Supply chain-planning onder druk: Waarom AI-gedreven forecasting geen luxe meer is

De dynamiek in voorraadbeheer verandert voortdurend. Schappen moeten vol zijn, maar niet té vol. Vers moet aantrekkelijk blijven, terwijl derving continu op de loer ligt. Marges staan onder druk, medewerkers zijn schaars en externe verstoringen volgen elkaar in hoog tempo op; van geopolitieke spanningen tot extreme weersomstandigheden en van social media-hypes tot grillig consumentengedrag. Welke keuzes maak je in dit letterlijk kostbare spanningsveld? 

Uiteindelijk draait alles om één kernvraag: “Hoe zorg je voor de juiste voorraad, op het juiste moment, op de juiste plek? Het antwoord hierop is echter allang niet meer alleen te vinden in ervaring, fingerspitzengefühl of handmatig plannen. Technologie, en in het bijzonder kunstmatige intelligentie, speelt een steeds grotere rol. Niet als vervanger van mensen, maar als noodzakelijke ondersteuning in een wereld die simpelweg te complex is geworden om nog volledig ‘op gevoel’ te managen. Een wereld die vraagt om slimme oplossingen. Dat stelt Arjan Levisson, sales director bij supply chain-software-leverancier Slimstock.

Technologie, en in het bijzonder kunstmatige intelligentie, speelt een steeds grotere rol. Niet als vervanger van mensen, maar als noodzakelijke ondersteuning in een wereld die simpelweg te complex is geworden om nog volledig ‘op gevoel’ te managen.

De spagaat van voorraadbeheer

Voorraadbeheer voor bedrijven in de foodindustrie is altijd al een uitdaging geweest. Levisson: “Aan de ene kant wil je maximale beschikbaarheid: lege schappen zijn funest voor je omzet en het klantvertrouwen. Aan de andere kant is voorraad geld dat stilstaat, ruimte inneemt en, zeker bij vers, kan leiden tot verspilling.”

Daarnaast zit er volgens Levisson een fundamenteel verschil tussen houdbare en (ultra)verse producten. “Niet zozeer in het belang van goed voorraadbeheer, maar in de aard van de risico’s. Bij versproducten is de houdbaarheid beperkt en is de vraag sterk afhankelijk van factoren als weer, seizoen en lokale omstandigheden. De marges om bij te sturen zijn klein en fouten worden snel zichtbaar in de vorm van derving of lege schappen. Forecasting draait hier om korte cycli, snelle signalering en continu bijstellen.”

Beter inzicht in patronen

Levensmiddelen zijn per definitie lastig voorspelbaar. Vraagpatronen kunnen langere tijd stabiel lijken en vervolgens plotseling sterk afwijken. “Promoties, assortimentswijzigingen of onverwachte trends kunnen vraagpieken veroorzaken, terwijl de houdbaarheid van veel producten een extra risico op derving met zich meebrengt. Forecasting vraagt daarom om inzicht in patronen, de samenhang tussen producten en het tijdig signaleren van uitzonderingen,” aldus Levisson.

Goed voorraadbeheer gaat allang niet meer alleen over kostenbesparing. Het raakt direct aan duurzaamheid, voedselverspilling en maatschappelijke verantwoordelijkheid.

In de hele foodindustrie veranderen de omstandigheden steeds sneller, ziet de sales director: “Weerpatronen worden extremer, promotiedruk neemt toe en consumentengedrag laat zich minder goed vangen in vaste aannames. Dat maakt forecasting niet alleen belangrijker, maar ook fundamenteel anders dan voorheen: minder gebaseerd op gemiddelden, meer op het herkennen van afwijkingen en het vermogen om snel te reageren.”

De rol van AI

In de huidige context is de klassieke manier van plannen, gebaseerd op historische gemiddelden en handmatige correcties, simpelweg niet meer toereikend volgens Levisson. “AI vormt een logisch antwoord op een groeiend probleem. De ondersteuning van kunstmatige intelligentie kan grote hoeveelheden data analyseren, patronen herkennen en verbanden leggen die voor mensen nauwelijks nog te overzien zijn. En belangrijker nog: AI kijkt niet alleen terug, maar leert continu bij. Transactionele data vormen daarbij de basis: verkoopcijfers, omloopsnelheden, levertijden. Door die data slim te combineren, ontstaat een veel nauwkeuriger beeld van vraag en gedrag. Door externe bronnen toe te voegen, zoals weersverwachtingen, feestdagen of promotiekalender, worden voorspellingen bovendien steeds rijker en relevanter.”

Technologie en pragmatiek

Een forecast is per definitie nooit volledig juist. Nieuwe AI-technologie kan de betrouwbaarheid echter flink verbeteren, door data sneller te verwerken, patronen te herkennen en afwijkingen te signaleren. Tegelijkertijd brengt AI een risico met zich mee: de berekeningen zijn vaak complex en minder transparant, waardoor het soms lastig is om exact te achterhalen hoe een voorspelling tot stand is gekomen. Levisson: “Samenwerking met AI betekent dus niet dat forecasts ineens perfect worden, maar ze worden wel consistenter, betrouwbaarder en beter uitlegbaar dan handmatige methodes. Juist daar waar menselijk overzicht tekortschiet, kan technologie het verschil maken. Het gaat erom technologie en pragmatiek te combineren: slimme systemen ondersteunen planners bij het optimaliseren van voorraden, het samenbrengen van ketens en het snel reageren op veranderingen in de markt. Dit vraagt om een gezamenlijke aanpak van retailers en toeleveranciers, zodat volumes betrouwbaar kunnen worden ingeschat, promoties en introducties meegenomen en trends – zelfs virale TikTok-hypes – snel worden opgepakt. Uiteindelijk is de kernvraag: hoe vertaal je die voorspelling naar de juiste supply chain-strategie?” 

Meer vooruitkijkend

Een onontkoombare realiteit in de sector is het groeiende tekort aan ervaren planners. “De complexiteit van het vak neemt toe, terwijl het aantal professionals dat dit werk wil of kan doen, afneemt. Dat legt extra druk op teams en vergroot de kans op fouten. AI kan die druk verlichten. Niet door mensen overbodig te maken, maar door hen te ondersteunen. Door routinematige beslissingen te automatiseren, ontstaat ruimte voor focus op wat echt aandacht vraagt: afwijkingen, strategische keuzes en samenwerking in de keten,” zegt Levisson. Tegelijkertijd, stelt hij, is het voor organisaties essentieel om processen goed te borgen in systemen. “Hierdoor worden werkzaamheden beter overdraagbaar tussen medewerkers, kan kennis behouden blijven en blijft het werk continu soepel verlopen, ook als ervaren planners tijdelijk afwezig zijn of het team verandert. In die zin verandert ook de rol van de planner: minder brandjes blussen, meer regisseren. Minder reactief, meer vooruitkijkend.”

De twee kanten van AI

AI is geen magische oplossing. Levisson: “Maar AI mag en moet serieus worden genomen in beter voorspelbaar en efficiënter voorraadbeheer. De kwaliteit van de uitkomsten staat of valt met de kwaliteit van de input. Dat betekent dat randvoorwaarden cruciaal zijn: de data moeten volledig en actueel zijn, processen goed gedefinieerd, doelen helder geformuleerd en medewerkers voldoende betrokken en deskundig. Zonder deze basis is het onmogelijk om betrouwbare forecasts te maken, ongeacht hoe geavanceerd de technologie is.”

Controle over data is daarbij onmisbaar. Niet alleen vanuit compliance of veiligheid, maar vooral vanuit eigenaarschap: wie begrijpt waar de data vandaan komen en hoe ze worden gebruikt, kan technologie effectief inzetten. Zonder slimme oplossingen die al deze elementen ondersteunen, blijft men afhankelijk van uitkomsten zonder context, hoe goed de forecasts ook zijn.

Van verspilling naar veerkracht

Levisson vervolgt: “Goed voorraadbeheer gaat allang niet meer alleen over kostenbesparing. Het raakt direct aan duurzaamheid, voedselverspilling en maatschappelijke verantwoordelijkheid. Minder derving betekent minder verspilling, minder onnodig transport en een efficiënter gebruik van grondstoffen. AI kan helpen om die doelen dichterbij te brengen. Door beter te voorspellen, sneller te reageren en slimmer te plannen, ontstaat een keten die niet alleen efficiënter is, maar ook veerkrachtiger. Een keten die kan meebewegen met onzekerheid, in plaats van erdoor verrast te worden.”

Bewuste keuzes 

De vraag is dus niet óf AI een rol gaat spelen in de foodbranche, maar hoe bewust die rol wordt ingevuld. Levisson: “Technologie is geen doel op zich, maar een middel om betere keuzes te maken. Keuzes over voorraad, over samenwerking en over de balans tussen beschikbaarheid en verspilling.

In een wereld die steeds minder voorspelbaar is, ligt de kracht niet in controle, maar in aanpassingsvermogen. En juist daar kan AI, mits goed toegepast en gedragen door goede data, het verschil maken. Niet door het vak te ontmenselijken, maar door het weer beheersbaar te maken.”

Reageren of ideeën?
In elke editie van FPWork bespreken we een onderwerp op het gebied van supply chain. Heb je vragen of suggesties? Laat het Arjan Levisson weten via a.levisson@slimstock.com.