Waarom DSV gelijk heeft: planning wint van actieradius

Waarom DSV gelijk heeft: planning wint van actieradius

De meeste gesprekken over elektrische trucks lopen vast op één vraag: “Hoe ver komt ’ie?” Terwijl DSV ondertussen rustig 300 elektrische Volvo-trucks bestelt en zegt: planning is belangrijker dan actieradius.

Dat is geen marketingpraat. Dat is precies hoe je als Nederlandse vervoerder de stap naar elektrisch én smart mobility wél rendabel maakt. En daar speelt AI een grotere rol in dan veel bedrijven doorhebben.

In deze blog verbinden we de praktijkcase van DSV met waar deze serie over gaat: AI in Nederlandse transport & logistiek. Hoe gebruik je slimme routeplanning, data en voorspellende algoritmes om elektrische trucks iedere dag betrouwbaar te laten rijden – zonder dat chauffeurs met samengeknepen billen naar hun SOC zitten te staren.

Van actieradius-angst naar datagedreven planning

De kern van het verhaal van DSV is simpel: succes met e-trucks komt niet uit grotere accu’s, maar uit slimmere planning.

DSV bestelde verschillende specificaties van de Volvo FM Electric, passend bij concrete ritprofielen. Geen one-size-fits-all, maar:

• zwaardere accupakketten voor langere trajecten;
• lichtere configuraties voor kortere, vaste pendelritten;
• koppeling met een tool die per rit de te verwachten actieradius berekent.

DSV gebruikt hiervoor een Volvo-tool die rekening houdt met:

• type rit (snelweg, stedelijk, gemengd);
• beladingsgraad;
• hoogteprofiel;
• weersomstandigheden.

De uitkomst: voorspelde ranges van 300–400 km, die in de praktijk goed kloppen. Dat geeft planners vertrouwen. Maar hier wordt het interessant voor AI en smart mobility.

Hoe AI deze stap versterkt

Wat DSV nu doet met één fabrikanttool, wordt in de komende jaren standaard in AI-gestuurde ritplanning:

• Realtime range-voorspelling op basis van live telematica, verkeer, temperatuur en rijstijl.
• Dynamische herplanning als een truck meer verbruikt dan verwacht, of als er een file ontstaat.
• Slimme depot- en laadkeuze: algoritmes die bepalen waar, wanneer en op welk laadvermogen je het beste laadt.

Het grote verschil met klassieke planning: de planner vertrouwt minder op onderbuikgevoel en meer op continu lerende modellen. Elke rit met een elektrische truck maakt het systeem slimmer.

Planning als concurrentievoordeel, niet als beperking

Veel vervoerders ervaren planning rond e-trucks als beperking. DSV draait dat om: planning is het voordeel. Zeker in een markt waar CO₂-reductie, zero-emissiezones en druk op marges elkaar in rap tempo versterken.

“Het gaat er niet om hoe ver een vrachtwagen kan komen. Het gaat erom dat deze de route betrouwbaar kan rijden.” – Patrick van Ulft, DSV

Wat DSV hier strategisch goed aan doet

1. Start vroeg, leer snel
   DSV rijdt nu al met elektrische trucks in Nederland, Zweden en Denemarken. Dat betekent: jaren voorsprong in data over energieverbruik, inzetprofielen en laadgedrag.

2. Koppeling met eigen laadinfrastructuur
   Met DSV Energy bouwt het bedrijf een Europees netwerk van laadhubs (o.a. Moerdijk, Scandinavië, Duitsland). Door AI-gestuurde planning kun je:

   • ritten zo plannen dat trucks maximaal op eigen hubs laden (goedkoper, meer grip op beschikbaarheid);
   • tijdvakken toewijzen om piekbelasting te voorkomen;
   • laadsessies afstemmen op het energietarief (bijv. meer laden bij lage uurprijzen).

3. Gebruik van scenario’s in plaats van generieke marges
   In plaats van overal 30% veiligheidsmarge te houden “voor de zekerheid”, kun je per rit:

   • een AI-model inzetten dat per scenario (winter, file, omleiding) de risico’s inschat;
   • marges dynamisch aanpassen.
     Gevolg: meer productieve kilometers per acculading zonder aan betrouwbaarheid in te leveren.

Waar AI concreet waarde toevoegt bij elektrische trucks

Als je het terugbrengt tot de praktijk van een Nederlandse planner op kantoor in Barneveld, Venlo of Moerdijk, dan draait smart mobility rond e-trucks vooral om vijf AI-toepassingen.

1. Slimme ritplanning en routeoptimalisatie

AI-gestuurde routeplanning kijkt verder dan alleen kilometers en rijtijd. Voor elektrische trucks telt vooral: energieverbruik per rit.

Een goed ingericht AI-planningssysteem kan:

• per order automatisch bepalen of deze geschikt is voor een e-truck;
• een route kiezen met het laagste energieverbruik, niet per se de kortste afstand;
• rekening houden met laadvensters bij klanten, depotopeningstijden en laadpleinen;
• voorstellen doen om ritten slim te combineren tot logische, emissievrije clusters.

Hierdoor kun je als vervoerder eerder beginnen met elektrificeren, zelfs met een relatief kleine actieradius.

2. Voorspellend energie- en rangebeheer

De Volvo-tool laat al zien wat mogelijk is met voorspellende software. Met een volwassen AI-laag erboven kun je nog verder gaan:

• Per truck een persoonlijk verbruiksprofiel opbouwen, op basis van werkelijke data.
• Per chauffeur verschillen in rijstijl en verbruik meenemen.
• Per route leren wat het effect is van temperatuur, wind en verkeer.

Het resultaat is een systeem dat ’s ochtends niet alleen zegt: “Deze truck haalt 340 km”, maar ook:

• “Op deze route heb je na stop 3 nog 27% over; dat is voldoende voor terugrit naar depot.”
• “Als de file op de A15 langer dan 45 minuten duurt, stel ik een alternatieve route en extra laadsessie voor.”

Dat haalt enorme druk weg bij planners én chauffeurs.

3. Laadplein- en energiemanagement

DSV bouwt eigen laadpleinen. Steeds meer Nederlandse logistieke hotspots (Rotterdam, Tilburg, Venlo, regio Amsterdam) volgen dat voorbeeld. Zonder AI krijg je hier al snel een puzzel die dagelijks verandert:

• Welke trucks moeten wanneer klaarstaan?
• Welke laadpaal met welk vermogen gebruik je voor wie?
• Hoe voorkom je dat je door piekbelasting in het dure capaciteitstarief valt?

Een AI-gestuurd EMS (Energy Management System) kan:

• laadcapaciteit real-time verdelen op basis van vertrek- en aankomsttijden;
• laadsnelheid aanpassen aan beschikbare netcapaciteit en energietarief;
• voorspellen wanneer een uitbreiding van laadcapaciteit of netaansluiting nodig wordt.

Voor fleetmanagers is dit hét verschil tussen “elektrisch is duur en complex” en “elektrisch is voorspelbaar en goed te sturen”.

4. Klantcommunicatie en CO₂-rapportage

DSV merkt dat vooral klanten met een scherp duurzaamheidsbeleid bereid zijn mee te investeren in elektrisch vervoer. De trend in Nederland is helder:

• CSRD-rapportage en CO₂-footprinting worden norm in de keten;
• grote verladers willen zichtbare, aantoonbare reductie per zending;
• gemeenten scherpen eisen rond zero-emissie stadslogistiek steeds verder aan.

AI helpt hier op twee manieren:

1. Automatische CO₂-calculatie per rit en per klant
   Door brandstofverbruik, elektriciteitsmix en laadlocatie mee te rekenen, krijg je een veel eerlijker beeld dan met gemiddelde tabellen.

2. Slimme scenario’s voor klanten
   Je kunt met één druk op de knop laten zien:

   • wat er gebeurt als 10%, 50% of 100% van hun zendingen elektrisch gaat;
   • welke trajecten zich daar het best voor lenen;
   • wat de impact is op CO₂-uitstoot én kosten over meerdere jaren.

Dat maakt het gesprek minder over “meerprijs per pallet” en meer over strategische, datagedreven keuzes.

5. Leren van de voorhoede: DSV als datapartner

DSV wil in 2030 2.000 elektrische trucks inzetten. Dat is niet alleen een sustainability-doel, maar ook een datadoel.

Hoe meer elektrische kilometers, hoe meer:

• inzicht in slijtage, onderhoud en restwaarde van batterijen;
• kennis over ideale laadstrategieën per type operatie;
• benchmarking tussen landen, corridors en hubs.

AI-systemen kunnen die data vertalen naar concrete stuurinformatie:

• Wanneer is het economisch verstandig een batterij te vervangen of een truck door te schuiven naar kortere ritten?
• Waar levert een extra laadhub de meeste operationele winst op?
• Hoe wijzig je je netwerkontwerp als zero-emissiezones uitbreiden?

Hier zie je waarom koplopers als DSV straks een kennisvoorsprong hebben. Ze verkopen geen data, maar ze gebruiken die wél als strategische hefboom.

Wat dit betekent voor middelgrote Nederlandse vervoerders

Veel middelgrote vervoerders denken nu: “Mooi voor DSV, maar wat kan ík hiermee?” Meer dan je denkt.

Een praktische aanpak:

1. Begin met datagedreven ritanalyse

   • Haal 3–6 maanden ritdata uit je TMS/telematica.
   • Laat (eventueel met een AI-tool) clusteren welke ritten zich sowieso lenen voor elektrisch: vaste pendels, korte regionale distributie, nachtshuttles.

2. Kies 1–2 duidelijke use cases voor je eerste e-truck
   Liever één perfect passend profiel dan een truck die “alles een beetje moet kunnen”.

3. Koppel je e-truck direct aan slimme planning

   • Gebruik software met energie- en rangevoorspelling (of kies een leverancier die dat snel kan activeren).
   • Zorg dat planners live inzicht hebben in verbruik, resterend bereik en laadstatus.

4. Bouw of reserveer minimaal één logische laadbasis
   Dat hoeft niet meteen een mega-laadplein te zijn. Maar er moet een plek zijn waar je met AI-ondersteuning:

   • laadtijden kunt plannen;
   • laadsnelheid kunt sturen;
   • energieverbruik kunt monitoren.

5. Gebruik je case commercieel

   • Rapporteer CO₂-besparing concreet aan klanten.
   • Test welke klanten wél willen meebewegen en bouw daar verder op.

De rode draad: start klein, maar start slim. Zonder AI en goede data is elektrisch rijden vooral een kostenpost. Met de juiste smart-mobility-aanpak wordt het een middel om je bedrijf klaar te zetten voor 2030 en verder.

Van Volvo FM Electric naar echt slimme e-vloot

DSV laat zien dat elektrische Volvo-trucks op zichzelf betrouwbaar zijn, met ranges die in de praktijk vaak hoger uitvallen dan de fabrieksopgave. Maar het echte verhaal gaat niet over merk of actieradius.

Het draait om dit inzicht:

Succesvolle elektrificatie in transport komt uit planning, data en AI, niet uit nog een paar extra accupakketten.

Wie nu begint met:

• AI-ondersteunde routeplanning;
• voorspellend energie- en laadbeheer;
• slimme CO₂-rapportage;

heeft over een paar jaar een voorsprong die bijna niet meer is in te halen.

De vraag is dus niet meer óf elektrische trucks een rol krijgen in je vloot, maar: hoe snel zorg je dat jouw planning net zo slim wordt als die van de koplopers?

Wil je serieus kijken hoe AI jouw ritplanning, laadinfrastructuur en wagenparkbeheer klaar kan maken voor elektrisch transport? Dan is dit het moment om ermee te beginnen – niet als de eerste zero-emissiezones je al dwingen.