Field Note 016Data
AI in de Nederlandse logistiek: veel interesse, weinig beleid
De sector ziet de kansen, maar vertaalt ze zelden naar beleid. De cijfers, de toepassingen die vandaag al renderen, en waarom de meeste bedrijven nog wachten.
De Nederlandse logistiek staat op een kruispunt: de interesse in AI is groot, de invoering blijft klein. Volgens de CBS AI Monitor 2024 gebruikt 11% van de bedrijven in transport en opslag AI. Uit onderzoek van evofenedex (2025) blijkt dat 60% van de handels- en logistiekbedrijven geïnteresseerd is, maar slechts 7% concreet AI-beleid heeft.
De cijfers: adoptie schaalt met bedrijfsgrootte
Het duidelijkste patroon in de CBS AI Monitor 2024 is niet de sector, maar de omvang. Hoe groter het bedrijf, hoe waarschijnlijker het AI inzet.
| Bedrijfsgrootte | Gebruikt AI |
|---|---|
| 10 tot 19 medewerkers | 17,8% |
| 20 tot 49 medewerkers | 22,2% |
| 50 tot 99 medewerkers | 28,1% |
| 100 tot 249 medewerkers | 34,8% |
| 250 tot 499 medewerkers | 46,2% |
| 500 of meer medewerkers | 59,2% |
Dat verschil is geen toeval. Grote bedrijven hebben de data, de mensen en het budget om AI uit de pilotfase te tillen. De opgave voor de rest van de sector is niet “wel of geen AI”, maar het overbruggen van precies die drie tekorten.
Waar het vandaag al rendeert
De sterkste bewijzen komen uit de douane- en compliance-hoek, waar veel repetitief documentwerk zit. De Customs Support Group meldt (2025) een efficiëntiewinst van 30 tot 50% in douaneverwerking; evofenedex noemt tot 90% tijdsbesparing bij de afhandeling van douanedossiers.
- Douane en compliance. OCR en documentclassificatie halen data uit ongestructureerde stukken en markeren afwijkingen.
- Transport. Route-optimalisatie en voorspellend onderhoud, zoals DHL toepast in de routeplanning.
- Warehousing. Autonome robots en computer vision, met bol.com en DHL als concrete voorlopers.
- Supply chain. Vraagvoorspelling en capaciteitsplanning; Tradecloud rapporteert (2024) 95 tot 98% nauwkeurigheid in voorspellende planning.
Waarom de meesten nog wachten
De drempels zijn zelden het model. Ze zitten in het fundament eronder en in de omgeving eromheen:
- Tekort aan AI-expertise in eigen huis.
- Slechte datakwaliteit en datasilo’s, waardoor er geen bruikbare basis is.
- Kosten van cloud, GPU’s en licenties.
- Regeldruk: de complexiteit van de EU AI Act en NIS2, plus zorgen over datasoevereiniteit.
Van interesse naar beleid
De sprong van 60% interesse naar 7% beleid is te maken, maar niet door groot in te zetten. Kies één proces met veel repetitief werk en een eigenaar die het overneemt. Douane- en factuurstromen zijn de logische eerste stap: het bewijs dat het werkt is er al.
De sector die het snelst wint, is niet de sector met de meeste AI, maar de sector die haar data op orde krijgt.
De cijfers laten een sector zien die klaar is om te beginnen. Wat ontbreekt is geen technologie, maar de vertaling van interesse naar een concreet, gedragen plan.
