Tutorials

Capaciteitsplanning met AI: zo signaleert een agent het tekort voordat jij het ziet

Een AI-agent kan elke week vraag en aanbod naast elkaar zetten en een tekort signaleren voordat iemand dubbel geboekt staat. Toewijzen, overwerk goedkeuren of een freelancer boeken blijft mensenwerk. Met een compleet rekenvoorbeeld, de fout die de AI er zelf in maakt, en de beslisregel voor wanneer je moet bijsturen.

Dennis ClaassenDennis Claassen15 min lezen
Planner bekijkt een weekoverzicht van projecten en beschikbare monteururen op een laptop: capaciteitsplanning met AI

Een agent voor jullie eigen proces?

Kies een afgebakende taak en werk toe naar een agent met heldere bronnen, rechten en controle.

Dennis Claassen

Dennis Claassen

AI-trainer · 35+ teams getraind

Bekijk de Agent Sprint

Key takeaways

Capaciteitsplanning met AI betekent: een AI-agent vergelijkt elke week automatisch wat je aan werk hebt gepland (de vraag) met wie en wat daar echt voor beschikbaar is (het aanbod), en markeert een week zodra dat misgaat. Toewijzen, overwerk goedkeuren of een project verschuiven blijft bij jou. De agent signaleert, jij besluit.

Bijna een derde van de Nederlandse ondernemers noemt een tekort aan arbeidskrachten nog altijd de belangrijkste belemmering voor hun bedrijf, blijkt uit de Conjunctuurenquête Nederland van het CBS over het derde kwartaal van 2026. In de autohandel en -reparatie geeft zelfs 57 procent van de bedrijven dat aan. Capaciteitsplanning gaat dan niet meer om af en toe een paar uur schuiven in een spreadsheet, maar om vroeg genoeg zien welke week een probleem wordt. Hieronder: welk niveau AI-gereedschap daarbij past, een compleet voorbeeld met de fout die de AI er zelf in maakt, de beslisregel voor wanneer je moet bijsturen, en wat je nooit aan een agent overlaat.

Capaciteitsplanning en capaciteitsmanagement: wat doet een AI-agent anders?

Capaciteitsplanning is simpele wiskunde die in de praktijk bijna nooit bijgehouden wordt: hoeveel uren, machinetijd of ruimte heb je deze week nodig (de vraag), en hoeveel heb je er echt (het aanbod)? Zodra de vraag het aanbod overschrijdt, is een resource overallocated. Microsoft omschrijft dat in de eigen documentatie van Project zo: "a resource is overallocated if the resource is scheduled for more work on all assigned tasks than the resource can do within the normal work capacity," met als voorbeeld medewerker Chris, die voor 10 uur werk op één dag staat ingepland terwijl zijn normale werkdag 8 uur is.

Dat heet capaciteitsmanagement zodra je het breder trekt dan één momentopname: niet alleen signaleren, maar ook bijsturen en vooruitkijken. Het gat waar de meeste mkb-bedrijven in vallen: meerdere losse projecten delen dezelfde mensen, en geen enkel project laat zien dat een ander project tegelijk om diezelfde monteur vraagt. Planning maken met AI gaat over taken op volgorde zetten binnen één project, met een check op dubbele inplanning. Dit artikel gaat over vraag en aanbod vergelijken over al je projecten en weken heen, voordat je er een nieuwe bovenop legt.

Capaciteitsplanning Excel: wat een spreadsheet wel en niet ziet

De meeste bedrijven die we trainen, houden dit in een spreadsheet: een rij per medewerker, een kolom per week, handmatig ingevuld. Dat werkt tot er twee planners zijn, of een project uitloopt zonder dat iemand de weken erna bijwerkt. Een AI-agent vervangt die spreadsheet niet: hij leest hem, telt de uren op per week, en zegt welke week niet klopt. De spreadsheet blijft de bron.

Capaciteitsplanning met AI: welk niveau past, prompt, workflow of agent?

Neem het lichtste gereedschap dat de klus betrouwbaar klaart, zoals bij elke AI-taak. Anthropic, de maker van Claude, maakt in zijn eigen onderzoek naar agents een scherp onderscheid: "workflows are systems where LLMs and tools are orchestrated through predefined code paths," tegenover agents die "dynamically direct their own processes and tool usage." Voor capaciteitsplanning is dat onderscheid het hele verhaal.

Niveau 1, een slimme prompt. Je plakt zelf wekelijks de projectlijst en het teamoverzicht in ChatGPT, Claude of Gemini en vraagt om het verschil. Dit werkt bij een klein team, tot ongeveer 6 mensen: plakken kost twee minuten, tegenover uren voor iets vasts bouwen.

Niveau 2, een workflow. Een vaste reeks stappen, export ophalen, uren optellen, vergelijken, signaal versturen, die automatisch draait, bijvoorbeeld elke maandagochtend in n8n of Make. Voor de meeste mkb-teams met 10 tot 30 mensen is dit het beste niveau: voorspelbaar, omdat elke stap vastligt. Zodra dit goed draait, is er geen taak meer over die dynamisch, zelf bijstellend gedrag vraagt.

Niveau 3, een volledige agent die zelf planningsbeslissingen neemt. Technisch kan dit: een agent die zelf een freelancer boekt of een project verschuift zodra hij een tekort ziet. Doe dit niet. Anthropic is daar zelf voorzichtig over: agents mogen zelfstandig werken, maar kunnen daarna "pause for human feedback at checkpoints or when encountering blockers," en bij beslissingen die geld en roosters van mensen raken is een capaciteitsgat precies zo'n checkpoint. Een agent weet niet dat een monteur informeel al verlof had gevraagd. Dat weet jij.

Capaciteitsplanning voorbeeld: een week met een verborgen tekort

Een geconstrueerd voorbeeld, want een echte planning is in één oogopslag terug te leiden tot een specifiek bedrijf en specifieke klanten. De cijfers kloppen wel: ze zijn rekenkundig opgebouwd, niet verzonnen.

Capaciteitsplanning maken: welke twee lijsten je nodig hebt

Een installatie- en onderhoudsbedrijf met vier monteurs. Elke monteur heeft een contract van 40 uur per week, maar in de praktijk is 36 uur daarvan inzetbaar op projecten: de rest gaat op aan reistijd, administratie en een vaste marge voor kort verzuim en scholing. Dat is de aanname die dit bedrijf zelf hanteert, en precies het getal dat een AI-model niet kent tenzij je het invoert.

Voor week 47 (16 tot 20 november 2026) staan er twee projecten en een vast onderhoudscontract gepland:

Projectlijst week 47:
- Jansen (dakkapel): 2 monteurs, 3 werkdagen x 8 uur = 48 uur
- De Boer (badkamer): 2 monteurs, 4 werkdagen x 8 uur = 64 uur
- Onderhoudscontract vast: 1 monteur, hele week = 36 uur
Totale vraag: 148 uur

Teamoverzicht:
- 4 monteurs, elk 36 inzetbare uren deze week
Totaal aanbod: 144 uur

Het verschil is 4 uur. Op een spreadsheet met alleen namen en projecten zie je dat niet: niemand staat op papier dubbel geboekt, de optelsom klopt gewoon niet.

De prompt

#CONTEXT: Je bent de planner bij een installatie- en onderhoudsbedrijf.
Je weet dat een capaciteitstekort pas opvalt als iemand al dubbel
geboekt staat, meestal op de maandag van de week zelf.

#DOEL: Per week, voor de komende vier weken, het verschil tussen
geplande uren en inzetbare uren per rol, met een duidelijk signaal
welke week een probleem wordt.

#WERKWIJZE:
1. Vraag me om de projectlijst (project, periode, aantal mensen,
   uren per dag) en het teamoverzicht (naam, inzetbare uren per
   week, rol).
2. Tel per week de totale gevraagde uren en de totale inzetbare
   uren op.
3. Reken het verschil uit en benoem welke projecten daar samen
   voor zorgen.

#OUTPUT: Een tabel per week: vraag, aanbod, verschil in uren, en
een zin over welke projecten overlappen. Geen advies over wie te
verplaatsen: dat beslis ik zelf.

#BELANGRIJKE REGELS:
- Gebruik alleen de inzetbare uren die ik opgeef. Reken nooit zelf
  een marge voor verlof, scholing of verzuim uit contracturen.
- Noem een week alleen een knelpunt als het verschil groter is dan
  6 uur bij dit team (de helft van onze overwerkmarge).

#BEPERKINGEN: Wijs nooit zelf iemand toe aan een project. Doe geen
uitspraak over wie ingehuurd of afgezegd moet worden.

Wat de AI teruggeeft, en wat er mis is

Week 47: vraag 148 uur, aanbod 160 uur (4 monteurs x 40 uur).
Geen knelpunt.

Dat is de fout die je het vaakst ziet. Het cijfer "40 uur contract" stond in de teamomschrijving, en het model greep daarop terug in plaats van op de 36 inzetbare uren. Het rekent met wat er staat, niet met wat je bedoelt.

Wat je repareert voor je het signaal gebruikt

Zet in het teamoverzicht alleen "inzetbare uren: 36", niet "contract 40 uur, waarvan 36 inzetbaar": geen ander getal om naar terug te grijpen. Met die aanpassing, plus de regel die al in de prompt staat, komt het signaal goed uit: vraag 148, aanbod 144, verschil 4 uur, door de overlap van Jansen en De Boer met het vaste onderhoudscontract.

De grootste valkuil bij capaciteitsplanning met AI: de onzichtbare verlofmarge

Het voorbeeld hierboven is één versie van een patroon dat in bijna elk team terugkomt. Een taalmodel rekent uitsluitend met de cijfers die je noemt. Verlof dat nog niet is goedgekeurd, een informele afspraak ("ik werk donderdag van huis"), een scholingsdag die nog niet in de agenda staat: daar weet de agent niets van, en hij vraagt er ook niet naar, tenzij je hem dat opdraagt.

De tegenmaatregel staat al in de prompt: geef altijd het netto inzetbare-urengetal, nooit een brutocijfer waar nog een aftrek bij moet. Bouw daarnaast één vaste vraag in je workflow: "is er deze week iets dat niet in het teamoverzicht staat?" Dat kost een planner tien seconden en vangt precies het soort tekort op dat een los cijfer niet laat zien.

De grens: wat de agent zelf mag, en wat jij beslist

Zelf doen mag hij: vraag en aanbod naast elkaar zetten, het verschil berekenen, een week markeren als knelpunt, en benoemen welke projecten daaraan bijdragen. Dat mag, want het is rekenwerk met cijfers die je zelf aanlevert.

Nooit zelf: een monteur toewijzen, overwerk goedkeuren, een freelancer boeken, of een klant afzeggen. Niet omdat een taalmodel die stappen niet kan formuleren, maar omdat elke keuze iets raakt dat de agent niet ziet, zoals de prioriteit van een belangrijke klant. Anthropic zet het in zijn eigen onderzoek naar agents zo neer: "human review remains crucial for ensuring solutions align with broader system requirements," en dat geldt al voor coding agents, laat staan voor iets dat geld en roosters van mensen raakt.

Let op

Geef de agent dus geen schrijftoegang tot je planningssysteem. Hij leest de projectlijst en het teamoverzicht, en levert een signaal terug. Verder niets.

Wanneer stuur je bij? De beslisregel per tekort

Niet elk verschil is een probleem, en een vast percentage is de verkeerde maat: 3 procent betekent bij twee mensen een paar minuten, bij twintig een halve dag. Reken met twee eigen getallen: je teamgrootte (N) en de overwerkmarge per persoon per week die je realistisch durft te vragen (M, meestal 2 tot 4 uur, een eigen aanname). Je interne marge is N × M. M heeft ook een wettelijk plafond: de Arbeidstijdenwet staat gemiddeld niet meer dan 48 uur per week toe over 16 weken, piek 60 uur in een losse week. Trek dat af van de contracturen voor de absolute bovengrens van M.

Gesignaleerd verschilWat je doetWaarom deze grens
Kleiner dan N × M / 2Niets. Dit is ruis.De helft van je overwerkmarge is ongeveer wat een gewone week al schuift door reistijd of een iets langere klus.
Tussen N × M / 2 en N × M, gesignaleerd 2 tot 4 weken vooruitIntern herverdelen: een taak zonder harde deadline verschuiven, of overwerk afspreken.Dit past precies in de marge die je al had ingecalculeerd, en schuiven kost overleg, geen wervingstijd.
Groter dan N × M, of minder dan 2 weken vooruit gesignaleerdExtern bijschakelen of een project heroverwegen, en de klant vooraf informeren.Boven je eigen marge vang je het niet meer intern op. Een externe kracht inwerken kost meestal meer dan een paar dagen.

Bij het voorbeeld hierboven: team van 4 monteurs, M = 3 uur (eigen aanname), dus N × M = 12 uur en de helft is 6 uur. Het tekort van 4 uur blijft daaronder: ruis, geen actie. Herhaalt diezelfde combinatie van projecten zich de week erna, dan telt het patroon, niet het losse aantal uren.

Wat het oplevert, en hoe je het na zeven dagen meet

Het opzetten kost de eerste keer 1,5 tot 2,5 uur, uit onze trainingen, voor een team tot 15 mensen: de tijd om de projectlijst en het teamoverzicht in een vast format te krijgen en de prompt een paar weken te testen. Dat geldt alleen als die twee lijsten al digitaal bestaan; staat je planning nog op een whiteboard, dan kost overtypen in de eerste weken ongeveer zoveel tijd als je bespaart.

Daarna kost wekelijks onderhoud 10 tot 20 minuten: export bijwerken, workflow draaien, signaal doorlezen. Niet vanzelf beter: de interpretatie, welk project voorrang krijgt, blijft bij jou. Wel scherper na een week: je ziet welke combinatie van projecten steeds weer tegen elkaar aanloopt, iets dat op een spreadsheet met alleen de huidige week zichtbaar nooit opvalt.

Meet dit zonder tooling, met drie getallen op papier:

Privacy: wat zet je wel en niet in de prompt?

Een teamoverzicht met namen en uren is een persoonsgegeven, dus de AVG geldt zodra een AI-tool dat leest. Het goede nieuws: je hebt maar één getal nodig, inzetbare uren per week, geen inhoud erachter. Zet nooit de reden achter een lagere beschikbaarheid in de prompt, zoals ziekte. Eén kolom "inzetbare uren" volstaat; de reden hoort in een personeelsdossier, niet in een promptvenster.

Neem voor deze herhaalde verwerking een zakelijk abonnement met verwerkersovereenkomst, en zet training op je data uit. Werkt de workflow met n8n of Make, check dan waar die dienst de data verwerkt en of dat binnen de EU blijft.

Info

Stand van zaken op 8 november 2026. Een wekelijkse workflow bouw je vandaag meestal in n8n of Make, met een ingeplande trigger en één AI-stap, of met een terugkerende taak in ChatGPT of een project in Claude. Namen, grenzen en prijzen van deze functies wijzigen regelmatig. Check dat zelf in de tool voor je begint.

Wat AI hier niet goed kan

Hij telt uren, geen vaardigheden of namen. Vraagt project A dezelfde, enige VCA-gecertificeerde monteur als project B, dan klopt de totale capaciteit (144 van de 144 uur gevuld) terwijl er toch een conflict is: niemand anders mag die taak doen. Voeg dan een losse regel per certificering toe, niet alleen een teamtotaal. Prioriteren blijft ook mensenwerk: de agent ziet de botsing, maar niet welke klant belangrijker is, tenzij je dat als vast criterium meegeeft. Vooruitkijken buiten de horizon die je voedt, lukt ook niet: signaleer je vier weken vooruit, dan ziet de agent een project in week zes simpelweg niet. En een seizoenspatroon herkent hij niet vanzelf; dat werkt pas als je de afgelopen maanden als voorbeeld meegeeft, en zelfs dan blijft het een aanwijzing, geen voorspelling.

Doe dit deze week

  1. Zet je projectlijst en teamoverzicht naast elkaar, voor de komende vier weken

    Eén lijst met project, periode, aantal mensen en uren per dag. Eén lijst met naam, rol en inzetbare uren per week, exclusief verlof en marge. Gebruik de cijfers uit je eigen planning, niet uit je hoofd.

  2. Draai de prompt hierboven op die twee lijsten

    Check voor elke week of het verschil boven de helft van je interne overwerkmarge (N × M) uitkomt. Geef expliciet het netto inzetbare-urengetal mee, nooit de brutocontracturen, anders krijg je de fout uit het voorbeeld hierboven.

  3. Leg de beslisregel uit dit artikel naast je eigen team

    Vul je eigen teamgrootte en overwerkmarge in (N × M) en reken de twee drempels uit. Schrijf op wie bij welk signaal welke actie neemt.

Het agent-recept dat vandaag werkt: elke maandagochtend om 7 uur leest de workflow de bijgewerkte projectlijst en het teamoverzicht, telt per week vraag en aanbod op voor de komende vier weken, en stuurt jou één overzicht met de weken die boven de drempel komen. Jij beslist wat ermee gebeurt. Bouw dit met je eigen projectlijst en team in de Agent Sprint, of begin met de prompt hierboven in de promptbibliotheek. Wil je eerst breder kijken waar AI in je planning en operations het meeste oplevert, kijk dan bij een AI-werksessie.

AI-training

Wil je AI leren inzetten?

In onze praktische trainingen leer je hoe je ChatGPT, Claude en andere AI-tools effectief inzet voor jouw werk.

Bekijk trainingen

Bronnen

Veelgestelde vragen

  • Wat is capaciteitsplanning, en is dat hetzelfde als capaciteitsmanagement?

    Capaciteitsplanning is het vergelijken van de uren, machinetijd of ruimte die je voor de komende weken gepland hebt (de vraag) met wat daar echt voor beschikbaar is (het aanbod), meestal per week en per rol. Capaciteitsmanagement is het bredere proces daar omheen: niet alleen signaleren, maar ook structureel bijsturen en vooruitkijken. Een AI-agent is sterk in het eerste, het signaleren; het tweede, besluiten nemen, blijft mensenwerk.

  • Is capaciteitsplanning Excel genoeg, of heb je een AI-agent nodig?

    Een spreadsheet blijft een prima plek om je projectlijst en teamoverzicht in bij te houden. Het probleem ontstaat pas bij het optellen: zodra je meer dan een paar projecten en mensen hebt, ziet niemand meer in één oogopslag of de vraag van alle projecten samen het aanbod overschrijdt. Een AI-agent leest dezelfde spreadsheet en doet die optelsom per week, zonder dat jij de som zelf moet bijhouden.

  • Wat is een capaciteitsplanning voorbeeld met een AI-agent?

    Een installatiebedrijf met vier monteurs van elk 36 inzetbare uren per week, 144 uur totaal, plant in één week twee projecten en een vast onderhoudscontract die samen 148 uur vragen. Dat is een tekort van 4 uur, bijna 3 procent van de totale capaciteit. Een AI-agent telt dat op uit de projectlijst en het teamoverzicht en markeert de week, maar wijst niemand toe: dat besluit blijft bij de planner.

  • Hoe begin je met capaciteitsplanning maken?

    Begin met twee lijsten: een projectlijst met periode, aantal mensen en uren per dag, en een teamoverzicht met de inzetbare uren per persoon per week, dus al zonder verlof en marge. Draai daarna een prompt die beide lijsten naast elkaar legt en het verschil per week uitrekent. Pas als dat een paar weken goed draait, is een workflow die dit automatisch herhaalt de volgende stap.

  • Mag een AI-agent zelf beslissen wie waar wordt ingepland?

    Nee. Een agent mag het verschil tussen vraag en aanbod berekenen en een week als knelpunt markeren, maar nooit zelf een persoon aan een project toewijzen, overwerk goedkeuren of een freelancer boeken. Hij weet niet dat iemand informeel al verlof had gevraagd of dat een klant voorrang krijgt. Die beslissing blijft bij de planner.

Tags
ai-agentscapaciteitsplanningplanningoperationsmkb
Dennis Claassen

Geschreven door

Dennis Claassen

Oprichter en AI-trainer

Dennis is de oprichter van Project Impact en traint Nederlandse bedrijven in het effectief gebruiken van AI. Met jarenlange ervaring in tech en onderwijs helpt hij teams om AI praktisch toe te passen.

Meer over Dennis

Een agent voor jullie eigen proces?

Kies een afgebakende taak en werk toe naar een agent met heldere bronnen, rechten en controle.

Bekijk de Agent Sprint