Decennialang draaide inkoop binnen industrieel onderhoud om directe behoeften: defecte onderdelen, auditvereisten of dringende veiligheidsvervangingen. Dit reactieve, ‘break-fix’ model was leidend in de besluitvorming binnen de meeste productieomgevingen. Inkoopteams waren gericht op snel handelen in het moment, niet op strategisch vooruitdenken—onderdelen werden pas ingekocht bij defecten of geconstateerde tekorten.

Maar deze aanpak is snel achterhaald. ESG-verplichtingen, strengere veiligheidseisen en de noodzaak om aan te sluiten bij digitale transformatiebeleid zorgen voor een fundamentele herziening van verwachtingen. Zoals KPMG Nederland aangeeft, moeten moderne inkoopafdelingen zich ontwikkelen van traditionele inkopers tot digitaal onderlegde, wendbare partners die met real-time data effectief sturen op besluitvorming en leveranciersbetrokkenheid. De inzet van Industry 4.0-technologieën—zoals real-time analytics en geautomatiseerde datastromen—versterkt deze verandering door handmatig werk te minimaliseren en al in een vroeg stadium prestatieafwijkingen te signaleren (MDPI, 2023).

Inkoopleiders van nu zijn geen prijsonderhandelaars meer, maar risicopredictoren. Ze bewegen zich steeds verder naar voren in de asset lifecycle en gebruiken voorspellende inzichten om inkoopacties tijdig in te plannen, naleving te waarborgen en de operationele continuïteit te beschermen. Hun rol is onlosmakelijk verbonden met het creëren van enterprise value.

Strategische afstemming staat centraal in deze transformatie. Volgens Wipro positioneren vooraanstaande bedrijven inkoop steeds vaker als bron van strategische waarde, door inzet van AI-gedreven inzichten, co-innovatie met leveranciers en geautomatiseerde procure-to-payprocessen. Het doel is niet enkel kostenverlaging, maar ook het vergroten van veerkracht, verbeteren van ESG-prestaties en voorspelbaarheid binnen onderhoud verhogen.

Deze ontwikkeling is duidelijk zichtbaar binnen de Nederlandse industrie, waar inkoopteams voorspellende data integreren in voorraadstrategieën, supply chain-beslissingen en ESG-richtlijnen. Nu de grens tussen onderhoud en inkoop vervaagt, verbeteren organisaties die deze verschuiving omarmen hun efficiëntie, nauwkeurigheid in voorspellingen en grip op lifecyclekosten.

Praktijkvoorbeeld: toepassing in Zuid-Holland

Een middelgrote fabrikant van industriële apparatuur in Zuid-Holland paste een datagedreven, voorspellend inkoopmodel toe gericht op conditie-gebaseerde vervanging van onderdelen.

• Resultaat: 28% minder ongeplande stilstand
• Resultaat: 19% verbetering in voorspelbaarheid van het jaarbudget
• Oorzaak: Transitie van reactieve inkoop naar voorspellend vraagbeheer op basis van apparatuurtelemetrie

Deze resultaten benadrukken hoe de integratie van inkoop in het voorspellend onderhoudsproces niet alleen leidt tot meer betrouwbaarheid, maar ook tot betere financiële beheersing.

Ondanks de vooruitgang in voorspellend onderhoud blijven veel inkoopafdelingen reactief werken—bestellingen worden pas geplaatst nadat een storing is opgetreden. Dit zogenaamde “break-fix”-model is diepgeworteld, maar vergroot het risico op ongeplande stilstand, leveringsvertragingen en oplopende kosten aanzienlijk.

Beslissingen in een reactieve inkoopomgeving worden vaak onder druk genomen, waardoor er weinig ruimte overblijft voor kostenbeheersing, strategische sourcing of het naleven van compliance-eisen. Zonder vooraf inzicht op basis van conditiedata of voorspellende systemen, worden inkopers gedwongen om last-minute te onderhandelen, spoedzendingen in gang te zetten en niet-standaard onderdelen te gebruiken—wat zowel het budget als de operationele stabiliteit onder druk zet.

Volgens Deloitte Insights kan voorspellend onderhoud de uitval van apparatuur met 10–20% verminderen, de onderhoudskosten met 5–10% terugdringen, en de planningsduur met 20–50% verkorten. Deze cijfers tonen aan dat wachten met inkoopbeslissingen tot het moment van storing niet alleen inefficiënt is, maar ook financieel risicovol.

Praktijkvoorbeeld: Het Risico van Reactieve Inkoop in Rotterdam

Een exploitant van een bulkterrein in de haven van Rotterdam ondervond de gevolgen van reactieve inkoop aan den lijve. Toen een jetty-actuator plotseling uitviel, kwam de operatie volledig tot stilstand. Omdat er geen reserveonderdeel beschikbaar was en er geen voorspellende signalen waren, moest de inkoopafdeling hals over kop een vervanging regelen.

Binnen 36 uur had het bedrijf te maken met:

• €28.000 aan stilstandskosten door wachttijd van schepen (detention)
• €4.500 aan spoedlogistiek voor onderdelen
• Toenemende ontevredenheid bij klanten vanwege gemiste SLA-afspraken

Deze situatie liet zien hoe vertraging veroorzaakt door reactieve inkoop direct doorwerkt in operationele, financiële en reputatie-gerelateerde schade.

Nieuwe best practices wijzen voorspellende inkoop aan als het effectieve alternatief. Gebaseerd op real-time monitoringsdata—zoals trillings- of debietafwijkingen—kunnen inkoopteams proactief onderdelen bestellen, afgestemd op geplande onderhoudsmomenten. Onderzoek van de Universiteit Twente, uitgevoerd in 13 Nederlandse industriële cases, toont aan dat inkoopbeslissingen beter worden en de paraatheid toeneemt wanneer deze gekoppeld zijn aan conditiedata.

Ook het PrimaVera-project, gefinancierd via de Nationale Wetenschapsagenda, stimuleert een integrale benadering van assetmanagement waarbij voorspellende inzichten actief worden geïntegreerd in inkoopcycli.

Door gebruik te maken van conditiegestuurde triggers en het koppelen van inkoop aan voorspellende systemen, reduceren organisaties de noodzaak en kosten van spoedinkoop. Zo versterken ze de operationele beschikbaarheid, houden grip op de uitgaven en sluiten ze aan bij datagedreven onderhoudsstrategieën.

Industriële inkoop ondergaat een fundamentele transformatie. Waar voorheen voornamelijk werd gereageerd op verbruik en voorraadtekorten, maken bedrijven nu de stap naar nauwkeurig getimede inkoopacties op basis van real-time data van apparatuur. Deze ontwikkeling wordt mogelijk gemaakt door Industry 4.0-technologieën zoals IoT-sensoren, cloud computing en AI-analytics—hulpmiddelen die continue monitoring en voorspellend beheer van industriële assets mogelijk maken.

Zoals Deloitte Insights aangeeft, maken voorspellende technologieën zoals geïntegreerde IoT en AI het mogelijk om “augmented behavior” toe te passen: geanalyseerde assetdata maakt proactief ingrijpen mogelijk vóórdat een storing zich voordoet. Deze technologieën reduceren niet alleen reparatietijden en ongeplande stilstand, maar verschuiven ook het klassieke inkoopmoment—van tijdgestuurde intervallen naar activering op basis van realtime conditieveranderingen.

Volgens Frigate Manufacturing maken cloudgebaseerde inkoopplatforms nu gebruik van realtime datastromen om inkoopprocessen te automatiseren en voorraadniveaus te optimaliseren met behulp van voorspellende vraagmodellen. Dankzij deze mogelijkheden kunnen industriële bedrijven inkoopacties starten zodra strategische drempelwaarden worden overschreden—bijvoorbeeld trillingsafwijkingen of oplopende temperatuurwaarden—waardoor zowel kosten als operationele efficiëntie verbeteren.

Daarnaast blijkt uit data van TTI, Inc. dat bedrijven zoals Volvo Group diagnose- en reparatietijden drastisch hebben verkort—tot respectievelijk 70% en 20%—door gebruik te maken van defectvoorspelsystemen. Inkoopteams die over zulke inzichten beschikken, kunnen bestellingen vooraf plaatsen op basis van verwachte slijtagevensters, waardoor leveringsproblemen en noodlogistiek worden geminimaliseerd.

Voorbeelden van Sensor-gestuurde Inkooptriggers

Een goed werkend predictief inkoopsysteem integreert real-time sensorinformatie rechtstreeks in het inkoopproces. Onderstaande tabel toont veelvoorkomende assetcategorieën, relevante sensorsignalen en de bijbehorende inkoopacties:

• Hydraulische systemen: Afwijkende trillingen kunnen wijzen op beginnende slijtage van zuigeronderdelen. Het inkoopsysteem kan, gekoppeld aan deze sensordata, automatisch suggesties doen voor herbevoorrading voordat uitval optreedt.
• Elektrische motoren: Een combinatie van verhoogde temperatuur en een hoog aantal gebruikscycli duidt op vermoeidheid van de rotor. Door voorspellende triggers kunnen lagers tijdig worden besteld.
• Chemische pompen: Als het gemeten debiet afwijkt van de verwachte waarde, is dat een indicatie van slijtage aan de as. Op basis hiervan kan vervangingsmateriaal alvast klaargezet worden binnen de serviceplanning.

Operationele Uitdaging en Geïntegreerde Systeemoplossing

Een Nederlandse industriële exploitant kreeg te maken met structurele levertijdproblemen voor actuatoren van marine-laadarmen—kritische onderdelen met lange doorlooptijden. Ondanks het feit dat voorspellende sensoren tijdig degradatie signaleerden, bleef de inkoopafhandeling handmatig verlopen, wat leidde tot vertragingen.

Oplossing:

• IoT-sensoranalyse werd gekoppeld aan ERP-inkoopmodules om automatisch inkoopaanbevelingen uit te sturen zodra vooraf ingestelde drempels werden bereikt.
• CMMS (Computerized Maintenance Management System) werd gesynchroniseerd met leveranciers-API’s om het traject van melding tot orderconsolidatie sterk te verkorten.

Deze gesloten keten van conditiedata naar materieelbeheer vormt een illustratief voorbeeld van hoe realtime informatie materiaalstromen activeert—dit verhoogt de wendbaarheid, maakt budgettering voorspelbaarder en vermindert het aantal onverwachte stilstanden in industriële vlootoperaties.

Predictief onderhoud is slechts zo effectief als het voorraadbeheer dat het ondersteunt. Met toenemende diversiteit aan onderdelen, lange inkoopdoorlooptijden en groeiende prestatiedruk, beseffen Nederlandse industriële teams dat generieke voorraadmodellen tekortschieten. Gelaagd voorraadbeheer — gebaseerd op kriticiteitsniveaus — biedt een precieze aanpak voor resource-allocatie, waarbij essentiële componenten altijd beschikbaar zijn, terwijl overbodige opslag van minder kritieke onderdelen tot een minimum wordt beperkt.

Deze aanpak, bevestigd door toonaangevende Nederlandse producenten en asset managers, transformeert reactieve bevoorrading naar een veerkrachtige, data-gedreven structuur. Hieronder volgt een overzicht van het 3-lagen voorspellend voorraadbeheer framework dat steeds populairder wordt in sectoren zoals de zware industrie, havenlogistiek en petrochemie.

Laag 1: Veiligheid en Operationele Compliance Onderdelen

• Voorbeelden: Vlamdovers, jettyarm-aandrijvers, drukveiligheidskleppen
• Strategie:
  • Deze onderdelen zijn onmisbaar. Falen hiervan brengt directe risico’s met zich mee voor werknemersveiligheid, wettelijke naleving en milieubescherming.
  • Altijd lokaal op voorraad met een buffer.
  • Ondersteund door strikte houdbaarheidsregistratie en automatische bijvulalarmen.

Volgens het onderzoek van Mark van Loon in een Rotterdams productiebedrijf, worden deze onderdelen zowel in het onderhoudsrooster als in het inkoopbeleid voorrang gegeven vanwege hun cruciale rol in veilige en ononderbroken operaties.

Laag 2: Hooggevoelige Uptime Componenten

• Voorbeelden: Servo-valves, hoogbelaste lagers, processensoren
• Strategie:
  • Beheerd via condition-based reordering, gekoppeld aan sensordrempels en meldingen vanuit het CMMS.
  • Inkoopacties worden vooraf aangestuurd zodra voorspellende onderhoudsparameters — zoals toenemende trillingen of hitte — duiden op dreigend falen.
  • Voorraadniveaus worden afgestemd op historische slijtagepatronen en bufferzones gebaseerd op levertijd.

Een petrochemisch bedrijf in Rotterdam dat deze structuur toepaste, rapporteerde een verbetering van 25% in equipment uptime, zoals genoemd door Dr. Ingrid Smits op *MaintenanceWorld.com*. Dit succes werd hoofdzakelijk toegeschreven aan het afstemmen van inkoopcycli op voorspelde storingsdata van Laag 2-componenten.

Laag 3: Laag-Kritische, Breed Beschikbare Onderdelen

• Voorbeelden: Pakkingen, klemmen, standaard bevestigingsmateriaal
• Strategie:
  • Just-in-time (JIT) inkoop of vendor-managed inventory (VMI) geniet de voorkeur.
  • Minimale voorraden om voorraadkosten laag te houden; bijbestelling gebaseerd op verbruikssnelheid.
  • Flexibiliteit dankzij brede marktbeschikbaarheid en korte levertijden.

Hans Vermeer, geciteerd in *AssetManagement.nl*, benadrukte dat deze aanpak teams in staat stelde “middelen effectief te prioriteren”, waarmee de algehele veerkracht van de toeleveringsketen werd vergroot zonder de voorraad te laten stijgen.

Voorspellend Pluspunt: Voorraadefficiëntie Trekt Winst

• Resultaat: De toepassing van gelaagde kriticiteitsmodellen — vooral in Laag 2 — stelde industriële sites in Nederland in staat om de overstock met 22% te verlagen (gebaseerd op geaggregeerde data uit de regio Rotterdam), terwijl tegelijkertijd de beschikbaarheid van onderdelen en reactievermogen van onderhoud sterk verbeterden.

Door kriticiteitslogica te integreren met voorspellende onderhoudssignalen bouwen organisaties in Nederland aan voorraadmodellen die slank, responsief en strategisch afgestemd zijn op de waarde van hun assets.

Nu inkoopprocessen binnen de industrie verschuiven naar voorspellende modellen, moeten de relaties met leveranciers evolueren van louter transactionele uitwisselingen naar strategische samenwerkingen. Het traditionele model—gericht op laagste prijs en levertijd—maakt plaats voor een geïntegreerde aanpak die het nemen van datagedreven, realtime beslissingen ondersteunt.

Uit inzichten van Innovation Origins blijkt dat hoewel Nederland vooruitgang boekt op het gebied van predictive maintenance, veel bedrijven nog worstelen met de gereedheid van hun systemen en de afstemming met leveranciers. Experts zoals Marc Vissers en Willem Hofman benadrukken dat machines vanaf de ontwerpfase moeten worden ingericht op voorspellende functionaliteiten, en dat systemen tussen machinebouwers en gebruikers goed op elkaar afgestemd moeten zijn voor effectieve interventiemomenten. Deze eisen gelden ook voor leveranciers, die digitaal voorbereid moeten zijn en actief moeten bijdragen aan proactieve strategieën.

De inkoopcriteria van vandaag leggen de nadruk op interoperabiliteit, datadeling en inzicht in de levenscyclus van apparatuur. Leveranciers worden niet langer uitsluitend beoordeeld op prijs en levertijd, maar ook op hun bijdrage aan voorspellende processen—via sensorintegratie, compatibiliteit met digitale platforms en transparantie in duurzaamheidsprestaties.

Selectiematrix voor leveranciers

In lijn met trends gesignaleerd door koplopers in predictive maintenance, eisen OEM’s die overstappen naar het Asset-as-a-Service (AaaS) model dat hun leveranciers continue conditiebewaking kunnen ondersteunen via IoT-platforms. Deze nieuwe benadering vergroot de verantwoordelijkheid van leveranciers: niet alleen voor levering, maar ook voor prestaties gedurende de gehele levensduur.

Voorbeeld uit de praktijk: SAP Ariba-integratie bij Nederlandse bedrijven

Nederlandse bedrijven die SAP Ariba inzetten, hebben voorspellingsgerichte beoordelingscriteria rechtstreeks geïntegreerd in hun sourcing-processen. Deze templates scoren leveranciers onder meer op systeemcompatibiliteit (zoals API-integraties), waardetoevoeging over de levenscyclus en transparantie in milieugegevens. Dit vormt de basis voor snellere responstijden wanneer sensorwaarschuwingen een directe inkoopactie vereisen.

Tips voor leveranciersontwikkeling

• Verwerk standaarden voor compatibiliteit met predictive maintenance in aanbestedingen en contractvoorwaarden
• Ontwikkel gezamenlijk datadeelafspraken voor statusinformatie van apparatuur en triggers voor actie

Nu voorspellende systemen zich verder ontwikkelen binnen de Nederlandse industrie, zullen leveranciers deze ontwikkeling moeten evenaren met digitale volwassenheid, transparantie en strategische afstemming. Zo worden zij een onmisbare schakel in een verbonden onderhoudsnetwerk.

Het succes van voorspellend inkopen leunt op één cruciale factor: naadloze systeemintegratie. Zonder een vlotte en nauwkeurige overdracht van apparaatgegevens—from sensor tot leverancier—valt zelfs de beste onderhoudsstrategie in duigen wanneer het aankomt op uitvoering. Daarom herzien industriële inkoopteams hun digitale stack fundamenteel—door IoT-platforms, CMMS-systemen en ERP-modules met elkaar te verweven in een geautomatiseerde workflow.

Wanneer machines tekenen van slijtage vertonen—zoals verhoogde trillingsniveaus of cyclische vermoeiing—moet die informatie direct door een volledig verbonden architectuur reizen. In de best mogelijke configuratie stuurt het systeem niet alleen een melding naar een technicus, maar doet het ook automatisch een voorstel voor een inkooporder of initieert deze zelfs autonoom. De sleutels tot succes? Betrouwbare data-overdracht, minimale handmatige handelingen en volledige afstemming met het inkoopproces.

Overzicht van de systeemflow

Onderstaand diagram geeft een vereenvoudigd beeld van de architectuur binnen voorspellende inkoopoplossingen:

[Sensor Grid] → [IoT Platform] → [CMMS/EAM] → [ERP Procurement Module] → [Supplier System Integration]

Elke schakel in dit proces vervult een essentiële rol:

• Sensor Grid: Meet realtime gegevens over bijvoorbeeld trillingen, temperatuur of stromingsafwijkingen.
• IoT Platform: Normaliseert en stuurt signalen door naar interne systemen.
• CMMS/EAM (bijv. IBM Maximo, Ultimo): Interpreteert de conditie van assets en activeert onderhoudsacties.
• ERP Procurement Module (bijv. SAP EAM): Zet onderhoudstriggers om in inkoopvoorstellen.
• Supplier System Integration: Maakt levering op basis van data mogelijk via API’s of digitale catalogi.

Praktijkvoorbeeld: Nederlandse maritieme logistiek

Bij een maritieme logistieke onderneming in Nederland werd de hele vloot laadarmen uitgerust met IoT-trillingssensoren. Deze sensoren waren gekoppeld aan IBM Maximo voor conditiemonitoring en aan SAP EAM voor geautomatiseerde inkoopprocessen. Wanneer trillingswaarden wezen op aanstaande uitval van actuatoren, kon het systeem proactief de vraag naar onderdelen voorspellen en reeds goedgekeurde bestellingen direct naar strategische leveranciers sturen.

Het resultaat? Een verbetering van 22% in het naleven van geplande onderhoudsvensters, wat leidde tot minder spoedreparaties en een lager risico op SLA-overtredingen. Bovendien nam de beschikbaarheid van reserveonderdelen toe, zónder een toename van de totale voorraad.

Succes vereist samenwerking

Technologie alleen is niet voldoende. Om het volledige potentieel te benutten, moeten inkoop, IT, engineering en cybersecurity nauw samenwerken. Er moeten duidelijke afspraken zijn over datamapping, sensorgrenzen en prestaties van API-koppelingen met leveranciers. Ook juridische teams spelen een rol in het waarborgen van dataprivacy en toegangsrechten over platformgrenzen heen.

Dit is geen simpele digitalisering—het is een vorm van orkestratie. In het tijdperk van voorspellend onderhoud zorgt een slimme systeemarchitectuur ervoor dat onderhoud vóór falen komt, en dat signalen in realtime worden omgezet naar tastbare waarde.

Total Cost of Ownership (TCO) is een essentieel raamwerk dat inkoopprofessionals helpt de focus te verleggen van enkel de aanschafprijs naar een volledig beeld van de waarde en kosten over de gehele levenscyclus van een asset. Binnen voorspellende inkoop speelt TCO een sleutelrol bij het onderbouwen van investeringen in duurzamer en kwalitatief beter materieel, gebaseerd op datagedreven inzichten in plaats van alleen de aankoopprijs.

Deze strategische benadering is vooral waardevol in onderhoudsintensieve productieomgevingen, waar de kosten zich niet beperken tot het moment van aanschaf, maar zich juist opstapelen in de vorm van ongeplande stilstand, frequente service, energie-inefficiëntie en inzet van technisch personeel. Voorspellende onderhoudstools leveren cruciale input—zoals slijtagepatronen en prognoses voor tijd-tot-uitval—die dynamische TCO-modellen ondersteunen.

Wanneer inkoop deze voorspellende data integreert in de financiële planning, verandert besluitvorming van reactieve kostenreductie naar proactieve waardetoename. Componenten worden dan niet alleen beoordeeld op hun prijs, maar op hun prestaties in de tijd, de onderhoudsfrequentie en de impact van storingen op de bedrijfszekerheid en veiligheid.

Voorbeeld van een TCO-tabel – Rotary Lobe Pump

*Gebaseerd op interne inkoopmodellen binnen omgevingen met intensieve technische belasting.

Deze verdeling benadrukt hoe groot het aandeel indirecte kosten is in de totale levensduurkosten van cruciale apparatuur. Zo kan bijvoorbeeld stilstand bijna de helft uitmaken van de totale TCO—een factor die de initiële aanschafprijs ruimschoots overstijgt.

Inkoopstrategie op basis van TCO

• Kies voor kapitaalintensievere en duurzamere apparatuur wanneer het voorkomen van uitval belangrijker is dan een lage aanschafprijs.
• Plan vervangingen preventief op basis van met sensoren gegenereerde prognoses die zijn afgestemd op piekmomenten in efficiëntie, en niet enkel op slijtagegrenzen.
• Verwerk TCO-scenario’s in SAP- of ERP-voorspellingsmodules om zowel CapEx- als OpEx-planning te optimaliseren.

Door inzichten uit voorspellend onderhoud te combineren met TCO-modellering, kunnen inkoopteams verder gaan dan prijsvergelijkingen. Ze bouwen zo aan duurzame betrouwbaarheid, compliance en operationele veerkracht in elke strategische sourcingbeslissing.

Nu duurzaamheid een centrale pijler wordt in industriële operaties—gedreven door regelgeving zoals de EU Green Deal en stijgende verwachtingen van belanghebbenden—neemt inkoop een sleutelpositie in bij de realisatie van Environmental, Social en Governance (ESG)- en circulaire economie-doelen.

Inkoopafdelingen zijn niet langer enkel verantwoordelijk voor het inkopen van conforme onderdelen of het selecteren van de goedkoopste leveranciers. Tegenwoordig moeten ze ESG-criteria diepgaand integreren in hun inkoopstrategie. Onderzoek van SupplyChainBrain toont aan dat duurzame inkoop nu nauwere samenwerking met leveranciers vereist, evenals levenscyclusanalyses en het toepassen van circulair ontwerp.

Vooral in de sector industriële onderhoud speelt de koppeling tussen predictive procurement en duurzame sourcing een prominente rol. Volgens Maintenance World zorgt het inzetten van predictieve onderhoudstechnologieën niet alleen voor een langere levensduur van assets, maar ook voor een kleinere ecologische voetafdruk. Hierdoor worden onderdelen niet meer alleen beoordeeld op prijs of levertijd, maar ook op recyclebaarheid van materialen, CO₂-uitstoot gedurende de levenscyclus en traceerbaarheid in de keten. In industriesteden zoals Rotterdam passen bedrijven dit soort strategieën actief toe, zo meldt het Sustainable Procurement Network, in hun streven naar circulaire economische modellen.

Integratie van ESG in inkoop

Vooroplopende organisaties gebruiken de volgende strategieën om ESG-doelen structureel te verankeren in hun inkoop:

• Emissieanalyse: Analyseer toeleveranciers op Scope 3-impact, inclusief energiebronnen bij productie en logistieke emissies
• Circulaire praktijken: Geef voorrang aan gereviseerde onderdelen, terugnameprogramma’s en modulaire componenten die ontworpen zijn voor demontage
• Keten­transparantie: Vraag om productcertificeringen en leveranciersverklaringen zoals ISO 14001 en EcoVadis-bEOORDELINGEN
• Levenscyclusanalyses: Gebruik ecologische KPI’s als embedded carbon en end-of-life verwerking bij het beoordelen van producten
• Leverancierssamenwerking: Verminder impact via gezamenlijke ESG-tracking en co-innovatie op het vlak van duurzaamheid

ESG-sneltoets voor inkoopafdelingen

Gebruik onderstaande checklist om te meten hoe ESG-bestendig jouw inkoopfunctie is:

• ☐ Worden duurzaamheidscertificaten zoals ISO 14001 en EcoVadis geëist van alle kritieke leveranciers?
• ☐ Bevatten aanbestedingsaanvragen (RFQ’s) beoordelingscriteria voor levenscyclusemissies of recyclebaarheid?
• ☐ Is er een terugname- of refurbishregeling op componentniveau?
• ☐ Worden emissies van leveranciers bijgehouden en meegenomen in de Total Cost of Ownership-berekeningen?
• ☐ Zijn ESG- en circulariteitsdoelstellingen vertaald naar inkoopcategorieën?

Succesverhaal van een Nederlandse energieleverancier

Een Nederlandse energieleverancier besloot om in alle onderhoudsgerelateerde RFQ’s een ESG-wegingsfactor van 20% mee te nemen. Die strategische stap leidde tot een daling van 35% in de CO₂-uitstoot over de volledige levenscyclus van vervangingsonderdelen in de toeleverketen. Dit toont overtuigend aan welke impact een op duurzaamheid gerichte inkoopstrategie kan hebben, zoals bevestigd door het Sustainable Procurement Network.