AI-routeoptimalisatie in transport: wat werkt, wat is hype, en hoe zit het met de rijtijden

Wat routeoptimalisatie eigenlijk is

Het vehicle routing problem, het wiskundige probleem achter routeplanning, is al sinds de jaren vijftig onderwerp van onderzoek. Klassieke algoritmes zoeken naar de kortste of goedkoopste combinatie van routes gegeven een set voertuigen, ritten, tijdvensters en capaciteiten. Dat is al ingewikkeld genoeg: bij een paar tientallen stops zijn er meer mogelijke routevolgordes dan een computer in een mensenleven kan doorrekenen, dus planningssoftware werkt met slimme benaderingen in plaats van exacte oplossingen.

Machine learning kan in dat proces een rol spelen, bijvoorbeeld door reistijden en aankomsttijden beter te voorspellen op basis van historische data, of door sneller tot een goede benadering te komen dan traditionele heuristieken. Dat is een reële, geleidelijke verbetering van een bestaand vakgebied, geen totaal nieuwe technologie die planning opnieuw uitvindt.

Waar AI echt waarde toevoegt

De praktische winst zit meestal niet in een spectaculair andere route, maar in het sneller en consistenter verwerken van wijzigingen. Een planner die 's ochtends met tien extra ritten en drie afwezige chauffeurs te maken krijgt, heeft baat bij software die snel meerdere haalbare scenario's doorrekent, zodat de mens sneller een besluit kan nemen.

• Sneller herplannen bij verstoringen zoals files, ziekmeldingen of geannuleerde ritten.
• Betere inschatting van reistijden door gebruik van historische ritdata in plaats van vaste kilometertarieven.
• Overzicht van meerdere scenario's naast elkaar, zodat de planner kan vergelijken in plaats van blind een uitkomst te volgen.
• Signalering van planningsconflicten, bijvoorbeeld met beschikbare rijtijd, ruim voordat de rit begint.

Waar de hype begint

Sommige leveranciers suggereren dat AI zelfstandig de optimale planning maakt en dat menselijke tussenkomst overbodig wordt. Dat is voor de meeste transportbedrijven geen realistisch beeld. Routeoptimalisatie werkt met aannames en gemiddelden, terwijl de werkelijkheid vol uitzonderingen zit: een klant die alleen 's ochtends kan lossen, een chauffeur die een bepaalde regio beter kent, een voertuig dat net uit onderhoud komt.

Wees ook kritisch op ongefundeerde besparingsclaims in verkooppraatjes. Het effect van routeoptimalisatie verschilt sterk per bedrijf, per regio en per type rit, en generieke percentages zeggen weinig over uw eigen situatie. Vraag leveranciers liever om een proef met uw eigen ritdata dan om een marketingcijfer.

Rijtijden en rusttijden blijven leidend

Welke software een route ook voorstelt, de Europese regels voor rijtijden, pauzes en rusttijden uit Verordening (EG) nr. 561/2006 gelden onverkort. Een planningssysteem dat een route als 'optimaal' bestempelt zonder rekening te houden met de wettelijke rij- en rusttijd van de chauffeur, levert geen bruikbare planning op, hooguit een planning die achteraf handmatig moet worden gecorrigeerd of die tot overtredingen leidt.

Goede planningssoftware neemt deze regels daarom als harde randvoorwaarde mee in de berekening, niet als iets dat de planner er achteraf overheen moet leggen. Bij de keuze van een systeem is het dan ook zinvol om expliciet te vragen hoe rijtijdenregels in het rekenmodel zijn verwerkt, en dit te laten zien aan de hand van een concreet voorbeeld uit uw eigen planning.

De mens beslist en tekent

Bij AIBA hanteren we als uitgangspunt dat de mens beslist en tekent. Voor transportplanning betekent dat concreet: de planner blijft verantwoordelijk voor de uiteindelijke route, ook als die route door een algoritme is voorgesteld. Dat is niet alleen een kwestie van vertrouwen, maar ook van aansprakelijkheid, want de vervoerder blijft verantwoordelijk voor naleving van de rijtijdenwetgeving.

Sinds 2 februari 2025 verplicht artikel 4 van de EU AI Act (Verordening (EU) 2024/1689) organisaties bovendien om medewerkers die met AI-systemen werken voldoende AI-geletterdheid bij te brengen. Voor planners betekent dit dat zij moeten begrijpen wat een routeoptimalisatiesysteem wel en niet kan, waar de aannames en beperkingen zitten, en wanneer een voorgestelde route handmatig moet worden bijgesteld.

Waar te beginnen

Voordat u in nieuwe software investeert, loont het om eerst helder te krijgen waar in uw huidige planningsproces de meeste tijd en frustratie zit: bij het opstellen van de basisplanning, bij het verwerken van verstoringen gedurende de dag, of bij het bewaken van rijtijden. Dat bepaalt of AI-ondersteunde routeoptimalisatie op dit moment de juiste investering is, of dat een ander deel van het proces meer oplevert.