Achter de tech

Bring your own AI: vraag je assetdata alles

Moet je asset tracking-data opgesloten zitten in één platform? Ik geloof het omgekeerde: je teams moeten die data kunnen bevragen vanuit de AI-assistenten die ze al elke dag gebruiken, denk aan Claude of ChatGPT, gekoppeld via een open standaard, in een minuut. Vanaf dan betekent een vraag niet langer een dashboard openen; je mensen vragen het gewoon. En de verbinding werkt in twee richtingen: je assistent geeft niet alleen antwoord, hij kan ook de alert aanmaken of de geozone tekenen die je net besprak, rechtstreeks in het platform. Bovendien bloeit AI open waar databronnen samenkomen, met trackingdata naast je ERP of CRM: één gesprek dat beantwoordt wat geen enkel systeem op zich kan.

TABLE OF CONTENT

  1. Van AI-integratieproject naar koppelen in een minuut
  2. Het ferryverhaal: wat één vraag kan blootleggen
  3. Stel vragen, geef opdrachten
  4. Combineer trackingdata met bedrijfsdata voor sterkere antwoorden
  5. AI-connectors veranderen hoe je je trackingplatform gebruikt, niet of je het nodig hebt
  6. Wanneer MCP oud nieuws is
  7. En onder dit alles houdt iemand de trackers in het oog
  8. Wilt u Sensolus in actie zien?
  9. Gerelateerde bronnen

PUBLISHED: 19 oktober 2026

UPDATED: 19 oktober 2026

9 min read



assetbeheer Sensolus platform

Door Johan Criel, CTO, Sensolus

Deel 3 van een reeks over AI en industriële asset tracking

Mijn vorige post was de checklist: wat er nodig is om betrouwbare, AI-klare velddata te produceren (de stapel die we hebben uitgebouwd als de Sensolus Foundation). Hij eindigde met een belofte. Nu komt het actiegedeelte: de AI koppelen die je al gebruikt.

Als mensen “AI voor asset tracking” horen, denken velen dat ze een nieuwe tool moeten leren en een nieuw abonnement moeten nemen. Wel, dat hoeft niet. De meeste teams gebruiken al een AI-assistent; daar denken mensen na en stellen ze elke dag vragen. Daarom houden we het platform open: je data is van jou, en ze past in waar je mensen al zijn. Bring your own AI; plug de Sensolus Foundation erin.

Van AI-integratieproject naar koppelen in een minuut

Om je asset tracking-data te koppelen aan de AI-assistent van je keuze, bieden we AI-connectors aan. De meest gebruikte is gebouwd op MCP, het Model Context Protocol: een open standaard waarmee AI-assistenten rechtstreeks met externe systemen praten. Zie het als de europallet van het AI-tijdperk: één saaie, gestandaardiseerde drager, en plots beweegt alles tussen iedereen. Je AI-assistent koppelt met je trackingplatform zoals hij koppelt met je bestanden of je agenda. En net als bij pallets telt niet de drager; het gaat om wat je erop zet.

En wat wij erop zetten, is geen ruwe sensordata. De connector ontsluit de bovenste laag van de Sensolus Foundation: opgeschoonde en verrijkte data. Ritten, niet zomaar stromen GPS-coördinaten. Zoneactiviteit, meldingen van afwijkingen, gebruik: allemaal verwerkt door algoritmes en gevalideerd voordat een AI ze ziet. Je AI zou niet moeten uitzoeken wat de data betekent; dat hebben wij al gedaan. Intelligentie erin, intelligentie eruit.

Voor jou is de ervaring bijna teleurstellend eenvoudig. Voeg de Sensolus AI-connector toe aan je assistent, meld je aan, klaar. Geen integratieproject, geen IT-ticket van zes weken. Het duurt echt maar een minuut. En de authenticatie steunt op de bestaande toegangsrechten van het platform. Je assistent kan precies zien en doen wat jij kunt, niets meer. Vanaf dat moment vragen je mensen het gewoon, in gewone taal, zonder het gesprek te verlaten waarin ze al zaten.

Het ferryverhaal: wat één vraag kan blootleggen

In deel 1 vertelde ik dit verhaal in drie regels; hier is het volledig.

Een paar weken geleden zag ik een van onze klanten één zin intypen in hun AI-assistent: “Analyseer de ritten van IBC T3029 in de laatste 4 weken, iets onregelmatigs?” Geen query builder, geen rapportsjabloon. Eén zin, getypt zoals je het een collega zou vragen.

Enkele seconden later het antwoord: 45 ritten, 2.384 kilometer, een wekelijkse pendel tussen het VK en België met een gezond ritme en GPS-kwaliteit van 100 procent. Drie vaste stops: Widnes als thuisbasis, de haven van Zeebrugge en de Humber-havens. Twee overtochten met de ferry gedetecteerd tussen Killingholme en Zeebrugge. En dan de clou: vijf dagen stilstand in de haven van Zeebrugge, van 23 tot 28 juli.

We hebben nooit ferrydetectie geprogrammeerd. Er is geen ferryfunctie in ons platform, geen ferryvinkje. De AI keek naar gevalideerde ritdata, zag een asset op land die schijnbaar de Noordzee overstak aan een verdacht constant tempo, combineerde dat met de geografie en besloot: dat is een ferry. Daarna meldde hij vijf dagen stilstand in een haven, precies het soort verblijf dat stilletjes geld kost.

Dat gebeurt er als goede AI goede data ontmoet. De intelligentie zat niet in onze code, en ook niet alleen in het model. Ze ontstond uit de combinatie.

Stel vragen, geef opdrachten

Tot nu toe ging het alleen over vragen stellen. Maar onze AI-connector werkt in twee richtingen: je assistent kan ook handelen in het Sensolus-platform. Neem het ferryverhaal. Die vijf dagen stilstand in Zeebrugge hoeven niet bij een vaststelling te blijven. In hetzelfde gesprek kun je de assistent vragen om een geozone te tekenen rond die hoek van de haven, je te verwittigen zodra een andere asset daar te lang staat, en je wekelijks een rapport te sturen over de verblijftijden in die zone. Drie instructies, getypt zoals je de oorspronkelijke vraag stelde, en een minuut later staan ze alle drie live in het platform. Vraag je assetdata alles; zeg daarna wat er moet gebeuren, rechtstreeks vanuit de assistent die je team al gebruikt.

Combineer trackingdata met bedrijfsdata voor sterkere antwoorden

En het ferryverhaal heeft nog één hoofdstuk. Wie moet de ferrymaatschappij bellen over die dagen stilstand? Bij welke klanten liepen leveringen vertraging op door die stilstand? Die antwoorden zitten niet in trackingdata; ze zitten in je ERP en CRM. Combineer de bronnen, en hetzelfde gesprek noemt de transporteur die je moet contacteren en lijst de klanten op die je moet verwittigen, nog voordat iemand jou heeft gebeld.

Dat is het algemene patroon. Echte operationele vragen zijn zelden pure trackingvragen. “Welke klanten houden onze bokken langer bij dan hun contract toelaat?” is een trackingvraag én een ERP-vraag. Tot nu toe betekende dat exports, imports en een namiddag spreadsheet-archeologie. In je AI-assistent verdwijnen die muren. Eén gesprek kan verblijftijden uit Sensolus halen, contractvoorwaarden uit je ERP en klantstatus uit je CRM, en over alle drie redeneren. De AI wordt de plek waar je vragen leven; de systemen worden wat ze altijd al hadden moeten zijn: bronnen.

AI-connectors veranderen hoe je je trackingplatform gebruikt, niet of je het nodig hebt

Maakt de connector het asset tracking-platform dan minder belangrijk? Niet volgens wat ik in het veld zie, en ik kan concreet zijn: ongeveer negen op de tien klanten die AI-connectors gebruiken, gebruiken ook ons asset tracking-platform. De snelle vragen en analyses over systemen heen gaan via de connector. Het dagelijkse asset tracking-werk draait op het platform, waar de operationele kant voor je geregeld is. We zagen dezelfde dynamiek in het API-tijdperk: overal open API’s, en toch bleef het werk op het platform. Openheid is een deur, geen uitgang.

Wanneer MCP oud nieuws is

Laat me eerlijk zijn. Een MCP-connector hebben is niets bijzonders. Binnenkort heeft iedereen er een; het wordt een vinkje op het lijstje van elke leverancier. De interessante vraag is niet of er een connector is, maar wat erdoor stroomt. En daarbovenop een terechte vraag van elke CTO. De AI-wereld vindt zichzelf elke zes maanden opnieuw uit, dus wat gebeurt er met mijn connector als het volgende paradigma komt?

Precies daarom bouwen we op open standaarden en kozen we voor MCP toen het grootste deel van de softwarewereld er nog nooit van had gehoord. Toen het ecosysteem naar skills evolueerde, leverden we skills; wanneer het volgende komt, en er komt altijd iets, willen we daarin voorop lopen. Het diepere punt is architecturaal: de intelligentie zit in de Foundation, niet in een bepaalde interface, dus de interfaces erbovenop kunnen even snel veranderen als de AI-wereld. Protocollen komen en gaan. Gevalideerde velddata groeit alleen maar in waarde. Waar je je AI ook aan koppelt, zorg dat de waarde in de datalaag zit. Leidingen worden vervangen.

En onder dit alles houdt iemand de trackers in het oog

Nog één ding. Welke AI je er ook bovenop kiest, vandaag Claude, volgend jaar iets anders, onderaan werkt stilletjes een laag van ons: field agents die je trackervloot dag en nacht bewaken, het toestel opsporen dat niet meer rapporteert of slecht gemonteerd is, en de Foundation gezond houden, zodat elk antwoord van je AI steunt op data die je kunt vertrouwen.

Maar wacht, zei ik net agents? Software die op eigen initiatief handelt, 24/7 van dienst, zonder dat iemand een prompt typt? Inderdaad. En dat is een fundamenteel ander beest dan alles in deze post. Samen wijzen ze wel in één richting: ik geloof dat binnen een jaar meer vragen ons platform zullen bereiken via AI-assistenten en agents dan via onze eigen generieke dashboards.

AI-assistenten beantwoorden de vragen die je stelt en doen de taken die je hen geeft. Maar wat met de vragen waar je nooit aan denkt, en de acties die zouden moeten gebeuren zonder dat iemand erom vraagt?

Maak kennis met de agents. Volgende keer.

Wilt u Sensolus in actie zien?

Wij zijn experts: vraag ons alles, van batterijen in trackers tot voorraadrapporten en het traject van bedrijfsmiddelen.

Vraag demo aan

Gerelateerde bronnen

Waarom AI asset tracking belangrijker maakt

Wat betekent AI voor het bijhouden van bedrijfsmiddelen? Mijn overtuiging: AI heeft het bijhouden van bedrijfsmiddelen nodig, en het bijhouden van bedrijfsmiddelen heeft AI nodig. Bedrijven die deze twee combineren, zullen een concurrentievoordeel opbouwen.

Lees het artikel →
AI-klare velddata wordt gemaakt, niet verzameld

Waar komen AI-geschikte veldgegevens vandaan? In dit bericht wordt de stack van onder naar boven doorgenomen. Gebruik het als checklist bij het koppelen van je apparatuur.

Lees het artikel →
Vier pijlers voor industriële IoT: een solide basis

In de loop der jaren zijn onze inzichten uitgekristalliseerd tot vier pijlers. Het zijn geen theoretische concepten; ze zijn het resultaat van problemen in de praktijk, iteraties en harde lessen.

Lees het artikel →