FNV wil af van productienormen bij Lidl. Wat doet dat met jouw AI-plannen?
Stoppen met stuksprestaties, tijdmetingen en audits. Productienormen in de distributiecentra afschaffen. Dat is wat FNV op tafel legt bij Lidl. Lees die eisen nog eens terug als je net budget hebt vrijgemaakt voor een systeem dat picks per uur meet.
De feiten. FNV Handel en Lidl zitten donderdag 27 augustus om tafel over de werkdruk. Lidl nodigde de bond zelf uit. Aanleiding is een onderzoek onder 1.168 medewerkers uit winkels, dc's en kantoren, afgenomen tussen 5 maart en 11 mei 2026 met de Sneltest Werkdruk op basis van de VBBA-vragenlijst. Uitkomst: 74 procent scoort 'code rood', in 2019 was dat nog 68 procent. In de distributiecentra staat 59 procent op rood en 26 procent op oranje. Veertig procent van de dc-medewerkers meldde zich het afgelopen jaar ziek door werkdruk. Ruim een derde ervaart te weinig steun van de leidinggevende. Werknemers noemen hoge productienormen, te weinig collega's en zwaar lichamelijk werk als knelpunten. Lidl zegt zich niet te herkennen in het beeld dat FNV schetst.
Waarom dit verder gaat dan Lidl: de normtijd staat nu zelf ter discussie. Een normtijd is de tijd die je systeem rekent voor een taak — twaalf seconden per pick, drie minuten per pallet. Jarenlang was dat een technisch dingetje van een planner en een consultant. Nu ligt het op de cao-tafel. En als je normen straks door een algoritme laten bijstellen op basis van historische data, wordt het alleen maar lastiger uit te leggen waar dat getal vandaan komt. Wie dat niet kan uitleggen, verliest het gesprek. Terecht.
Wat betekent dat voor jou? Drie dingen. Eén: je OR heeft instemmingsrecht bij voorzieningen die gedrag of prestaties van medewerkers volgen (artikel 27 lid 1 sub l WOR). Een productiviteitsdashboard valt daaronder. Betrek de OR vóór de demo, niet na de go-live. Twee: AI-systemen voor personeelsbeheer gelden onder de Europese AI-verordening als hoog risico. Dat brengt eisen mee rond documentatie, toezicht door mensen en uitlegbaarheid. Drie, en dat is de simpelste: schrijf op hoe je norm tot stand komt. Welke data, welke aannames, wie mag afwijken, en hoe meldt een picker dat de norm niet klopt. Eén A4 is genoeg.
De rekensom is niet ingewikkeld. Een dc waar veertig procent uitvalt door werkdruk haalt zijn planning ook niet. Slimmer meten lost dat niet op als er domweg te weinig handen zijn.
Dus: kun jij vandaag uitleggen waar de normen in jouw magazijn vandaan komen? En zou je dat antwoord ook geven aan de man die om zes uur 's ochtends je pallets bouwt?
Meer lezen
Bij humanoïde robots is het contract interessanter dan de robot
Supply Chain Movement beschrijft hoe humanoïde robots niet alleen technisch maar vooral commercieel iets veranderen: leveranciers experimenteren met robot-as-a-service en betalen per uitgevoerde taak in plaats van een grote CAPEX-investering. Voor magazijnen verlaagt dat de drempel om te starten, maar verschuift het risico naar contractvoorwaarden en beschikbaarheidsafspraken. Wie nu oriënteert, doet er goed aan naast techniek ook het afrekenmodel te toetsen.
Robotorders stijgen buiten de auto-industrie. Alleen: het magazijn staat niet in dat lijstje
Brancheorganisatie A3 meldt dat de roboторders in Noord-Amerika in het tweede kwartaal van 2026 in vrijwel alle sectoren stegen, met duidelijke groei buiten de auto-industrie. Warehousing en logistiek zijn daarbij een van de trekkende segmenten. Voor wie AI-adoptie overweegt is dit een marktsignaal: levertijden, integratiecapaciteit en prijsdruk bij systemintegrators bewegen mee met deze ordergolf.
De grijper is de bottleneck, niet het brein
Een analyse in The Robot Report stelt dat de vooruitgang in robot-AI-modellen harder gaat dan de vooruitgang in grijpers, en dat de hand daarmee de beperkende factor wordt. Dat is een nuchter tegengeluid bij demo's waarin het 'brein' alles lijkt te kunnen. Wie een pick-robot beoordeelt, doet er goed aan de test te richten op de fysieke handling van het eigen assortiment (folie, zakken, wisselende verpakkingen) en niet op de software-demo.