TSN Groen laat zien hoe AI-ritplanning, elektrificatie en scenario-analyse samen zorgen voor duurzame, haalbare en goed betaalbare stadsdistributie.
Hoe TSN Groen met AI-ritplanning echt duurzaam rijdt
Zeventig van de honderdvijftig voertuigen volledig emissieloos. Dat is geen pilot, dat is serieuze operatie. TSN Groen laat zien wat er gebeurt als je elektrificatie van je wagenpark koppelt aan slimme – eigenlijk gewoon AI-gestuurde – ritplanning.
Dit verhaal raakt de kern van waar deze serie “AI in Nederlandse Transport & Logistiek: Smart Mobility” over gaat: niet nóg een theoretisch model, maar een concreet voorbeeld uit de praktijk. Een meubelvervoerder die met algoritmes, data en scenario’s zijn transport duurzamer, voorspelbaarder én menselijker maakt.
In deze blog haal ik de casus TSN Groen uit elkaar en vertaal ik die naar praktische lessen voor andere transport- en logistieke bedrijven in Nederland die worstelen met elektrificatie, zero-emissiezones en planningsdruk.
1. Duurzame logistiek is een bedrijfsstrategie, geen PR-project
De sterkste keuze die TSN Groen heeft gemaakt, is eigenlijk geen softwarekeuze, maar een identiteitskeuze: van TSN Groep naar TSN Groen. Dat is een signaal aan klanten, medewerkers en de markt: duurzaamheid is geen bijlage, maar de kern.
"Binnen ons bedrijf gaat duurzaamheid over de totale bedrijfsvoering. Over de wijze waarop we ons werk beter, veiliger en efficiënter kunnen uitvoeren."
Dat zie je terug in drie dingen:
- 70 van de 150 voertuigen zijn volledig elektrisch en worden zoveel mogelijk geladen met eigen opgewekte stroom.
- Er wordt nuchter gekeken naar actieradius en kosten: Maastricht of Drachten elektrisch beleveren kan technisch, maar is nu economisch niet logisch zonder extra hub of andere voertuigen.
- Duurzaamheid is óók sociaal: het welbevinden van medewerkers en de impact op de omgeving tellen mee in elke beslissing.
Wat kun jij hiervan leren?
Voor een Nederlands transport- of logistiek bedrijf dat met smart mobility en AI aan de slag wil, werkt deze volgorde het beste:
- Begin met een duidelijke keuze: ga je écht sturen op emissies, of wil je alleen voldoen aan minimale eisen van zero-emissiezones?
- Verbind duurzaamheid aan je operatie: laadstrategie, ritplanning, hubs, type voertuigen – alles hangt samen.
- Neem medewerkers mee: planners, chauffeurs, warehouse – als zij het niet snappen of niet willen, blijft elk AI-project hangen.
Duurzaamheid en AI-ritplanning zijn dus niet twee losse projecten. Het zijn twee kanten van dezelfde veranderstrategie.
2. Elektrisch rijden maakt ritplanning zwaarder – en dat is precies waar AI nodig is
Zodra je een deel van je vloot elektrificeert, verandert ritplanning van een puzzel in een schaakpartij. Je zit niet meer alleen met stops, tijdvensters en diensten, maar ook met:
- Actieradius per voertuig
- Accupercentage bij vertrek en terugkomst
- Beschikbare laadcapaciteit per hub
- Laadtijd versus standtijd
CEO Andries Vlot zegt het heel scherp: het is onverantwoord om al die extra vragen simpelweg bij de planners neer te leggen.
Waarom een mens dit niet meer kan overzien
Een planner kan prima 20, 30, misschien 40 variabelen in zijn hoofd houden. Maar bij elektrische ritplanning praat je al snel over honderden combinaties:
- Welke elektrische trucks mogen de zero-emissiezones in?
- Welke grotere voertuigen moet je juist buiten de binnenstad houden?
- Hoe combineer je klantafspraken, verkeersdrukte en accuniveaus?
Een AI-gestuurd ritplanningssysteem zoals PTV OptiFlow rekent in seconden door waar een mens uren mee bezig zou zijn – en dan nog suboptimaal.
Concreet voordeel: 7–10% lagere kosten door algoritmes
TSN Groen stapte over van een semi-automatisch systeem naar een volledig automatisch ritplanningssysteem. Alleen al door de inzet van slimme algoritmes lag er direct een kostenbesparing van 7 tot 10 procent op tafel.
Belangrijk detail: die besparing komt niet uit harder rijden, langere dagen of onmogelijke roosters. Hij komt uit:
- beter gevulde voertuigen
- kortere totale kilometers
- minder onnodige omwegen en wachttijden
Dat is precies het soort AI in transport en logistiek waar ik fan van ben: minder verspilling, niet meer druk op de werkvloer.
3. Kennis van planners borgen: van ‘onmisbare held’ naar ‘data-architect’
De meeste Nederlandse transportbedrijven hebben één of twee planners die “alles weten”. Elke klant, elk tijdvenster, elke binnenstad met zijn onmogelijk smalle straatjes.
Dat voelt veilig, maar het is juist een risico. TSN Groen benoemt dat heel eerlijk: als die planner ziek wordt of weggaat, loopt de hele operatie in het honderd.
Hoe TSN Groen dat oplost
Met PTV OptiFlow is alle planningskennis niet langer alleen in de hoofden van planners aanwezig, maar:
- vastgelegd in profielen (klanten, voertuigtypes, zero-emissiezones)
- vertaald in restricties (waar mag welke truck wel/niet komen)
- verwerkt in algoritmes die automatisch de beste combinaties maken
De rol van de planner verschuift daardoor:
Niet meer zelf ritten bouwen, maar zorgen dat de input klopt en de parameters slim zijn ingesteld.
Nieuwe rol van de planner in een AI-omgeving
Bij TSN Groen moeten planners nu vooral:
- zorgen dat voertuig- en klantgegevens actueel zijn
- scenario’s testen (wat als we een uur eerder vertrekken?)
- instellingen verfijnen om de planning voor de komende weken beter te maken
Ik vind dit een gezonde ontwikkeling. De planner wordt meer regisseur dan brandjesblusser. Minder nacht- en avondwerk, meer tactisch puzzelen.
Voor werkgevers is er nog een plus: je bent veel minder afhankelijk van één ‘planningheld’. Dat maakt je bedrijf robuuster én aantrekkelijker voor nieuwe medewerkers.
4. Scenario’s en simulaties: investeren op basis van data, niet op onderbuik
Het sterkste AI-element bij TSN Groen vind ik eerlijk gezegd niet de dagelijkse planning, maar de scenario- en simulatiefunctie.
Van “we zien het wel” naar “we hebben het doorgerekend”
Waar veel bedrijven nog steeds een nieuw voertuig bestellen en dan “in de praktijk wel zien hoe het uitpakt”, doet TSN Groen iets anders:
- Elke ritplanning van elke dag kan worden teruggehaald.
- Daaroverheen draaien ze verschillende scenario’s.
- Ze veranderen per scenario één factor: bijvoorbeeld
- een nieuw voertuigtype met andere actieradius
- vertrek een uur eerder of later
- toevoeging van een extra hub
Daarmee kun je vooraf zien:
- wat dat doet met totale kilometers
- wat het effect is op laadplanning en energieverbruik
- hoe klantafspraken en tijdvakken geraakt worden
- wat dit betekent voor kosten per stop en per rit
Waarom dit zo krachtig is voor smart mobility
Voor de hele Smart Mobility-ontwikkeling in Nederland is juist dit soort simulatie cruciaal:
- Gemeenten voeren zero-emissiezones in.
- Netbeheerders waarschuwen voor netcongestie.
- OEM’s leveren voertuigen met steeds meer varianten in actieradius en laadsnelheid.
Met AI-ondersteunde ritplanning en scenario-analyse kun je als vervoerder:
- gericht bepalen wanneer je welke voertuigen vervangt
- onderbouwd kiezen waar je nieuwe hubs opent
- aantonen aan klanten welke servicelevels haalbaar zijn bij duurzamere keuzes
Je verschuift van een reactieve naar een proactieve strategie. En dat is precies waar de winsten van AI in transport zitten.
5. Menselijke maat: AI mag nooit draaien op ‘over de kling jagen’
Veel planners en chauffeurs zijn wantrouwig als ze het woord ‘algoritme’ horen. Niet zo gek, als je ziet hoe sommige systemen roosters maken die in de praktijk amper vol te houden zijn.
TSN Groen koos expliciet voor een andere lijn. Vooraf stelde de CEO één harde eis:
“Ik wil geen ritplanningssysteem dat kosten bespaart door mijn mensen over de kling te jagen. Het moet wel menselijk zijn en blijven.”
Die houding is essentieel voor elk AI-project.
Hoe zorg je dat AI-planning menselijk blijft?
Een paar concrete principes die je direct uit deze case kunt halen:
- Stel harde grenzen in het systeem: maximaal aantal stops per rit, heldere werktijden, buffertijden in de planning.
- Laat planners en chauffeurs meepraten over wat haalbaar is. Zij weten waar de echte knelpunten in de praktijk zitten.
- Meet medewerkerstevredenheid naast KPI’s als kosten per stop en bezettingsgraad.
- Communiceer eerlijk: kostenbesparing komt uit minder verspilling, niet uit extra druk op mensen.
Het mooie is: juist bij elektrisch rijden geldt dat een niet-gereden kilometer de goedkoopste én duurzaamste kilometer is. AI helpt die kilometers te schrappen, zonder dat iemand daarvoor harder hoeft te werken.
6. Wat betekent dit voor jouw bedrijf in 2026 en verder?
Nederland staat aan de vooravond van een golf aan zero-emissiezones en strengere eisen rond stadslogistiek. Tegelijk blijft de arbeidsmarkt voor planners en chauffeurs krap. Dat maakt de combinatie van AI-ritplanning, elektrisch wagenparkbeheer en scenario-analyse geen luxe meer, maar een noodzaak.
Als je dit verhaal van TSN Groen terugbrengt tot concrete stappen, krijg je ongeveer dit:
-
Bepaal je duurzame koers
Kies helder: hoe groot moet het aandeel elektrisch worden, op welke termijn, en hoe past dat bij je klantportfolio? -
Digitaliseer je planningskennis
Breng klantprofielen, tijdvensters, voertuigrestricties en zero-emissiezones gestructureerd in kaart. Zonder goede data geen goede AI. -
Kies voor een ritplanningssysteem dat AI écht benut
Niet alleen een tool die ritten tekent, maar een oplossing die automatisch optimaliseert, scenario’s draait en elektrische voertuigen snapt. -
Herdefinieer de rol van planners
Leid ze op tot data-gedreven regisseurs die instellingen en scenario’s beheren, in plaats van handmatig ritten schuiven tot laat in de avond. -
Blijf de menselijke maat bewaken
Laat AI werken binnen grenzen die voor chauffeurs en klanten haalbaar zijn. Als je mensen afhaken, stopt de vernieuwing.
Deze case van TSN Groen past naadloos in het grotere verhaal van deze serie: AI in Nederlandse transport & logistiek draait niet om gadgets, maar om beter plannen, slimmer investeren en duurzaam groeien.
De vraag is eigenlijk niet meer óf je hiermee aan de slag gaat, maar wanneer en met welke ambitie. Hoe ziet jouw ritplanning eruit als je er een jaar lang AI, elektrische voertuigen en scenario-analyse op loslaat?