AI Software op Maat voor Haven en Logistiek in Rotterdam

Rotterdam is de digitale ruggengraat van de Europese logistiek. Port of Rotterdam verwerkt jaarlijks meer dan 450 miljoen ton goederen en heeft een digitale infrastructuur opgebouwd die Port Management Information System (HaMIS), IoT-sensornetwerken voor hydro-meteo-data en het Port Community System van Portbase combineert tot één datarijk ecosysteem. Onder die laag werken honderden freight forwarders, terminal-operators, warehousing-bedrijven en douane-expediteurs met een compleet andere realiteit: een fragmentaris IT-landschap waarin WMS (SAP EWM, Manhattan, Körber) niet praat met TMS (CargoWise, Descartes), het douane-systeem een losse silo is, en EDI-berichten via legacy-converters naar mainframes uit de jaren negentig stromen. Custom AI software is voor deze context geen overbodige luxe — het is de enige manier om die data-eilanden te verbinden zonder je operatie vast te klikken in de feature-roadmap van een generieke SaaS-leverancier.

Wat we bij CleverTech onder AI software op maat verstaan is fundamenteel anders dan AI agents — die leveren autonome workflows op bestaande systemen — en anders dan AI solutions — die bredere data- en analyse-oplossingen bundelen. AI software is de custom-bouw variant: native applicaties, microservices en integratie-laag-ontwikkeling voor use-cases die generieke tools niet dekken. Voor een Rotterdams forwarder-kantoor betekent dat bijvoorbeeld een maatwerk dashboard dat real-time ETA-aggregatie doet over Portbase, MSCO en drie terminal-operators, met eigen beslissingsregels voor uitzonderings-routing. Voor een 3PL in het Distripark betekent dat een AI-aangedreven WMS-uitbreiding die pallet-configuratie optimaliseert op basis van container-schema, piek-seizoensvoorspelling en crane-beschikbaarheid. Voor een terminal-operator in Maasvlakte betekent dat een telemetry-laag die Navis N4-events koppelt aan eigen predictive-maintenance-modellen voor yard-equipment.

Het integratie-landschap: WMS, TMS, TOS en Port Community System. Een gemiddeld Rotterdams logistiek bedrijf draait op minimaal vier of vijf kritieke systeem-families. Het WMS beheert voorraden, locaties, pick-paths en labor — SAP Extended Warehouse Management is de standaard voor grotere enterprise-implementaties, Manhattan Associates WMS voor bedrijven met snellere time-to-value en complexe omnichannel-fulfillment, Körber en Slim4 voor mid-market warehousing. Het TMS regelt shipment-planning, carrier-selectie en documentatie — CargoWise van WiseTech Global is dominant voor freight forwarders, Descartes voor customs-centric operaties. Het Terminal Operating System orkestreert containeroverslag — Kaleris Navis N4 draait op de meeste grote Rotterdamse terminals, met modulaire architectuur en API-koppelingen naar gate-, rail- en vessel-planning. En als overkoepelende laag: het Port Community System van Portbase dat vessel-calls, manifests, clearances en Container Vrijgave Berichten ontsluit naar alle 4.000+ aangesloten bedrijven.

Elk van deze systemen heeft een andere API-volwassenheid, een ander data-model en andere integration-patterns. CargoWise werkt met eigen XML-schemas en een propriëtary Universal Shipment-model. Descartes draait op REST-APIs maar bewaart veel logica in een oudere Visual Basic-achtige regel-engine. SAP EWM gebruikt IDocs, BAPIs en OData-services — drie generaties integratie-technologie naast elkaar. Navis N4 heeft moderne REST en GraphQL, maar legacy-instanties draaien nog op JMS-messaging. Portbase publiceert alle EDI- en API-specificaties centraal op developer.portbase.com, met abonneerbare RSS-feeds voor changelog-updates — dat is de moderne kant. Maar onder die portal liggen nog altijd EDIFACT-berichten volgens UN/EDIFACT-standaarden, plus HTTP/SOAP-services voor oudere integraties. Custom software bouwen die al deze oppervlakken tegelijkertijd betrouwbaar bedient, vereist een integratie-laag die versioned is, retry-logica heeft op message-niveau en expliciete translation-mappings onderhoudt tussen de data-modellen.

EDI-standaarden die dagelijks door Rotterdam stromen. De Rotterdamse havenlogistiek leunt nog sterk op EDI — niet ondanks, maar dankzij decennialange carrier- en forwarder-afspraken die niet in één keer vervangbaar zijn door REST. De meest relevante berichttypen: IFTSTA (International Forwarding and Transport Status Message) voor real-time shipment-status, ingezet door carriers en terminals om ETA-wijzigingen, gate-moves en clearance-events te communiceren; IFTMIN (Instruction Message) voor routing-instructies, bijzondere handling-eisen en special-cargo-condities; IFTMAN voor aankomstbevestigingen; COPRAR voor container-pre-announcements tussen carriers en terminals; CUSCAR voor cargo-manifests richting douane. EDIFACT is de Europese standaard en blijft dominant in maritieme handel; ANSI X.12 komt voor bij Amerikaanse counterparts met equivalenten zoals EDI 304. Bij custom AI-software bouwen we typisch een bidirectionele EDI-broker die EDIFACT-berichten parseert naar een domein-model, AI-verrijking toepast (afwijking-detectie, automatische document-classificatie, ontbrekende-data-inference) en vervolgens opnieuw valideert tegen de originele schema-specificatie voordat het terug gaat naar de counterparty. Open-source parsers zoals edi-iftmin geven een startpunt, maar productie-kwaliteit EDI voor port community-context vraagt om eigen validatie-regels per carrier-dialect.

Port Community System-integraties: het onderscheid met off-the-shelf. Portbase biedt via het developer portal geaccrediteerde services als Cargo Controller, Hinterland Container Notification (Road en Rail), Melding Gevaarlijke Stoffen, Bijzondere Lading en het CVB-vrijgaveproces. Bestaande TMS-pakketten zoals CargoWise en Descartes hebben koppelingen op de meest voorkomende services, maar lopen regelmatig achter op nieuwe Portbase-releases of bieden alleen een subset aan events. Custom AI-software vult die gaten: voor een klant die 80% van zijn volume via intermodaal rail afhandelt kunnen we bijvoorbeeld de HCN Rail API direct integreren zodat container-notifications via rail-terminals real-time in het eigen operations-dashboard komen, met AI-laag die onregelmatigheden detecteert (container die gemeld is maar niet fysiek op de trein staat, ETA-afwijking groter dan threshold, documentatie-gap die pre-emptief gevuld kan worden). Die diepgang lever je niet uit een SaaS-box.

Use-case 1: freight forwarder operations-cockpit met multi-system-aggregatie. Een mid-market forwarder in Waalhaven met 40 fte operations werkt dagelijks met CargoWise als TMS, Portbase voor haven-interacties en drie verschillende terminal-portals (APMT, ECT Delta, RWG) plus carrier-tracking van Maersk, MSC en CMA CGM. De operator heeft typisch 7 tabs open om een enkele shipment-status samen te stellen. Wij bouwen een custom operations-cockpit die al deze bronnen aggregeert tot een unified container-view, met AI die afwijkingen prioriteert: containers met demurrage-risico binnen 48 uur, zendingen waar de ATA niet matcht met de ATO uit de Further Declaration, documentatie die ontbreekt terwijl het schip al aangekomen is. Operators werken in één dashboard, uitzonderingen stromen in de juiste inbox. Bouwtijd typisch 10-14 weken tot eerste release, met iteratieve uitbreiding in sprints.

Use-case 2: WMS-uitbreiding voor Distripark Botlek 3PL. Een 3PL in het Distripark Botlek draait op SAP EWM voor 80.000 m² warehousing met high-volume cross-docking uit containerstromen. De standaard-slotting en labor-planning van EWM zijn robuust maar statisch. Wij bouwen een AI-laag bovenop EWM die container-schema's uit Portbase + vessel-planning uit terminal-TOS combineert met voorraadniveaus, forecast en actuele crane-beschikbaarheid om dynamische slotting-voorstellen te doen: welke SKUs nu dichter bij de dock-deuren, welke consolidatie-locaties vrijmaken voor de volgende piek. Koppeling via EWM's OData-services en IDoc-events, AI-modellen draaien in Azure West Europe met read-only data-kopie. Dit levert typisch 8-15% reductie in pick-path-tijd bij hoge volumes en directe ROI op seizoens-pieken.

Use-case 3: terminal-operator predictive-maintenance op yard-equipment. Een terminal-operator met straddle-carriers, reach-stackers en STS-kranen heeft sensor-data, Navis N4-event-streams en onderhouds-historie in verschillende systemen. Wij bouwen een custom predictive-maintenance-applicatie die telemetry koppelt aan onderhoudsplanning, met AI-modellen die early-warning signalen detecteren (abnormale hydraulische druk, afwijkende cycletijd per move, temperatuur-drift) voordat ze tot ongeplande stilstand leiden. Integration-laag gebruikt Navis API voor move-events, MQTT voor sensor-feeds en een custom rule-engine voor maintenance-trigger-logica. Dit vermindert ongeplande downtime typisch met 20-35% en optimaliseert onderhouds-windowing tegen de vessel-planning.

Use-case 4: EDI-broker modernization voor carrier-communicatie. Een expediteur draait al 15 jaar met een eigengebouwde EDI-broker uit 2008 die EDIFACT-berichten van 20 carriers vertaalt naar interne database-writes. Het werkt maar is onderhoud-arm, loopt op een Windows Server 2012-instantie en kent geen retry-logica of afwijking-detectie. Wij bouwen een moderne EDI-laag (containerized, cloud-native, op basis van de EDIFACT IFTSTA en IFTMIN specificaties) met AI-verrijking: documenten worden automatisch geclassificeerd, afwijkingen gemarkeerd (bijvoorbeeld gewicht-discrepantie tussen CUSCAR en BL), ontbrekende velden worden waar mogelijk geïnfereerd uit historische patronen per carrier. Legacy-systeem blijft draaien tijdens migratie; nieuwe laag neemt carrier per carrier over. Bouwtijd typisch 12-16 weken voor 20-30 carriers.

Use-case 5: custom Portbase-integratielaag voor niet-standaard workflows. Een dangerous-goods expediteur met nadruk op Melding Gevaarlijke Stoffen naar Portbase heeft een workflow die de standaard-TMS niet dekt: risico-classificatie per UN-nummer, cross-check met vessel-stowage-regels, automatische voorbereiding van de MIG-melding inclusief alle verplichte velden. Wij bouwen een custom applicatie die direct op de Portbase MIG-service koppelt, AI-classificatie doet op inkomende booking-data en de melding pre-fills op basis van master-data uit het eigen systeem. Dit bespaart typisch 15-25 minuten per gevaarlijke-stoffen-zending en reduceert afwijzingspercentage door data-kwaliteitsproblemen significant.

Waarom custom-bouw en niet off-the-shelf. De drie meest voorkomende redenen: (1) generieke tools dekken de use-case niet of dekken 70% en laten de laatste 30% die de echte waarde bevat juist ongedekt; (2) integratie-diepte — vijf of meer systemen met eigen data-modellen vereist een eigen abstractie-laag die geen SaaS bouwt voor jouw specifieke combinatie; (3) data-sovereiniteit — haven-data, shipment-patronen en klant-volumes bevatten markt-intelligence die bedrijven niet willen delen met een cloud-SaaS waar concurrenten ook op draaien. Custom AI software kan je deployen in je eigen EU-cloud (Azure West Europe, AWS Frankfurt) of on-premise voor bedrijven die onder de Cyberbeveiligingswet als vitale infrastructuur vallen.

NIS2 en vitale infrastructuur-eisen. Onder NIS1 vielen enkele havenbedrijven onder de verplichtingen; onder NIS2 meer dan honderd, inclusief de meeste terminal-operators, havenbedrijven van betekenende omvang en logistieke dienstverleners in vitale ketens. De Nederlandse implementatie via de Cyberbeveiligingswet (Cbw) treedt naar verwachting Q2 2026 in werking. Voor custom software betekent dit: security-by-design (versleutelde data-communicatie, role-based access, immutable audit-trails), vulnerability-management-processen, incident-response-procedures met meldplicht binnen 24-72 uur, en expliciete supply-chain-security-eisen richting onderaannemers. Wij bouwen NIS2-ready vanaf het begin: microservices met mutual TLS, secrets-management via Azure Key Vault of HashiCorp Vault, audit-logs naar immutable storage (S3 Object Lock of Azure Immutable Blob), en geautomatiseerde dependency-scanning in de CI-pipeline. Voor klanten die onder ISPS-code vallen voegen we netwerk-segmentatie en port-facility-security-procedures toe.

Data-residency en cloud-keuze. Standaard deployen we op EU-only infrastructuur: Azure West Europe (Amsterdam-regio), AWS Frankfurt of eigen on-premise Kubernetes. Voor bedrijven in Botlek-Europoort met BRZO-gereglementeerde processen of terminal-operators met ISPS-Facility-classificatie draait een deel van de stack on-premise (EDI-broker, data-lake, integratie-laag) en een ander deel in EU-cloud (analytics, dashboards, ML-training). Data blijft binnen de EU, processing-resources blijven binnen de EU en encryption-keys worden door de klant beheerd via bring-your-own-key-patronen. Dit is geen ideologische keuze maar een compliance-noodzaak onder GDPR, NIS2 en sector-specifieke regelgeving.

Tech-stack-keuzes per project-schaal. Voor kleinere integraties (1-2 systemen, 6-10 weken bouwtijd): Node.js of Python backend, Postgres voor structured storage, Redis voor queue-beheer, containerised deployment op Azure Container Apps of AWS Fargate. Voor middelgrote projecten (3-5 systemen, 10-16 weken): microservices-architectuur met event-driven communicatie via Azure Service Bus of AWS EventBridge, Kubernetes voor orchestration, observability via OpenTelemetry + Grafana. Voor enterprise-scale (5+ systemen, 16-24 weken en doorlopende build-out): event-sourcing architectuur met CQRS-patronen, domain-driven-design voor elke bounded context, dedicated integration-platform (MuleSoft of eigen op Kafka) en gelaagde ML-infrastructuur (feature store, model registry, monitoring). AI-componenten draaien op OpenAI, Anthropic Claude of zelf-gehoste modellen (Llama 3.1 in een GPU-node) afhankelijk van data-gevoeligheid en latency-eisen.

Implementatie-traject. Fase 1 (weken 1-2): discovery en integratie-audit. We mappen systemen, APIs, EDI-flows, bestaande legacy-koppelingen en identificeren de grootste pijnpunten. Fase 2 (weken 3-4): technisch ontwerp, architectuur-document, data-model en eerste API-contracten. Fase 3 (weken 5-10): implementatie in sprints van 2 weken, met wekelijkse demo en iteratieve feedback van operations. Fase 4 (weken 10-12): integratie-testen met echte production-data-kopieën, performance-tuning en load-testing. Fase 5 (weken 12-14): soft-launch met beperkte scope (bijvoorbeeld één klant-segment of één warehouse), monitoring van AI-model-performance en edge-cases. Fase 6 (vanaf week 14): geleidelijke uitrol en doorlopende tuning. Voor EDI-brokers voegen we een shadow-mode toe waarin de nieuwe laag parallel draait met de oude zonder write-actions, totdat we 99,5%+ paritit hebben.

Indicatieve investering. Voor een custom operations-dashboard met 3-4 integraties (CargoWise + Portbase + 2 terminal-portals): 60.000-120.000 euro eenmalige bouw, 2.500-5.000 euro per maand voor hosting, monitoring en doorontwikkeling. Voor een WMS-uitbreiding op SAP EWM of Manhattan met AI-slotting: 90.000-180.000 euro eenmalig, 4.000-8.000 euro per maand run-cost. Voor predictive-maintenance op Navis-terminal-equipment: 120.000-220.000 euro eenmalig inclusief modellering en sensor-integratie, 5.000-10.000 euro per maand. Voor een complete EDI-broker modernization met 20-30 carriers: 100.000-250.000 euro eenmalig afhankelijk van carrier-diversiteit, 3.000-7.000 euro per maand. Voor custom Portbase-integratie-applicaties (enkele service-koppeling): 30.000-70.000 euro eenmalig, 1.500-3.500 euro per maand. Enterprise event-sourcing-platforms met meer dan vijf systemen: 250.000 euro en hoger eenmalig.

Waarom CleverTech voor custom AI software in Rotterdam. Wij combineren domein-kennis (incoterms, Bill of Lading-processen, AEO-certificering, ISPS, BRZO) met technische diepgang (REST, GraphQL, EDIFACT, SOAP, MQTT, event-streaming, cloud-native patterns, ML-engineering). We werken Rotterdams: snel, concreet, resultaat-gericht, geen feature-bloat. Eerste werkende integratie binnen 6-10 weken, iteratieve uitbreiding daarna. Geen lock-in op een SaaS-leverancier die over drie jaar anders priceert of zijn product pivotert. Code en documentatie zijn eigendom van de klant, deploybaar in eigen infrastructuur, maintainable door eigen team of door ons onder DevOps-ondersteuning.

Zie voor naastgelegen diensten en invalshoeken ook AI agents Rotterdam voor autonome workflow-automatisering boven op bestaande systemen, AI solutions Rotterdam voor bredere data- en analyse-oplossingen, legacy modernization voor de upgrade van oudere systemen, en de hoofdpagina AI software voor de algemene dienst-specificatie. Parent-pagina voor deze regio is /regio/rotterdam met volledig overzicht van Rotterdamse branche-focus en case-context.

Opgesteld met AI-tools en gecontroleerd door het redactieteam van CleverTech — tech-leads met ervaring in AI, procesautomatisering en IT-consulting.