Van een paar Th!nk-auto’s tot datagedreven laadinfrastructuur: wat ik leerde in 15 jaar elektrisch laden

Toen ik in 2008 het eerste contract voor laadpunten op de markt zette was dat voor een paar Th!nk-auto’s uit Noorwegen. De gemeente Amsterdam had een aantal van die auto’s gekocht om te laten zien dat het echt kon: rijden op stroom! Elektrisch rijden moest de oplossing worden voor lokale luchtkwaliteitsproblemen en de gemeente wilde het goede voorbeeld geven. En deze kunststof ‘botsautootjes’ moesten een eigen laadpunt hebben, een gewoon stopcontact aan een paaltje op straat.

Dat model van ‘vraagsturing’ hebben we lang volgehouden. Omdat er nog niets was, was iedereen die een elektrisch voertuig kocht meteen onze klant voor een laadpunt. We hadden persoonlijk contact met al deze pioniers en we legden ze in de watten. We zetten zelfs laadpunten neer voor elektrische scooters, om het netwerk maar uit te breiden. WE zorgden ervoor dat gebrek aan laadpunten nooit een beletsel zou zijn om over te stappen op elektrisch.

Het “aanvraaggestuurd” werken heeft in Amsterdam nog tot voor kort een hoofdrol gespeeld: iedereen die kon bewijzen een voertuig te gaan gebruiken kreeg een laadpunt. In andere gemeenten vroeg men zich voor het eerst af of de vraag naar laadpunten niet voorspelbaar was? Voor de gemeente Gouda rekenden we met de eerste, soms zeer globale prognoses om een beeld te krijgen van hoeveel laadpunten er nodig zouden zijn. Het was pionieren, want niemand wist hoe snel elektrisch rijden zich zou ontwikkelen.

Eerste prognose van EVTools, gemeente Gouda 2016

Nu, ruim vijftien jaar later, zijn prognoses nog steeds handig – maar niet meer zo bepalend. Er zijn er inmiddels veel: opgesteld door kennisinstituten, overheden én marktspelers. De EU werkt met streefgetallen, Nederland met de Nationale Agenda Laadinfrastructuur, netbeheerders hebben prognoses van stichting E-laad, universiteiten met simulatiemodellen zoals SparkCity, en exploitanten met hun eigen ramingen. Ze verschillen vaak van elkaar en worden soms afhankelijk van politieke beslissingen en beleid wel of niet bijgewerkt. Dat maakt prognoses waardevol, maar ook veranderlijk: ze geven richting, maar nooit de hele waarheid.

Van prognoses naar praktijkdata

Wat ik door de jaren heen heb gezien, is dat uiteindelijk het bestaande netwerk de meest betrouwbare graadmeter is. De praktijk laat het meest accuraat zien hoe de business case er werkelijk uitziet op een specifieke plek. Hoe vaak wordt er geladen, op welke momenten, en hoe ontwikkelt dat zich in de tijd?

Inmiddels zie ik dat contracten tussen gemeenten en exploitanten steeds vaker drempelwaarden bevatten: bijvoorbeeld afspraken dat uitbreiding pas gebeurt bij een bepaalde bezettingsgraad. Dat betekent dat data niet alleen wordt gebruikt om te monitoren, maar ook als gezamenlijk stuurinstrument. Het vraagt om transparantie en om toegang tot dezelfde gegevens via koppelingen (lees hier meer over API’s).

Daarvoor zijn vandaag de dag steeds meer bronnen beschikbaar. De Europese AFIR-regelgeving heeft geleid tot de inrichting van National Access Points, waar laaddata centraal toegankelijk wordt. Daarvoor hebben we in Nederland het NDW en in België Transportdata.be. Verder zijn er commerciële datadiensten die verrijkte informatie leveren, en natuurlijk de data die rechtstreeks uit CPMS-systemen van exploitanten komt. En die mix maakt het mogelijk om niet alleen terug te kijken, maar ook dynamisch vooruit te plannen (zie prioriteringsalgoritme).

Ruimtelijke en maatschappelijke context

Laadinfra is nooit een losstaand systeem. Het raakt direct aan demografie, mobiliteit naar en energie (lees hier meer over hoe we prognoses berekenen). Daarom is het cruciaal om prognoses en netwerkdata altijd te spiegelen aan ruimtelijke en strategische plannen: waar groeit de bevolking, waar komen nieuwe woonwijken, hoe veranderen verkeersstromen, waar ontstaan zero-emission zones, hoe verandert laadgedrag en vooral: waar is netcapaciteit beschikbaar?

Als adviseur en later met ons softwarebedrijf heb ik steeds benadrukt dat je pas echt slimme keuzes maakt als je die verschillende data combineert. Dan gaat het niet alleen over “waar staat vandaag een paal vol of leeg”, maar over de vraag hoe je een stad of regio voorbereidt op de mobiliteit van morgen.

Naar een datagedreven ecosysteem

Ik geloof dat we inmiddels op een punt zijn aangekomen waarop losse besluiten niet meer genoeg zijn. Het gaat om het bouwen van een datagedreven ecosysteem, waarin gemeenten, exploitanten en netbeheerders samenwerken op basis van gedeelde inzichten. Hierin is plek voor verschillende uitrolstrategieën, als dezelfde data maar bij iedereen beschikbaar is.

Met EVTools hebben we vanuit die ervaring een platform ontwikkeld dat al deze databronnen bij elkaar brengt. Niet om de keuzes voor gemeenten of exploitanten te maken, maar om hen de juiste instrumenten te geven. Zo verloopt de samenwerking gesmeerd op de weg naar groene mobiliteit. Zo bouwen we samen aan laadnetwerken die niet alleen vandaag functioneren, maar ook over tien jaar nog passen bij de stad, de regio én de gebruiker.