AI maakt het magazijn slimmer, maar niet vanzelf

Aan onze tafel schoven verschillende specialisten ter zake aan. Aan de kant van de consultants waren dat Jan De Kimpe, directeur van LogisolPro, Simon Popelier, innovation manager bij Logflow, en Tom Vandevelde, functional domain lead voor het SAP logistieke team bij Delaware. Werner De Swaef tekende present als sales director Benelux bij Knapp, leverancier van logistieke automatisering. Supply chain management software aanbieder Manhattan Associates werd vertegenwoordigd door senior business solutions architect Edin Mehmedbegovic.

VCM: Om de context te schetsen: hoe hebben jullie de complexiteit in magazijnen de voorbije jaren zien evolueren?
Simon Popelier: “Er is veel veranderd, maar de grootste gamechanger is zonder twijfel de opmars van e-commerce geweest. Waar vroeger vooral pallets werden verwerkt richting winkels, moeten vandaag ook individuele pakketjes naar eindklanten. Dat betekent kleinere orderlijnen, veel meer picks, grotere pieken en een enorme toename van retourstromen. Dat heeft de complexiteit erg doen stijgen. Bovendien stopt het verhaal niet meer aan de magazijnpoort. Magazijn, productie en transport raken steeds meer met elkaar verweven. Daarom moet je er ook over nadenken hoe je over de volledige waardeketen kunt optimaliseren.”
Edin Mehmedbegovic: “Omnichannel fulfilment is vandaag de standaard. Dat betekent dat je verschillende ordertypes, leveringsmethodes en servicelevels tegelijk moet ondersteunen. En dat alles in een context waar de business steeds sneller schakelt. Het magazijn moet daarin mee, zonder de controle te verliezen. Dat maakt het een stuk complexer om magazijnen op een efficiënte manier te beheren.”
Tom Vandevelde: “Ook wij zien de nood aan een hoge flexibiliteit en efficiëntie in het magazijn duidelijk groeien. Systemen moeten sneller kunnen inspelen op wijzigingen. Waar systemen vroeger jarenlang stabiel draaiden, zien we dat – door in te spelen op veranderende marktomstandigheden – de nood aan meer dynamische oplossingen alleen maar groeit.”
Jan De Kimpe: “Doordat de fijnmazigheid en snelheid in magazijnomgevingen sterk is toegenomen, kun je de fluctuaties in flows minder goed uitvlakken. Daarom moet je vaak verschillende concepten en systemen combineren en met elkaar integreren. Dat is een uitdaging.”
Werner De Swaef: “Wij merken ook dat de hoge serviceverwachtingen – zoals ‘next day’, ‘same day deliveries’ en ‘ship-from-store’ – voor heel wat druk op de operaties zorgen. Daarbovenop komt nog het probleem van stijgende loonkosten en arbeidskrapte. Die laatste is structureel en zal de komende jaren alleen maar toenemen. Dat dwingt bedrijven om versneld te automatiseren.”

Oude wijn in nieuwe zakken?
VCM: Voelen bedrijven vandaag de nood aan AI om hen bij die uitdagingen te ondersteunen? Of is AI iets wat vanuit de leveranciers naar de klant worden gepusht.
E. Mehmedbegovic: “Dat is een interessante vraag. Bedrijven maken al langer gebruik van zaken als pickpadoptimalisering of task scheduling, die gebaseerd zijn op wiskundige modellen. In de bredere zin kan dat ook onder AI worden geschaard. Onze klanten maken al jaren gebruik van AI in onze oplossingen, zonder dat bedrijven dat door hebben. Wat vandaag nieuw is aan AI heeft vooral te maken met de opkomst van ChatGPT, Copilot en andere agentic AI-oplossingen.”
S. Popelier: “Er wordt soms ook bewust verwarring gezaaid in de markt. Wat vandaag als AI wordt verkocht, zijn vaak klassieke optimaliseringstechnieken, zoals operations research methodologieën en heuristieken. Maar door de hype rond generatieve AI zoals ChatGPT geeft men die nu heel graag een AI-label.”
J. De Kimpe: “AI verkoopt nu eenmaal. Je kunt het wat vergelijken met de ISO-certificaties vroeger: wie er niet mee bezig is, lijkt achter te blijven. Er wordt inderdaad veel onder de noemer van AI geplaatst wat in feite iets anders is. Dat maakt het voor bedrijven moeilijk om door de bomen het bos te zien.”
T. Vandevelde: “Doordat AI veel toegankelijker is geworden, is de mindset van klanten wel veranderd. We merken dat bedrijven vaker naar ons toe komen met de expliciete vraag wat ze met AI kunnen doen. Alleen vertrekken ze met die vraag vanuit de technologie en niet vanuit het probleem. Dat is een risico. Het is beter om eerst de problemen scherp te stellen en dan pas te bekijken of AI daar een antwoord op kan bieden. Verder zien we dat kmo’s eerder geneigd zijn om te kijken wat de concurrentie doet, terwijl grotere bedrijven – die geregeld al eigen data scientists in huis hebben – vaker intern use cases beginnen te zoeken.”

Concrete toepassingen
VCM: Welke AI-toepassingen zien jullie vandaag al werken?
W. De Swaef: “Wij structureren onze AI-initiatieven rond vier domeinen: demand forecasting, order fulfilment, vision- en robotics-systemen en navigatiesystemen. Intussen lopen er enkele tientallen interne initiatieven binnen die domeinen.”
S. Popelier: “In de lagere lagen, zoals de PLC- en WCS-laag, zijn er al veel toepassingen. Denk aan robots die leren hoe ze producten in de toekomst beter kunnen grijpen, door bijvoorbeeld hun klem in plaats van zuignap te gebruiken. In de WMS-laag daarentegen zie ik zelf vaak nog veel onbenut potentieel. Daar wordt toch nog heel vaak gewerkt op basis van vaste regels. Met AI lijkt me daar nog veel te rapen qua flexibiliteit van systemen. Bij Logflow zetten we sterk in op onze eigen methodiek, waarbij we werken met digital twins van magazijnoperaties. Door een virtuele kopie van het magazijn te bouwen, kunnen we verschillende scenario’s simuleren en diepgaande analyses uitvoeren nog voor implementatie. Dat laat niet alleen toe klassieke optimalisering door te voeren, maar ook AI-gedreven beslissingen beter te onderbouwen en risico’s aanzienlijk te beperken. Zo maken we technologie tastbaar en helpen we bedrijven om gefundeerd in automatisering te investeren.”
E. Mehmedbegovic: “Binnen onze software zien wij vooral veel mogelijkheden in ‘agentic AI’. Dat ondersteunt gebruikers bij hun dagelijkse werk. Denk aan een agent die voorraadproblemen analyseert of automatisch nagaat waarom orders uit een ‘wave’ vallen. Dat vervangt manueel zoekwerk in Excel en kan processen aanzienlijk versnellen. Of een agent kan ook administratieve taken overnemen. Zo hebben we onlangs een agent gelanceerd die pakbonnen naar ASN’s kan omzetten. Zulke toepassingen kunnen doorlooptijden voor alledaagse activiteiten aanzienlijk verkorten.”
T. Vandevelde: “Ook ‘talk to your data’-toepassingen winnen aan belang. Dat merken we ook binnen SAP. AI evolueert naar een echte gebruikersinterface die ook acties kan uitvoeren. In plaats van door schermen te navigeren, ga je in dialoog met je systeem. Bij Delaware zetten we AI ook al in om projecten en implementaties te versnellen, bijvoorbeeld door technische specificaties en de opzet ervan te automatiseren, of trainingsdocumentatie te maken. Bij onze klanten zelf ligt er nog veel onbenut potentieel.”

VCM: In welke types AI-toepassingen zit volgens jullie de grootste waarde?
E. Mehmedbegovic: “Die schuilt vaak in eenvoudige dingen. Administratieve taken automatiseren, analyses versnellen, dat zijn toepassingen met een directe impact die snel winst opleveren en de efficiëntie verhogen.”
J. De Kimpe: “Pickingoptimalisering, slotting en staffingmodellen die door AI worden ondersteund, zijn ook typische toepassingen waar je snel resultaat ziet. Daar heb je ook duidelijk meetbare resultaten. Dat maakt zulke toepassingen ideaal om mee te starten. In een project waar we slotting en pickingoptimalisering met AI combineerden, zagen we een productiviteitswinst van maar liefst zestien procent, zonder fysieke aanpassingen aan het magazijn. Dat toont wel de kracht van intelligente optimalisering.”
W. De Swaef: “Binnen ons aanbod zorgen zeker beeldherkenning en robotica met geïntegreerde AI al voor heel goede resultaten. Denk maar aan vision-systemen voor kwaliteitscontroles of inbound inspecties. Zo detecteer je schade of afwijkingen zonder manuele inspecties. Dat verhoogt zowel de snelheid als de betrouwbaarheid. Denk ook aan 3D-greeppuntberekeningen voor het picken van complexere objecten met robots of aan het automatisch identificeren van voorwerpen voor het berekenen van verpakkingsconfiguraties. Zulke oplossingen zijn ook visueel en tastbaar, wat de adoptie vergemakkelijkt.”

VCM: Starten bedrijven doorgaans met de juiste use cases?
S. Popelier: “Ik vind dat ze dat te weinig doen. Bedrijven focussen vaak op kleine problemen die ze dan met AI willen oplossen, zonder naar de oorzaak van het probleem te kijken. Denk bijvoorbeeld aan het inzetten van drones voor voorraadcontrole, terwijl die bedrijven beter eerst hun processen zouden verbeteren. Of om terug te komen op het voorbeeld van het omzetten van papieren pakbonnen naar ASN’s via agents: nog beter zou zijn om de papieren pakbon volledig te elimineren.”
E. Mehmedbegovic: “Ik denk wel dat als je snel en laagdrempelig met AI kunt experimenteren, dat minder een probleem hoeft te vormen. Via pilots kun je ontdekken wat werkt en wat niet. Op die manier blijft het investeringsrisico beperkt en kun je snel de meest waardevolle toepassingen identificeren.”
T. Vandevelde: “Daarnaast is de adoptie van AI ook vaak een probleem. Zelfs goede use cases falen als ze niet gebruikersvriendelijk zijn of wanneer ze niet door de organisatie worden gedragen.”

Data als fundament en struikelblok
VCM: We mogen veronderstellen dat ook de beschikbaarheid van kwalitatieve data belangrijk is in dit verhaal?
W. De Swaef: “Absoluut. AI en data zijn onlosmakelijk met elkaar verbonden. Helaas is bij veel bedrijven – zeker bij de kleinere organisaties – de datakwaliteit nog steeds ondermaats. Daarbij denk ik niet alleen aan betrouwbare masterdata, maar ook aan transactionele data.”
S. Popelier: “Volgens onze benchmark van de laatste drie jaar heeft maar liefst 54 procent van onze klanten vandaag nog geen correcte masterdata. Denk aan afmetingen of gewichten die niet altijd kloppen. Dat zijn nochtans basisgegevens. Dan wordt het heel lastig om AI in te zetten.”
T. Vandevelde: “Een ander probleem is dat veel bedrijven wel data verzamelen, maar geen strategie hebben om die optimaal te gebruiken. Die strategie is nochtans even belangrijk als de data zelf.”
J. De Kimpe: “Gebrekkige data vormen al jaren een probleem. Dat blijft ook een moeilijk punt omdat dataverzameling nu eenmaal veel inspanningen vraagt. Maar vandaag kan AI wel helpen om fouten in data te detecteren. Door bijvoorbeeld de densiteit van producten te controleren, kun je anomalieën opsporen. Als een stuk van een kubieke centimeter volgens het systeem twee kilogram blijkt te wegen, dan klopt er wellicht iets niet. Op die manier kan de technologie ook bijdragen tot het verbeteren van de data.”
E. Mehmedbegovic: “Goede data zijn niet alleen belangrijk voor AI-toepassingen. Wil je het maximum uit een WMS halen, dan moet je met goede data werken. Daarom besteden wij daar tijdens implementaties vanaf dag één veel aandacht aan. In dat opzicht zullen onze klanten sneller met AI aan de slag kunnen, aangezien ze hun huiswerk op het vlak van data al eerder hebben moeten maken.”

VCM: In welke mate vormt de integratie van AI-oplossingen en andere systemen vandaag nog een technische barrière?
J. De Kimpe: “Steeds minder, dankzij API’s en microservices.”
E. Mehmedbegovic: “Voor het koppelen van onze Agent Foundry, waarin agents worden gecreëerd en beheerd, gebruiken we standaard protocollen. Het is natuurlijk wel belangrijk dat die agents dan ook goed ingebed worden in de logische workflow. Alleen dan worden ze effectief gebruikt. Maar ik denk dat de uitdaging verschuift naar aandacht voor goede governance en veiligheid. Zo moeten ook AI agents duidelijke grenzen hebben. Zonder ‘vangrails’ kunnen ongewenste effecten ontstaan. Nog niet zo lang geleden heeft het systeem van Amazon een dag platgelegen omdat een agent een stukje code had verwijderd.”
S. Popelier: “Daarnaast rijzen steeds meer ethische vragen. Mag een leverancier bijvoorbeeld data van de ene klant gebruiken om een andere te optimaliseren? Die discussie rond data-eigenaarschap zal alleen maar belangrijker worden.”
W. De Swaef: “Dat ethische aspect is inderdaad belangrijk. Om te optimaliseren proberen wij zoveel mogelijk data te gebruiken over verschillende systemen heen, maar klanten moeten daar uiteraard wel mee akkoord gaan. Data anonimiseren is daarbij een mogelijke oplossing.”

Evolutie naar ‘connected operatoren’
VCM: “Wat is de impact van AI en andere automatisering op de medewerkers in het magazijn?
J. De Kimpe: “We evolueren steeds meer naar de ‘connected operator’, waarbij magazijnmedewerkers samenwerken met innovatieve systemen en robots. Dat vraagt nieuwe vaardigheden. Als je bijvoorbeeld met AMR’s (autonomous mobile robots) werkt, mag je verwachten dat de operatoren die opnieuw in gang krijgen wanneer ze blokkeren.”
T. Vandevelde: “We zien ook een duidelijke verschuiving in de inhoud van de rollen in het magazijn. Op operationeel niveau neemt AI de routinetaken over: operators moeten vooral begrijpen waarom het systeem iets doet zodat ze correct kunnen ingrijpen bij uitzonderingen. Supervisors evolueren naar een controlerende rol: ze bewaken de data en sturen bij waar nodig. En op managementniveau verschuift de focus naar strategische keuzes: welke AI-investeringen maken we en hoe organiseren we het magazijn van morgen?”
S. Popelier: “Je kunt ook niet langer verwachten dat één persoon alle skills beheerst. Daarbij denk ik meer bepaald aan het verschil tussen coachende profielen enerzijds en technisch onderlegde profielen anderzijds. We moeten evolueren naar een optimale samenwerking en co-creatie tussen die verschillende soorten functies. Belangrijk is ook dat AI daarbij wordt gezien als ondersteuning, niet zozeer als vervanging.”
W. De Swaef: “AI is in bepaalde zaken heel sterk, bijvoorbeeld in patronen herkennen of voorspellingen maken, maar ik ben ervan overtuigd dat creativiteit en menselijk inzicht tot nader order belangrijk blijven. Daarnaast worden control towers steeds belangrijker in moderne magazijnen, met teams die processen monitoren en bijsturen op basis van data analytics dasboards.”

VCM: “Wat zijn volgens jullie de belangrijkste valkuilen tijdens AI-implementaties?
S. Popelier: “Bedrijven denken vaak dat ze stappen kunnen overslaan. Het is belangrijk om eerst de juiste fundamenten te leggen: zorgen dat je de juiste masterdata hebt, voldoende inzicht in je systemen, de nodige KPI’s (key performance indicators), enzovoort. Pas daarna kun je nadenken over optimalisering via AI.”
J. De Kimpe: “De drang om per se ‘iets met AI’ te willen doen, zonder duidelijke strategie. Dat geldt trouwens voor alles wat je doet binnen je operaties: je moet weten waarom je iets doet.”
T. Vandevelde: “Je mag natuurlijk niet te lang wachten om AI-projecten op te starten, maar zonder governance riskeer je versnipperde initiatieven zonder samenhang, draagvlak of schaalbaar potentieel.”
E. Mehmedbegovic: “Daarom hebben wij bij Manhattan Associates onze Agent Foundry ontwikkeld. Tijdens driemaandelijkse pilots ondersteunen we klanten ook bij het vinden van de juiste use cases en het opstarten van standaard agents. Zo proberen we hen voor de typische valkuilen te behoeden. Ik zou organisaties ook afraden om meteen met complexe toepassingen te starten als ze nog onvoldoende maturiteit hebben opgebouwd.”
W. De Swaef: “Andere klassieke valkuilen zijn, zoals aangehaald, gebrekkige data en onvoldoende change management. Belangrijk is ook dat je eerst je processen onder de loep neemt en indien nodig re-engineert vooraleer je gaat automatiseren en optimaliseren.”

VCM: Hoe zien jullie de toekomst van AI in warehousing verder evolueren?
T. Vandevelde: “Ik ben ervan overtuigd dat autonoom opererende systemen verder zullen groeien, denk aan AMR’s (autonomous mobile robots) die commodity worden, AI die zelfstandig plant en herconfigureert, of digital twins die scenario’s simuleren vóór uitvoering. Tegelijk blijft het fysieke karakter van magazijnen een inherente beperking: niet alles laat zich automatiseren.”
J. De Kimpe: “Ik geloof sterk in de verdere ontwikkeling van visuele herkenning en realtime analyses in de magazijnen van de toekomst.”
E. Mehmedbegovic: “Binnen onze WMS-omgeving verwacht ik een duidelijke evolutie naar ‘agent orchestration’, waarbij verschillende AI-agenten samenwerken en processen autonoom aansturen.”

VCM: Tot slot, wat is jullie advies voor organisaties die in hun magazijn met AI willen starten?
W. De Swaef: “Zorg eerst voor een solide basis en begin klein. Verder is het belangrijk dat je de integratie van je systemen goed geregeld hebt.”
Simon Popelier: “Bekijk altijd het volledige plaatje voor je begint zodat je niet gaat suboptimaliseren.”
T. Vandevelde: “Eerst moet je een strategie en roadmap creëren. Start niet vanuit de technologie, maar vanuit het probleem. Welke uitdaging wil je oplossen en heb je de data om dat aan te pakken? Want zonder kwalitatieve data is elk AI-project gedoemd te mislukken. Neem van in het begin ook al het change management aspect mee zodat je onderweg geen gebruikers verliest.”
E. Mehmedbegovic: “Start met concrete, eenvoudige use cases en werk met pilots om de risico’s te beperken. Probeer vooral het leven van gebruikers makkelijker te maken, bijvoorbeeld door data te visualiseren en aan te tonen dat het systeem hen toelaat sneller betere beslissingen te nemen. Dan volgt de rest vanzelf.”
J. De Kimpe: “Ook ik geloof sterk in een ‘proof of concept’, maar vermijd om te veel te gaan experimenteren. Kijk naar toepassingen die vandaag al werken en bouw daarop verder.”
TC