Het beeld dat consumenten bij TomTom hebben, is vaak nog dat van het vertrouwde navigatiekastje met de zuignap tegen de voorruit. Op het hoofdkantoor in Amsterdam laat de Nederlandse techgigant echter een heel ander geluid horen. TomTom heeft de consumententak nog niet volledig afgestoten, maar zet inmiddels vol in op een nieuwe rol. Het bedrijf wil uitgroeien tot de fundamentele intelligentielaag voor autonoom rijden, enterprise-toepassingen en agentic AI.
Tijdens een bijeenkomst gaven CEO Mike Schoofs, Chief Product Officer Leo Sei, Head of Orbis Product Management Willem Strijbosch en Solution Engineering Lead Frans Keijzer tekst en uitleg over de koers. De centrale boodschap luidt dat kunstmatige intelligentie in sneltreinvaart verhuist van het computerscherm naar de fysieke wereld. Zonder actuele en betrouwbare geospatiale data kan een autonoom voertuig of een AI-agent daar echter onmogelijk veilige en verantwoorde beslissingen in nemen.
Van A naar B naar fysieke AI-context
CEO Mike Schoofs, die sinds april de leiding heeft en al ruim twintig jaar bij TomTom rondloopt, vatte de evolutie van locatietechnologie kernachtig samen. Twee decennia geleden draaide alles om navigatie en de simpele consumentenvraag: Hoe kom ik daar? De afgelopen jaren verschoof die behoefte naar realtime verkeersoverzicht voor bedrijven en automobilisten naar: Wat gebeurt er nu om me heen? Vandaag de dag betreden we het tijdperk waarin machines, autonome systemen en AI-agents de overhand nemen. Zij vragen niet om een routebegeleiding, maar om context. Wat moet ik nu doen op basis van de fysieke realiteit om me heen?
Die vraag naar extreme nauwkeurigheid begon zo’n vijf à zes jaar geleden al te wringen in alledaagse situaties. Vroeger had een maaltijdbezorger genoeg aan het adres van een groot appartementencomplex. De klant haalde het eten vervolgens zelf beneden bij de centrale ingang op. Vandaag verwacht diezelfde consument dat de bezorger tot op de seconde nauwkeurig aan de voordeur op de vijfde verdieping staat. Zowel zakelijke klanten als eindgebruikers eisten versere, rijkere en preciezere data. Het dwong TomTom om fundamenteel anders na te denken over het bouwen en onderhouden van kaarten.
Daar komt bij dat moderne AI-modellen weliswaar uitblinken in taal, maar ruimtelijk blind opereren. Een Large Language Model redeneert in woorden en tokens, maar begrijpt uit zichzelf niets van de fysieke omgeving. Schoofs en Sei illustreerden dat met een handig voorbeeld. Zonder rijke kaartdata rijdt een zelfrijdende auto rond als een nerveuze toerist. Zo’n voertuig moet met camera’s en sensoren constant alle kanten op turen om de situatie te ontcijferen. Daardoor reageert het systeem pas op het allerlaatste moment. Voeg je daar TomToms intelligentielaag aan toe, dan transformeert die auto in een ‘local’. Het voertuig kent het wegennet door en door, kiest tijdig de juiste rijstrook en anticipeert op gevaren buiten het zicht van de eigen sensoren.
Autonoom rijden en ’the game of nines’
Die commerciële strategie rust op twee pijlers die beiden leunen op één gezamenlijke basis: het Orbis-platform. In de automotivewereld is TomTom een gevestigde macht met een orderportefeuille van 2,4 miljard euro. Uit marktprognoses van onderzoeksbureau SBD blijkt dat in 2030 naar verwachting 58 procent van alle nieuw verkochte auto’s in Europa ondersteuning biedt voor Level 2+ rijassistentie. Schoofs wees er bovendien op dat de druk toeneemt door de concurrentie vanuit China. Chinese fabrikanten en softwareontwikkelaars zetten in combinatie met krachtige Amerikaanse chips een hoog tempo in. Traditionele westerse autofabrikanten moeten daardoor haast maken met hun automatiseringsplannen.
De ultieme ambitie van de auto-industrie is echter ‘eyes-off’. Daarbij kan de bestuurder de aandacht volledig van de weg halen en heeft de machine geen menselijk vangnet meer. Willem Strijbosch zette het veiligheidsvraagstuk uiteen in harde cijfers. Jaarlijks vallen er wereldwijd 1,16 miljoen verkeersdoden en 20 tot 50 miljoen gewonden. De maatschappelijke schade bedraagt volgens data van iRAP zo’n 3,1 biljoen euro per jaar. Dat komt neer op circa tien eurocent aan ongevalskosten per afgelegde kilometer, exclusief voertuigschade.
Veiligheid in autonoom rijden is volgens Strijbosch een zogeheten ‘Game of Nines’. Eén negen staat voor tien kilometer rijden tussen twee menselijke ingrepen of incidenten. Huidige systemen met menselijk toezicht laten momenteel echter nog enorme verschillen zien in die betrouwbaarheid. Zo vereist Tesla’s FSD-systeem volgens data uit de FSD Community Tracker gemiddeld al na veertig kilometer een corrigerende ingreep van de chauffeur, wat neerkomt op 1,6 negens. Vergelijkbare Chinese rijhulpsystemen voor stedelijk gebied doen het met zo’n vijftig kilometer nauwelijks beter en blijven steken op 1,7 negens. Kijkt men puur naar acute overnames om een daadwerkelijke botsing af te wenden, dan stijgt de score van Tesla FSD naar 2.340 kilometer, oftewel 3,4 negens.
Die cijfers steken schril af tegen het aantal kilometers dat zonder zware incidenten wordt afgelegd. Een gemiddelde menselijke bestuurder in de Verenigde Staten rijdt volgens toezichthouder NHTSA zo’n 390.000 kilometer tussen twee gemelde of ongemelde aanrijdingen, goed voor 5,6 negens. Robotaxipionier Waymo overtreft dat menselijke niveau door zonder bestuurder aan boord 3,7 miljoen kilometer af te leggen per aansprakelijkheidsclaim, een prestatie van 6,6 negens. Tesla claimt in zijn eigen veiligheidsrapportages zelfs 8,5 miljoen kilometer per airbag-ontplooiing (6,9 negens), al leunt die score nog altijd volledig op de oplettendheid van de mens als ultieme buffer.
Om een volledig zelfstandig systeem te bouwen, eist de industrie minimaal zes negens. Dat staat gelijk aan één miljoen storingsvrije kilometers zonder dat een mens hoeft in te grijpen. Waymo heeft dat bereikt op een vloot van circa 4.000 voertuigen. Het bedrijf gebruikt daarvoor echter 29 camera’s, 5 lidars, 6 radars en ultrahoge-resolutiekaarten. Die apparatuur kost tienduizenden euro’s per auto. Voor de tientallen miljoenen consumentenauto’s die jaarlijks van de band rollen, is die hardware simpelweg onbetaalbaar.
Hier positioneert TomTom zijn tweeledige productstrategie. Ten eerste is er het Orbis Road Model ADAS voor ‘hands-off’ rijden. Dit model is geschikt voor de huidige generatie auto’s waarin de mens de fallback blijft. Het systeem draait inmiddels in tientallen miljoenen voertuigen voor intelligente snelheidsassistentie en actuele weginformatie.
Daarnaast levert TomTom het Orbis Lane Model voor ‘eyes-off’ rijden. Volgens het bedrijf vormt dit de veiligheidslaag voor de toekomst. In plaats van dure meetwagens voedt TomTom dit model met geanonimiseerde cameradata uit gewone productieauto’s. Dit levert een gedetailleerde kaart op met rijstroken, hindernissen, stoplijnen, zebrapaden en verkeersborden over het gehele wegennet.
Strijbosch illustreerde dat met een duidelijk onderscheid. Stoepranden, rijstrooksplitsingen en verkeersborden veranderen immers niet elke seconde. Een fietser of een kind op het trottoir doet dat wel. Door de statische wereld via de kaart aan te leveren, hoeft de boordcomputer daar geen rekenkracht aan te verspillen. Elke watt aan energie kan vervolgens worden ingezet om de directe omgeving in de gaten te houden. Autofabrikant Volkswagen heeft zich via softwaretak Cariad al verbonden aan dit model.
Location Intelligence en AI-agents voor de enterprise
De tweede pijler richt zich op overheden en het bedrijfsleven onder de noemer Location Intelligence. Externe marktvoorspellingen ramen de jaarlijkse groei van deze markt op 13 tot 16 procent. Frans Keijzer stipte aan dat zo’n 70 tot 80 procent van alle data wereldwijd een locatiecomponent bevat. Waar ruimtelijke analyses voorheen specialistische GIS-software vereisten, zorgt de opkomst van AI-agents nu voor een stroomversnelling.
Om AI-modellen operationeel te maken in de fysieke wereld, introduceerde TomTom specifieke tools voor AI-agents. Zo lanceerde het bedrijf de Maps MCP (Model Context Protocol) en de Agent Toolkit. Daarmee kunnen taalmodellen direct geospatiale data bevragen. Leo Sei benadrukte dat AI-modellen van nature denken op basis van wat ze ooit tijdens een trainingsronde hebben gelezen. Wegen sluiten echter af, snelheden wijzigen en winkels verhuizen. Daardoor hallucineert een taalmodel snel wanneer het aankomt op actuele fysieke situaties. Door AI-agents realtime te koppelen aan TomToms dynamische data, kunnen modellen hun antwoorden direct verifiëren tegen de werkelijkheid. Binnenkort breidt TomTom dit portfolio uit met een specifieke Traffic MCP en een zelfstandige Traffic Agent.
Keijzer liet aan de hand van een reeks praktijkvoorbeelden zien dat dit allang geen theoretische belofte meer is. Zo gebruikt het Amerikaanse Flow Labs de verkeersdata van TomTom om verkeerslichten op drukke kruispunten realtime bij te sturen via hun Optimus Gen2-platform. Doordat het platform nu kan rekenen op vijf keer zoveel datapunten, daalde de foutmarge met ruim zestig procent. Voor steden die de technologie inzetten levert dat direct meetbare winst op. Automobilisten staan tijdens de spits tot wel 24 procent minder lang stil. Tegelijkertijd neemt de uitstoot van schadelijke stoffen met meer dan een vijfde af.
Ook de samenwerking met marktleider Esri bewijst hoe diep de data inmiddels doordringt in zakelijke workflows. De ruim 650.000 klanten van het bekende ArcGIS-platform kunnen TomToms kaarten en live verkeersinformatie voortaan direct binnen hun vertrouwde omgeving gebruiken. Gemeenten, nutsbedrijven en logistieke planners hoeven daardoor niet zelf aan de slag met ingewikkelde softwarekoppelingen. Zij voeren analyses direct uit op basis van actuele data.
Dat betrouwbaarheid zwaarder weegt dan ooit, blijkt juist weer uit de stap die de Australische defensie-inlichtingendienst AGO zette. De organisatie leunde voorheen op een lappendeken van losse kaartleveranciers en gratis openbare data. Voor missieplanning leverde dat te veel risico’s op. Via partner East View Geospatial werd TomToms Orbis-platform geïntegreerd. Daardoor beschikt de dienst nu over een gestandaardiseerde dataset waarin open bronnen nauwkeurig zijn gecontroleerd en verrijkt met commerciële precisielagen.
Ook in de financiële sector maakt die mate van detail een wereld van verschil. Verzekeraars combineren TomToms wegennetwerk met historische snelheden om risicovolle verkeersaders en agressief rijgedrag feilloos in kaart te brengen. Bovendien maakt de data een einde aan ruwe risicoschattingen per postcodegebied. Door overstromings- of brandgevaar tot op het individuele dak te berekenen, kunnen verzekeraars hun risicomodellen met zo’n twee procent aanscherpen. Dat klinkt misschien bescheiden, maar zo’n verbetering levert de markt direct miljoenen op.
Orbis: open standaarden en geen vendor lock-in
Een fundament onder TomToms strategie is de keuze voor openheid. Samen met Meta, Microsoft en Amazon richtte het bedrijf de Overture Maps Foundation op om een neutrale, wereldwijde basiskaart te realiseren. TomTom legt daar vervolgens zijn eigen kwaliteitscontroles, proprietary data en dynamische verkeerslagen bovenop.
Voor zakelijke partijen en autofabrikanten biedt dit het voordeel dat er geen sprake is van een vendor lock-in. Klanten kunnen eigen data combineren met het platform en behouden de controle. Bovendien levert TomTom auditeerbare AI-processen met herleidbare databronnen. Dat is een harde eis voor gereguleerde sectoren zoals defensie, overheden en de financiële wereld.
Deze transformatie brengt ook financieel een gezonde dynamiek mee. CFO Taco Titulaer wees erop dat de overgang van hardware naar software en data de brutomarges heeft opgestuwd van circa 40 procent naar rond de 90 procent. TomTom hoeft dan ook niet terug naar de omzetrecords uit de hoogtijdagen van de consumentenkastjes om een hoogst winstgevende onderneming te zijn.
De onzichtbare intelligentielaag
De transformatie van TomTom markeert een zeldzame koerswijziging voor een techmerk dat ooit op vrijwel elk dashboard te vinden was. Waar het bedrijf veertig jaar lang kaarten maakte om menselijke bestuurders de weg te wijzen, verschuift het zwaartepunt nu definitief naar de systemen achter het stuur en het beeldscherm. Niet langer als zichtbare gids voor de vakantieganger, maar als de neutrale intelligentielaag waar zowel moderne auto’s als data-intensieve enterprise-workflows op draaien.
Die stap brengt TomTom terug naar zijn technologische wortels, gecombineerd met een schaalbaar verdienmodel en aanzienlijk hogere marges. Terwijl techgiganten elkaar bevechten om de dominantie binnen generatieve taalmodellen, bouwt TomTom vanuit Amsterdam aan het fundament voor de stap daarna. Het bedrijf levert de onmisbare brandstof voor kunstmatige intelligentie die veilig, accuraat en met realtime context leert navigeren door de fysieke wereld.