AI in de logistiek: negen voorbeelden en wat ze niet oplossen

AI in de logistiek is software die leert van data of tekst kan lezen, en daarmee een deel van het denkwerk in het magazijn of op de weg overneemt: een voorspelling, een indeling van locaties, een route, een order die uit een PDF wordt gehaald. De negen AI toepassingen in de logistiek die nu in bedrijf zijn: vraagvoorspelling, slotting, orderpicking met robots, routeplanning, de planning van flexkrachten, documentverwerking, orderverwerking uit mail en PDF, factuurcontrole en klantvragen. Bij elk staat wat je ervoor nodig hebt en wat het meestal niet oplost.

Waar wordt AI in de logistiek nu al gebruikt?

AI in de logistiek draait vandaag op twee plekken: in de planning en de machines van magazijn en transport, en in de administratie eromheen. Het eerste deel is het bekendst. Het tweede is minder zichtbaar, en daar typen mensen elke dag orders en facturen over.

Volgens Eurostat gebruikte in 2025 bijna 20 procent van de Europese bedrijven met tien of meer werkzame personen een vorm van AI. Logistiek was daarbij het minst genoemde doel: ruim 6 procent van de bedrijven die AI gebruiken, zet het daarvoor in. Bedrijven die AI overwogen en er toch niet aan begonnen, noemen als eerste reden dat de kennis ontbreekt. Ruim 70 procent van die groep zegt dat.

De voorbeelden hieronder lopen langs de keten. Vraagvoorspelling, slotting, robots, routes en personeelsplanning worden meestal gebouwd door gespecialiseerde softwareleveranciers. Documenten, orders, facturen en klantvragen zitten in de administratie rond het WMS, en daar bouwt Pakr.

Hoe helpt AI bij vraagvoorspelling en voorraadbeheer?

AI bij vraagvoorspelling rekent uit verkoophistorie, seizoenen en acties uit hoeveel je van een artikel de komende weken nodig hebt, zodat je voorraadbeheer minder op gevoel draait. Een goed model ziet dat een artikel elk jaar in de tweede week van december piekt, en dat een actie van de opdrachtgever de week erna een dip geeft.

Je hebt daarvoor schone historie per artikel nodig, liefst over een paar jaar. De acties moeten er ook in te herkennen zijn. In fulfilment ligt die kennis vaak bij de opdrachtgever. De webwinkel weet wanneer de actie start. Jij ziet hem pas als de orders binnenkomen.

Een voorspelling blijft een verwachting met een marge. Een nieuw artikel zonder historie of een klant die zonder bericht een actie draait, ziet geen model aankomen. Voor een logistiek dienstverlener is de voorraad bovendien meestal van de klant, en het bestelbesluit ook. De voorspelling helpt jou dan vooral bij de bezetting en de ruimte in het magazijn. Dit soort software zit meestal in een planningspakket of in het ERP van de opdrachtgever. In contractlogistiek met een paar grote klanten die hun eigen planning maken, voegt een tweede voorspelling aan jouw kant vaak weinig toe.

Wat doet AI bij slotting en orderpicking?

Bij slotting bepaalt AI waar een artikel in het magazijn ligt, en bij orderpicking helpt het bepalen in welke volgorde en door wie of wat het wordt gepakt.

Slotting

Slotting is de indeling van artikelen over de locaties. Software kijkt welke artikelen vaak samen in een order zitten en hoe hard ze lopen, en stelt voor wat dichter bij de uitgifte moet liggen. Je hebt orderregels met locatie en tijdstip nodig, de maten en gewichten van je artikelen en een WMS dat herindelen ondersteunt.

Het advies is zo goed als de stamdata. Staat het gewicht van een artikel verkeerd in het systeem, dan is de voorgestelde plek ook verkeerd. En elke verplaatsing kost uren op de vloer. Een herindeling plan je dus in een rustige week, en zeker niet in november.

Orderpicking en robots

Bij orderpicking, het zichtbaarste deel van warehouse automatisering, zie je AI in pickrobots, in systemen die de stelling naar de picker brengen en in camera’s die controleren of de juiste doos is gepakt. Daar hoort een investering bij die over jaren loopt, een gebouw dat ervoor geschikt is en een orderprofiel dat niet elk kwartaal verandert.

Voor contractlogistiek met contracten van een paar jaar is dat een lastige rekensom. De robot moet langer meegaan dan de klant voor wie hij is neergezet. Of hij rendeert, reken je uit met de looptijd van je contracten, de bezetting van het gebouw buiten de piek en de kosten van onderhoud over de hele periode dat hij er staat. De snelheid uit een demo zegt daar weinig over. En een robot lost geen order op die verkeerd in het WMS staat. Hij pakt precies wat er gevraagd wordt, ook als dat fout is.

Kan AI je routeplanning overnemen?

AI in routeplanning rekent uit welke stops in welke volgorde in welke wagen gaan, met tijdvensters, laadruimte, rijtijden en verkeer erin. Een planner keurt de uitkomst goed of schuift nog wat.

Je hebt correcte adressen en tijdvensters nodig, de maten en gewichten van wat er mee moet en een actueel beeld van welke wagens en chauffeurs beschikbaar zijn. Dit is een volwassen markt met gespecialiseerde leveranciers, vaak als onderdeel van een TMS.

Een planningspakket rekent met wat het binnenkrijgt. Komt een zending binnen als mail met het afleveradres ergens in de tekst, dan moet iemand dat eerst overnemen. De planner blijft nodig voor wat niet in de data staat: de klant die nooit voor tien uur opendoet, de laadklep die vaak kapot is. Pakr bouwt geen routeplanning. Wat we wel bouwen, is het stuk ervoor: de zending uit die mail halen en in je systeem zetten.

Kan AI de planning van flexkrachten maken?

AI kan een voorstel maken voor het aantal flexkrachten per dag en per dienst, op basis van het verwachte ordervolume en de tijd die elke handeling gemiddeld kost.

Je hebt een orderverwachting nodig en normtijden per handeling, zoals picken, inpakken, laden en retouren verwerken. Om die normen te toetsen gebruik je de uren uit je klokregistratie. Het voorstel gaat daarna naar je uitzendbureau.

Wie er komt, zegt zo’n voorstel niet. Ziekte, een bureau dat minder mensen levert dan gevraagd en een opdrachtgever die op donderdag een extra container meldt, blijven werk voor je planner.

Let ook op de regels. Volgens de Europese Commissie vallen AI-systemen voor werkgelegenheid en personeelsbeheer onder de AI-verordening in de categorie hoog risico. Laat je een systeem mensen beoordelen of indelen, zoek dan eerst uit of het daaronder valt. Wat de verordening voor een magazijn betekent, staat in AI Act in de logistiek. Personeelsplanning bouwt Pakr niet.

Waar helpt AI in de administratie rond het WMS?

In de administratie rond het WMS leest AI de documenten, orders, facturen en mails die nu met de hand worden overgenomen. Het resultaat zet het klaar in het systeem dat je al hebt. Daar is geen machine en geen verbouwing voor nodig.

Voor de vier voorbeelden hieronder geldt dezelfde opbouw. Het systeem leest het stuk en zet het resultaat klaar. Wat het niet zeker weet, gaat naar een wachtrij waar een mens naar kijkt. Je meet vooraf hoeveel tijd het proces nu kost en hoe vaak het misgaat. Zo zie je na een paar weken of het verschil echt is.

Documentverwerking

Documentverwerking is het uitlezen van vrachtbrieven, CMR’s, pakbonnen en douanepapieren. Een taalmodel leest een scan of PDF ongeveer zoals een mens dat doet: het vindt het zendingnummer ook als dat bij elke afzender op een andere plek staat. Je hebt voorbeelden nodig van elke opmaak die je binnenkrijgt, en een afspraak over wat er gebeurt bij twijfel. Een onscherpe foto van een gekreukte vrachtbrief blijft lastig, en een handtekening die ontbreekt komt er niet bij. Meer hierover lees je in documentverwerking in de logistiek.

Orders uit mail, Excel en PDF

Bij orderintake leest het systeem een order uit een mail, Excel of PDF, legt hem naast de afspraken met die opdrachtgever en zet hem in het WMS. Je hebt de artikelcodes van elke opdrachtgever nodig, een koppeling met je WMS en een wachtrij waar twijfelgevallen in landen. Een order die de klant zelf verkeerd doorgeeft, komt er even verkeerd in. Hoe dat loopt, staat in orders uit mail in je WMS.

Facturen controleren

AI leest de facturen van vervoerders en uitzendbureaus en legt elke regel naast wat er volgens je eigen systemen is gebeurd: de zending in het TMS, de uren in de klokregistratie. Je hebt de tarieven en afspraken nodig, plus de data uit je systemen over dezelfde periode. Het systeem beslist niet wie gelijk heeft. Het zet de regels die afwijken bovenaan en iemand van de crediteurenadministratie kijkt ernaar. Bij uitzendbureaus gaat het vaak om toeslagen en pauzes die anders op de factuur staan dan in je klok. Bij vervoerders om toeslagen voor diesel, wachttijd of een extra stop die je nooit hebt besteld.

Klantvragen

Bij klantvragen leest AI de mail van een opdrachtgever, zoekt de status van de order of zending op in het WMS of TMS en zet een antwoord klaar. Je hebt toegang tot die statussen nodig en een duidelijke grens voor wat het systeem zelf mag beantwoorden. Een klacht over een beschadigde pallet of een vraag over een tarief gaat naar een mens. Begin met de vragen die je klantenservice nu het vaakst krijgt en waar het antwoord letterlijk in je systeem staat.

Waarom kost de administratie rond het WMS een 3PL zoveel uren?

De administratie rond het WMS kost een 3PL veel uren omdat elke opdrachtgever, vervoerder en uitzendbureau zijn eigen formaat aanlevert, terwijl het WMS alleen werkt met wat er netjes in staat.

De ene klant stuurt EDI. De volgende stuurt een Excel met eigen kolommen, de derde een PDF uit een oud systeem. Vervoerders factureren elk op hun eigen manier, uitzendbureaus ook. Wat ertussen zit, doet een mens: overtypen, nakijken, nabellen. Dat werk staat in geen planning en op geen offerte, en het groeit mee met elke nieuwe klant. Een opdrachtgever die zijn orders als PDF uit een systeem van twintig jaar oud stuurt, brengt zijn eigen overtypwerk mee.

Tekst lezen die er telkens anders uitziet en die omzetten naar velden, daar is de AI van nu goed in. Pakr bouwt dit in het WMS, TMS en ERP dat je al hebt, een proces tegelijk. Eerst meten we hoe het nu gaat, en de volgende stap komt pas als deze werkt. Wat we bouwen en wat niet, staat op wat we doen.

Welk voorbeeld past bij jouw bedrijf?

Dat hangt af van waar nu de uren en de fouten zitten. Typt je kantoor elke dag orders uit mail, Excel en PDF over, dan begin je bij de orderverwerking. Gaat er geld weg op facturen van vervoerders en uitzendbureaus, dan bij de factuurcontrole. Draait je contractlogistiek op een paar grote klanten die hun eigen planning maken, dan levert een tweede vraagvoorspelling weinig op.

Weet je niet waar de uren zitten, tel dan een week lang hoeveel orders iemand overtypt, hoeveel vrachtbrieven er met de hand worden ingevoerd en hoeveel factuurregels er worden nagekeken. Dat getal is je nulmeting. Met die telling en een paar van die stukken kun je in een kennismaking bepalen welk proces het eerst aan de beurt is.