Waarom Qargo laat zien hoe AI uw TMS op scherp zet

Waarom 33 miljoen voor Qargo een wake-up call is

Een TMS‑leverancier die in anderhalf jaar tijd van circa 100 naar meer dan 400 klanten groeit en nu 33 miljoen dollar extra ophaalt. Dat gebeurt niet omdat de software ‘wel aardig’ is. Dat gebeurt omdat de manier waarop we transport plannen, aansturen en factureren fundamenteel aan het schuiven is.

De realiteit in de Nederlandse transport en logistiek: marges zijn flinterdun, chauffeurs schaars, zero‑emissiezones komen eraan en klanten verwachten realtime statusupdates alsof u Bol.com bent. Daar redt u het niet meer mee met Excel, verouderde TMS‑pakketten en een planningsafdeling die tot ’s avonds laat zit te schuiven met ritten.

De Serie B‑financiering van Qargo, een AI‑gedreven Transport Management System, is daarom interessant als signaal. Niet zozeer omdat er geld rondgaat, maar omdat investeerders duidelijk vertrouwen hebben in AI in transport & logistiek als motor voor structurele kosten- én CO₂‑reductie. In deze blog kijk ik wat Qargo concreet doet, wat u daarvan kunt leren, en hoe u vandaag al stappen kunt zetten richting slimmer, AI‑gestuurd transportbeheer.

---

Wat maakt een ‘intelligent TMS’ wezenlijk anders?

Een intelligent TMS is geen digitaal ordnerkastje, maar een systeem dat beslissingen kan voorbereiden en deels zelf kan nemen.

Bij Qargo heet dat Qargo Intelligence: een AI‑engine die grote delen van de end‑to‑end transportworkflow automatiseert:

• orders aanmaken en verrijken
• rit- en routeplanning
• ladingen combineren
• tijdsloten boeken bij magazijnen
• statussen terugkoppelen naar klant en verlader
• facturen genereren en controleren

Volgens Qargo besparen klanten tot 75% tijd op repetitieve administratieve taken. Denk aan:

• orders overtypen van e‑mail naar TMS
• eindeloos bellen over lostijden
• ritten corrigeren in facturen

Die uren verdwijnen niet; ze verschuiven naar werk dat wél waarde toevoegt: proactief klantcontact, verbeteringen in het netwerk, beter wagenparkbeheer. En dat is precies waar de Nederlandse markt nu behoefte aan heeft.

Minder lege kilometers = meer marge én minder CO₂

Een van de meest tastbare effecten: Qargo claimt dat hun optimalisatie het aantal lege ritten met tot 30% kan verminderen. Dat is fors. Voor een middelgrote vervoerder met 50 trekkende eenheden betekent 30% minder leeg rijden:

• direct lagere brandstof- en onderhoudskosten
• minder benodigde voertuigen voor hetzelfde volume
• aantoonbare CO₂‑reductie, handig voor klantenrapportages en CSRD‑eisen

In onze serie “AI in Nederlandse Transport & Logistiek: Smart Mobility” komt dit steeds terug: AI is niet alleen een speeltje voor IT, maar een harde hefboom onder kosten per kilometer, bezettingsgraad en CO₂‑per zending.

---

Waarom juist nu: margedruk, zero‑emissie en data‑chaos

Nederlandse vervoerders staan in 2025 onder dubbele druk:

1. Kosten en concurrentie
   Tarieven staan onder druk, terwijl loonkosten en verzekeringen stijgen.

2. Regelgeving en duurzaamheid
   Zero‑emissiezones, strengere rapportage‑eisen en klantvragen over CO₂‑per zending.

3. Klantverwachting
   Realtime track & trace, foutloze facturen, flexibele tijdsloten.

4. Cyberdreiging
   Ransomware in logistiek is geen uitzondering meer.

Een AI‑gestuurd TMS pakt verrassend veel van deze punten tegelijk aan:

• Minder foutgevoelige processen → lagere faalkosten en minder correctief werk
• Betere planning → minder kilometers, betere asset‑benutting
• Automatische data‑vastlegging → eenvoudiger CO₂‑ en kwaliteitsrapportages
• Cloud‑first en ISO‑27001 → veiliger dan een oude server in de hoek van de loods

Qargo laat dat zien met hun setup:

• ISO 27001 gecertificeerd
• volledig draaiend op Google Cloud met extra Cloud Armor beveiliging
• continue codescanning met tools als Aikido
• periodieke pentests en een eigen securityteam

Voor veel middelgrote Nederlandse vervoerders is dit niveau van security in‑house simpelweg niet haalbaar. Een modern cloud‑TMS haalt die zorg grotendeels weg.

---

Hoe AI in TMS er in de praktijk uitziet

Theorie is mooi, maar hoe ziet dit er op de werkvloer uit? Laten we het langs drie rollen leggen: planner, chauffeur en backoffice.

1. De planner: van schuiven naar sturen

In een klassiek TMS:

• planner krijgt orders via mail, EDI, portals
• zet handmatig ritten op
• kijkt op losse kaarttools voor routes en tijden
• belt met magazijnen voor tijdsloten
• probeert onderweg problemen op te lossen

In een AI‑gestuurd TMS zoals Qargo:

• orders komen automatisch binnen, worden herkend en verrijkt (adressen, venstertijden, laadeenheden)
• het systeem genereert voorstellen voor ritten en routes op basis van restricties, venstertijden, emissiezones en historische data
• optimale combinaties worden voorgesteld om lege kilometers te voorkomen
• tijdsloten bij vaste magazijnen kunnen automatisch worden geboekt

De planner verschuift van uitvoerder naar regisseur: controleren, bijsturen, met klanten schakelen. Minder stress, meer overzicht.

2. De chauffeur: één app, duidelijke info

Qargo toont in hun communicatie een mobiele app‑flow waarbij een chauffeur via WhatsApp of app direct op het TMS is aangesloten. Belangrijk effect:

• actuele ritinformatie in de hand
• wijzigingen en omrijroutes pushen direct naar de chauffeur
• proof of delivery en foto’s komen automatisch terug in het TMS

Dat spaart belletjes met de planning, voorkomt misverstanden en zorgt dat de backoffice direct de juiste info heeft voor facturatie en claims.

3. De backoffice: minder correcties, snellere cash

Doordat het TMS de hele keten volgt:

• ritten zijn digitaal bevestigd
• toeslagen (wachten, extra losadres, wachttijd) worden automatisch herkend
• facturen worden automatisch samengesteld op basis van afgesproken tarieven

Resultaat:

• minder factuurdisputen
• snellere facturatie (dus snellere cashflow)
• minder tijd kwijt aan controle en correctie

Voor een sector waar betaaltermijnen vaak lang zijn, is dat geen detail maar een serieuze liquiditeitsboost.

---

Netwerken en onderaanneming: slimmer samenwerken met AI

De Nederlandse markt draait op onderaanneming. Dagelijks worden ladingen uitbesteed aan charters en collega‑vervoerders. Dat gaat nu vaak zo:

• werk mailen of bellen
• prijzen afstemmen
• status opvragen per telefoon of WhatsApp
• POD’s achteraf najagen

Qargo speelt hierop in met Qargo Network, een realtime werkdeel‑platform. De kern:

• werk delen met partners alsof het eigen ritten zijn
• volledige transparantie in status en uitvoering
• minder heen‑en‑weer gebel

Voor Smart Mobility in Nederland is dit cruciaal. Hoe beter vervoerders onderling data delen, hoe makkelijker:

• combinaties over de weg én shortsea/rail te plannen
• emissies per keten inzichtelijk te maken
• capaciteit in drukke regio’s (Randstad, Brabantse logistieke hotspots) optimaal te benutten

Ik ben ervan overtuigd dat we naar een situatie gaan waarin netwerk‑TMS’en de standaard worden, en individuele Excel‑eilandjes simpelweg niet meer rendabel zijn.

---

Wat kunnen Nederlandse vervoerders hier nú mee?

U hoeft niet morgen volledig over op Qargo of ieder ander AI‑TMS. Maar stil blijven staan is in 2025 wel het slechtste scenario. Een pragmatische route ziet er zo uit.

Stap 1: Breng uw digitale volwassenheid in kaart

Beantwoord intern een paar harde vragen:

1. Hoeveel processen draaien nog op Excel of papier?
2. Hoeveel tijd besteden planners per dag aan overtypen en bellen?
3. Hoeveel procent van uw kilometers rijdt u leeg (globaal)?
4. Hoe vaak heeft u factuurdisputen of grote correcties achteraf?
5. Is uw huidige TMS cloud‑based, en hoe staat het met security (ISO, backups, updates)?

Zonder eerlijk startpunt is elke AI‑discussie luchtfietserij.

Stap 2: Kies één of twee AI‑use‑cases

Zorg dat u klein en concreet begint. Typische instappers:

• automatische orderinvoer vanuit e‑mail/portals
• AI‑ondersteunde route‑optimalisatie voor een paar vaste stromen
• automatische statusupdates naar klanten

Meet de impact in uren, kilometers en klanttevredenheid. Als u daar geen winst ziet, is of de tool niet goed, of het proces niet scherp ingericht.

Stap 3: Evalueer uw TMS‑strategie

Kijk kritisch naar uw huidige TMS‑leverancier:

• bieden ze serieuze AI‑functionaliteit of alleen marketingpraat?
• hoe snel ontwikkelen ze nieuwe functies?
• hoe gaan ze om met veiligheid en cloud?

De groei van Qargo – van £ 420 miljoen naar meer dan £ 1,9 miljard aan verwerkte facturering per jaar in iets meer dan een jaar – laat zien dat de markt stemt met de voeten. Intelligente systemen winnen terrein. Vraag is niet óf u meegaat, maar met wie en wanneer.

Stap 4: Betrek mensen uit operatie en IT

AI in transport is geen puur IT‑project. De beste implementaties die ik zie, hebben:

• een operationeel kartrekker (planner of operations manager)
• een financiële sponsor (directie / eigenaar)
• IT/beveiliging die meekijkt op integraties en risico’s

Zonder die driehoek verzandt het in mooie demo’s zonder echte adoptie.

---

Waarom dit past in Smart Mobility in Nederland

AI‑gedreven TMS‑systemen zoals Qargo zijn de ruggengraat van Smart Mobility: ze verbinden voertuigen, chauffeurs, magazijnen en verladers in één intelligent netwerk.

Voor de Nederlandse context is dat extra relevant:

• hoge congestie → betere planning en bundeling nodig
• veel multimodale knooppunten → TMS moet verder kijken dan alleen truck
• strenge milieudoelen → elke bespaarde kilometer telt dubbel

Wie in 2026 nog steeds plant zoals in 2016, gaat het moeilijk krijgen. De bedrijven die nú investeren in AI voor routeplanning, wagenparkbeheer en vraagvoorspelling, worden de partijen waar verladers straks het liefst zaken mee doen.

Mijn advies: gebruik het nieuws over de 33 miljoen dollar voor Qargo als aanleiding om intern het gesprek te starten. Waar laten we vandaag nog structureel geld en capaciteit liggen? En welk deel daarvan kan een intelligent TMS voor ons oplossen?

Wie die vragen eerlijk durft te beantwoorden, zet een serieuze stap richting een slimmere, winstgevender én duurzamere logistiek.