Dynamische data van TomTom vormt de brandstof voor AI-modellen

In zijn presentatie schetste Schoofs de evolutie van de markt over de afgelopen decennia. Waar het twintig jaar geleden begon met de vraag van de bestuurder – "Hoe kom ik daar?" – verschoof de behoefte van bedrijven en consumenten vervolgens naar realtime-inzichten: "Wat gebeurt er nu, live op de weg?"

Volgens de topman breekt nu de volgende fase aan: "Als je kijkt naar morgen en de komende jaren, vragen AI-systemen en machines zich af: "Wat moet ik nu doen in de context van locatie data?" Het beweegt van kaarten en navigatie naar een intelligentielaag. Kunstmatige intelligentie verplaatst zich van het scherm naar de echte, fysieke wereld. Om dat veilig en betrouwbaar te doen, is een vertrouwde 'location intelligence'-laag nodig. Dat is de kans waar wij op inzetten."

Het Orbis-fundament en de Overture Foundation

Om aan de steeds hogere eisen voor nauwkeurigheid te voldoen, gooide TomTom vijf tot zes jaar geleden het roer om bij het maken van kaarten. Door de opkomst van B2B2C-diensten – zoals maaltijdbezorgers waarbij de consument het eten tegenwoordig tot aan de voordeur op de vijfde verdieping bezorgd wil hebben – ontstond er een enorme vraag naar rijkere en versere data.

TomTom besloot de krachten te bundelen en richtte samen met technologiegiganten als Meta, Microsoft en Amazon de Overture Maps Foundation op. Hierdoor wordt basisdata een 'commodity', waarna TomTom via zijn eigen Orbis-platform de unieke waarde toevoegt. Door OpenStreetMap, sensordata en eigen dynamische gegevens (zoals live verkeersinformatie, snelheden en obstakels) samen te voegen, ontstaat een schaalbare basis voor de gehele productlijn.

Sterk fundament in automotive en B2B

Schoofs benadrukte dat de traditionele navigatietak de solide basis blijft waarop verder wordt gebouwd. Het bedrijf beschikt momenteel over een automotive backlog van 2,4 miljard euro, wat een sterke buffer biedt voor de toekomst. Daarnaast heeft TomTom wereldwijde B2B-partnerschappen opgebouwd met spelers als Uber, Microsoft, Huawei en Amazon (AWS).
Voor de komende jaren richt de groeistrategie van TomTom zich op twee specifieke markten met hoge marges en een snelle dynamiek:

• 1. Geautomatiseerd rijden (Automated Driving): Moderne voertuigen vertrouwen op sensoren die de directe omgeving waarnemen. Locatiedata en geavanceerde kaarten van TomTom kijken daar voorbij en geven het voertuig de nodige context om voorspelbaar en veilig te handelen.
  TomTom voorspelt dat in 2030 zes op de tien auto's in Europa uitgerust zal zijn met L2+ functionaliteiten (automatisch accelereren, remmen, sturen en deels snel wegrijden onder menselijk toezicht). Een belangrijke mijlpaal daarin is het partnerschap met Cariad, waarmee TomTom de softwarestack voor geautomatiseerd rijden van de volledige Volkswagen Groep ondersteunt. De ambitie is helder: de vertrouwde veiligheidslaag worden in élke toekomstige auto.

• 2. Location Intelligence voor Enterprises: Buiten de automotive-sector groeit de vraag naar geavanceerde locatiedata in sectoren als logistiek, ride-hailing (Uber, Bolt), overheden en defensie. Ook binnen de InsurTech-sector (verzekeringen) neemt de vraag toe om risico's rond overstromingen, bosbranden en drukke verkeerspunten beter in te schatten.
  Omdat beslissingen in deze sectoren steeds vaker worden genomen door AI-agents in plaats van mensen, heeft TomTom zijn data geschikt gemaakt voor AI-consumptie. Met initiatieven zoals een eigen MCP-server en een agent toolkit kunnen AI-modellen via een 'conversational UI' direct communiceren met de kaarten van TomTom.

Dynamische data als brandstof voor AI

Het grote onderscheidend vermogen van TomTom zit volgens Schoofs in de verwerking van dynamische data, informatie die elke seconde verandert, zoals live verkeersstromen en gevaarlijke situaties op de weg. Waar statische kaarten eenvoudig gekopieerd kunnen worden, vormt realtime-data de continue brandstof voor AI-modellen en LLM's om in de echte wereld te kunnen handelen.

"Mensen gebruiken al 40 jaar digitale kaarten om de wereld te begrijpen," concludeerde Schoofs. "In de toekomst zijn het niet meer alleen mensen, maar machines, systemen en AI die dezelfde wereld moeten begrijpen. Wij willen die vertrouwde 'location intelligence'-laag worden voor AI in de fysieke wereld. Dat is onze volgende grens en onze grootste groeikans."