Wat zeggen de cijfers over het chauffeurstekort in 2026?
Timocom stelt in zijn transportmarktanalyse voor 2026 dat het tekort aan gekwalificeerde chauffeurs en planners een van de grootste uitdagingen in de transportsector blijft. Nieuwe instromers zijn onvoldoende om de uitstroom op te vangen. Tegelijkertijd groeit de Nederlandse transport- en logistieksector in 2026 met ongeveer één procent, zo becijfert ING in februari 2026, maar de verschillen per activiteit zijn aanzienlijk. Het nettoresultaat: meer vraag naar transportcapaciteit, minder mensen om die capaciteit te bedienen. De druk op de planningsafdeling neemt toe, terwijl het personeelsbestand niet meegroeit.
Waarom raakt dit ook de planner, niet alleen de chauffeur?
De reflex is om het chauffeurstekort puur als een HR-probleem te zien. Dat is te smal. Elke rit die niet rijdt, of later rijdt, landt als handmatig werk op het bureau van de planner. Orders worden herverdeeld, klanten worden gebeld, systemen worden bijgewerkt. Evofenedex wijst er in december 2025 op dat bedrijven moeten investeren in de zichtbaarheid van hun supply chain om schokken op te vangen. Maar die zichtbaarheid begint intern: weten wat er gepland staat, wat afwijkt en welke beslissing als eerste genomen moet worden. Wanneer een planner dit allemaal handmatig bijhoudt, is de planning niet het probleem, de datastroom is het probleem.
Hoe maakt gestructureerde data het verschil bij capaciteitskrapte?
Bij een tekort aan mensen is de enige duurzame oplossing dat elke beschikbare medewerker effectiever werkt. Dat begint bij het wegnemen van handmatig overtypen en zoeken. Orders die binnenkomen via mail, PDF of portaal moeten zonder menselijke tussenkomst in het planningssysteem terechtkomen, voorzien van de juiste klantcode, het juiste adres en de juiste bijzonderheden. Afwijkingen in een lopende dag, een laattijdige lading of een uitgevallen chauffeur, moeten direct zichtbaar zijn zonder dat iemand vijf schermen hoeft te vergelijken. Wat AI hier concreet doet: het doet het voorwerk. De planner beslist nog steeds, maar hij beslist op basis van een compleet en actueel beeld, niet op basis van wat hij net heeft kunnen nazoeken.
Wanneer is een AI-laag over bestaande systemen genoeg, en wanneer niet?
Veel transportbedrijven draaien op een TMS dat tien jaar geleden is aangeschaft. Het systeem doet zijn werk, maar het is niet gebouwd om datasignalen van buitenaf te verwerken of om automatisch orders uit e-mails te lezen. In dat geval is een AI-laag eromheen een realistische eerste stap: document-verwerking, e-mailinterpretatie en statusupdates kunnen via zogeheten AI Workers op het bestaande systeem worden aangesloten, zonder dat het systeem zelf wordt vervangen. Voor bedrijven waarbij het TMS zelf de bottleneck is, het systeem trager wordt, rapportages handmatig worden gemaakt en de integraties niet meer kloppen, is het zinvoller om het kernsysteem opnieuw te bouwen. Niet als meerjarig project, maar als gefaseerde vervanging met go/no-go momenten. Het antwoord hangt af van waar de pijn zit: bij de invoer of bij de architectuur.
Wat kunt u nu al doen?
Begin bij het meten. Hoeveel tijd besteedt een planner per dag aan het handmatig verwerken van orders en het opvragen van statussen? Hoeveel orders komen binnen via een kanaal dat niet direct in het systeem terechtkomt? Die twee vragen geven al een eerste beeld van waar capaciteit verloren gaat. De krapte op de arbeidsmarkt lost zichzelf niet op. Nieuwe flexwetgeving per 1 januari 2026, aangehaald door Logistiek.nl, maakt het bovendien duurder om capaciteitstekorten op te vangen met flexkrachten. De route naar meer veerkracht loopt niet via meer mensen, maar via betere systemen voor de mensen die er zijn.