Personeelsplanningen maken met AI (Claude Code): beter plannen, sneller bijsturen
Bouw met Claude Code een planningsprototype, test je personeelsplanning en stuur sneller bij wanneer de bezetting verandert.
Praktische info:
Leertraject
Een medewerker meldt zich ziek terwijl de bezetting al krap is. Een piekperiode vraagt om extra mensen, maar niet iedereen is beschikbaar of heeft de juiste competenties. Je schuift met namen en shiften in Excel, controleert de regels opnieuw en vraagt je af of de planning nog klopt.
Herkenbaar? Dan weet je hoeveel tijd personeelsplanning kan kosten zodra er iets verandert. Wat als je AI kunt inzetten om sneller een planningsoplossing uit te werken en verschillende mogelijkheden te onderzoeken?
In deze praktijkgerichte opleiding ontdek je hoe je met data en Claude Code personeelsplanningen opbouwt en bijstuurt. Je begint bij de basis: welke regels bepalen je planning, welke gegevens heb je nodig en waar ontstaan fouten? Je maakt afspraken over bezetting, beschikbaarheid en competenties expliciet. Pas als dat helder is, ga je met AI aan de slag.
Aan de hand van voorbeeldcase bouw je met Claude Code een eenvoudig planningsprototype. Je beschrijft in gewone taal hoeveel medewerkers nodig zijn, wie beschikbaar is en welke competenties een shift vraagt. Claude Code schrijft en past de code aan die deze gegevens en regels verwerkt tot een eerste planningsvoorstel. Je hebt daarvoor geen programmeerervaring nodig: je werkt stap voor stap, met begeleiding van de docent.
Daar stopt het niet. Je onderzoekt wat het prototype doet wanneer iemand ziek wordt, een verlofaanvraag binnenkomt of de bezettingsbehoefte verandert. Je laat Claude Code aanpassingen uitwerken en vergelijkt de nieuwe uitkomsten. Jij blijft beoordelen of de voorgestelde planning aan de vastgelegde regels voldoet, haalbaar is op de werkvloer en rekening houdt met zaken die niet zomaar uit de data blijken.
Je ontdekt ook waarom je onderscheid moet maken tussen harde voorwaarden en voorkeuren. Een vereiste competentie of minimale bezetting weegt anders door dan een voorkeur voor een bepaalde shift. Wat gebeurt er wanneer niet alle voorwaarden tegelijk haalbaar zijn? Je onderzoekt hoe je knelpunten zichtbaar maakt en welke keuzes nodig zijn om verder te kunnen plannen.
Daarnaast verken je hoe forecasting en optimalisatie een volgende stap kunnen zijn. Hoe kun je met historische gegevens toekomstige drukte inschatten? En hoe kun je verschillende planningsmogelijkheden afwegen binnen vastgelegde voorwaarden? Je ontdekt wanneer zulke technieken waarde toevoegen en wanneer een eenvoudigere aanpak beter past.
Na drie dagen heb je met Claude Code een werkend basisprototype voor de voorbeeldcase gebouwd en getest. Je begrijpt welke gegevens, regels en keuzes de planning beïnvloeden en hoe je de uitkomsten controleert. Tot slot bespreek je hoe deze werkwijze past bij jouw organisatie en stel je een concreet actieplan op om je eigen personeelsplanning te verbeteren.
Wat leer je in deze opleiding personeelsplanning met AI?
- Je planningsvraag scherpstellen: achterhaal waar knelpunten ontstaan en maak doelen, regels en benodigde gegevens expliciet.
- Met Claude Code een prototype bouwen: vertaal beschikbaarheden, competenties en bezettingsbehoeften naar gerichte instructies en werk een basisprototype uit.
- Planningen testen en bijsturen: onderzoek wijzigingen en uitzonderingen, pas gegevens of regels aan en beoordeel of de uitkomsten haalbaar zijn.
- De volgende stap bepalen: ontdek wanneer forecasting en optimalisatie nuttig zijn en maak een actieplan voor je eigen organisatie.
Lesgever/spreker
Met een passie voor wiskunde heb ik mijn studies in de fundamentele wiskunde en doctoraat in de informatica succesvol afgerond. Ondertussen ben ik ook een 4-tal jaar actief in Data Science consultancy, hoofdzakelijk vanuit ORTEC. Komend jaar geef ik ook voor het 3e jaar op rij de cursus Data Scientist bij Syntra AB, waar ik studenten van alle leeftijd inleid tot de wondere wereld van het oplossen van complexe problemen met behulp van Python.
Expertise: Data Science, wiskunde, AI, Python