.png)
Kunstmatige intelligentie verandert de manier waarop online winkels werken, van het helpen van klanten bij het vinden van de juiste producten tot het ondersteunen van teams achter de schermen. De beste voorbeelden van AI in e-commerce laten zien hoe retailers slimme tools gebruiken om ervaringen te verbeteren, handmatig werk te verminderen en elke stap van de reis voor klanten soepeler te laten aanvoelen.
In deze gids belichten we 8 praktische voorbeelden van AI in e-commerce, elk ondersteund door echte use cases. Je zult zien hoe AI bedrijven helpt om aanbevelingen te personaliseren, de vraag te voorspellen, gesprekken te automatiseren en dagelijkse taken te stroomlijnen.
Aan het eind zul je een duidelijker beeld hebben van hoe AI je eigen e-commercedoelen kan ondersteunen en zinvollere interacties kan creëren in elk kanaal.
Hoe AI het e-commerce landschap verandert
AI geeft e-commerce een nieuwe vorm door bedrijven te helpen sneller te werken, klanten beter van dienst te zijn en met meer vertrouwen beslissingen te nemen. Taken die vroeger uren handmatig werk vereisten, kunnen nu worden geautomatiseerd, waardoor teams meer tijd hebben om zich op groei te richten. Nu AI deel uitmaakt van de dagelijkse retailactiviteiten, biedt het nieuwe mogelijkheden voor efficiëntie, personalisering en slimmere betrokkenheid tijdens het hele klanttraject.
Hieronder staan de belangrijkste manieren waarop AI de manier verandert waarop ecommerceteams vandaag de dag werken.
Slimmere en natuurlijkere interacties met klanten
AI heeft de manier veranderd waarop klanten communiceren met online winkels. In plaats van te wachten op een antwoord of het doorzoeken van hulppagina's, kunnen mensen nu snel antwoord krijgen via conversationele AI-assistenten en chatbots.
Deze hulpmiddelen kunnen:
- klanten in realtime begeleiden bij vragen
- hen helpen de juiste producten te vinden
- ondersteuning bieden buiten kantooruren
Hoewel ze menselijke teams niet vervangen, verminderen ze de werkdruk en kunnen supportmedewerkers zich richten op complexere behoeften. Spraaktechnologie is ook steeds gebruikelijker geworden, waardoor klanten taken kunnen voltooien met eenvoudige spraakopdrachten - een snelle, intuïtieve en handsfree ervaring.
Snellere, duidelijkere en nauwkeurigere gegevensanalyse
Een van de grootste gevolgen van AI in e-commerce is de mogelijkheid om grote hoeveelheden klant- en productgegevens in enkele seconden te analyseren. Dit helpt teams om gedrag te begrijpen, de vraag te voorspellen en beslissingen te nemen die zijn gebaseerd op echt inzicht in plaats van giswerk.
Met sterkere analyses kunnen bedrijven:
- trends eerder signaleren
- marketingbudgetten effectiever toewijzen
- voorraadplanning verbeteren
- kansen voor nieuwe producten of markten identificeren
AI maakt deze inzichten toegankelijk voor iedereen, niet alleen voor specialisten, waardoor teams sneller kunnen handelen en voorop kunnen blijven lopen.
Efficiënte contentcreatie op schaal
AI heeft ook de manier veranderd waarop e-commercemerken content creëren. Of je nu productbeschrijvingen, SEO-pagina's, sociale posts of advertentieteksten nodig hebt, AI kan snel conceptcontent genereren. Menselijke beoordeling is nog steeds belangrijk, maar AI geeft teams een sterk startpunt en verkort de tijd die nodig is om hoogwaardige assets te produceren.
Dit helpt winkeliers:
- sneller producten lanceren
- productpagina's consistent houden
- meer variaties van kopij testen
- de druk op inhoudsteams verminderen
Voor drukke e-commerce activiteiten kan deze snelheid een belangrijk verschil maken.
Verbeterde operaties en efficiëntie van de backend
AI ondersteunt nu veel processen achter de schermen die ervoor zorgen dat e-commerce bedrijven soepel blijven draaien. Deze omvatten:
- Magazijnrobots die artikelen sorteren, verpakken en verplaatsen
- visuele herkenningstools die namaakproducten detecteren
- dynamische prijssystemen die de prijzen in realtime aanpassen
- automatisering die repetitieve of handmatige taken afhandelt
Naarmate deze tools zich ontwikkelen, geven ze retailers meer controle, een betere nauwkeurigheid en een sterker vermogen om te schalen zonder onnodige complexiteit toe te voegen.
8 AI in eCommerce voorbeelden in 2026
1. Shopify: semantisch zoeken dat natuurlijke taal begrijpt
Zoeken is altijd al een make-or-break moment geweest in e-commerce. Als klanten niet kunnen vinden wat ze zoeken, gaan ze weg. Om dit te verhelpen heeft Shopify semantisch zoeken geïntroduceerd, een AI-functie in de Zoek & Ontdek app die begrijpt wat kopers bedoelen, niet alleen de exacte woorden die ze intypen.
In plaats van te vertrouwen op strikte trefwoordmatches, interpreteert semantisch zoeken de intentie in meer natuurlijke zinnen zoals "iets om te dragen naar een zomerse bruiloft" of "comfortabele schoenen om de hele dag op te staan". Achter de schermen houden AI-modellen rekening met productkenmerken, context en gerelateerde concepten om relevante artikelen te vinden, zelfs als die exacte woorden niet in de producttitels staan.
Verkopers die semantisch zoeken hebben ingeschakeld, melden dat klanten minder "geen resultaten"-pagina's krijgen en met minder pogingen geschikte producten vinden. Dit vermindert de frictie in het kooptraject en helpt winkels om artikelen boven water te krijgen die anders misschien in de catalogus verborgen zouden blijven, wat leidt tot vlottere ontdekking en meer mogelijkheden om terloops bladeren om te zetten in daadwerkelijke bestellingen.
2. Amazon: AI-gestuurde dynamische prijzen
Prijzen in eCommerce veranderen snel en Amazon is een van de duidelijkste voorbeelden van hoe AI dit op schaal kan beheren. Het bedrijf maakt gebruik van machine learning modellen die real-time gegevens analyseren - waaronder prijzen van concurrenten, de vraag naar producten, voorraadniveaus, seizoensgebondenheid en klantgedrag - om prijzen automatisch aan te passen.
Deze algoritmen kunnen de prijzen duizenden keren per dag verversen, zodat producten concurrerend blijven en de marges toch beschermd zijn. Voor shoppers betekent dit dat ze relevante prijzen te zien krijgen die de huidige marktomstandigheden weerspiegelen. Voor retailers betekent dit dat ze voorop kunnen blijven lopen in drukke categorieën zonder dat ze voortdurend handmatig de prijzen hoeven te herzien en bij te werken.
Deze AI-gestuurde prijsaanpak helpt Amazon sneller te reageren op veranderingen in de markt, producten waar veel vraag naar is zichtbaar te houden en de conversie te verbeteren door op het juiste moment de meest aantrekkelijke prijs te presenteren.
3. AI-gestuurde dynamische prijsstelling
Dynamische prijsbepaling is een van de meest praktische en meest toegepaste toepassingen van AI in e-commerce geworden. In plaats van te vertrouwen op vaste prijzen of handmatige updates, analyseren AI-systemen real-time factoren zoals vraag, prijzen van concurrenten, voorraadniveaus, surfgedrag en zelfs seizoensgebondenheid. Met behulp van deze gegevens past het prijsmodel de productprijzen automatisch aan de huidige marktomstandigheden aan.
Een bekend voorbeeld hiervan is hoe grote marktplaatsen en snelle online retailers AI gebruiken om concurrerend te blijven. Als de vraag naar een product piekt, kan het systeem de prijs iets verhogen. Als concurrenten korting geven of de voorraad begint op te lopen, verlaagt de AI de prijs om de conversies stabiel te houden. Het doel is niet om klanten te manipuleren, maar om relevante en concurrerende prijzen aan te bieden op het juiste moment.
Deze aanpak helpt e-commercemerken hun marges te optimaliseren, overtollige voorraden te verminderen en direct te reageren op veranderingen in de markt - iets wat bijna onmogelijk is om handmatig te doen op schaal. Het creëert ook een eerlijkere koopervaring voor klanten, die prijzen ontvangen die de real-time beschikbaarheid en vraag weerspiegelen.
4. AI-gegenereerde productcontent voor snellere merchandising
Veel eCommerce teams besteden uren aan het schrijven van producttitels, beschrijvingen, specificaties en marketingteksten - vooral bij het lanceren van nieuwe collecties of het bijwerken van seizoenscatalogi. AI transformeert nu deze workflow door retailers te helpen content van hoge kwaliteit te genereren in minuten in plaats van dagen.
Moderne AI-schrijftools kunnen productgegevens, stijlrichtlijnen, tone of voice en bestaande merkcontent analyseren om beschrijvingen te produceren die passen bij de identiteit van het merk. Een moderetailer kan bijvoorbeeld productafbeeldingen en basiseigenschappen (zoals materiaal, pasvorm en kleur) uploaden en de AI genereert meerdere variaties van productbeschrijvingen op maat voor de website, advertenties of sociale posts. Dit vermindert repetitief handmatig werk en helpt teams om nieuwe producten veel sneller te publiceren.
AI helpt ook om consistentie te behouden in grote catalogi. Wanneer productassortimenten uitgroeien tot honderden of duizenden artikelen, kunnen toon en kwaliteit gemakkelijk variëren. AI-ondersteunde contentcreatie zorgt ervoor dat beschrijvingen op elkaar afgestemd blijven, leesbaar zijn en geoptimaliseerd voor zoekmachines.
Hoewel menselijke beoordeling nog steeds belangrijk is voor nauwkeurigheid en nuance, doet AI het zware werk, zodat teams zich kunnen richten op creatieve beslissingen en strategie in plaats van de hele dag productteksten te herschrijven.
5. Zalando: AI-gestuurde maatvoorspelling om retouren te verminderen
Een van de grootste uitdagingen in de mode e-commerce is de maatvoering. Klanten bestellen vaak meerdere maten van hetzelfde artikel, houden er één en sturen de rest terug. Dit leidt tot hoge operationele kosten en onnodige verspilling.
Zalando heeft dit probleem aangepakt door een AI-gestuurd maatvoorspellingssysteem te introduceren. Het model analyseert klantmetingen, eerdere aankopen, retourhistorie en stofdetails om de meest nauwkeurige maat voor elke shopper voor te stellen. In plaats van gissen krijgen klanten gepersonaliseerde aanbevelingen zoals "De meeste klanten met een vergelijkbaar profiel passen maat M het beste."
Dit kleine moment van begeleiding heeft een grote impact. Shoppers hebben meer vertrouwen in hun aankoop en retailers zien minder retourzendingen in verband met de maat - een van de duurste retourcategorieën in online mode. Na verloop van tijd wordt het systeem ook slimmer en gebruikt het nieuwe gegevens om toekomstige voorspellingen te verfijnen.
De aanpak van Zalando laat zien hoe AI heel menselijke problemen kan oplossen: onzekerheid, aarzeling en de frustratie van het bestellen van de verkeerde maat. Door de pasvorm voorspelbaarder te maken, hebben ze een soepelere winkelervaring gecreëerd waar zowel klanten als het bedrijf van profiteren.
6. Carrefour: AI-gestuurde optimalisatie van de toeleveringsketen
Carrefour gebruikt AI om de werking van zijn toeleveringsketen in meerdere regio's te verbeteren. Met duizenden producten die elke dag door de winkels stromen, is het bijna onmogelijk om de vraag handmatig te voorspellen. AI helpt de retailer bij het analyseren van grote verzamelingen gegevens, zoals aankooppatronen, seizoensgebondenheid en regionale trends, om te anticiperen op hoeveel voorraad er op een bepaald moment nodig zal zijn.
Met behulp van deze voorspellingen kan Carrefour de voorraad nauwkeuriger bestellen en veelvoorkomende problemen zoals te grote voorraden of een tekort aan essentiële artikelen voorkomen. Dit vermindert verspilling, verbetert de beschikbaarheid van producten en zorgt ervoor dat de schappen zelfs tijdens piekseizoenen vol blijven.
AI helpt het bedrijf ook om leveringsschema's aan te passen en magazijnactiviteiten te stroomlijnen. Door te analyseren hoe producten door elke fase van het proces bewegen, identificeert het systeem manieren om tijd te besparen en operationele kosten te verlagen.
Deze aanpak heeft Carrefour geholpen zijn voorraden efficiënter te beheren, de klanttevredenheid te verbeteren en te werken op een schaal die moeilijk te hanteren zou zijn met alleen traditionele prognoses.
7. Sephora - AI-gestuurde kleurafstemming en gepersonaliseerde productbegeleiding
Sephora heeft AI geïntegreerd in verschillende onderdelen van de winkelervaring, maar een van de meest invloedrijke tools is op AI gebaseerde kleurafstemming. Het "Color IQ" systeem scant de huidskleur van een klant en gebruikt computer vision om de exacte foundationkleur te bepalen die bij hun teint past. Vervolgens worden producten van verschillende merken aanbevolen die passen bij hun ondertoon en huidtype.
Dit lost een langdurige uitdaging in de beautybranche op: online de juiste kleur kiezen. De AI vermindert giswerk, verlaagt het aantal retourzendingen en helpt klanten zich zekerder te voelen bij hun aankoopbeslissingen. Sephora combineert dit ook met gepersonaliseerde productsuggesties op basis van eerdere aankopen en surfgedrag, waardoor de ervaring op maat voelt zonder overweldigend te zijn.
8. Wayfair - AI gebruiken voor visueel zoeken en stijlmatching
Wayfair gebruikt AI-gestuurd visueel zoeken om shoppers te helpen meubels en woonartikelen te vinden met behulp van foto's in plaats van tekst. Als een klant een foto uploadt - of het nu een bank is die hij online heeft gezien of een lamp uit een café - analyseert de AI patronen, kleuren, materialen en vormen om vergelijkbare producten te vinden in de catalogus van Wayfair.
Dit lost een veelvoorkomend probleem in de e-commerce op: shoppers weten vaak niet de juiste trefwoorden om te beschrijven wat ze willen. In plaats van "grijze 3-zitsbank met structuur en houten poten" in te typen, kunnen ze gewoon een foto uploaden en direct door de overeenkomsten bladeren.
De AI suggereert ook aanvullende artikelen op basis van de stijlvoorkeuren van de gebruiker, zodat klanten met minder moeite een complete kamer kunnen inrichten. Dit verbetert de ontdekking van producten, vermindert zoekfricties en verhoogt de algehele betrokkenheid bij het platform.
Hoe profiteren merken van e-commerce winkelassistenten?
Winkelassistenten in e-commerce doen meer dan producten aanbevelen. Ze begeleiden klanten, verminderen wrijving en creëren ervaringen die persoonlijker en behulpzamer aanvoelen. Dit zijn de belangrijkste voordelen voor merken.
Hogere conversiepercentages
Als klanten moeite hebben met kiezen tussen producten, gaan ze vaak weg zonder iets te kopen. Winkelassistenten helpen die onzekerheid weg te nemen.
Door eenvoudige vragen te stellen over voorkeuren, doelen of budget kan de assistent de opties beperken en shoppers naar de meest geschikte producten leiden. Dit schept vertrouwen - en vertrouwen leidt tot een hogere conversie.
Een klant die bijvoorbeeld op zoek is naar een spiegelreflexcamera kent misschien niet het verschil tussen instapmodellen en semi-professionele modellen. Een winkelassistent kan vragen naar hun ervaring, typische gebruikssituaties en prijsklasse, en vervolgens een kleine, samengestelde lijst voorstellen die past bij hun behoeften. Met minder beslissingen is de kans groter dat de klant de aankoop afrondt.
Verhoogde gemiddelde bestelwaarde
Een goed ontworpen assistent ondersteunt niet alleen een enkele aankoop - hij helpt shoppers bij het bouwen van complete oplossingen.
Door te begrijpen waar de klant naar op zoek is, kan de assistent handige accessoires, bundels of aanvullende producten voorstellen. Dit creëert een natuurlijke, relevante upsell-ervaring die aanvoelt als ondersteuning in plaats van druk.
Stel je voor dat iemand een nieuwe laptop koopt. Een winkelassistent kan een hoes, oplader, externe muis of softwaretools aanbevelen op basis van de voorkeuren van de shopper. Deze extra suggesties leiden vaak tot grotere, waardevollere manden zonder de klant te overweldigen.
Minder retourzendingen
Retourzendingen kunnen kostbaar zijn voor retailers, vooral in categorieën als mode, schoenen en elektronica. Winkelassistenten verminderen deze fouten door klanten te koppelen aan producten die echt bij hun behoeften passen.
Bij kleding bijvoorbeeld kan de assistent lichaamsmaten, voorkeursmaten en stijlvoorkeuren verzamelen en vervolgens kledingstukken aanbevelen die met deze gegevens overeenkomen. Dit resulteert in minder foute bestellingen - en minder retourzendingen.
Hetzelfde geldt voor technische categorieën zoals apparaten of gadgets, waar kleine verschillen in functies de klanttevredenheid kunnen beïnvloeden. Door het juiste product te kiezen, helpen assistenten verkeerde aankopen te voorkomen.
Waardevolle klantinzichten
Elke interactie met een shopping assistant brengt gegevens aan het licht over de behoeften, motivaties en beslissingspatronen van klanten. Deze informatie wordt een voortdurende bron van inzicht voor merchandising-, productontwikkelings- en marketingteams.
Merken kunnen leren:
- welke functies klanten het meest waarderen
- welke zorgen kopers ervan weerhouden om te converteren
- welke productcategorieën duidelijkere uitleg nodig hebben
- welke eigenschappen de voorkeur bepalen
Deze gegevens van de "stem van de klant" helpen bedrijven om beslissingen te nemen die gebaseerd zijn op echt gedrag - niet op aannames.
Schaalbare expertise
Tijdens drukke periodes kan het een uitdaging zijn om consistente ondersteuning te bieden. Winkelassistenten bieden productkennis op schaal, zonder afbreuk te doen aan de kwaliteit.
Ze kunnen duizenden klanten tegelijk begeleiden, realtime aanbevelingen doen en het winkeltraject in beweging houden - hoe groot de vraag ook is. Dit is vooral waardevol tijdens seizoenspieken zoals Black Friday, de uitverkoop op feestdagen of grote productlanceringen.
Betere algemene ervaringen
Een persoonlijke, begeleide winkelervaring schept vertrouwen. Shoppers voelen zich gesteund - niet verkocht. Als merken het makkelijker maken voor klanten om het juiste product te vinden, groeit de tevredenheid en wordt de loyaliteit na verloop van tijd sterker.
Consistente begeleiding creëert ook een gedenkwaardige ervaring die het merk onderscheidt van concurrenten die alleen vertrouwen op statische productpagina's.
Hoe helpen e-commerce winkelassistenten klanten?
Ecommerce winkelassistenten maken het kooptraject gemakkelijker, duidelijker en persoonlijker. Als klanten zich ondersteund voelen vanaf het moment dat ze beginnen te surfen, nemen ze beslissingen met meer vertrouwen en veel minder moeite. Hier zijn enkele van de belangrijkste manieren waarop deze assistenten shoppers ondersteunen.
1. Gemakkelijker producten ontdekken
Online winkels kunnen overweldigend zijn, vooral als er te veel vergelijkbare opties zijn. Winkelassistenten verkleinen de keuzemogelijkheden door eenvoudige vragen te stellen over wat de klant nodig heeft.
Dit neemt giswerk weg en helpt shoppers veel sneller bij de juiste producten te komen.
2. Duidelijke richtlijnen over wat echt belangrijk is
Veel klanten weten niet zeker op welke functies, specificaties of details ze moeten letten.
Shopping assistants leggen uit welke factoren het belangrijkst zijn voor hun specifieke use case - zoals grootte, prestaties, compatibiliteit of pasvorm.
Dit maakt van complex productonderzoek een gemakkelijke, begeleide ervaring.
3. Meer vertrouwen in hun beslissingen
Gepersonaliseerde aanbevelingen geven klanten het gevoel dat ze het juiste product kiezen en niet alleen het populairste.
Wetende dat de suggesties gebaseerd zijn op hun behoeften en voorkeuren vergroot het vertrouwen en vermindert het twijfelen, waardoor de uiteindelijke keuze veel zekerder aanvoelt.
4. Snellere routes naar de kassa
Omdat assistenten irrelevante opties snel uitfilteren, kunnen klanten hun aankoop veel sneller afronden.
Dit kortere pad van ontdekken tot afrekenen bespaart tijd, vermindert frustratie en zorgt voor een soepelere algehele winkelervaring.
5. Een winkeltraject dat persoonlijk aanvoelt
Elke interactie met een winkelmedewerker voelt op maat gemaakt voor de situatie van de shopper - of het nu gaat om mensen die voor het eerst kopen of om terugkerende klanten.
Deze persoonlijke ondersteuning helpt hen snel en op een prettige manier te vinden wat ze zoeken, waardoor een positieve ervaring wordt gecreëerd die ze onthouden.
Top 3 AI-agenten voor e-commerce
1. Trengo - verenigde inbox en geautomatiseerde betrokkenheid
Met Trengo kun je alle klantgesprekken van chat, e-mail, sociale media en messaging apps centraliseren in één inbox. De automatisering en AI-functies helpen je om vragen te routeren, direct antwoorden te sturen en ondersteuning op schaal te beheren. Voor e-commerce kan dit snellere reacties, minder verloren berichten en een soepelere orderondersteuning betekenen.
Gebruikscases:
- Automatisch veelgestelde vragen van klanten beantwoorden (verzendtijden, retourbeleid, productbeschikbaarheid).
- Routeer complexe vragen naar het juiste team - zodat klanten snel hulp krijgen zonder vertragingen.
- Behoud de context van het gesprek, zelfs als klanten van kanaal wisselen (bijvoorbeeld van WhatsApp naar e-mail).
Deze uniforme, geautomatiseerde aanpak helpt e-commercemerken om responsief en consistent te blijven - vooral wanneer het volume toeneemt of tijdens promoties en uitverkopen.
2. Vue.ai - AI-gestuurde productaanbevelingen en visual merchandising
Vue.ai helpt online retailers met het automatiseren van merchandising, het verbeteren van productontdekking en het personaliseren van het winkelproces. De AI-engine analyseert productkenmerken, surfgedrag en visuele patronen om aanbevelingen te doen die zeer relevant aanvoelen.
Waar helpt het bij:
- gepersonaliseerde productsuggesties op basis van de intentie van de shopper
- geautomatiseerd merken van producten met behulp van visuele herkenning
- AI-gegenereerde stylingaanbevelingen
- verbeterde ontdekking voor lange productcatalogi
Merken gebruiken Vue.ai om shoppers te helpen artikelen sneller te vinden, beslismoeheid te verminderen en conversiepercentages te verbeteren - vooral in de categorieën mode, woninginrichting en beauty.
3. Dynamisch rendement - hyperpersonalisatie en optimalisatie op basis van gedrag
Dynamic Yield is een AI-gestuurd personalisatieplatform dat e-commercemerken helpt om op maat gemaakte productsuggesties, dynamische content, gepersonaliseerde banners en aangepaste landingspagina's te leveren. In plaats van alle shoppers hetzelfde te behandelen, past het de ervaring aan op basis van browsegeschiedenis, aankoopintentie, locatie en gedrag.
Waar helpt het bij:
- gepersonaliseerde startpagina-indelingen en productfeeds
- dynamische promoties en prijzen op basis van intentie
- A/B-testen op schaal met AI-gestuurde inzichten
- geavanceerde segmentatie voor terugkerende vs. nieuwe shoppers
E-commercemerken gebruiken Dynamic Yield om inzichten om te zetten in gepersonaliseerde ervaringen die de relevantie verhogen - en uiteindelijk de omzet verhogen.
Laatste woorden
AI verandert de manier waarop e-commercemerken werken, van het verbeteren van productontdekking tot het ondersteunen van slimmere operaties achter de schermen. Met de juiste tools kunnen teams handmatige taken verminderen, klantervaringen personaliseren en beslissingen nemen op basis van duidelijke inzichten in plaats van aannames. Deze verschuiving helpt merken concurrerend te blijven en te voldoen aan de stijgende verwachtingen van klanten zonder de werkdruk te verhogen.
Of je nu ondersteuning wilt stroomlijnen, winkelend publiek effectiever wilt begeleiden of alledaagse processen wilt automatiseren, AI biedt praktische manieren om slimmer te werken. De voorbeelden in deze gids laten zien hoe retailers zich al aanpassen - en hoe jij soortgelijke stappen kunt zetten om met vertrouwen te groeien.
Als je klaar bent om je klantervaring te verbeteren met AI-gestuurde automatisering, kun je ontdekken wat er mogelijk is met Trengo.
Probeer Trengo gratis uit en zie hoe AI jouw e-commerce groei kan ondersteunen.
