciteit en laagwatervoorspelling op basis van AI.
Daarnaast werden bestaande initiatieven zoals Supply Network Visibility (SNV) genoemd als haakpunt om op door te bouwen. Verbreding naar bijvoorbeeld MELVIN, Defensie of crisislogistiek ligt daarbij voor de hand. TNO en de verschillende opleidingsinstituten gaven aan bereid te zijn hier actief in mee te denken.
Port of Amsterdam zal in samenwerking met Buck Consultants International het initiatief nemen om een verkennend rapport op te stellen, waarin use cases, randvoorwaarden en governancevragen worden uitgewerkt. Jan Egbertsen: ‘De techniek is er, de urgentie ook. Nu is het tijd om keuzes te maken – samen.’
