Op basis van stuklijsten en orderaantallen wordt bepaald welke materialen en hoeveelheden nodig zijn, en of er aanvulling nodig is. Dit is werk van de planner of inkoper, uitgevoerd in het ERP-systeem of voorraadsysteem. Het is rekenwerk met een vaste bron en een vaste vraag: stuklijst maal orderaantal, vergeleken met wat er ligt.
Drie assen geven de doorslag: gestructureerdheid, volume en foutkosten.
De gestructureerdheid is hoog. Een stuklijst is een vaste opsomming van onderdelen en aantallen per eindproduct. Een orderaantal is een getal. De berekening die daarna volgt — hoeveelheid nodig maal aantal, min wat op voorraad ligt, is aanvulling — is een rekenregel zonder interpretatieruimte. Er is geen moment waarop iemand moet beslissen wat een klant "eigenlijk" bedoelt, zoals bij het uitleggen van een vage klantvraag. De regels liggen vast in het stuklijstbeheer.
Het volume is hoog. Bij elke order, elke dag, moet deze berekening opnieuw. Bij honderden orders per week loopt dit al snel op tot een substantieel deel van de uren van een planner of inkoper. Werk dat vaak terugkomt en weinig varieert, is precies het werk waar een AI-agent tijd wint: niet omdat het knap is, maar omdat het veel is.
De foutkosten zitten in het midden en dat is de reden voor toezicht. Een verkeerde materiaalberekening leidt niet meteen tot een gevaarlijke situatie of een juridisch probleem, maar wel tot een order die vastloopt op de vloer omdat er te weinig materiaal ligt, of tot onnodig hoge voorraad omdat er te veel is besteld. Dat kost geld en tijd om te herstellen, maar het is meestal terug te draaien. Daarom past hier een AI-agent die de berekening uitvoert en een aanvulling voorstelt, met een mens die de uitkomst goedkeurt voordat er daadwerkelijk wordt bijbesteld of een inkooporder bij een leverancier wordt geplaatst.
De overige assen laten zien waarom dit geen taak is die zonder toezicht aan AI wordt overgelaten.
Oordeelsruimte scoort 3: er zijn situaties waarin een planner een uitzondering maakt, bijvoorbeeld omdat een leverancier onbetrouwbaar levert of omdat een klant een spoedorder heeft die de normale volgorde doorbreekt. Compliance scoort 4, wat betekent dat er weinig wettelijke verplichtingen aan deze taak zelf hangen, maar dat de gevolgen van een verkeerde berekening — te weinig materiaal voor een kritieke levering — wel kunnen doorwerken naar afspraken met klanten.
Klantcontact, fysiek werk en creativiteit zijn hier niet aan de orde: dit is een interne berekening, geen gesprek en geen fysieke handeling. Dat drukt niet tegen automatisering in, het is simpelweg geen relevante drempel voor deze taak.
Voor deze taak is een AI-agent inzetbaar: een systeem dat zelfstandig de stuklijst combineert met het orderaantal, de voorraadstand raadpleegt en een voorstel doet voor aanvulling. De mens beoordeelt dat voorstel, keurt goed of af, en grijpt in bij uitzonderingen.
Dit werkt alleen onder twee voorwaarden. Ten eerste moeten de stuklijsten actueel zijn: als een stuklijst een onderdeel mist of een verkeerd aantal vermeldt, rekent de AI feilloos verder op een foute basis. Ten tweede moeten de voorraadstanden betrouwbaar zijn: als het voorraadsysteem niet klopt met wat er werkelijk op de plank ligt, klopt ook de berekening van de aanvulling niet. Bedrijven waar inkomende goederen structureel worden ontvangen en ingeboekt hebben die voorwaarde meestal op orde; bedrijven waar dat nog handmatig en onregelmatig gebeurt, lopen tegen een muur van onnauwkeurige data aan voordat de berekening zelf ooit een probleem wordt.
Bij een bedrijf met een beperkt aantal vaste producten en overzichtelijke stuklijsten is deze taak vrijwel volledig te automatiseren, met een lichte controle achteraf. Bij een bedrijf met veel maatwerk, wisselende leveranciers en stuklijsten die per order net anders zijn, blijft er meer werk over waarbij een planner zelf beoordeelt of de berekening klopt en of een uitzondering nodig is. Ook de kwaliteit van de onderliggende systemen maakt verschil: een bedrijf dat zijn ERP en voorraadsysteem consequent bijhoudt, wint meer vrijgespeelde uren dan een bedrijf waar die data achterloopt.
Deze verschuiving hangt ook samen met andere delen van de bedrijfsvoering. Wie materiaalberekening automatiseert, ziet vaak dat vervolgstappen zoals bestellen en ontvangen ook aan herziening toe zijn, en dat geldt breder voor productieomgevingen — zie wat AI kan overnemen in de installatiebranche voor hoe dit soort taken samenhangt met planning en materiaallogistiek. Ook op de administratie zelf verschuift het beeld: welk werk op de administratie AI vandaag al overneemt laat zien dat vergelijkbare rekenregels vaak ook daar spelen.
Dit is geen personeelsadvies en geen aanleiding om iets over functies te concluderen. Wat een werkgever met de vrijgespeelde uren doet, is aan de werkgever zelf; daarvoor gelden eigen wettelijke vereisten waar deze pagina geen uitspraak over doet. Wat hier staat, is een beschrijving van de taak: welk deel gestructureerd genoeg is voor een AI-agent, en welk deel toezicht blijft vragen.
Of materiaalberekening in uw situatie grotendeels overdraagbaar is, hangt af van hoe actueel uw stuklijsten zijn en hoe betrouwbaar uw voorraadregistratie is. De gratis quickscan van twaalf vragen, zonder account, geeft een eerste indicatie welk deel van de uren in dit profiel vandaag door AI over te nemen is. De volledige werkscan, die het werk van uw bedrijf taak voor taak uiteenlegt, is nog in aanbouw.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Antwoorden komen uit de kennisbank van deze site. Geen advies op maat, en geen scan van uw bedrijf.