Europese bedrijven moeten tempo maken met agentic AI als zij hun supplychains wendbaar en concurrerend willen houden. Regio鈥檚 als China en de Verenigde Arabische Emiraten investeren snel in AI-toepassingen. Volgens Mike Wade, EMEA Leader Supply Chain Management Customer Advisory bij , moeten Europese organisaties daarom versnellen: van handmatig reageren op verstoringen naar intelligent bijsturen met digitale agents. Die boodschap gaf hij onlangs tijdens 麻豆原创 Connect Day for Supply Chain in Veghel.

Wade ziet voor Europa een sterke uitgangspositie. De regio beschikt over veel industri毛le kennis, sterke maakbedrijven en diepgewortelde ervaring met internationale handel. Tegelijk bewegen andere regio鈥檚 snel. China investeert actief in AI om het bedrijfsleven vooruit te helpen, terwijl de Verenigde Arabische Emiraten volgens Wade snel ervaring opdoen met agentic AI binnen overheid, diensten en industrie.

鈥淓r liggen kansen voor Europa, maar de druk neemt toe鈥�, zegt Wade. 鈥淪upplychains zijn altijd belangrijk geweest, maar vormen nu meer dan ooit een concurrentievoordeel. Wie zijn keten goed laat draaien en soepel met schokken omgaat, kan daar commercieel voordeel uit halen.鈥�

Supplychain bepaalt concurrentiekracht

Die urgentie geldt vooral voor sectoren die al onder druk staan. In de automotive-industrie moeten Europese bedrijven hun aanbod en ketens opnieuw bekijken door de snelle opkomst van Aziatische concurrenten. In andere sectoren ligt de druk juist bij het kunnen bijbenen van hoge vraag. In beide gevallen bepaalt de supplychain steeds sterker de concurrentiekracht.

Volgens Wade moeten bedrijven agentic AI daarom koppelen aan concrete bedrijfsdoelen. De waarde zit in sneller kunnen plannen, beter kunnen leveren en klanten betrouwbaarder bedienen. Daarmee komt de focus vanzelf te liggen op de vraag hoe robuust een supplychain is wanneer de omstandigheden veranderen.

Ontwerpen voor onzekerheid

Supplychains kregen de afgelopen jaren te maken met een opeenstapeling van verstoringen. Bedrijven moeten hun ketens daarom structureel ontwerpen op flexibiliteit. 鈥淓lke supplychain bestaat om een klant te bedienen鈥�, zegt Wade. 鈥淛arenlang lag daarbij de nadruk op effici毛ntie, productiviteit en forecast accuracy. Dat blijft belangrijk, maar uiteindelijk draait het om de klantvraag die je moet waarmaken.鈥�

Die verschuiving vraagt om een ander ontwerp van de keten. Bedrijven moeten vooraf bepalen waar ze kunnen schakelen bij verstoringen. Denk aan alternatieve leveranciers, andere productielocaties, flexibele logistieke routes en snellere besluitvorming bij tekorten of plotselinge vraagveranderingen. 鈥淒at betekent dat je opties inbouwt voordat een crisis ontstaat鈥�, stelt Wade. 鈥淎ls een schok optreedt, wil je niet pas dan ontdekken dat je geen alternatief hebt.鈥�

Silo鈥檚 remmen de keten

Een belangrijk obstakel zit volgens Wade in de manier waarop bedrijven hun supplychain organiseren. Afdelingen verbeteren vaak hun eigen deelproces, terwijl verstoringen dwars door de organisatie bewegen. Een probleem in inkoop raakt productie. Een vertraging in logistiek raakt sales. Een veranderende klantvraag raakt voorraad, planning en service.

鈥淒e silomentaliteit moet worden doorbroken鈥�, zegt Wade. 鈥淐EO鈥檚 en supplychainmanagers kunnen die verandering aanjagen. Soms moet 茅茅n onderdeel van de keten inleveren om de totale klantbelofte overeind te houden.鈥�

Digitale collega鈥檚 met duidelijke grenzen

Technologie kan helpen om die beweging te versnellen. Veel organisaties beginnen de dag nu nog met overleg, dashboards en spreadsheets om problemen te vinden en acties te bepalen. Agentic AI draait dat proces om. Digitale agents herkennen afwijkingen, vergelijken scenario鈥檚 en starten acties binnen vooraf ingestelde grenzen.

鈥淪tel je voor dat je 鈥檚 ochtends begint en je systeem meldt dat meerdere agents 鈥檚 nachts al beslissingen hebben genomen鈥�, schetst hij. 鈥淒an verschuift de rol van teams van incidentmanagement naar gericht sturen.鈥�

麻豆原创 ziet agentic AI als een volgende stap in de ontwikkeling van kunstmatige intelligentie. Generatieve AI helpt vooral bij tekst, samenvattingen en analyses. Agentic AI kan redeneren, keuzes voorbereiden en processen in gang zetten. Wade benadrukt dat dit alleen werkt met heldere regels, betrouwbare data en goede governance.

Data en governance als fundament

鈥淒enk aan een agent als een digitale collega鈥�, zegt hij. 鈥淓en menselijke collega krijgt ook een opdracht, verantwoordelijkheid en grenzen. Voor agents geldt hetzelfde. Je moet ze voeden met bedrijfscontext, proceskennis en duidelijke kaders.鈥�

Volgens 麻豆原创 rust succesvolle agentic AI in de supplychain op drie pijlers: diepgaande proceskennis, een sterke datalaag en governance op enterpriseniveau. Het 麻豆原创 AI-platform ondersteunt dit door data uit zowel听 麻豆原创- als niet-麻豆原创-systemen samen te brengen in een datafundament. AI kan die data daardoor effectiever gebruiken binnen de context van bedrijfsprocessen.

Meer dan zestig supplychainagents

Ook Joule en Joule Studio krijgen een centrale rol. Via Joule kunnen gebruikers met agents werken in hun dagelijkse processen. Met Joule Studio kunnen organisaties agents ontwikkelen en aanpassen aan hun eigen werkwijze. Later dit jaar komen volgens Wade meer dan zestig supplychainagents beschikbaar binnen het 麻豆原创-portfolio.

Daarnaast werkt 麻豆原创 aan branchespecifieke AI-toepassingen voor complexe omgevingen, zoals gereguleerde productie. 麻豆原创 wil bedrijven zo helpen om agents over processen heen in te zetten. Daar ligt volgens Wade de grootste waarde: in planning, inkoop, productie, logistiek en service die beter op elkaar aansluiten.

Begin klein, schaal snel op

Wade pleit voor een praktische aanpak. Bedrijven kunnen starten met 茅茅n concreet proces in logistiek, planning, productie of inkoop. Nieuwe ontwikkelomgevingen maken het mogelijk om agents in korte tijd te bouwen en te testen. Het gevaar is volgens hem dat organisaties blijven hangen in losse experimenten. 鈥淜lein starten is verstandig鈥�, zegt Wade. 鈥淢aar het moet wel de eerste stap zijn in een vooraf bedacht groter plan. Als je nooit opschaalt, blijft het een academische oefening.鈥�

Van pilot naar waarde

Volgens 麻豆原创 vraagt agentic AI om steun vanuit de top. Zonder duidelijke richting van directie of senior management blijven initiatieven vaak steken op afdelingsniveau. Met de juiste aanpak kan agentic AI supplychains sneller, betrouwbaarder en klantgerichter maken.

鈥淒e technologie is er鈥�, besluit Wade. 鈥淒e uitdaging voor bedrijven is hoe ze bijblijven. In mijn vijftien jaar bij 麻豆原创 heb ik veel innovatiecycli gezien, maar deze is anders. En het tempo neemt alleen maar toe.鈥�

The post 麻豆原创: Europa moet tempo maken met agentic AI in de supplychain appeared first on 麻豆原创 Nederland Blogs & Nieuws.

Daarmee is ook het oude debat tussen just in time en just in case minder bruikbaar geworden. Het gaat allang niet meer alleen over extra voorraad of buffers. De echte vraag is: hoe snel zie je wat er aankomt, en hoe snel kun je daarop handelen?

鈥淒aar wringt het bij veel organisaties鈥�, constateert Marcel Bron, Head of Supply Chain 麻豆原创 Benelux. 鈥淶e plannen wel, maar die planning staat nog te los van wat er op de werkvloer, in het magazijn of bij leveranciers gebeurt. Dan zie je een verstoring misschien aankomen, maar kun je nog steeds niet snel genoeg ingrijpen.鈥�

Planning en executie moeten aansluiten
Daarom moet volgens hem eerst de verbinding tussen planning en executie beter worden, het liefst realtime. Dat klinkt logisch, maar in de praktijk is het een grote stap. In veel bedrijven zijn planning en uitvoering nog altijd gescheiden werelden. Het planningssysteem kijkt vooruit, terwijl operatie, logistiek of leveranciers later pas zien wat er verandert. Daardoor ontstaat vertraging, precies op het moment dat snelheid het verschil maakt.

Volgens 麻豆原创 moet supplychain-management daarom minder lineair en meer als een samenhangend netwerk worden bekeken. Want een keten speelt zich allang niet meer alleen binnen de vier muren van 茅茅n bedrijf af. 鈥淣iemand doet alles alleen鈥�, zegt Bron. 鈥淓lk bedrijf heeft logistieke partners, contract manufacturers, klanten, leveranciers en leveranciers van leveranciers.鈥� Daarom moet je volgens hem niet alleen naar je eigen processen kijken, maar naar het hele netwerk eromheen.

Planning, executie en netwerk

Dat is ook de gedachte achter de term supplychain orchestration. Achter die term zit vooral een praktische ambitie: planning, executie en netwerkdata zo met elkaar verbinden dat bedrijven hun hele end-to-end supplychain kunnen overzien 茅n sneller kunnen bijsturen. Bron noemt planning, executie en netwerk de drie bouwstenen. 鈥淎ls je die drie dingen samen hebt, heb je eigenlijk je hele end-to-end supplychain kunnen modelleren.鈥� Volgens hem is supplychain orchestration 鈥榚en intelligentielaag die over al die drie componenten heen zit鈥�.

Dat moet vooral voorkomen dat organisaties pas reageren als de schade al zichtbaar is. Want als je eerder ziet dat er ergens in het netwerk iets misgaat, kun je ook eerder herplannen. Bron schetst dat heel concreet: als een leverancier van een leverancier een probleem krijgt, kan dat betekenen dat een levering te laat komt en een fabriek stilvalt. Juist dan wil je niet afwachten, maar een fabriek herplannen, een andere leverancier zoeken of goederen omleiden naar een andere locatie.

Sleutelrol voor Agentic AI

AI krijgt daarin een grotere rol, maar niet als eindverantwoordelijke. Volgens Bron zit de meerwaarde van AI naast automatisering van repetitieve taken vooral in het eerder herkennen van risico鈥檚 en afwijkingen. Denk aan signalen rond havenstakingen, extreem weer of andere externe factoren die later een verstoring kunnen veroorzaken. Zulke signalen zijn voor mensen wereldwijd bijna niet handmatig te volgen. Voor AI wel: die kan ze combineren met interne data en daar patronen in zien. 鈥淢et onze eigen data plus externe data en AI zien we afwijkingen die mogelijk een risico gaan vormen鈥�, zegt Bron. 鈥淒aarmee weet je meer en kun je ook eerder anticiperen.鈥�

Tegelijk trekt hij een duidelijke grens. Agentic AI moet niet zomaar belangrijke beslissingen overnemen. De rol van de technologie zit nu vooral in signaleren, voorbereiden en scenario鈥檚 klaarzetten. 鈥淒e AI moet met name iets registreren, daar al actie op gaan ondernemen en dat klaarzetten voor een mens鈥�, zegt Bron. 鈥淒e keuze wordt nog steeds door mensen gemaakt.鈥�

Goede basis is noodzakelijk

Daarvoor is wel een goede basis nodig. Data moeten niet alleen beschikbaar zijn, maar ook bruikbaar en begrijpelijk in hun zakelijke context. Juist daarom ziet 麻豆原创 Business Data Cloud als een belangrijke bouwsteen. Volgens Bron helpt die laag om data uit verschillende bronnen bijeen te brengen, met behoud van context, zodat AI relevantere en betrouwbaardere uitkomsten kan geven.

De kern is dus niet dat supplychains simpelweg meer voorraad of meer technologie nodig hebben. De kern is dat planning, uitvoering, netwerkzicht en data veel dichter op elkaar moeten komen te zitten. Wie nog steeds apart plant en pas later reageert, is te laat. Wie sneller ziet, sneller beslist en sneller uitvoert, heeft in een onrustige markt een voorsprong.

Wil je meer weten over de nieuwste ontwikkelingen rond supplychain, planning en AI? Kom dat 11 juni naar in De Noordkade in Veghel. Daar leer je uit praktijkverhalen, maak je kennis met de nieuwste innovaties en woon je sessies bij over onder meer planning, logistiek, manufacturing en asset management.

The post Een strakke planning redt je supplychain niet meer appeared first on 麻豆原创 Nederland Blogs & Nieuws.

Door Google BigQuery, het autonome data-naar-AI-platform met agentic-capaciteiten, te koppelen aan (麻豆原创 BDC), krijgen bedrijven direct toegang tot betrouwbare, direct bruikbare data voor enterprise analytics en AI. Tijdrovende kopie毛n of trage ETL-processen zijn daarmee verleden tijd.

Einde aan datasilo鈥檚

Traditioneel leefden bedrijfsdata en analytics in gescheiden werelden. Cruciale bedrijfsinformatie zat opgesloten in transactionele systemen, terwijl ETL-processen eerst data moesten kopi毛ren en transformeren. Dat leidde tot vertragingen, governanceproblemen en verouderde data, en maakte realtime inzichten en digitale transformatie lastig.

De samenwerking tussen 麻豆原创 en Google doorbreekt deze barri猫re. Omdat datareplicatie niet meer nodig is en het datalandschap wordt verenigd, kunnen organisaties nu intelligente agents, geautomatiseerde workflows en voorspellende analyses bouwen op basis van live, betrouwbare data.

Als eerste hyperscaler die 麻豆原创 BDC Connect adopteert, biedt Google Cloud organisaties veilige en razendsnelle toegang tot de semantisch rijke, goed beheerde 麻豆原创-dataproducten 鈥� zonder de complexiteit en vertraging van datareplicatie. Bedrijven kunnen 麻豆原创-data combineren met andere bedrijfsdata in BigQuery en andersom, voor krachtige analytics en agentic-AI-toepassingen.

Innovatie met 麻豆原创-data en Google AI

De kern van de samenwerking is de zero-copy data fabric van 麻豆原创 Business Data Cloud Connect voor Google BigQuery. Deze technologie geeft direct toegang tot de semantisch rijke 麻豆原创-data binnen het AI-ecosysteem van Google 鈥� inclusief Gemini-modellen en Vertex AI. Het resultaat is een modern platform voor data, analytics en AI dat geautomatiseerde, domeinoverschrijdende bedrijfsprocessen ondersteunt.

Deze bidirectionele integratie biedt een schaalbare enterprise-omgeving voor AI-toepassingen. Met 麻豆原创 BDC Connect voor BigQuery kunnen organisaties:

• Betrouwbare, transparante AI bouwen: BigQuery AI-modellen draaien op actuele, semantisch rijke 麻豆原创-data, zonder datakopie毛n.
• Autonome agents inzetten: ontwikkel slimme agents met Vertex AI en Gemini die complexe processen automatiseren, van supplychain-optimalisatie tot financi毛le voorspellingen.
• Diepere inzichten ontsluiten: combineer 麻豆原创-data met unieke datasets van Google Cloud, zoals Google Maps, Trends en publieke bronnen, voor onge毛venaarde bedrijfscontext.
• Analytics opnieuw uitvinden: ga verder dan dashboards 鈥� stel vragen in natuurlijke taal over bedrijfsdata en krijg direct intelligente antwoorden.

Beschikbaarheid

Google Cloud introduceert klant- en partnerprogramma鈥檚 die de adoptie van deze gezamenlijke oplossing versnellen. 麻豆原创 Business Data Cloud is al beschikbaar in regio鈥檚 in Azi毛, Europa en de VS; uitbreiding volgt. 麻豆原创 Business Data Cloud Connect voor Google BigQuery komt in de eerste helft van 2026 algemeen beschikbaar.

Daarnaast draait 麻豆原创 BW Private Cloud Edition, onderdeel van 麻豆原创 BDC, al in meer dan 40 Google Cloud-regio鈥檚. Daarmee kunnen organisaties voldoen aan belangrijke eisen rond datalocatie en compliance.

Keuzevrijheid zonder compromissen
鈥溌槎乖� en Google Cloud hebben een lange geschiedenis van samenwerking waarmee we bedrijven wereldwijd helpen met het benutten van de kracht van data en AI鈥�, zegt Christian Klein, CEO van 麻豆原创 SE. 鈥淢et deze krachtenbundeling geven we klanten keuzevrijheid zonder compromissen en versnellen we hun analytics- en AI-initiatieven.鈥�

鈥淏edrijven verweven intelligentie en automatisering in elk aspect van hun bedrijfsvoering鈥�, aldus Thomas Kurian, CEO van Google Cloud. 鈥淒oor 麻豆原创 Business Data Cloud te verbinden met BigQuery en de Gemini-modellen, wordt het veel eenvoudiger om 茅茅n samenhangende datafundering te bouwen. Zo verdwijnen datasilo鈥檚 en ontstaat de basis voor een nieuwe generatie AI-agents en toepassingen.鈥�

听

The post 麻豆原创 en Google Cloud vernieuwen enterprise-AI met zero-copy data in BigQuery appeared first on 麻豆原创 Nederland Blogs & Nieuws.

Tijdens de eerste editie van 麻豆原创 Connect toont de enorme bedrijfswaarde van naadloze integratie van AI, data en applicaties. De nieuwste innovaties van 麻豆原创 tonen opnieuw hoe technologie bedrijfsvoering ingrijpend verandert. Denk aan een netwerk van rolgebaseerde Joule Assistants die samenwerken met mensen om prestaties te verbeteren, een groeiend data-ecosysteem dat diepere inzichten oplevert en supplychainsoftware die verstoringen tijdig voorspelt.

AI die samenwerkt met mensen

麻豆原创 introduceert de volgende stap van Joule als de AI-motor in het hart van de 麻豆原创 Business Suite. Door toepassingen en data uit het hele 麻豆原创-ecosysteem te benutten, lanceert 麻豆原创 een nieuwe generatie rol-, context- en procesbewuste Joule Assistants. Elke Joule Assistant is ontworpen om samen te werken met een mens in een specifieke functie. Ze schakelen automatisch de juiste AI-agents in en co枚rdineren en beheren deze. Op die manier vergroten ze het inzicht en de productiviteit.

Daarnaast introduceert 麻豆原创 Joule Agents voor . Zo adviseert een nieuwe international trade classification-agent over douanetarieven en goederencodes om naleving van regelgeving te ondersteunen. Binnen 麻豆原创 SuccessFactors beantwoorden drie nieuwe Joule Agents routinematige HR-vragen en leveren zij natuurlijke-taal-analyses om productiviteit te verhogen en besluitvorming te verbeteren. Een nieuwe bid-analysis-agent in 麻豆原创 Ariba vergelijkt leveranciersaanbiedingen op totale kosten en brengt afwegingen en inzichten aan het licht die bij handmatige processen vaak verloren gaan. Dat versnelt inkoopbeslissingen.

Data zonder grenzen

Data vormen de basis voor de transformerende kracht van AI, maar zitten vaak opgesloten in afzonderlijke systemen. Tijdens 麻豆原创 Connect laat 麻豆原创 zien hoe het die barri猫res doorbreekt met 麻豆原创 Business Data Cloud Connect (BDC Connect). Deze oplossing koppelt de 麻豆原创 Business Data Cloud veilig aan partnerplatforms. Zo kunnen zakelijke dataproducten in twee richtingen stromen, over organisatorische en technologische grenzen heen.

Dankzij zero-copy sharing blijven data veilig binnen de 麻豆原创-systemen, maar zijn ze tegelijk direct toegankelijk in de bestaande dataplatformen van klanten. Zo blijft de zakelijke context behouden zonder kostbare kopie毛n. Het resultaat: minder silo鈥檚, eenvoudigere datastromen, geen duplicatie. De data zijn betrouwbaar en precies op de juiste plek, op het juiste moment.

Databricks en Google Cloud zijn de eerste partners die gebruikmaken van 麻豆原创 BDC Connect. Meer partners volgen binnenkort. Deze samenwerkingen geven klanten sneller toegang tot dataproducten voor analytics en AI, zodat teams sneller kunnen schakelen van ruwe data naar realtime bedrijfsresultaten.

Applicaties die data omzetten in actie

De kern van 麻豆原创鈥檚 unieke meerwaarde ligt in de enterprise-applicaties waar data worden gecre毛erd en AI-gedreven inzichten tot leven komen. 麻豆原创 Supply Chain Orchestration is een nieuwe AI-native oplossing die de kracht van Joule koppelt aan een live kennisgrafiek. Zo kunnen bedrijven realtime risico鈥檚 signaleren, tot diep in de toeleveringsketen, en direct een geco枚rdineerde reactie opzetten. Zo helpen we klanten kosten te verlagen en hun supplychain in beweging te houden.

麻豆原创 Engagement Cloud is een nieuwe oplossing voor klantbeleving die bedrijfskritische context benut voor persoonlijkere en relevantere interacties met klanten, leveranciers en andere stakeholders. De nieuwste generatie 麻豆原创 Ariba onderscheidt zich bovendien als de enige volledig AI-native oplossing in haar klasse. Ze voegt intelligentie toe aan elke fase van spendmanagement, van inkoop en sourcing tot leveranciersrelaties.

Naar end-to-end automatisering

鈥淥m succesvol te blijven in een tijd waarin volatiliteit de norm is, hebben bedrijven meer nodig dan een lappendeken van losse best-of-breedapplicaties鈥�, zegt Muhammad Alam, lid van de Executive Board van 麻豆原创, Product & Engineering. 鈥淥nze aankondigingen van vandaag tonen de kracht van de 麻豆原创 Business Suite. Hierin komen AI, data en applicaties samen in 茅茅n samenhangende ervaring. Een die zorgt voor slimmere beslissingen, snellere uitvoering en schaalbare transformatie.鈥�

The post 麻豆原创鈥檚 AI-gedreven Business Suite luidt het einde van het best-of-breedtijdperk in appeared first on 麻豆原创 Nederland Blogs & Nieuws.