Voor terminaloperators, stuwadoors en logistiek dienstverleners rond Rotterdam bouwen wij AI die verblijftijd verkort, kade- en yarddoorvoer verhoogt, ETA's scherper maakt en demurrage terugdringt — gekoppeld aan uw TOS en Port Community System.
Laatst bijgewerkt: 11 juni 2026
AI helpt havengebonden logistiek rond Rotterdam door vessel ETA-voorspelling, ligplaats- en kraanplanning, yard-optimalisatie en gate- en documentautomatisering te combineren. Het resultaat is concreet: kortere verblijftijd, hogere kade- en yarddoorvoer, nauwkeurigere aankomsttijden en minder demurrage en detention — gebouwd bovenop uw bestaande terminalsystemen en datastromen.
De Haven van Rotterdam is de grootste zeehaven van Europa, en alles wat er gebeurt draait op timing. Een schip dat twee uur eerder of later afmeert, verschuift kraanplanning, gateafspraken, binnenvaart, spoor en het wegtransport naar het achterland. Voor een terminaloperator, stuwadoor of een logistiek dienstverlener langs de Maasvlakte zit de marge niet in een spectaculaire ingreep, maar in het wegnemen van wachttijd, leegloop en boetes. Daar is toegepaste AI sterk in: grote hoeveelheden operationele signalen tegelijk afwegen en een betere beslissing voorstellen dan een planner met de hand kan berekenen onder tijdsdruk.
Crux Digits bouwt geen terminalsoftware en is geen logistieke partij. Wij zijn de AI-engineering- en consultancypartner die modellen bouwt bovenop de systemen die u al draait — uw Terminal Operating System (TOS), uw Port Community System, uw planningstools en uw datalandschap. De rode draad op deze pagina is dezelfde als op onze bredere hub voor AI in logistiek en transport: elke AI-toepassing wordt gekoppeld aan een hard operationeel resultaat — kortere verblijftijd, hogere kade- en yardoverslag, nauwkeurigere ETA en minder demurrage en detention.
Bijna elke kostenpost in havengebonden logistiek hangt aan één onzekere variabele: wanneer komt het schip echt aan? AIS-data, sturen vanaf de rederij en de planning van het Havenbedrijf geven een verwachting, maar die schuift voortdurend door weer op de Noordzee, congestie bij de vorige aanloophaven, loodsbeschikbaarheid en het tij. Een ETA-voorspelmodel combineert AIS-trajecten, historische aanlooppatronen, weersignalen en de actuele bezetting van de ligplaatsen tot een aankomstvenster dat scherper is dan de losse melding van de agent.
De winst is concreet. Een nauwkeuriger Estimated Time of Arrival betekent dat u kranen, sjorploegen, straddle carriers en gatepersoneel niet voor niets klaarzet, en dat binnenvaart en spoor hun aansluiting halen. Het verschil tussen een ETA die er twee uur naast zit en een die binnen het venster valt, is precies het verschil tussen een kade die staat te wachten en een kade die doordraait. In de praktijk verschuift de discussie van Estimated naar Predicted Time of Arrival: niet wat de planning beloofde, maar wat het model op basis van actuele data verwacht.
Een goed ETA-model levert ook iets dat in de haven schaars is: vertrouwen tussen partijen. Wanneer een terminal, een expediteur en een wegvervoerder allemaal naar hetzelfde voorspelde aankomstvenster kijken, verdwijnt een groot deel van het telefoonverkeer en de losse mailtjes waarmee planners normaal de gaten dichten. Het model rekent bovendien een onzekerheidsmarge mee, zodat een planner ziet of een aankomst hard is of nog kan schuiven — en zijn inzet daarop afstemt in plaats van te reageren op een enkel, te stellig getal.
Zodra de ETA betrouwbaarder is, wordt berth planning een rekenprobleem in plaats van giswerk. Een model dat ligplaatsen, kraancapaciteit en de verwachte call sizes tegen elkaar afweegt, voorkomt dat twee diepstekende schepen om dezelfde kade vechten terwijl een derde kade leeg ligt. Berth allocation en quay crane scheduling die rekening houden met getij, diepgang en vaarvensters leveren een hogere kade-productiviteit per uur — de metric waar elke containerterminal uiteindelijk op stuurt. Hoe we zulke optimalisatiemodellen bouwen en in productie nemen, leest u bij machine learning.
Op de stack zit de stille kostenpost van elke terminal: onnodige verzetbewegingen. Elke keer dat een reachstacker of straddle carrier een container moet omzetten om bij de onderliggende doos te komen, kost dat tijd, brandstof en kadecapaciteit. Yard-optimalisatie met AI voorspelt wélke container wanneer wordt opgehaald — op basis van afvaartschema's, pick-uppatronen van expediteurs en de modaliteit waarmee de container vertrekt — en bepaalt op die voorspelling de slimste stapelpositie. Minder reshuffles betekent direct meer moves per uur met hetzelfde materieel.
De tweede knop is dwell time, de verblijftijd van een container op de terminal. Containers die te lang blijven staan, vreten yardruimte en blokkeren de doorstroom. Een model dat per container de verwachte verblijftijd inschat, laat u proactief sturen: vroeg signaleren welke ladingen dreigen te blijven hangen, klanten daarop attenderen en de stack daarop indelen. Het resultaat is een hogere yard-bezettingsgraad zónder dat de terminal dichtslibt. Realistisch gezien praten we hier over enkele procenten extra doorzet uit dezelfde fysieke ruimte — en in een haven waar elke vierkante meter geld kost, telt dat hard aan.
De gate is het knelpunt waar veel terminals hun wachtrijen verzamelen. Truck appointment systems verdelen de aankomst van vrachtwagens over de dag, maar staan of vallen met goede voorspellingen van de gatedrukte. Een AI-model dat de verwachte truckstroom per tijdvak inschat, helpt slots realistisch in te plannen, zodat chauffeurs niet een uur staan te wachten en de gate-doorlooptijd daalt. Gekoppeld aan kentekenherkenning en containernummer-OCR — dezelfde techniek als in onze case study over kentekenherkenning — wordt de gateafhandeling grotendeels zelfsturend, met een mens alleen voor de uitzonderingen.
Achter de fysieke stroom loopt een papierstroom die minstens zo duur is. Bills of lading, vrachtbrieven, douaneaangiften, een verklaring voor gevaarlijke stoffen, manifesten en facturen worden in veel operaties nog half handmatig overgetypt en gecontroleerd. Document-AI met taal- en beeldmodellen leest deze documenten uit, controleert ze tegen de order en de booking, en signaleert afwijkingen vóórdat ze tot een misgematchte zending of een douanecorrectie leiden. Verkeerde of late douanedata is een directe bron van vertraging en boetes; automatische controle vooraf houdt de flow op gang. De techniek erachter beschrijven we bij computer vision.
Demurrage (te lang in de haven) en detention (de container te lang buiten de terminal) zijn voor verladers en expediteurs een sluipende kostenpost die vaak pas op de factuur zichtbaar wordt. Een model dat per container de vrije dagen, de verwachte ophaal- of inlevermomenten en het risico op overschrijding bijhoudt, waarschuwt het team terwijl er nog tijd is om te handelen — een truck eerder inplannen, een leeg-inlevering versnellen, of de juiste partij bellen. Zo verschuift demurrage- en detentionbeheersing van achteraf afrekenen naar vooraf voorkomen, met een meetbaar lagere kostenpost per zending.
De Rotterdamse keten draait op gedeelde data: het Port Community System (in Nederland Portbase), EDI-berichten tussen rederijen, terminals en expediteurs, en steeds vaker API-koppelingen. Die data is waardevol maar verspreid, en daar ligt de kans voor AI die meerdere stappen aan elkaar knoopt. Een operationele AI-agent kan een binnenkomende booking lezen, controleren of de douanestatus klopt, een gateslot reserveren, de juiste documenten klaarzetten en alleen escaleren wanneer iets niet sluit. Dat is geen los dashboard, maar werk dat daadwerkelijk uit handen wordt genomen — onze bredere aanpak hiervoor staat op de pagina over AI-automatisering.
Twee toepassingen verdienen het om nuchter te benoemen, omdat ze in de haven direct renderen:
Een AI-copiloot voor de planners en de klantenservice is hier het natuurlijke sluitstuk: hij vat een complexe zendingsstatus samen, stelt een klantmail voor, of signaleert welke calls vandaag dreigen uit te lopen en waarom. De medewerker houdt de regie en beslist; het model neemt het zoek- en overtypwerk over. Hoe we deze modellen veilig, met de juiste guardrails en zonder hallucinaties op kritieke data inrichten, leest u bij generatieve AI.
Rotterdam wil lading verschuiven van de weg naar binnenvaart en spoor, en ook dat is een voorspelvraagstuk. Een model dat containervolumes per modaliteit en per dagdeel voorspelt, helpt barge- en railoperatoren hun capaciteit beter te benutten en voorkomt dat een te volle wegmodaliteit alsnog de gate verstopt. Betere volumevoorspelling betekent minder halfvolle binnenvaartschepen en een hogere benutting van geboekte spoorpaden — winst die zowel de kosten per container als de uitstoot drukt.
Datzelfde voorspellende vermogen helpt bij het materieel. Voor een terminal of een achterlandhub is ongeplande stilstand van een kraan, een straddle carrier of een reachstacker vrijwel altijd duurder dan een geplande beurt. Predictive maintenance leest sensor- en gebruiksdata van het materieel en ziet slijtage aankomen, zodat onderhoud valt op een moment zonder piekbelasting in plaats van midden in een drukke afhandeling. Het verschil tussen een geplande werkplaatsbeurt en een storing tijdens de avondpiek is voor de doorzet van een terminal het verschil tussen een beheersbare hobbel en een opstopping die de hele kade raakt.
Havengebonden logistiek is een streng gereguleerde wereld: douane, gevaarlijke stoffen, security en steeds nadrukkelijker eisen rond data en algoritmes. De EU AI Act en de AVG zijn voor ons geen sluitstuk dat achteraf langskomt, maar het uitgangspunt vanaf dag één. Concreet betekent dat: een planningsmodel of risicoscore is uitlegbaar, zodat u aan een toezichthouder, een grote verlader of de eigen directie kunt verantwoorden waaróm een beslissing zo viel. Beslissingen met impact op mensen houden menselijke controle — het model adviseert, uw planner of operator beslist. Elke beslissing laat een spoor achter dat later na te lopen is.
Crux Digits is een boutique AI-consultancy uit Nieuwegein, in de regio Utrecht, die werkt voor opdrachtgevers in heel Nederland en Europa — de Haven van Rotterdam en het omliggende logistieke cluster horen daar nadrukkelijk bij. We zijn bewust een seniorgedreven alternatief voor twee uitersten: de grote enterprise-consultancies waar uw project tussen tientallen andere verdwijnt, en de webbureaus die zich in een weekend tot "AI-bureau" omdoopten. Bij ons blijven de senior mensen die aan tafel zaten ook echt op uw project, en aan het eind bezit ú de oplossing — geen blijvende afhankelijkheid van een licentie of een black box.
De prijsopbouw is transparant en in vaste stappen, bedragen exclusief btw. U begint met een AI Audit & Strategie voor 2.500 euro, waarin we de duurste knelpunten in uw terminal- of expeditieoperatie in kaart brengen en bepalen of AI hier rendeert. Loont het, dan volgt een Proof of Concept vanaf 20.000 euro: een werkend model op uw eigen data — ETA, yard of gate — gemeten tegen uw huidige werkwijze als baseline. Werkt dat, dan volgt een productie-uitrol vanaf 50.000 euro, gekoppeld aan uw TOS, Port Community System en datastromen. Elke stap is een eigen go/no-go; u verbindt zich nooit aan de volgende fase voordat de vorige zich heeft bewezen. De volledige opbouw vindt u op de prijzenpagina.
De data die deze modellen voeden — AIS, TOS-events, EDI, sensor- en gatedata — moet schoon en betrouwbaar binnenkomen voordat een model er waarde uit haalt; hoe we die fundering leggen, beschrijven we bij data engineering. Inmiddels hebben we dertien case studies opgeleverd, van computer vision en NLP tot forecasting, predictive maintenance, koudeketenmonitoring en kentekenherkenning — precies de bouwstenen die havengebonden logistiek nodig heeft. Heeft u een concreet probleem rond verblijftijd, kade- of yarddoorvoer, ETA-nauwkeurigheid of demurrage? Begin met een gratis consult, of lees eerst hoe wij over AI-consultancy in Nederland denken. We schetsen dan samen een pad waarin elke geïnvesteerde euro zich eerst moet terugverdienen voordat de volgende stap volgt.
Een ETA-model combineert AIS-trajecten, historische aanlooppatronen, weersignalen en ligplaatsbezetting tot een scherper aankomstvenster dan de losse melding van de agent. Daardoor zet u kranen, sjorploegen en gatepersoneel niet voor niets klaar en halen binnenvaart en spoor hun aansluiting. De discussie verschuift van Estimated naar Predicted Time of Arrival, inclusief een onzekerheidsmarge.
Yard-optimalisatie voorspelt wanneer en met welke modaliteit een container vertrekt en kiest daarop de slimste stapelpositie. Dat verlaagt het aantal verzetbewegingen, verkort de verblijftijd en verhoogt de yardbezetting zonder congestie. Realistisch gaat het om enkele procenten extra doorzet uit dezelfde fysieke ruimte — in een haven waar elke vierkante meter geld kost, telt dat zwaar.
Een model houdt per container de vrije dagen, verwachte ophaal- of inlevermomenten en het overschrijdingsrisico bij, en waarschuwt terwijl er nog tijd is om te handelen: een truck eerder inplannen of een leeg-inlevering versnellen. Zo verschuift het beheer van demurrage en detention van achteraf afrekenen naar vooraf voorkomen, met een lagere kostenpost per zending.
Ja. Wij bouwen geen losse dashboards maar koppelen modellen aan uw Terminal Operating System, Portbase als Port Community System, EDI-berichten en sensor- en gatedata. Zo stuurt de AI echte planning en afhandeling aan binnen uw bestaande werkwijze. Schone, betrouwbare datastromen leggen we eerst vast met data engineering voordat een model in productie gaat.
Een track-and-trace assistent ontsluit shipment visibility in gewone taal, zodat planners en klantenservice in één vraag zien waar een container staat en of hij zijn slot haalt. Een kennisbank op basis van RAG over uw SOP's, tarieven en douaneregels verkort de afhandeltijd van vragen. De medewerker houdt de regie; het model neemt zoek- en overtypwerk over.
Ja. Compliance is bij ons het uitgangspunt vanaf dag één, geen sluitstuk. Een planningsmodel of risicoscore is uitlegbaar, zodat u aan een toezichthouder, verlader of de directie kunt verantwoorden waarom een beslissing zo viel. Beslissingen met impact op mensen houden menselijke controle — het model adviseert, uw planner beslist — en elke beslissing laat een navolgbaar spoor achter.
De prijsopbouw is transparant en in vaste stappen, exclusief btw. U begint met een AI Audit & Strategie voor 2.500 euro, gevolgd door een Proof of Concept vanaf 20.000 euro op uw eigen ETA-, yard- of gatedata, gemeten tegen uw huidige baseline. Een productie-uitrol start vanaf 50.000 euro. Elke stap is een eigen go/no-go-beslissing.
Nee. Crux Digits is een boutique AI-consultancy uit Nieuwegein in de regio Utrecht en bouwt geen terminalsoftware. Wij zijn de AI-engineering- en consultancypartner die modellen bouwt bovenop de systemen die u al draait. Senior mensen blijven op uw project en u bezit aan het eind zelf de oplossing — geen blijvende afhankelijkheid van een licentie of black box.
Vertel ons waar wachttijd, leegloop of boetes insluipen rond uw terminal- of expeditieoperatie — we schetsen in een gratis consult een pad naar meetbare waarde.
Gratis consult boeken →