Hoe garagisten automatisch prijzen kunnen opvragen met AI

Voor veel garagisten begint elke herstelling met dezelfde vraag: wat kost dat onderdeel, en wanneer is het er? Het antwoord staat nergens op één plek. Het juiste nummer zoek je in een catalogus, de prijs zit in de portalen van twee of drie groothandels, en soms in een telefoontje. Dat zoekwerk doe je tussen twee wagens door, of 's avonds als de werkplaats stil is.

In dit artikel tonen we hoe AI dat werk kan overnemen: hoe een vraag binnenkomt, hoe het juiste onderdeelnummer gevonden wordt, hoe de prijzen bij je leveranciers worden opgevraagd, en wat jij daarna nog zelf beslist. Geen code, wel de keuzes die ertoe doen. Het past bij de AI-toepassingen die vandaag al echt werken: veel kleine, herhaalde zoekacties.

De regel die erdoorheen loopt: de AI zoekt en vergelijkt, jij beslist wat er besteld en aangerekend wordt. Een taalmodel leest een vraag en bedient een portaal beter dan je zou denken. Een bestelling plaatsen of een verkoopprijs vastleggen laat je er misschien beter niet aan over, tenzij je menselijke controle inbouwt.

Waarom een prijs opvragen zoveel tijd kost

Een prijs voor één onderdeel klinkt eenvoudig. In de praktijk loop je tegen een aantal dingen aan:

• Het juiste nummer vinden is een klus op zich. Je zoekt het in een catalogus op chassisnummer, en voor hetzelfde model bestaan vaak meerdere uitvoeringen.
• Elke leverancier heeft een eigen portaal. Eigen login, eigen zoekscherm, eigen manier om prijs en stock te tonen. Je typt hetzelfde nummer drie keer in.
• De prijs is meer dan een bedrag. Brutoprijs, jouw korting, stock, en tot hoe laat je moet bestellen voor levering morgen.
• Er zijn alternatieven. Origineel, een kwaliteitsmerk, een goedkoper merk. Vergelijken kost nog eens tijd.
• Bij oudere wagens wordt het moeilijker. Het onderdeel zit niet meer in de gewone catalogus en je zoekt naar nieuw oud stock, nabouw of een tweedehands exemplaar.

De vraag begrijpen en de portalen bedienen is werk waar AI sterk in is. Het onderdeelnummer, de prijsberekening en de keuze leg je liever vast in regels en in jouw beslissing. Die verdeling bepaalt hoe je de software bouwt.

Stap 1: het juiste voertuigtype bepalen

Een onderdeel past op een uitvoering, niet op een model. Daarom is het chassisnummer het vertrekpunt. Je hebt verschillende manieren om deze te achterhalen:

1. Exacte gegevens. Chassisnummer of nummerplaat staat al in je klantenbestand, of wordt simpelweg door de klant doorgegeven.
2. Vergelijkbare wagens. Dezelfde klant, dezelfde wagen als vorig jaar. Wat je toen vond, hoef je niet opnieuw te zoeken.
3. AI, als laatste vangnet. Een foto van het inschrijvingsbewijs of een beschrijving in een mail. De AI stelt een type voertuig en model voor.

Stap 2: het juiste onderdeelnummer

Hier kies je je bron met zorg. Een OEM-catalogus zoals Partslink24 geeft op basis van het chassisnummer het originele onderdeelnummer. Van daaruit zoek je de alternatieven: kwaliteitsmerken die dezelfde pasvorm hebben, via de kruisverwijzingen die je leveranciers aanbieden.

Belangrijk: de AI kiest hier geen nummer. De catalogus levert het, de AI leest het uit. Vindt ze geen passend nummer, dan is "geen passend nummer gevonden" een goed antwoord. Een verzonnen nummer is dat nooit, want dan wordt het verkeerde onderdeel besteld en loopt de herstelling vertraging op.

Een kanttekening: toegang tot catalogussen en portalen valt onder je abonnement en hun voorwaarden. Kijk na of automatisch gebruik is toegelaten voor je het inbouwt.

Stap 3: prijzen opvragen bij je leveranciers

Dit is het deel waar je de meeste tijd kan winnen. Er zijn drie manieren, van beste oplossing naar workaround indien het niet anders kan:

1. Via een koppeling (API of EDI). Biedt je groothandel er een aan, dan vraag je prijs en stock rechtstreeks op. Snel en stabiel. Vraag het gewoon na: veel groothandels hebben zo'n koppeling, maar tonen ze niet.
2. Het portaal laten uitlezen door een AI. Heeft je leverancier geen koppeling, dan logt de AI in op jouw account, tikt het nummer in en leest prijs, stock en levertermijn uit het scherm. In het jargon heet dat browser use. Het werkt, maar het is trager en kwetsbaarder: verandert de leverancier zijn website, dan moet je mogelijk bijsturen.
3. AI een mail laten schrijven. Voor kleine leveranciers of speciale onderdelen waar geen portaal voor bestaat. De AI stelt de mail op, jij verstuurt ze, en het antwoord komt terug in het dossier.

Wat komt er per leverancier terug: het artikelnummer en het merk, jouw netto inkoopprijs na korting, de stock, de leverdag en het uiterste uur om te bestellen. De opvragingen lopen tegelijk, dus een vraag naar drie leveranciers duurt een minuut in plaats van een kwartier.

Stap 4: vergelijken, kiezen en de verkoopprijs

Hier zet de AI alle prijzen die ze van je leveranciers kreeg in één handig overzicht naast elkaar. Wat ze niet doet, is zelf een verkoopprijs berekenen, en dat is een bewuste keuze. Taalmodellen rekenen slecht en klinken overtuigend. Die combinatie wil je niet in een prijs.

De verkoopprijs is gewone code: inkoopprijs plus de marge die jij per type onderdeel of per klant hanteert, plus btw, plus je afrondingsregels. Zo klopt hij elke keer, ook op een drukke maandagochtend.

Zo'n overzicht ziet er bijvoorbeeld zo uit:

• Origineel: €212 netto, vandaag in huis.
• Kwaliteitsmerk: €138 netto, morgen als je voor 16 uur bestelt.
• Goedkoopste merk: €96 netto, overmorgen.

Jij of je magazijnier kiest er één, met één klik. Pas dan vertrekt de bestelling, en de prijs kan rechtstreeks mee in de offerte voor de klant. Zie je dat het goedkoopste merk een slechte naam heeft, dan kies je gewoon een ander. Dat oordeel hoort bij jou.

En als het onderdeel binnenkomt? Dat is een logische volgende stap: controleren of wat de leverancier leverde klopt met wat je bestelde. Daar beginnen we niet mee, maar het dossier is ervoor klaar.

Wat met klassiekers en zeldzame onderdelen?

Bij oudere wagens stopt de catalogus. Daar kan AI niet toveren, maar ze kan wel je kennis organiseren. Ze bevraagt je gewone leveranciers en de specialisten die je kent, en bewaart wat je eerder vond: "die pakking kocht je vorig jaar bij die specialist in Duitsland, aan deze prijs". De tweede keer dat je zoekt voor dezelfde wagen, begin je niet meer van nul.

Eerlijk gezegd: voor een zeldzaam onderdeel blijft er vaak een telefoontje over. Het verschil is dat de AI dat telefoontje voorbereidt en het antwoord daarna in het dossier zet.

Voor wie het technisch wil weten

• Een browseragent voor portalen zonder koppeling, in een aparte, afgeschermde dienst die enkel mag lezen. Met een dagelijkse test op bekende nummers, zodat je meteen merkt wanneer een portaal verandert.
• PostgreSQL met een event log. Elke vraag, elke prijsopvraging en elke keuze wordt een gebeurtenis die je nooit overschrijft. Zo weet je altijd welke prijs je op welke dag zag. Waarom dat bij KMO-software zo goed past, lees je in event sourcing voor KMO-software.
• Vue.js voor het scherm in de werkplaats. Groot, snel en bruikbaar op een tablet, met vuile handen.
• Een API, met MCP erbovenop, zodat je later ook via een AI-assistent kunt vragen "wat kost de koppelingskit voor de Passat van Peeters?". Waarom je dat best meteen voorziet, lees je in Is jouw software klaar voor MCP's?
• Europese infrastructuur, op ons managed platform of bij jou. Een chassisnummer gekoppeld aan een klant kan een persoonsgegeven zijn, dus de GDPR speelt mee. Kies een Europees AI-model en pin de modelversie vast.

Waar gaat het meestal mis?

• Bestellen op model in plaats van op chassisnummer. Dan past het onderdeel net niet. Laat het chassisnummer altijd de basis zijn.
• Een portaal dat verandert. Browser use breekt als een leverancier zijn website aanpast. Test daarom elke dag met bekende nummers, zoals je dat ook doet bij AI testen en evalueren.
• Prijzen zonder datum. Een prijs van vorige week is geen prijs. Toon altijd het tijdstip van de opvraging.
• De monteurs vergeten. Is het scherm omslachtig, dan gebruikt niemand het. Test het in de werkplaats, niet op kantoor.
• Met te veel leveranciers starten. Begin met de twee waar je het meest koopt.

Heb je hier maatwerk voor nodig?

Eerlijk antwoord: niet altijd. Veel groothandels hebben een eigen bestelportaal, en sommige garagesoftware heeft al een onderdelenmodule met prijskoppeling. Past dat bij hoe jullie werken, gebruik het dan.

Maatwerk begint te lonen wanneer je bij meerdere leveranciers koopt waarvan niet elk een koppeling heeft, wanneer je pakket prijzen niet naast elkaar zet, of wanneer je veel met oudere of speciale wagens werkt. Dan bouw je geen vervanging, maar een laag eromheen. En je begint klein: één type onderdeel, twee leveranciers, en pas verder bouwen als de tijdswinst klopt.

Veelgestelde vragen

Kan AI automatisch onderdeelprijzen opvragen bij mijn leveranciers?

Ja. Via een koppeling als je leverancier die aanbiedt, anders door in te loggen op zijn portaal met jouw account. Prijs, stock en leverdag komen samen in één overzicht.

Moet mijn leverancier daarvoor iets aanpassen?

Niet altijd. Bij een koppeling werk je samen met hem, bij een portaal gebruikt de AI jouw account. Kijk wel na wat zijn voorwaarden zeggen over automatisch gebruik.

Bestelt de AI zelf onderdelen?

Nee. Ze zoekt en vergelijkt. De bestelling vertrekt pas nadat jij of je collega gekozen hebt.

Hoe weet de AI welk onderdeel op welke wagen past?

Door te vertrekken van het chassisnummer en een catalogus. Vindt ze geen passend nummer, dan zegt ze dat, in plaats van te gokken.

Werkt dit ook voor oudere wagens en klassiekers?

Gedeeltelijk. Waar de catalogus stopt, onthoudt de AI wat je eerder vond en bij wie, en bereidt ze je zoektocht voor. Een telefoontje blijft soms nodig.

Wat met de privacy van mijn klanten?

Chassisnummers en nummerplaten gekoppeld aan een klant verwerk je best op Europese servers, met een verwerkersovereenkomst.

Hoeveel tijd gaat er bij jullie op een gewone dag naar onderdelen zoeken, en bij hoeveel leveranciers? Vertel ons hoe jullie onderdelen opzoeken, dan schetsen we samen wat er in fase één zou zitten. Of kijk gerust al eens op onze speciale pagina voor automonteurs om een idee te krijgen hoe dit met AI kan geautomatiseerd worden.