Voor Rotterdamse organisaties die meerdere AI-bouwstenen tegelijk nodig hebben — documentverwerking, forecasting, vision en decision-support — in plaats van losse puntoplossingen
AI Solutions is bij CleverTech de koepel-dienst waaronder we brede, cross-functionele AI-programma's leveren aan Rotterdamse organisaties. Waar AI Agents draait om autonome workflow-automatisering, AI Chatbots om B2B-conversatie en AI Software om custom engineering, combineert een Solutions-traject typisch drie tot zes AI-bouwstenen tot één samenhangend portfolio: document-AI plus forecasting plus dashboarding plus een chatbot-laag, of computer-vision plus predictive maintenance plus een compliance-assistent. Deze portfolio-aanpak past bij de schaal en complexiteit van Rotterdamse organisaties: de Port of Rotterdam Authority zet AI zelf in op vaarweg-planning, weermodel-integratie en hinterland-routering via Routescanner; Erasmus MC heeft een eigen AI Innovation Lab opgezet om klinische AI van onderzoek naar bedside te brengen; en Deltalinqs coördineert voor 700+ leden in Botlek-Europoort de digitale agenda richting energietransitie. Dat betekent dat Rotterdamse opdrachtgevers zelden vragen om "een chatbot" — ze vragen om een multi-jarige AI-roadmap met een gefaseerde portfolio.
Die portfolio-aanpak onderscheidt zich op drie punten. Ten eerste: één architectuur-fundament voor alle bouwstenen (EU-hosting, identity, logging, evaluatie-framework, human-in-the-loop). Ten tweede: één change-programma dat mensen meeneemt over use-cases heen in plaats van per silo opnieuw beginnen. Ten derde: één roadmap met compound-effect — de documentverwerking voedt de forecasting, de forecasting voedt de decision-support, de decision-support voedt de chatbot. Voor Rotterdamse haven-, zorg- en industrie-klanten is deze compounding het echte waarde-voorstel, niet de losse AI-feature.
Haven-documentverwerking als eerste bouwsteen. De Rotterdamse haven verwerkt ongeveer 436 miljoen ton goederen per jaar en 13,4 miljoen TEU containers (2024-cijfers Port of Rotterdam). Aan elke container hangen gemiddeld 30+ documenten: Bill of Lading, manifest, Entry Summary Declaration (ENS), commerciële factuur, paklijst, Certificate of Origin, phytosanitair certificaat, dangerous-goods-declaratie voor IMDG-klasse-lading, en sinds oktober 2021 het verplichte Container Vrijgave Bericht (CVB) dat invoeraangiftes koppelt aan daadwerkelijke aankomst van het schip. Voor een mid-market forwarder in Waalhaven of het Distripark Botlek betekent dat honderden documenten per dag die handmatig worden gecontroleerd, gecategoriseerd en tegen Portbase Port Community System data worden gematched. Een AI Solutions-programma start hier vrijwel altijd: OCR plus large-language-model-extractie haalt 40+ velden per document uit, een classifier bepaalt welk documenttype het is, een reconciliatie-engine vergelijkt met Portbase-manifest en Terminal Operating System, en afwijkingen (gewicht mismatch, niet-matchende B/L-referentie, ontbrekend certificaat) worden als exception queue aangeboden aan de operator. Verwerkingstijd per document daalt van 8-15 minuten handmatig naar 30-90 seconden geautomatiseerd, met een straight-through-rate van typisch 60-80% na drie maanden tuning — de rest gaat naar human review. Portbase zelf ondersteunt deze koppelingen met een centraal ontsloten developer-portaal waarop alle EDI- en API-specificaties verzameld zijn.
Forecasting en planning als tweede bouwsteen. Zodra de documentstroom gestructureerde data oplevert, wordt forecasting haalbaar. Voor een terminal-operator voorspellen we berth-bezetting en yard-occupancy op basis van scheepsaankomsten, pilot-ETAs uit Pronto (Port of Rotterdam's applicatie die volgens eigen opgave wachttijden met gemiddeld 20% verkort) en historische lossnelheden per rederij. Voor een forwarder voorspellen we inkomende volumes per origin-port en daarmee de benodigde capaciteit aan douane-declaranten. Voor een groothandel op de Maasvlakte of in het Distripark Eemhaven voorspellen we inkoopbehoefte op basis van historische vraag, seizoenspatronen, vracht-tarieven-trends en consumentendata. De technische kern is een combinatie van klassieke time-series-modellen (ARIMA, Prophet, LightGBM) en waar data voldoende is transformers voor multivariate forecasting, gedraaid in een MLOps-pijplijn op Azure Machine Learning of AWS SageMaker in EU-regio's (Frankfurt of Ierland voor AWS, West Europe Amsterdam voor Azure). Model-drift monitoring is vanaf dag één onderdeel van het ontwerp — vracht-volumes en demand-patronen schuiven door macro-economische schokken (COVID-container-piek 2021, Rode Zee-omleidingen 2024) sneller dan klassieke static-retraining aankan.
Erasmus MC-ecosysteem en klinische AI als derde domein. Rotterdam heeft met Erasmus MC een van de grootste academische ziekenhuizen van Europa en een actief AI-onderzoeksklimaat. Het Erasmus MC AI Innovation Lab richt zich expliciet op translationele klinische AI: van algoritme-ontwikkeling tot implementatie in de zorgpraktijk. Het Biomedical Imaging Group Rotterdam (BIGR) levert beeldanalyse-expertise voor radiologie en pathologie, en het Convergence-programma tussen Erasmus MC, Erasmus University Rotterdam en TU Delft brengt zorg-, data- en engineering-expertise bij elkaar voor Health & Technology-toepassingen. Voor zorg-klanten buiten Erasmus MC zelf — regionale ziekenhuizen zoals Maasstad Ziekenhuis en Ikazia, GGZ-instellingen, eerstelijnszorg, medisch-specialistische bedrijven (MSB's) — bouwen we AI-oplossingen die aansluiten op dit ecosysteem: ambient-scribing voor consulten (conform NVZA/NVZ/FMS-richtlijnen voor AI in de spreekkamer), klinische decision-support onder MDR/IVDR en het EU AI Act hoog-risico-regime voor medische AI, en data-governance onder AVG plus de WGBO voor zorgvuldige patiëntdata-verwerking. Datalocalisatie is hier geen nice-to-have maar harde eis: modellen trainen en inferen binnen een EU-hosted, versleutelde omgeving met expliciete privacy-impact-assessments conform Autoriteit Persoonsgegevens richtlijnen.
Petrochemie Botlek-Europoort en procesindustrie als vierde domein. Het petrochemisch cluster rond Botlek, Europoort en Maasvlakte is verantwoordelijk voor circa 13% van de Nederlandse CO2-uitstoot en huisvest BRZO/SEVESO-III-gereglementeerde sites met strenge eisen aan proces-veiligheid, emissie-rapportage en onderhoudsdocumentatie. Voor deze sector levert AI Solutions een typische combinatie van predictive maintenance op rotating equipment (pompen, compressoren, turbines) via vibratie- en procesdata uit Honeywell PHD of OSIsoft PI, computer-vision op CCTV-feeds voor Management of Change (MOC)-compliance en gedragsinspectie in ATEX-zones, anomaly-detection op emissie-sensor-data voor vroegtijdige detectie van lekken of afwijkingen in de stack, en large-language-model-assistentie voor het snel doorzoeken van MSDS-veiligheidsbladen, onderhoudshandleidingen, P&ID's en BRZO-vergunningsdocumentatie. Deltalinqs coördineert voor het havenindustriecluster richting de 2030- en 2050-doelen van de energietransitie, waarbij digitalisering een van de vijf expliciete transitie-sporen is. Deployment-eisen zijn hier maximaal: on-premise of in network-gesegmenteerde EU-cloud, expliciete audit-trails conform ISPS-code en voor CER-richtlijn kritische-infrastructuur-classificatie vanaf 2026.
Maritime cluster M4H Makers District en RDM als vijfde domein. Buiten de klassieke haven opereert in Rotterdam een groeiend innovatie-ecosysteem. Het Merwe-Vierhavens Makers District (M4H) is een 140-hectare gebied dat getransformeerd wordt tot innovatiedistrict rond maakindustrie, circulaire economie en urban manufacturing. RDM Rotterdam op het voormalige Rotterdamsche Droogdok Maatschappij-terrein in Heijplaat huisvest een mix van maritieme innovatie, onderwijs (Hogeschool Rotterdam, Albeda), scale-ups en R&D van gevestigde maritime-industrie (IHC, Huisman). Voor deze bedrijven bouwen we AI-oplossingen die afwijken van klassieke haven-logistiek: computer-vision voor kwaliteitscontrole op offshore-installatie-onderdelen, generative-design-ondersteuning voor scheepsbouw-engineering, en text-mining op classification-society-regelgeving (DNV, Lloyd's Register, Bureau Veritas) die vaak per schip honderden pagina's regelteksten behelst. Voor startups in M4H/RDM die zelf AI-producten bouwen leveren we de onderliggende infrastructuur (MLOps-platform, evaluatie-framework, EU-hosted fine-tuning-omgeving) zodat het product-team zich op de domein-laag kan concentreren.
Architectuur-fundament: één platform, meerdere bouwstenen. Een Solutions-programma begint niet met een use-case maar met een fundament: identity en access control (Azure AD/Entra of Okta tegen klant-SSO), een gecentraliseerd AI-platform (Azure OpenAI Service met private endpoints of zelf-gehoste open-source-modellen op Llama 3.x / Mistral voor data-gevoelige workloads), een vector-store voor retrieval (Azure AI Search, Pinecone EU of pgvector op zelfgehoste Postgres), een logging- en observability-laag (Langfuse of LangSmith EU-hosted) en een evaluatie-framework met golden-set-regressie per release. Alle bouwstenen draaien binnen dit fundament, wat drift-monitoring, kostenbeheer en security-audits consistent maakt over het hele portfolio. Voor zorg- en petrochemie-klanten voegen we data-loss-prevention en netwerk-segmentatie toe conform respectievelijk NEN 7510 en IEC 62443 voor industrial-control-systems.
Regulering en compliance als integraal ontwerp-principe. De EU AI Act is gefaseerd in werking getreden, met hoog-risico-verplichtingen (artikel 6) die verder aanscherpen. Voor Rotterdamse opdrachtgevers betekent dat elk AI-systeem vooraf geclassificeerd wordt (minimaal risico, beperkt risico, hoog risico, verboden) en dat hoog-risico-systemen — medische AI, HR-screening, kritische-infrastructuur-besluitvorming — vallen onder risico-management, datagovernance, technische documentatie, transparantie-verplichtingen en human-oversight. Wij bouwen deze compliance-eisen in als architectuur-principes (niet als losse audit-stap achteraf): model-cards per deployment, evaluatie-logs met bewaartermijnen, bias-tests op demografische pariteit waar relevant, en expliciete fall-back-procedures voor wanneer het AI-systeem faalt of een lage confidence-score teruggeeft. Voor medische AI werken we parallel onder MDR/IVDR-route wanneer de oplossing als medisch hulpmiddel kwalificeert; voor petrochemie werken we onder BRZO-verplichtingen voor veiligheidsrapporten.
Indicatieve scope en investering. Een Solutions-programma voor een Rotterdams mid-market bedrijf (50-250 fte) met drie bouwstenen (documentverwerking + forecasting + decision-support-chatbot) ligt typisch op 12-18 maanden roadmap met een initiële pilot-fase van 3-4 maanden (ontdekking + MVP op één bouwsteen) gevolgd door uitrol en uitbreiding. Implementatie-investering voor de pilot-fase 30.000-80.000 euro eenmalig, daarna platform-fee 4.000-12.000 euro per maand inclusief hosting, MLOps, evaluatie en doorontwikkeling. Voor enterprise-scope (250+ fte, 5+ bouwstenen, on-premise-vereiste) ligt dat hoger: 150.000-400.000 euro initiële implementatie en 15.000-40.000 euro per maand platform-fee. Terugverdientijd is typisch 9-18 maanden afhankelijk van de gekozen bouwstenen; documentverwerking heeft de snelste payback (directe FTE-equivalent-besparing op handmatige doorlooptijd), forecasting en decision-support de langere maar grotere impact (kapitaalbeslag, missed-revenue-reductie, betere strategische beslissingen).
Uitvoering: 14 weken van nul naar productie voor bouwsteen 1. Week 1-2: discovery-workshops met sleutelfunctionarissen (operations, IT, compliance, data), data-inventarisatie en use-case-shortlist. Week 3-4: architectuur-ontwerp van het fundament (identity, hosting, logging) plus scope-definitie van bouwsteen 1. Week 5-8: MVP-bouw met echte data in een staging-omgeving, inclusief human-in-the-loop interface. Week 9-10: evaluatie-run tegen golden-set, bias-tests, compliance-review, performance-tuning. Week 11-12: pilot-deployment bij een beperkte gebruikersgroep (5-15 eindgebruikers), feedbackloops per week. Week 13-14: go/no-go-beslissing voor productie-uitrol, documentatie, handover aan operations. Vanaf week 15 parallel: bouwsteen 2 start in een nieuwe cyclus, terwijl bouwsteen 1 in hypercare blijft. Door de gedeelde architectuur kost bouwsteen 2 typisch 30-40% minder tijd dan bouwsteen 1.
Waarom portfolio en niet puntoplossing. Een losse chatbot levert waarde. Een losse forecasting-tool levert waarde. Maar de optelsom van drie losse puntoplossingen met drie verschillende platforms, drie identity-configuraties, drie logging-stacks en drie change-programma's kost significant meer dan één geïntegreerd portfolio — en schaalt slechter wanneer bouwsteen 4 en 5 erbij komen. Voor Rotterdamse organisaties die serieus AI-capaciteit willen opbouwen in plaats van één feature te lanceren, is de portfolio-aanpak economisch en operationeel superieur. Dat is de propositie van AI Solutions: fundament eerst, bouwstenen opgestapeld, compound-effect over jaren.
Data-strategie als voorwaarde voor schaal. Een AI Solutions-portfolio staat of valt met data-beschikbaarheid en data-kwaliteit. Voor haven-klanten betekent dat een EDI-landschap waarin UN/EDIFACT-berichten (IFTMIN, COARRI, CODECO, CUSCAR) gestructureerd worden opgeslagen, een event-stream waarop Port Community System-updates real-time binnenkomen, en een master-data-laag waarin containers, schepen, verladers en locaties consistent geïdentificeerd zijn. Voor zorg-klanten een EPD-integratie (HiX, Epic, ChipSoft) waarbij FHIR-resources als standaard-interface fungeren, plus een pseudonimisatie-laag voor trainingsdata conform FAIR-principes. Voor petrochemie een historiserings-laag op PHD/PI waarbij sensor-data consistent wordt gelabeld per asset-tag en per operationele toestand. Waar deze data-fundamenten ontbreken, start het Solutions-programma met een data-engineering-fase van 4-8 weken voordat de eerste AI-bouwsteen rationeel gebouwd kan worden — proberen AI bovenop een rommelig data-landschap te leggen is een klassieke faal-modus die we bewust vermijden.
Governance, ownership en interne capability-opbouw. Een Solutions-programma eindigt niet bij go-live; het eindigt bij interne capability. Wij werken standaard met een gedeeld operating model: CleverTech levert architectuur, MLOps en evaluatie-raamwerk; de klant-organisatie levert product-owner, domein-experts en (na zes tot twaalf maanden) een interne ML-engineer of data-scientist die het platform overneemt. Kennisoverdracht is ingebouwd via weekly working-sessions, gezamenlijke architecture-decision-records, en expliciete handover-milestones. Doel is dat de klant na 18-24 maanden het platform zelfstandig draait en CleverTech overgaat van build-rol naar strategisch-adviseur. Deze aanpak voorkomt vendor lock-in en bouwt duurzame AI-capaciteit in de Rotterdamse organisatie zelf — wat past bij de Rotterdamse mentaliteit en bij de lange-termijn transities (energie, digitalisering, zorg) die het havenindustriecluster en het zorg-ecosysteem zelf aansturen.
Zie voor specifieke bouwstenen onder dit portfolio AI Agents Rotterdam voor autonome workflow-automatisering, AI Chatbots Rotterdam voor B2B-conversatie en AI Software Rotterdam voor custom engineering. Parent-pagina voor regio-context is /regio/rotterdam; hoofddienst-specificatie /diensten/ai-solutions.
Opgesteld met AI-tools en gecontroleerd door het redactieteam van CleverTech — tech-leads met ervaring in AI, procesautomatisering en IT-consulting.
Rotterdamse bedrijven gebruiken AI Implementatie voor predictive analytics in logistiek en energietransitie, automatische documentverwerking voor eFTI-compliance, en intelligente klantenservice. Van AI agents voor vrachtbriefverwerking tot chatbots die 24/7 internationale klanten helpen.
Eén architectuur-fundament (identity, hosting, logging, evaluatie) waarop drie tot zes AI-bouwstenen draaien — documentverwerking, forecasting, computer-vision, decision-support, chatbot-laag. Compound-effect: bouwsteen 2 kost 30-40% minder dan bouwsteen 1 door gedeelde infrastructuur.
Koppeling met Portbase Port Community System, Terminal Operating Systems (Navis N4, TBA CTMS), TMS-pakketten (CargoWise, Descartes) en CVB-service van Douane Nederland. Document-AI behaalt 60-80% straight-through-rate op B/L, manifests, ENS en certificaten na drie maanden tuning.
Voor regionale zorg-opdrachtgevers (Maasstad, Ikazia, GGZ, MSB's) bouwen wij AI-oplossingen conform EU AI Act hoog-risico-regime, MDR/IVDR, NEN 7510 en AP-richtlijnen. Ambient-scribing en klinische decision-support met human-in-the-loop, EU-hosted en versleuteld — geen patiëntdata buiten het zorgdomein.
On-premise of network-gesegmenteerde EU-cloud voor predictive maintenance, emissie-anomaly-detection, MOC-vision en MSDS-assistentie. Audit-trails conform ISPS-code en IEC 62443 voor industrial-control-systems, met directe aansluiting op Honeywell PHD en OSIsoft PI voor procesdata. Integratie in Deltalinqs-transitieagenda.
Antwoorden voor bedrijven in Rotterdam
AI Solutions is onze koepel-dienst voor meerjarige, cross-functionele AI-programma's waarin we drie tot zes bouwstenen combineren op één architectuur-fundament. AI Agents draait om autonome workflow-automatisering (één of enkele end-to-end processen), AI Chatbots om B2B-conversatie met meertaligheid en integraties, AI Software om custom engineering (ML-modellen, pipelines, eigen platforms). Bij een Solutions-traject zet je niet één AI-feature live maar bouw je systematisch AI-capaciteit op over meerdere use-cases en jaren heen — met compounding voordelen: documentverwerking voedt forecasting, forecasting voedt decision-support, decision-support voedt de chatbot-laag.
Elke container in de Rotterdamse haven genereert 30+ documenten: Bill of Lading, manifest, Entry Summary Declaration, commerciële factuur, paklijst, Certificate of Origin, phytosanitair certificaat, IMDG-dangerous-goods-declaratie en Container Vrijgave Bericht. Onze document-AI combineert OCR met large-language-model-extractie om 40+ velden per document uit te halen, classificeert het documenttype, en reconcilieert tegen Portbase-manifest en Terminal Operating System. Afwijkingen (gewicht-mismatch, niet-matchende B/L-referentie, ontbrekend certificaat) komen in een exception queue voor human review. Verwerkingstijd daalt van 8-15 minuten handmatig naar 30-90 seconden geautomatiseerd, straight-through-rate 60-80% na drie maanden tuning.
Ja, voor regionale zorg-opdrachtgevers buiten Erasmus MC zelf — denk aan Maasstad Ziekenhuis, Ikazia, GGZ-instellingen, eerstelijnszorg en medisch-specialistische bedrijven — bouwen wij AI-oplossingen conform EU AI Act hoog-risico-regime, MDR/IVDR waar de oplossing als medisch hulpmiddel kwalificeert, NEN 7510 voor informatiebeveiliging en AVG/WGBO voor patiëntdata. Typische bouwstenen: ambient-scribing voor consulten conform NVZA/NVZ/FMS-richtlijnen, klinische decision-support met human-in-the-loop, data-governance voor multidisciplinair overleg. Datalocalisatie is harde eis: EU-hosted, versleuteld, expliciete privacy-impact-assessments conform Autoriteit Persoonsgegevens-richtlijnen. We sluiten aan op het bredere Erasmus MC AI Innovation Lab, BIGR en Convergence-ecosysteem zonder zelf aanspraak te maken op klinische-onderzoekstatus.
Petrochemie-klanten op SEVESO-III/BRZO-sites krijgen on-premise of network-gesegmenteerde EU-cloud-deployment met expliciete audit-trails. Typische bouwstenen: predictive maintenance op rotating equipment via vibratie- en procesdata uit Honeywell PHD of OSIsoft PI, computer-vision op CCTV-feeds voor Management of Change-compliance en gedragsinspectie in ATEX-zones, anomaly-detection op emissie-sensor-data voor vroegtijdige lekdetectie, en large-language-model-assistentie voor MSDS, onderhoudshandleidingen, P&ID's en BRZO-documentatie. Beveiliging conform IEC 62443 voor industrial-control-systems en ISPS-code voor port-facility-security. Directe aansluiting op de digitaliserings- en energietransitie-agenda die Deltalinqs coördineert voor het havenindustriecluster.
Voor een Rotterdams mid-market bedrijf (50-250 fte) met drie bouwstenen (documentverwerking + forecasting + decision-support-chatbot) ligt de roadmap typisch op 12-18 maanden, met een pilot-fase van 3-4 maanden gevolgd door uitrol en uitbreiding. Pilot-investering 30.000-80.000 euro eenmalig, daarna platform-fee 4.000-12.000 euro per maand inclusief hosting, MLOps, evaluatie en doorontwikkeling. Voor enterprise-scope (250+ fte, 5+ bouwstenen, on-premise-vereiste) 150.000-400.000 euro initieel en 15.000-40.000 euro per maand. Terugverdientijd 9-18 maanden — documentverwerking heeft snelste payback (directe doorlooptijd-besparing), forecasting en decision-support grotere impact op kapitaalbeslag en strategische beslissingen.
De EU AI Act is gefaseerd in werking getreden en scherpt verder aan voor hoog-risico-systemen (artikel 6). Wij classificeren elk AI-systeem vooraf (minimaal, beperkt, hoog risico, verboden) en bouwen compliance-eisen in als architectuur-principes in plaats van als losse audit-stap. Dat betekent: model-cards per deployment, evaluatie-logs met bewaartermijnen, bias-tests op demografische pariteit waar relevant, expliciete fall-back-procedures bij lage confidence-scores, en human-oversight-interfaces voor hoog-risico-classificaties. Voor medische AI werken we parallel onder MDR/IVDR-route wanneer de oplossing als medisch hulpmiddel kwalificeert. Voor petrochemie onder BRZO-verplichtingen voor veiligheidsrapporten. Voor kritische infrastructuur vanaf 2026 onder CER-richtlijn. Dit is geen checklist-exercitie maar een architectuur-keuze: identity, logging, evaluatie en governance zitten in het fundament, niet ernaast.
Vraag niet beantwoord?
Neem contact met ons op - ga naar de contactpaginaGeen verplichtingen. Een kort gesprek of AI-scan is vaak het snelste begin.
