Vraagvoorspelling met AI: wat het oplevert en wat het kost
AI-vraagvoorspelling loont waar Excel en de prognosemodule van uw ERP alleen uw verkoophistorie doortrekken. Een model dat ook promoties, weer en feestdagen meeweegt, voorspelt per artikel scherper en laat zien hoe zeker die voorspelling is.
Voor de eigenaar die wil weten wat het oplevert en kost, en voor de operations- of IT-manager die het daarna moet laten draaien: wat AI toevoegt aan Excel en uw ERP, welke data nodig is, hoe u nauwkeurigheid meet, en wie wat doet naast uw ICT-partner.
Laatst bijgewerkt: 29 oktober 2026
Een betere vraagvoorspelling verdient zich aan twee kanten terug: u mist minder verkoop en u verspilt minder voorraad, capaciteit en uren. Voor een schoenenfabrikant met €235M omzet bouwde Crux Digits een voorspellings- en planningslaag op Prophet en XGBoost; binnen een jaar groeide de omzet met 8% en de productiecapaciteit met 7% (lees de case). Een eerste toets op uw eigen data kost €2.500, een werkende voorspelling voor één productgroep €20.000 (alle prijzen).
Wat een betere vraagvoorspelling oplevert
Een vraagvoorspelling is geen rapport, maar het getal waarop inkoop, productie en roostering hun beslissingen nemen. Zit dat getal structureel te hoog, dan staat er geld in incourante voorraad. Zit het te laag, dan verkoopt u nee op precies de artikelen die klanten willen, of draait u overuren om het in te halen.
Wat u terugwint, hangt af van waar de fout nu landt: in minder voorraad bij gelijke leverbetrouwbaarheid, in minder omstellingen op de productielijn, of in roosters die passen bij de drukte. Bij de schoenenfabrikant uit onze case vraagvoorspelling kwam de capaciteitswinst grotendeels uit matrijswissels die voortaan samenvielen met echte vraag in plaats van met verrassingen. Dat zijn de cijfers van één opdracht, geen belofte voor de uwe. Daarom meten we eerst hoe goed u nu voorspelt, zodat de winst op uw eigen cijfers een getal wordt.
Wat AI toevoegt aan Excel en de prognosemodule van uw ERP
| Aanpak | Wat het doet | Waar het ophoudt |
|---|---|---|
| Excel | FORECAST.ETS gebruikt de AAA-versie van exponential smoothing en herkent seizoenspatronen zelf (Microsoft). | Eén reeks tegelijk, zonder promoties of weer, en het onderhoud zit bij één planner. |
| Business Central | De extensie Sales and Inventory Forecast voorspelt verkoop met Azure AI op basis van uw verkoophistorie en stelt bestellingen voor (Microsoft Learn). | Eén voorspelling voor alle locaties en varianten samen; bij te weinig of te grillige data volgt geen voorspelling. |
| Odoo | Het Master Production Schedule zet de verwachte vraag naast voorraad en productie (Odoo). | De verwachte vraag vult de gebruiker zelf in; het pakket rekent hem niet uit. |
| SAP IBP | Demand sensing maakt dagvoorspellingen voor de komende 4–8 weken op basis van het bestaande vraagplan (SAP Learning). | Het verbetert de korte termijn en vervangt de vraagplanning zelf niet. |
| Eigen AI-model | Leert uit historie plus promoties, prijzen, weer en feestdagen, per artikel en per locatie, en wordt getest tegen uw huidige methode. | Vraagt schone data en iemand die de uitkomst beoordeelt. |
Welke data u nodig heeft
- Verkoophistorie op het niveau waarop u plant. Per artikel, per locatie en per week of dag. Prophet, een van de modellen die wij gebruiken, werkt het best met sterke seizoenseffecten en meerdere seizoenen historie (CRAN); twee jaar is een redelijk begin.
- Uitverkochte dagen. Wie niet op voorraad had, verkocht niets, maar de vraag was er wel. Zonder die markering leert een model de verkeerde les.
- Promoties en prijzen. Wanneer, welk artikel, welke korting en via welk kanaal. Dit staat vaak verspreid over ERP, webshop en een marketingplanning.
- Weer. Het KNMI publiceert daggegevens per station, met onder meer temperatuur, zon en neerslag (KNMI).
- Feestdagen en vakanties. Prophet rekent feestdageffecten standaard mee; schoolvakanties en lokale evenementen voegt u zelf toe.
- Eén voorwaarde. Een driver helpt alleen als u zijn toekomstige waarde kent op het moment van voorspellen. Een weerbericht reikt een paar dagen vooruit, een promotiekalender maanden.
MAPE en bias: zo meet u of een voorspelling deugt
MAPE is de gemiddelde procentuele afwijking. Verkocht u 100 stuks en voorspelde het model 90, dan is de fout 10%; over alle weken gemiddeld is dat de MAPE. Handig en uitlegbaar, met één zwakte: bij een werkelijke afzet van nul is de maat onbepaald, en bij artikelen die zelden verkopen schiet hij alle kanten op (Hyndman en Athanasopoulos). Voor trage lopers meet u daarom liever de totale absolute fout gedeeld door de totale afzet.
Bias is de gemiddelde fout mét teken: voorspelt u structureel te hoog of te laag? Een model met een nette MAPE en een bias van een paar procent omhoog bouwt elke week stilletjes voorraad op. Stuur dus op allebei.
Het belangrijkste getal is het verschil met uw huidige methode, gemeten op dezelfde perioden. Daarom testen wij een model eerst terug op achtergehouden historie, zoals in de case, voordat het een beslissing raakt.
Van voorspelling naar productie, voorraad en personeel
- Productieplanning. De voorspelling bepaalt de grootte en volgorde van runs, zodat omstellingen samenvallen met echte vraag. Bij de schoenenfabrikant leverde dat het grootste deel van de capaciteitswinst op.
- Voorraad en inkoop. Bestelpunten en veiligheidsvoorraad volgen uit de voorspelling én uit de onzekerheid ervan. Een artikel met een brede marge rond de voorspelling krijgt meer buffer dan een stabiele snelloper.
- Personeel. Een voorspelling per week en per vestiging of ploeg wordt een rooster dat past bij de drukte, met minder last-minute inhuur.
- De planner houdt het laatste woord. Het systeem stelt voor en laat zien waarom; de planner past aan of overrulet, en die correctie wordt data voor de volgende ronde. Zo ondersteunt het model het oordeel van de mensen die de vloer kennen, in plaats van het te vervangen.
Forecasting software kopen of maatwerk op uw eigen data
| Uw situatie | Logische keuze | Waarom |
|---|---|---|
| Weinig artikelen, korte historie, één planner | Excel met vaste afspraken | Een model kan niet leren wat er nog niet is. Begin met schone data en een vaste meetwijze. |
| U draait Business Central online en de vraag volgt vooral de historie | Eerst de ingebouwde extensie | Die zit al in uw abonnement. Meet de MAPE en kijk waar hij tekortschiet. |
| Grote planningsorganisatie in SAP met een S&OP-proces | Planningssoftware van uw ERP-leverancier | Het proces, de rollen en de integratie bestaan al; maatwerk vult hooguit een gat. |
| Promoties, weer of locaties drijven de vraag, of de productie kent harde beperkingen | Machine learning op maat op uw eigen data | Standaardpakketten rekenen die drivers niet of niet per locatie mee; een eigen model wel, en u bezit code en model. |
Wie doet wat naast uw ICT-partner
| Partij | Verantwoordelijk voor | Niet voor |
|---|---|---|
| Crux Digits | Datapijplijn, model, terugtest tegen uw huidige methode, voorspellingen als voorstel in uw ERP of planningstool, en overdracht van code en testset. | Uw netwerk, werkplekken, hosting of helpdesk. |
| Uw ICT-partner | Toegang en identiteit, de omgeving waarin het model draait, monitoring en back-up volgens uw bestaande afspraken. | De inhoud van de voorspelling. |
| Uw IT- of operationsmanager | Eigenaarschap, prioriteiten, de wijziging via uw change-proces en de koppeling met de ERP-partner. | Het bouwen van het model. |
| Uw ERP-partner | Toetst de koppeling op de gebruikte API's en rechten, en voert wijzigingen in het pakket zelf uit. | Het model en de datapijplijn. |
| Planners en inkopers | Beoordelen, aanpassen en vrijgeven van de voorstellen. | Het onderhoud van de pijplijn. |
Wat AI-vraagvoorspelling kost en hoe lang het duurt
| Stap | Wat u krijgt | Doorlooptijd | Prijs excl. btw |
|---|---|---|---|
| AI-audit & strategie | Uw verkoop-, voorraad- en promotiedata doorgelicht, de MAPE en bias van uw huidige methode gemeten, en één afgebakende eerste bouw met een vaste prijs. | 1–2 weken | €2.500 |
| Productieklare MVP | Een voorspelling voor één productgroep, vestiging of lijn op uw eigen data, teruggetest tegen uw huidige methode en een paar weken naast de planner gedraaid. | 4–6 weken | €20.000 |
| Productie | Alle relevante groepen, gekoppeld aan ERP of WMS, met monitoring, documentatie en overdracht aan uw IT-organisatie en ICT-partner. | 8–12 weken | vanaf €50.000 |
| Na oplevering | Uw IT-organisatie beheert het model. Doet een klein team dat liever niet zelf, dan neemt AI-beheer monitoring, model-updates en tot 4 uur verbetering per maand over. | Doorlopend | €500 per maand |
Vier voorbeelden per sector
- Groothandel (voorbeeld). Voorspelling per artikel en per klantgroep voedt bestelpunten in het ERP; inkopers zien een voorstel met de onzekerheid erbij. Meer in wat AI een groothandel oplevert.
- Voedingsmiddelenproductie (voorbeeld). Korte houdbaarheid maakt elke fout duur. Weer en feestdagen sturen de dagvraag naar vers en gekoeld; de voorspelling bepaalt het productieplan per lijn, en de planner ziet per product de verwachte afzet voor de komende dagen.
- Energie (voorbeeld). Een bedrijf voorspelt zijn eigen verbruik per kwartier tegenover het gecontracteerde vermogen en schuift batches naar rustige uren. Zie netcongestie in de industrie.
- Retail (voorbeeld). Voorspelling per filiaal en per week, met promoties en vakanties, voedt zowel de winkelbevoorrading als het personeelsrooster.
Veelgestelde vragen
Wat is vraagvoorspelling?
Hoe werkt AI-vraagvoorspelling?
Hoe nauwkeurig is een vraagvoorspelling met AI?
Wat kost vraagvoorspelling software op maat?
Hoeveel historische data is nodig?
Moeten we ons ERP of planningssysteem vervangen?
Weten wat een betere voorspelling u oplevert?
Een gratis gesprek van 30 minuten: u vertelt hoe u nu voorspelt en welke data u heeft, wij zeggen of een audit de moeite waard is en wat de eerste stap kost.
Gratis consult boeken →