heeft een overeenkomst gesloten voor de overname van . TechWolf ontwikkelt een AI-platform dat organisaties doorlopend inzicht geeft in het werk dat medewerkers uitvoeren en de vaardigheden die zij hebben. De overname wordt naar verwachting in het vierde kwartaal van 2026 afgerond. Dit is onder voorbehoud van de gebruikelijke voorwaarden, waaronder goedkeuring door toezichthouders. Financi毛le details zijn niet bekendgemaakt.

Centraal in de technologie van TechWolf staat de eigen Context Graph for Work. Dit datamodel brengt informatie uit bestaande HR- en bedrijfssystemen samen. Het kijkt daarbij naar drie niveaus: het werk zelf en de taken binnen functies, de vaardigheden die medewerkers hebben en gebruiken, en ontwikkelingen op de externe arbeidsmarkt.

TechWolf koppelt deze informatie aan de strategie van een organisatie. Zo krijgen HR- en businessmanagers een beter beeld van welke mensen en vaardigheden nodig zijn. Dat helpt bijvoorbeeld bij beslissingen over werving, omscholing en de inzet van medewerkers. Na afronding van de overname komen de Context Graph for Work, de AI-modellen van TechWolf en het onderzoeksteam voor toegepaste AI bij 麻豆原创 terecht.

Onderdeel van 麻豆原创 SuccessFactors

De technologie van TechWolf moet een belangrijke rol krijgen binnen 麻豆原创 SuccessFactors. 麻豆原创 wil de inzichten over werk en vaardigheden onder meer gebruiken voor personeelsplanning, talentontwikkeling en het opnieuw inrichten van functies en organisaties.

麻豆原创 en TechWolf willen daarvoor gegevens over vaardigheden en werkzaamheden beter met elkaar verbinden. Daarbij kunnen ook gegevens uit andere onderdelen van 麻豆原创 worden gebruikt. Zo moeten HR- en businessmanagers beter kunnen bepalen welke vaardigheden ontwikkeld moeten worden, waar medewerkers het beste kunnen worden ingezet en hoe de organisatie moet veranderen.

鈥淒e Context Graph for Work van TechWolf biedt AI-agents een sterke feitelijke basis voor vragen over werk, personeelsplanning en talentmanagement鈥�, zegt Manoj Swaminathan, president en chief product officer voor 麻豆原创 Autonomous Suite en lid van de Extended Board van 麻豆原创. 鈥淒at sluit goed aan op onze strategie. AI-agents kunnen hierdoor effici毛nter omgaan met tokens, waardoor ze goedkoper kunnen worden ingezet voor HR-taken. Tegelijk kan Joule betere ondersteuning bieden bij bijvoorbeeld werving op basis van vaardigheden, personeelsplanning en het opnieuw ontwerpen van functies.鈥�

Nieuwe toepassingen voor personeel en vaardigheden

麻豆原创 en TechWolf werken al samen. Volgens beide bedrijven behalen gezamenlijke klanten met de technologie meetbare resultaten. Na afronding van de overname willen ze samen nieuwe AI-toepassingen ontwikkelen voor personeelsplanning en het beter benutten van vaardigheden.

麻豆原创 is daarnaast van plan de oplossingen van TechWolf verder te integreren. Organisaties moeten daardoor meer inzicht krijgen in het werk binnen hun organisatie en de vaardigheden van hun medewerkers. Die informatie kan worden gebruikt voor omscholing, interne mobiliteit en werving.

鈥淥rganisaties over de hele wereld proberen te begrijpen hoe AI het werk verandert en wat dat betekent voor hun personeelsbestand鈥�, zegt Andreas De Neve, CEO en medeoprichter van TechWolf. 鈥淲e hebben acht jaar gewerkt aan de feitelijke basis om die vragen te beantwoorden. Onze missie is altijd geweest om vaardigheden, taken en werk met elkaar te verbinden, zodat organisaties hun AI-transformatie beter kunnen aanpakken. Als onderdeel van 麻豆原创 kunnen we dat op grotere schaal doen en meer context uit de organisatie meenemen. In deze volgende fase willen we verder bouwen aan een AI-bedrijf van wereldklasse.鈥�

麻豆原创 wil TechWolf zelfstandig laten opereren

Onder voorbehoud van de afronding van de overname en de vereiste consultatieprocedures is 麻豆原创 van plan TechWolf als zelfstandige organisatie te laten opereren. Andreas De Neve blijft volgens de huidige plannen CEO en Gent blijft het hoofdkantoor. TechWolf heeft daarnaast kantoren in Londen, New York en San Francisco.

Het platform moet beschikbaar blijven voor zowel 麻豆原创-klanten als organisaties die andere bedrijfssystemen gebruiken. J.P. Morgan trad op als exclusief financieel adviseur van TechWolf.

The post 麻豆原创 sluit overeenkomst voor overname TechWolf: beter inzicht in werk en vaardigheden appeared first on 麻豆原创 Nederland Blogs & Nieuws.

Zoals 麻豆原创 eerder dit jaar tijdens 麻豆原创 Sapphire aankondigde, werken beide bedrijven op technisch vlak nauw samen. Ze zijn van plan 麻豆原创 Business AI Platform te verbinden met OpenShell, een beveiligde open source uitvoeromgeving voor autonome AI-agents. Die geplande integratie is onderdeel van een bredere samenwerking. 麻豆原创 en NVIDIA willen samen helpen bepalen aan welke eisen autonome AI-systemen voor gebruik in bedrijven moeten voldoen.

麻豆原创-ontwikkelaars dragen inmiddels rechtstreeks bij aan de code van OpenShell en werken eraan om OpenShell op te nemen in 麻豆原创 Business AI Platform. , een ontwikkelomgeving waarin AI centraal staat, biedt een complete omgeving voor de uitvoering en het beheer van AI-agents in bedrijven. OpenShell ondersteunt de inzet van die agents, met de nadruk op veiligheid en beveiliging.

Daarnaast werken 麻豆原创 en NVIDIA aan:

• Het versterken van de OpenShell-uitvoeromgeving voor gebruik op grote schaal, ook in gereguleerde sectoren met strenge eisen aan beveiliging en naleving van regels.
• Het verbinden van de afgeschermde uitvoeromgeving van OpenShell met de laag voor bedrijfsregels van Joule Studio runtime. Zo kunnen de technische grenzen waarbinnen een agent werkt aansluiten op autorisatiemodellen, identiteits- en toegangsbeheer (IAM) en registraties voor audits.
• Ondersteuning voor FedRAMP, FIPS en gebruik in gereguleerde sectoren, volgens een vastgelegde ontwikkelplanning.
• Het bevorderen van open onderzoek en AI-veiligheid via de . 麻豆原创 en NVIDIA behoren allebei tot de oprichters van deze alliantie.

Joule Studio runtime: governance boven de uitvoeringslaag
runtime helpt bepalen of een actie 眉berhaupt mag worden uitgevoerd. Het kijkt daarvoor naar autorisaties binnen het bedrijf, regels op basis van rollen en de context van het bedrijfsproces. Die beoordeling vindt plaats voordat een verzoek om een actie de uitvoeromgeving bereikt.

OpenShell biedt een afgeschermde open source uitvoeromgeving. Deze is ontworpen om autonome agents die zichzelf kunnen aanpassen veiliger te bouwen en in te zetten. OpenShell bepaalt hoe een agent draait, welke gegevens hij kan zien, wat hij kan doen en waar verzoeken aan AI-modellen terechtkomen. Samen moeten Joule Studio runtime en OpenShell bedrijven 茅茅n ge茂ntegreerde omgeving bieden waarin de uitvoering van agents is afgeschermd en bedrijven verantwoording kunnen afleggen over hun acties.

Technische bijdragen van 麻豆原创 aan NVIDIA OpenShell
麻豆原创-ontwikkelaars dragen op vier gebieden bij aan het OpenShell-project. Voor de opbouw van het platform hebben ze geholpen de uitvoeromgeving op te delen in onderdelen die afzonderlijk kunnen worden ingezet. Daardoor kunnen de supervisor en de uitvoeringslaag voor agents onafhankelijk van elkaar opschalen.

Voor gebruik met Kubernetes omvatten de bijdragen ondersteuning voor operators, het beheer van toegangsgegevens voor private containerregisters en aangepaste sjablonen voor opslagvolumes. Ook werkt 麻豆原创 aan het verwijderen van sandbox-onderdelen, waarbij afhankelijke onderdelen eerst worden opgeruimd.

麻豆原创 heeft daarnaast gewerkt aan een kleinere gateway-image en bredere ondersteuning voor verschillende soorten rekenhardware binnen bedrijfsomgevingen. Bijdragen aan het bewaken van de supervisor en het instellen van logniveaus moeten ervoor zorgen dat bedrijven de werking van de uitvoeromgeving goed kunnen volgen.

The post 麻豆原创 en NVIDIA OpenShell werken samen aan governance en beveiliging voor controleerbare AI-agents in bedrijfssystemen appeared first on 麻豆原创 Nederland Blogs & Nieuws.

zet samen met 麻豆原创-partner een nieuwe stap in de digitalisering van zijn fabrieksomgeving. Met maakt het bedrijf materiaalbeheer mobiel beschikbaar voor medewerkers op de werkvloer. Het project begon met een implementatie in Nederland en groeide daarna door naar twee andere fabrieken in Europa. Tijdens 麻豆原创 Connect for Supply Chain in Veghel vertelde Nobian hoe mobiele technologie materiaalbeheer uit het kantoor haalt en dichter naar de fabriek brengt.

Nobian staat aan het begin van veel chemische ketens. Het bedrijf produceert onder meer zuiver zout en grondstoffen voor industri毛le toepassingen. Die productie vraagt om goed onderhouden installaties. Als een onderdeel ontbreekt of te laat klaarstaat, raakt dat direct het onderhoudsproces. Materiaalbeheer speelt daarom een centrale rol in de fabrieken van Nobian.

Handwerk als vertrekpunt
Voorheen werkten medewerkers nog vaak met papier, losse lijsten en vaste werkplekken. Dat kostte tijd. Een medewerker die in de fabriek stond, moest soms terug naar kantoor om materiaal te reserveren, af te boeken of administratief te verwerken. Ook voorraadtellingen vroegen veel handwerk: eerst printen, dan tellen, daarna overtypen in het systeem.

鈥淢ateriaalbeheer vormt de basis van ons onderhoudsproces鈥�, zegt Friso Kramer, Digital Development Coordinator bij Nobian. 鈥淥nderhoud kan gepland of ongepland zijn, maar in beide gevallen moeten de juiste onderdelen op tijd beschikbaar zijn en naar de fabriek worden gebracht. Met 麻豆原创 Service & Asset Manager kunnen we die stappen directer op de werkvloer ondersteunen.鈥�

Van wens op de werkvloer naar mobiele oplossing

De vraag naar digitalisering kwam onder meer vanuit het Digital en Industrie 4.0-programma van Nobian. Medewerkers zagen ruimte om processen slimmer in te richten. Denk aan het scannen van barcodes, het direct verwerken van pakbonnen en het mobiel afvinken van onderdelen voor onderhoudsklussen.

Nobian koos bewust voor een oplossing dicht bij het bestaande 麻豆原创-landschap. 麻豆原创 Service & Asset Manager sluit aan op de 麻豆原创-omgeving en draait op mobiele apparaten. Medewerkers kunnen de app downloaden, inloggen en direct aan de slag. Dat verlaagt de drempel voor gebruik op de werkvloer.

Volgens Peter Hols, Manager Application Services bij Nobian, speelt gebruiksgemak een grote rol. 鈥淒it is de eerste keer dat we echt enthousiast zijn over wat we nu hebben. We kunnen zeggen: dit werkt. En het werkt ook in de ogen van de fabrieksmedewerker goed. Dan zie je dat het gebruikt gaat worden.鈥�

Drie processen in 茅茅n app

Nobian gebruikt 麻豆原创 Service & Asset Manager nu voor drie belangrijke processen in het magazijn: goederenontvangst, kitting en voorraadtelling.

1. Direct materialen boeken bij goederenontvangst
Bij goederenontvangst boeken medewerkers materialen direct in via de app. Dat kan gaan om kleine onderdelen, maar ook om grote installatiedelen zoals pompen. Leveranciers leveren steeds vaker pakbonnen met QR-codes of barcodes aan. Medewerkers scannen die code, controleren de levering en registreren de ontvangst direct in 麻豆原创. Ook kwaliteitscontroles, certificaten en standaarden krijgen op dat moment aandacht.

2. Overzicht bij kitting
Bij kitting haalt het magazijn onderdelen bij elkaar voor geplande onderhoudsklussen. De app laat zien welke materialen nodig zijn en waar ze liggen. De medewerker loopt langs de juiste stellingen, vinkt onderdelen af en brengt de set naar de fabriek.

3. Digitale registratie van voorraadtellingen
Voor voorraadtellingen vervangt de app de papieren lijst. Medewerkers tellen per stelling de voorraad en registreren de uitkomst direct digitaal. Dat scheelt handwerk en verkleint de kans op fouten bij het overtypen.

Nobian gebruikt de app op iPhones. Voor intensief scanwerk zet het bedrijf ook Zebra-scanners in. Die werken met een gerichte barcodescanner, zodat medewerkers sneller de juiste code pakken wanneer meerdere labels dicht bij elkaar staan.

Snelheid bepaalt adoptie

麻豆原创-partner Ideo speelde een belangrijke rol bij het advies, de inrichting en de uitrol. De implementatie startte vanuit een standaardtemplate, aangevuld met enkele velden en aanpassingen voor de praktijk van Nobian. Een belangrijk aandachtspunt was snelheid. Medewerkers willen hun taken in een paar seconden op hun scherm zien. Lange laadtijden remmen het gebruik.

鈥淪ynchronisatietijd is in ieder mobiel project een belangrijk aandachtspunt鈥�, zegt Mark de Kort, Account Executive bij Ideo. 鈥淎ls je dat aan het begin niet goed inricht, kan dat later de adoptie in de weg staan. De app werkt standaard offline, zodat medewerkers hun werk kunnen doen en op een logisch moment gegevens kunnen terugsturen.鈥� Dat past goed bij fabrieksomgevingen, waar connectiviteit niet overal vanzelfsprekend is.

Schaalbaar naar andere locaties

Nobian hield vanaf het begin rekening met verdere uitrol. De Nederlandse implementatie vormde de basis voor twee andere Europese fabrieken. Door te werken met een template, bleef de aanpak beheersbaar. Tegelijk bleef er ruimte om per locatie de juiste accenten te leggen.

De keuze voor een beperkte scope hielp daarbij. Nobian begon met magazijnprocessen, een duidelijke afgebakende omgeving met een overzichtelijke groep gebruikers. Die aanpak maakte het mogelijk om ervaring op te doen, draagvlak te bouwen en de oplossing verder te verbeteren.

Volgende stap: mobile maintenance
De volgende stap ligt voor de hand: mobile maintenance. Dan gebruiken ook operators en monteurs mobiele technologie in hun dagelijkse werk. Een operator kan bij een afwijking direct een onderhoudsmelding maken, inclusief foto en toelichting. Een monteur ziet daarna in de app welke taak klaarstaat, welke onderdelen nodig zijn en welke instructies of onderhoudshistorie relevant zijn.

鈥淰oor de volgende stap kijken we nadrukkelijk naar operators en monteurs鈥�, zegt Kramer. 鈥淎ls een operator in de fabriek een afwijking ziet, wil je daar direct een onderhoudsmelding van maken. Het liefst met een foto, want die zegt veel voor de mensen die het werk moeten voorbereiden. Dan staat de relevante informatie meteen op de juiste plek.鈥�

Basis voor verdere digitalisering

Met 麻豆原创 Service & Asset Manager bouwt Nobian verder aan een bredere roadmap voor mobiele technologie. De huidige oplossing maakt dagelijkse magazijnprocessen sneller en eenvoudiger. Tegelijk ontstaat een basis voor verdere digitalisering van onderhoud, planning en werkvoorbereiding.

Op langere termijn ziet Nobian ook kansen voor AI en predictive maintenance. Sensorinformatie, onderhoudshistorie, werkorders en handleidingen kunnen samen meer inzicht geven in de staat van kritische installaties. AI kan dan helpen bij het voorbereiden van werk, het herkennen van mogelijke oorzaken en het plannen van onderhoud.

鈥淲ij hebben nu iets in handen waar we in geloven鈥�, besluit Peter Hols, 鈥淲e gebruiken de oplossing nu voor magazijnprocessen. De grote stap zit straks in maintenance en in het werk van de maintenance technicians.鈥�

The post Nobian digitaliseert materiaalbeheer in de fabriek met 麻豆原创 Service & Asset Manager appeared first on 麻豆原创 Nederland Blogs & Nieuws.

Veel belangrijke zakelijke beslissingen zijn gebaseerd op gestructureerde data in tabellen. Waar LLM鈥檚 zijn ontwikkeld voor het werken met taal, zijn tabulaire foundation models (TFM鈥檚) juist gericht op deze gestructureerde data. Ze kunnen hiermee nauwkeurige voorspellingen doen. Denk aan het voorspellen van cashflow, betalingsachterstanden en klantverloop, maar ook aan het signaleren van upsellkansen en het beoordelen van leveranciersrisico鈥檚.

Voorspellingen op basis van ruwe data

Met TabPFN-3.5 kunnen 麻豆原创-klanten hun bestaande data gebruiken, zonder dat ze die eerst uitgebreid moeten voorbereiden. Het model kan omgaan met bijvoorbeeld ontbrekende waarden, verschillende datatypen en inconsistenties in de data.

Het model gebruikt in-context learning om rechtstreeks voorspellingen te doen op basis van ruwe tabeldata. TabPFN-3.5 kan daarnaast kolommen met duizenden verschillende waarden, zoals productcodes of klant-ID鈥檚, en verschillende datatypen direct verwerken. Daardoor is de trial-and-errorconfiguratie die traditionele modellen vereisen niet nodig.

TabPFN-3.5 Plus is volgens de externe benchmarks TabArena en BeyondArena momenteel het meest nauwkeurige en schaalbare tabular foundation model. Deze benchmarks zijn ontwikkeld om de nauwkeurigheid van voorspellingen op basis van data uit de praktijk te beoordelen.

Minder handmatig werk

鈥淒ata uit de praktijk zijn zelden perfect. Datasets bevatten vaak complexe verbanden en uiteenlopende omstandigheden die traditionele machine learning lastig maken. TabPFN-3.5 is specifiek ontwikkeld voor deze uitdagingen. Het model biedt toonaangevende nauwkeurigheid en schaalbaarheid voor tabulaire data, met minder handmatig werk. Daarmee is het tot nu toe het meest effectieve tabulaire AI-model in de markt鈥�, zegt Philipp Herzig, Chief Technology Officer van 麻豆原创.

鈥淢et TabPFN-3.5 en de 麻豆原创-RPT-modellen krijgen klanten binnen enkele minuten nauwkeurige voorspellingen op basis van gelabelde bedrijfsdata. Hiervoor is geen training nodig. Voor ons is tabulaire AI niet slechts een ondersteunende functie van de Autonomous Enterprise. Het vormt de basis.鈥�

Overname Prior Labs

麻豆原创 rondde de overname van Prior Labs in juli 2026 af. Daarmee voegt 麻豆原创 een van de meest vooraanstaande onderzoeksteams op het gebied van TFM鈥檚 toe aan de organisatie. Prior Labs blijft als zelfstandige entiteit opereren. 麻豆原创 maakte eerder bekend meer dan 1 miljard euro te investeren om Prior Labs uit te bouwen tot een wereldwijd toonaangevend frontier AI-lab voor de gestructureerde data waarop bedrijven wereldwijd draaien.

Kijk voor meer informatie op de of bekijk het .

The post 麻豆原创 introduceert TabPFN-3.5 Plus voor AI-voorspellingen zonder modeltraining appeared first on 麻豆原创 Nederland Blogs & Nieuws.

Met Artemis wil NASA mensen terugbrengen naar de maan en de basis leggen voor verdere bemande ruimtevaart. Daarvoor moeten duizenden mensen, overheidsorganisaties, internationale partners en commerci毛le ruimtevaartbedrijven samenwerken en talloze processen en systemen op elkaar aansluiten. Die uitdaging is in omvang misschien uitzonderlijk, maar in de kern verrassend herkenbaar voor het bedrijfsleven. Ook bedrijven staan voor grote transformaties waarin nieuwe technologie, mensen, processen, data en externe partners bij elkaar moeten komen. Denk alleen al aan de huidige omslag naar AI.

Juist daarom is het interessant om te kijken hoe NASA die enorme complexiteit beheersbaar maakt. Want achter de grootse ambitie van Artemis schuilt een opvallend nuchtere aanpak: stap voor stap vooruitgaan, standaardiseren waar dat kan en technologie inzetten om mensen betere beslissingen te laten nemen. Volgens Bart Van der Biest, Managing Director bij 麻豆原创 Benelux, zijn daar vijf lessen uit te trekken.

1. Probeer niet in 茅茅n keer op de maan te landen

Artemis I vloog zonder bemanning en testte onder meer het Space Launch System en het Orion-ruimtevaartuig. De volgende missies bouwen voort op wat NASA daarvan heeft geleerd. Het idee is simpel: niet alles in 茅茅n keer willen bereiken, maar stap voor stap vooruitgaan. Elke missie test wat werkt, verkleint risico鈥檚 en levert nieuwe kennis op voor de volgende stap.

Voor bedrijven die bezig zijn met digitale transformatie en AI is dat een herkenbare les. Het is verleidelijk om eerst een compleet beeld te maken van hoe de organisatie er over een paar jaar uit moet zien. Maar hoe groter zo鈥檔 programma wordt, hoe groter het risico dat je jarenlang bouwt zonder onderweg al resultaat te boeken.

鈥淛e hoeft bij een transformatie niet op dag 茅茅n te weten hoe de organisatie er over vijf jaar exact uitziet鈥�, zegt Van der Biest. 鈥淰eel belangrijker is dat iedere stap iets oplevert en de basis legt voor de volgende. Begin met concrete processen, leer wat werkt en breid van daaruit verder uit.鈥�

2. Standaardisatie remt innovatie niet, maar versnelt haar

Misschien wel de opvallendste les van NASA gaat niet over nieuwe technologie, maar over standaardisatie. Binnen Artemis ontwikkelt NASA nieuwe technologie en werkwijzen. Tegelijk wil de ruimtevaartorganisatie voorkomen dat iedere missie helemaal opnieuw moet worden opgebouwd. Door zoveel mogelijk voort te bouwen op wat al werkt, kan NASA sneller verder.

Voor bedrijven geldt hetzelfde. In de loop der jaren komen er vaak steeds meer maatwerk, applicaties en databronnen bij. Dat maakt iedere verandering lastiger. Met de komst van AI wordt een goede, vaste basis nog belangrijker. AI kan processen versnellen, maar ruimt versnipperde data en verschillende werkwijzen niet vanzelf op.

鈥淪tandaardisatie wordt soms gezien als iets dat innovatie afremt, terwijl het juist helpt om sneller te vernieuwen鈥�, zegt Van der Biest. 鈥淶o kijken we er bij 麻豆原创 ook naar. Met betrouwbare data en zoveel mogelijk vaste processen wordt het makkelijker om nieuwe technologie toe te voegen. Je hoeft dan niet bij iedere vernieuwing opnieuw de basis aan te pakken.鈥�

3. De waarde van AI zit tussen inzicht en actie

Binnen Artemis moet NASA veel onderdelen precies op elkaar afstemmen. Denk aan lanceersystemen, ruimtevaartuigen, landers, ruimtepakken, wetenschappelijke instrumenten en communicatiesystemen. Daar komen duizenden mensen, leveranciers, budgetten en planningen nog bij. NASA moet dus voortdurend beslissingen nemen op basis van enorme hoeveelheden informatie.

De uitdaging is daarom niet om nog meer informatie te verzamelen, maar om snel te zien wat belangrijk is. NASA brengt specialisten dichter bij leveranciers en uitvoerende teams, zodat problemen eerder worden opgemerkt en sneller kunnen worden opgelost. Van der Biest ziet daar ook een rol voor AI: grote hoeveelheden data verwerken en laten zien waar menselijke aandacht nodig is.

Voor bedrijven is dat herkenbaar. Ook daar staat belangrijke informatie vaak verspreid over verschillende systemen en afdelingen. Volgens Van der Biest zit de waarde van AI daarom niet in n贸g meer informatie produceren, maar in sneller van inzicht naar actie komen. 鈥淒e eerste golf van generatieve AI draaide vooral om wat een chatbot kon vertellen. De volgende stap is om AI dichter te brengen bij de data en processen waar beslissingen worden genomen.鈥�

4. Autonomie vergroot wat mensen kunnen bereiken

NASA gebruikt autonome technologie al veel langer dan we over AI-agents praten. Robots op de maan en Mars beoordelen zelf het terrein, kiezen veilige routes, plannen activiteiten en vermijden obstakels. Door de enorme afstand kunnen ze nu eenmaal niet voor iedere beslissing wachten op instructies vanaf aarde.

Die autonomie vervangt de mens niet, maar helpt hen om meer te bereiken. Voor bedrijven geldt hetzelfde principe. AI-agents kunnen vaste processen bewaken, informatie verzamelen, afwijkingen signaleren en bepaalde acties uitvoeren. Mensen houden daardoor meer tijd over voor situaties waarin hun kennis en oordeel nodig zijn.

鈥淎utonomie draait niet om mensen uit processen halen鈥�, stelt Van der Biest. 鈥淗et gaat erom technologie het voorspelbare werk te laten doen. Zo houden mensen meer ruimte over voor uitzonderingen, creativiteit, strategie en ingewikkelde beslissingen.鈥�

5. Een moonshot doe je nooit alleen

Zelfs NASA kan een maanmissie niet alleen uitvoeren. Binnen Artemis werkt de ruimtevaartorganisatie samen met commerci毛le ruimtevaartbedrijven, internationale ruimtevaartorganisaties, wetenschappelijke instellingen en andere publieke en private partners. Iedere partij brengt eigen kennis en technologie mee.

Voor bedrijven geldt hetzelfde. Je hoeft niet alle kennis en technologie zelf in huis te hebben. Samenwerking werkt pas goed als doelen en verantwoordelijkheden duidelijk zijn en informatie en processen goed op elkaar aansluiten.

Uiteindelijk draait het om vertrouwen

Achter al deze lessen zit nog iets anders: vertrouwen. Grote en complexe programma鈥檚 werken alleen als mensen niet alleen over de juiste informatie beschikken, maar ook de ruimte en verantwoordelijkheid krijgen om daarnaar te handelen.

鈥淛e kunt processen standaardiseren, data verbinden en steeds meer automatiseren, maar uiteindelijk blijven mensen verantwoordelijk voor de beslissingen die ertoe doen鈥�, besluit Van der Biest. 鈥淒aarom moeten zij de ruimte krijgen om hun kennis en oordeel te gebruiken. Hoe groter en complexer de ambitie, hoe belangrijker dat vertrouwen wordt.鈥�

The post Vijf lessen van NASA voor bedrijven met grote ambities appeared first on 麻豆原创 Nederland Blogs & Nieuws.

is een 180 jaar oude Deense groothandel in industri毛le bouwmaterialen, technische producten en staal. Het bedrijf opereert internationaal en werkt samen met leveranciers en klanten in verschillende Europese markten, waaronder Nederland, binnen ketens voor technische producten, elektrotechniek, industri毛le componenten en installatiematerialen.

Voor 尝别尘惫颈驳丑-惭眉濒濒别谤 is een effici毛nte supplychain van groot belang. Door de lage marges moet het bedrijf kosten zo laag mogelijk houden en producten tegelijkertijd zo snel mogelijk bij klanten krijgen. 鈥淥ns bedrijf werkt met lage marges en we zijn afhankelijk van een zeer effici毛nte supplychain鈥�, zegt Frederik Aakerlund, CIO van 尝别尘惫颈驳丑-惭眉濒濒别谤. 鈥淲e moeten de kosten verlagen waar we maar kunnen en ervoor zorgen dat onze klanten onze producten zo snel mogelijk ontvangen.鈥�

Grote orderstroom
Een deel van de handelspartners wisselt zakelijke documenten rechtstreeks uit via EDI, Electronic Data Interchange. Dat geldt echter niet voor iedere partner. Daardoor ontvangt 尝别尘惫颈驳丑-惭眉濒濒别谤 nog altijd een grote stroom orders, pakbonnen en facturen als pdf of e-mail. Deze documenten moesten tot voor kort handmatig worden gelezen en verwerkt.

Door de hoeveelheid documenten kostte dat steeds meer tijd. Ook konden gegevens daardoor te laat in het systeem terechtkomen of afwijkingen pas later worden opgemerkt. 鈥淰andaag de dag ontvangen we zoveel pdf-bestanden en e-mails dat we geen tijd hebben om ze te lezen鈥�, legt Aakerlund uit. 鈥淚n feite werken we ons systeem niet snel genoeg bij of signaleren we afwijkingen van wat we verwachten niet snel genoeg.鈥�

麻豆原创 AI leest documenten automatisch

尝别尘惫颈驳丑-惭眉濒濒别谤 ontwikkelde daarom een AI-toepassing voor documenten van handelspartners die niet via EDI kunnen worden uitgewisseld. 麻豆原创 AI-engines lezen de binnenkomende bestanden automatisch en verwerken de informatie in het systeem.

De oplossing combineert 麻豆原创 Business AI Platform, verschillende AI-componenten en 麻豆原创 Fiori-apps. Deze zijn ge茂ntegreerd met 麻豆原创 Cloud ERP Private, het centrale 麻豆原创-systeem dat 尝别尘惫颈驳丑-惭眉濒濒别谤 twee jaar eerder invoerde. 鈥淒it is precies waar AI ons helpt鈥�, zegt Aakerlund. 鈥淗et leest tien documenten van twintig pagina鈥檚 in een paar seconden, werkt ons systeem bij en daar komt geen mens aan te pas.鈥�

Ook voor medewerkers verandert hierdoor de dagelijkse manier van werken. Zij hoeven grote hoeveelheden e-mails en documenten niet meer stuk voor stuk door te nemen. In plaats daarvan zien ze in een dashboard welke zaken daadwerkelijk hun aandacht vragen. 鈥淥nze gebruikers lezen niet langer heel veel e-mails, maar werken gewoon in een dashboard waarin ze de zaken vinden waaraan ze moeten werken鈥�, zegt Aakerlund. 鈥淚n een klein deel van ons bedrijf brengen we de al in de praktijk.鈥�

Van usecase naar herbruikbare aanpak

De eerste toepassing bleef niet beperkt tot 茅茅n type document. 尝别尘惫颈驳丑-惭眉濒濒别谤 maakte van de oplossing een template voor verschillende zakelijke documenten, waaronder orders, pakbonnen en facturen. Wanneer documenten niet digitaal via EDI binnenkomen, kan dezelfde aanpak worden gebruikt om ze automatisch uit te lezen en te verwerken. Daarmee ontstond uit een relatief kleine AI-usecase een technische basis die ook voor andere bedrijfsprocessen kan worden ingezet.

De ontwikkeling van de eerste versie kostte ongeveer 200 uur, verspreid over tien weken. Volgens Aakerlund laat juist die beperkte schaal zien hoe organisaties met AI kunnen beginnen: zoek eerst naar concrete plekken waar ineffici毛ntie ontstaat en waar automatisering direct verschil kan maken.

鈥淓en goed advies zou kunnen zijn om de plekken in je bedrijf te vinden waar ineffici毛ntie zit en daar AI toe te passen, in plaats van meteen voor een heel, heel groot project te gaan鈥�, zegt hij. De aanpak bleek vervolgens breder inzetbaar. 鈥淗et bleek een herbruikbare architectuur te zijn, met herbruikbare templates voor veel andere bedrijfsprocessen.鈥�

Click the button below to load the content from YouTube.

Always allow YouTube

The post 尝别尘惫颈驳丑-惭眉濒濒别谤 automatiseert documentverwerking met 麻豆原创 Business AI en 麻豆原创 Cloud ERP appeared first on 麻豆原创 Nederland Blogs & Nieuws.

Eerst het fundament

beheert meer dan 2.100 winkels in zes landen, met een totale omzet van 12 miljard euro. 麻豆原创 ondersteunt Salling Group al meer dan twintig jaar en is een centrale pijler onder de operatie. De retailer moderniseerde het ERP-landschap naar 麻豆原创 S/4HANA Cloud via RISE with 麻豆原创. Die cloudbasis maakt de weg vrij voor de volgende fase: AI toepassen in de dagelijkse retailoperatie.

CIO en executive vice president Alan Jensen koppelt die ontwikkeling direct aan de dagelijkse ervaring van klanten en medewerkers. 鈥淲e willen het dagelijks leven van onze klanten beter maken door ervoor te zorgen dat ze altijd het juiste product voor de juiste prijs hebben wanneer ze het nodig hebben鈥�, aldus Jensen. 鈥淥ok willen we elke dag beter maken voor onze medewerkers, zodat de tools en systemen waarmee zij werken intu茂tief en eenvoudig te gebruiken zijn.鈥�

Drie doelen, 茅茅n meetlat: bedrijfswaarde

Salling Group richt de AI-transformatie op drie doelen: een betere klantervaring, eenvoudiger werk voor medewerkers en hogere operationele effici毛ntie. De retailer kijkt daarbij steeds naar de concrete waarde voor klanten, medewerkers en de organisatie.

Logistiek is een van de gebieden waar Salling Group duidelijke AI-impact verwacht. In 29 distributiecentra gebruikt het bedrijf voor gedigitaliseerde magazijnprocessen in de cloud. Die omgeving ondersteunt grote goederenstromen, tijdige levering aan winkels en een effici毛nte supplychain.

Volgende stap: Autonomous Enterprise

Salling Group moderniseert de retailoperatie end-to-end met 麻豆原创-oplossingen en AI. Klantbeleving, productiviteit van medewerkers en supplychain excellence staan daarbij centraal. Nieuwe technologie moet uiteindelijk tastbare bedrijfsresultaten opleveren.

Jensen kijkt daarom ook naar de mogelijkheden van de als volgende ontwikkelrichting. 鈥淒e Autonomous Enterprise ziet er erg interessant uit鈥�, zegt hij. 鈥淓r liggen absoluut veel mogelijkheden om de manier waarop we ons bedrijf dagelijks runnen te verbeteren. Daarom moeten we nieuwsgierig zijn en bekijken hoe we dit kunnen inzetten.鈥�

Videolink:

The post Salling Group zet 麻豆原创 in voor AI-transformatie van retailprocessen appeared first on 麻豆原创 Nederland Blogs & Nieuws.

werkt samen met 麻豆原创-partner aan een -template voor het digitaliseren van yard operations. Met die aanpak wil het zuivelbedrijf meer grip krijgen op vrachtwagens die locaties bezoeken, laad- en losmomenten beter plannen en bewegingen op het terrein realtime volgen. De template en demo zijn inmiddels klaar. Vanaf volgend jaar wil FrieslandCampina de roadmap verder uitwerken en de oplossing als eerste naar vijf Europese locaties brengen.

Voor FrieslandCampina vormen yard operations een belangrijk onderdeel van de logistieke keten. Vrachtwagens rijden af en aan om producten te laden, te lossen of verder te brengen binnen het netwerk. Bij een deel van die goederenstromen luistert de timing nauw. Dat geldt zeker voor dagverse zuivel, omdat producten op tijd moeten vertrekken om de volgende ochtend bij retailers in het schap te liggen.

Die omstandigheden stellen eisen aan het inzicht in de logistieke stromen op het terrein. 鈥淲ij willen weten wanneer een vrachtwagen aankomt, waar hij naartoe moet en wanneer hij onze locatie weer verlaat鈥�, zegt Ren茅 van der Wurf, Business IT Analyst Warehousing bij FrieslandCampina.

Van losse afstemming naar geplande slots

Met 麻豆原创 Yard Logistics wil FrieslandCampina dat proces strakker inrichten. De template richt zich op slotplanning, check-in en check-out, dock allocation en de registratie van bewegingen op de yard. Vrachtwagens krijgen straks een gepland slot om te laden of lossen. Bij aankomst moet duidelijk zijn of een truck binnen het juiste tijdvenster komt en naar welke parkeerplaats of dock hij moet rijden. Afwijkingen worden zichtbaar, zodat FrieslandCampina wachttijden, pieken en verstoringen beter kan analyseren, zodat hier preventief actie op kan worden ondernomen.

Het project begon in 2024 als businessinitiatief binnen Corporate Supply Chain. FrieslandCampina koos na een brede selectie voor 麻豆原创 Yard Logistics. Het bedrijf startte met 33 leveranciers en hield uiteindelijk vier opties over. De keuze voor 麻豆原创 past bij de bredere IT-strategie van FrieslandCampina, waar veel kernprocessen al op 麻豆原创 draaien. Tegelijk keek de business nadrukkelijk naar functionele eisen, gebruiksgemak en de mate waarin de oplossing aansluit op de dagelijkse operatie.

Volgens Van der Wurf gaf vooral de combinatie van standaardisatie, integratie en toekomstvaste ontwikkeling de doorslag. 鈥淎l onze coreprocessen draaien op 麻豆原创. Vanuit IT willen we zoveel mogelijk werken met 麻豆原创-oplossingen als die functioneel passen. Met 麻豆原创 Yard Logistics kunnen we de nieuwste ontwikkelingen volgen en veel requirements standaard invullen.鈥�

Template als basis voor Europese uitrol

De oplossing staat nog niet live in de operatie. FrieslandCampina werkt binnen het bredere Optimus-programma eerst aan de verdere migratie naar 麻豆原创 S/4HANA. Die stap vormt de basis voor nieuwe functionaliteit rond slot- en yardmanagement. De 麻豆原创 Yard Logistics-template draait nu op een testsysteem. FrieslandCampina heeft de demo voorbereid voor de business en de global business process owners. Na goedkeuring volgt de verdere roadmap.

鈥淓erst willen we volledig op 麻豆原创 S/4HANA draaien鈥�, zegt Van der Wurf. 鈥淒at is onze belangrijkste doelstelling. Daarna voegen we nieuwe slot- en yardfunctionaliteit toe op een standaardbasis.鈥�

Die standaardbasis past bij de bredere beweging binnen FrieslandCampina. Het bedrijf wil minder maatwerk, meer uniforme processen en een schonere kern. Op meerdere gebieden vervangt FrieslandCampina custom development door standaardfunctionaliteit. Yard Logistics sluit daarop aan. De template moet herhaalbaar zijn, zodat meerdere locaties straks vanuit dezelfde basis kunnen werken en alleen afwijken waar dat echt nodig is.

insideSCM helpt pionieren

麻豆原创-partner insideSCM speelt een belangrijke rol in het ontwerp van de template. De samenwerking tussen FrieslandCampina en insideSCM gaat al ongeveer tien jaar terug. De partner was eerder betrokken bij EWM-implementaties, shipment costing binnen Transportation Management en de bredere 麻豆原创-roadmap. Daardoor kennen beide partijen elkaars manier van werken goed.

Voor insideSCM was 麻豆原创 Yard Logistics toch een bijzonder project. Het product is nog relatief nieuw en er lagen weinig kant-en-klare voorbeelden klaar. Dat vroeg om een aanpak waarin testen, afstemmen en leren centraal stonden.

鈥淵ard Logistics was voor ons ook nieuw鈥�, zegt Ricardo Deelstra, 麻豆原创 TM consultant bij insideSCM. 鈥淒e oplossing lijkt in de basis op 麻豆原创 EWM. Als je die logica goed vertaalt naar de yard, kun je gericht ontwerpen. Daarna komt het aan op veel contact, goed testen en blijven toetsen wat FrieslandCampina echt nodig heeft.鈥�

insideSCM bouwde daarnaast eigen kennis op rond 麻豆原创 Yard Logistics, voordat de volgende stappen met FrieslandCampina volgden. Ook 麻豆原创 was nauw betrokken, zowel in Nederland als internationaal. Dat hielp om requirements scherp te krijgen en technische keuzes goed af te stemmen.

Carriers actiever betrekken

FrieslandCampina wil ook vervoerders beter betrekken bij planning en uitvoering. Daarom onderzoekt het de inzet van 麻豆原创 Business Network for Logistics, met functies voor freight collaboration en dock appointment scheduling. Daarmee kunnen externe carriers straks zelf hun transportplanning en slotplanning koppelen aan de processen van FrieslandCampina. Interne planners houden tegelijk zicht op de eigen transportstromen.

Die aanpak moet de yard veranderen van een minder zichtbaar tussengebied naar een beter gestuurd onderdeel van de supplychain. Elke vrachtwagen moet geregistreerd zijn. Elke beweging moet duidelijk zijn. Elke afwijking moet bruikbare data opleveren. Dat helpt niet alleen bij effici毛ntie, maar ook bij veiligheid op het terrein.

FrieslandCampina claimt de voordelen nog niet als gerealiseerd resultaat. De verwachte waarde ligt wel duidelijk op tafel: minder wachttijd, minder pieken in het warehouse, betere dockplanning, meer realtime inzicht en meer controle over vrachtwagenbewegingen op locatie.

Basis voor verdere vernieuwing

De digitalisering van yard operations legt ook de basis voor verdere vernieuwing met AI. FrieslandCampina werkt nu aan 麻豆原创 S/4HANA, standaardprocessen, clean core en betere data, zodat nieuwe technologie straks op een stevige fundering kan landen. Betrouwbare data en goed verbonden processen zijn daarbij cruciaal. Zonder die basis blijft AI beperkt tot losse toepassingen, terwijl FrieslandCampina juist toewerkt naar vernieuwing die schaalbaar en beheersbaar is.

Voor Van der Wurf is de richting duidelijk. 鈥淎ls elke vrachtwagen op onze locatie geregistreerd staat en we realtime zien waar hij is, krijgen we meer controle en meer veiligheid op de yard. Dat is waar we naartoe willen.鈥�

Videolink: https://vimeo.com/1211378098?fl=tl&fe=ec

The post 麻豆原创: FrieslandCampina bouwt met 麻豆原创 Yard Logistics aan meer grip op terreinlogistiek appeared first on 麻豆原创 Nederland Blogs & Nieuws.

Met de overname versterkt 麻豆原创 zijn onderzoek naar deze technologie. 麻豆原创 zette hierin al een belangrijke stap met 麻豆原创-RPT-1. Het onderzoeksteam van Prior Labs sluit zich nu aan bij 麻豆原创.

Prior Labs blijft als zelfstandig bedrijf opereren. 麻豆原创 investeert de komende vier jaar meer dan 1 miljard euro in de verdere groei van het bedrijf. Het doel is om Prior Labs uit te bouwen tot een wereldwijd toonaangevend AI-lab voor gestructureerde bedrijfsdata.

Meer informatie over de overname staat in het persbericht dat 麻豆原创 in mei publiceerde.

The post 麻豆原创 rondt overname van Prior Labs af appeared first on 麻豆原创 Nederland Blogs & Nieuws.

Bedrijven verwachten steeds meer rendement op hun investeringen in kunstmatige intelligentie (AI). De verwachte return on investment (ROI) bedraagt dit jaar gemiddeld 21%, tegenover 16% vorig jaar. Over twee jaar verwachten organisaties dat dit oploopt naar 38%. Dat blijkt uit nieuw internationaal onderzoek van en Oxford Economics.

AI krijgt snel grotere rol in dagelijks werk

Niet alleen de verwachte ROI stijgt, ook zetten organisaties AI steeds vaker in bij het dagelijkse werk. Op dit moment ondersteunt AI gemiddeld 30% van de werkzaamheden binnen de onderzochte organisaties. Over twee jaar verwachten de respondenten dat dit aandeel is gegroeid naar 48%.

Die ontwikkeling gaat gepaard met hogere investeringen. Organisaties geven dit jaar gemiddeld circa 鈧�24,4 miljoen uit aan AI, tegenover ongeveer 鈧�23,3 miljoen vorig jaar. AI speelt daarmee een steeds grotere rol in de dagelijkse bedrijfsvoering.

Ruimte voor verbetering

Ondanks het hogere rendement zien veel organisaties nog verbeterpunten in de manier waarop zij AI gebruiken. Zo is 69% tevreden over het huidige rendement, tegenover 64% vorig jaar. Wel denkt 67% dat de eigen AI-toepassingen hun volledige potentieel nog niet bereiken.

Dat verschil laat zien dat de zakelijke waarde van AI groeit, maar dat veel organisaties hun aanpak nog niet volledig hebben opgeschaald. Een versnipperde aanpak komt nog steeds het vaakst voor. Ook heeft minder dan de helft (46%) een speciale AI-verantwoordelijke.

Hoge verwachtingen van AI-agents

Organisaties kijken bij AI steeds vaker naar de zakelijke waarde die de technologie oplevert, in plaats van alleen naar kostenbesparingen. Vooral de verwachtingen van AI-agents zijn hoog. Dit zijn systemen die zelfstandig taken kunnen plannen en uitvoeren, zoals het verwerken van informatie, het ondernemen van vervolgstappen en het afhandelen van onderdelen van bedrijfsprocessen.

De verwachte opbrengst is dan ook fors. Organisaties rekenen erop dat AI-agents over twee jaar gemiddeld ongeveer 鈧�15,35 miljoen aan rendement opleveren. Dat is ruim vier keer zoveel als de 鈧�3,75 miljoen die respondenten vorig jaar verwachtten. Meer dan acht op de tien organisaties denken bovendien dat AI-agents hun bedrijfsvoering ingrijpend kunnen veranderen.

Datakwaliteit remt verdere groei

Meer investeren in AI betekent niet automatisch dat organisaties ook betere resultaten behalen. Vooral de kwaliteit van bedrijfsdata blijft een knelpunt. Zo heeft 73% van de organisaties te maken met onvolledige data. Daarnaast zegt 79% dat AI-uitkomsten van onvoldoende kwaliteit leiden tot extra werk, vertragingen of achterstanden.

Ook de kennis van medewerkers vraagt aandacht. Bij 78% van de organisaties bestaat twijfel of de opleiding van medewerkers de snelle ontwikkeling van AI kan bijhouden. Zonder goede data, duidelijke processen en voldoende kennis blijft een deel van het potentieel van AI onbenut.

鈥淎I verschuift van experiment naar uitvoering. Dat begint nu echt rendement op te leveren鈥�, zegt Sean Kask, Chief AI Strategy Officer van 麻豆原创. Volgens hem moeten bedrijven AI verbinden met hun data en processen. Daarbij zijn ook voldoende context en duidelijke governance nodig. Echte waarde ontstaat wanneer agents, processen en mensen goed samenwerken.听

Autonomous Enterprise als volgende stap

Volgens 麻豆原创 ligt de toekomst van AI in de Autonomous Enterprise: een organisatie waarin AI-agents, bedrijfsprocessen en medewerkers als 茅茅n geheel samenwerken. Om daar te komen, moeten bedrijven AI verbinden met de data en processen waarop hun organisatie draait. Ook zijn voldoende context en duidelijke regels voor het gebruik en beheer van AI nodig.

鈥淓chte waarde uit AI halen is niet eenvoudig. Dat vraagt om een nieuwe aanpak鈥�, stelt Kask. 鈥淏edrijven moeten AI verbinden met hun data en processen en zorgen voor de juiste context en governance. Alleen dan levert AI betrouwbare resultaten op.鈥�

Volgens Kask gaat het bij de Autonomous Enterprise niet alleen om een technische verandering. 鈥淗et is ook een menselijke verandering. Echte waarde ontstaat pas als agents, processen en mensen als een geheel samenwerken.鈥�

Bekijk voor meer informatie het volledige .

The post 麻豆原创: verwacht rendement op AI-investeringen stijgt van 16 naar 21% appeared first on 麻豆原创 Nederland Blogs & Nieuws.