AI verandert snel de manier waarop bedrijven werken. Of het nu gaat om het analyseren van grote hoeveelheden data, het ondersteunen van beslissingen of het automatiseren van routinetaken. AI biedt nieuwe mogelijkheden om processen efficiënter te maken en om betere resultaten te behalen. Ook in de veehouderij en diervoederindustrie beginnen toepassingen hun weg te vinden.

Tech- en AI-expert Sirous Kavehercy heeft de mogelijkheden voor de diervoederindustrie bestudeerd op basis van internationale publicaties. Hij gaf de incompanytraining ‘Effectief werken met AI op de werkvloer’ bij verschillende Nevedi-leden. “AI maakt het mogelijk om data die er al is effectiever te gebruiken. Dat levert niet alleen efficiency op in de hele keten, maar helpt ook om beter voor de dieren te zorgen.”

Op kantoor, in de fabriek en op agrarische bedrijven ontstaan nieuwe oplossingen die de productie, efficiëntie en diergezondheid verbeteren. Toch verloopt de adoptie niet overal even snel. “Het gaat niet alleen om technologie installeren, maar ook om het proces en de mensen erbij”, aldus Kavehercy. Daarbij wordt kennis steeds belangrijker. Met de komst van de EU AI Act is het bovendien verplicht dat iedereen die met AI werkt aantoonbaar AI-geletterd is, bijvoorbeeld via training. Dat maakt investeren in mensen geen ‘nice to have’, maar een randvoorwaarde.

Focus op voederformulering

In voerfabrieken ligt de focus met betrekking tot AI-toepassingen vooral op voederformulering en procesoptimalisatie. ‘Predictive maintenance’ (onderhoud voorspellen op basis van data), energie-efficiëntie en procesoptimalisatie zorgen voor een snelle ‘return on investment’. Kleine verbeteringen vertalen zich op schaal vaak direct naar aanzienlijke kostenbesparingen.

Op kantoor wordt AI gebruikt voor ‘demand forecasting’ (het voorspellen van de vraag), ‘supply chain’-optimalisatie (het optimaliseren van de logistieke keten) en strategische besluitvorming. Op agrarische bedrijven doet AI de intrede rondom gezondheidsmonitoring, zoals ‘body condition scoring’, kreupelheid- en gedragsmonitoring en voercontrole. De mogelijkheden zijn legio, maar de ontwikkelingen staan zeker in de Benelux nog in de kinderschoenen. Ze worden nu vooral door onderzoeksbedrijven en door fokkerijorganisaties gebruikt.

AI biedt de komende jaren veel mogelijkheden. ‘Predictive maintenance’ helpt ongeplande stilstand voorkomen en maakt onderhoud beter planbaar. Integratie van gefragmenteerde databronnen en ‘agentic AI’ (AI-systemen die zelfstandig taken uitvoeren) ondersteunen scenarioanalyse en autonome optimalisatie.

Praktijkvoorbeelden laten volgens Kavehercy de potentie zien. Uit een inventarisatie in de VS blijkt dat koeien met AI-gestuurde monitoring en voeraanpassingen 8 procent meer melk produceren, terwijl dierenartskosten met 20 procent dalen. Bovendien kunnen ondernemers tot 50 procent van de tijd besparen die normaal aan routinetaken zoals gezondheidsmonitoring en voercontrole wordt besteed. “Ook het effect op het welzijn van de dieren is niet te onderschatten.”

Voorbeelden in Italië

In Europa zijn soortgelijke voorbeelden bekend. Drie Italiaanse bedrijven gebruikten ‘machine learning’ op basis van data uit automatische melksystemen en ‘body condition score’ om kreupelheid nauwkeurig te detecteren. Het gebruikte XGBoost-model (een geavanceerd rekenmodel voor voorspellingen) behaalde een nauwkeurigheid van ongeveer 92 procent, zonder dat extra sensoren nodig waren.

‘Het gaat niet alleen om technologie installeren, maar ook om het proces en de mensen erbij’

Daarnaast laten studies met ‘computer vision’ (beeldherkenning met camera’s) en ‘deep learning’ zien dat video-analyse van de poten tijdens het lopen kreupelheid met 96 procent nauwkeurigheid kan detecteren. Dit maakt snelle, objectieve monitoring van dierenwelzijn mogelijk.

Lessen voor de diervoedersector

Voorbeelden uit de voedingsmiddelen- en staalindustrie bieden relevante lessen voor de diervoedersector. Zo gebruikt Nestlé AI om productontwikkelingscycli drastisch te verkorten: van zes maanden naar zes weken. Tevens werd de kwaliteitscontrole geoptimaliseerd. Daarnaast implementeerde het bedrijf NesGPT, een interne versie van het AI-taalmodel ChatGPT voor sales, marketing en juridische functies. Kraft Heinz gebruikte AI-platformen voor procesoptimalisatie, wat het bedrijf 30 miljoen euro aan extra verkoop opleverde.

In de staalindustrie voorspellen AI-modellen storingen zeven tot vijftien dagen van tevoren met een nauwkeurigheid van meer dan 90 procent, waardoor ongeplande stilstand tot 70 procent kan worden verminderd. Aangezien veevoederfabrieken vergelijkbare mechanische componenten (transportbanden, motoren, tandwielkasten) delen met staalfabrieken, is de overdraagbaarheid van deze algoritmen groot. “Daardoor krijgen veevoederproducenten de mogelijkheid om ongeplande stilstand met wel 70 procent te verminderen”, is zijn inschatting.

Kansen voor de toekomst

AI biedt de komende jaren veel mogelijkheden. ‘Predictive maintenance’ helpt ongeplande stilstand voorkomen en maakt onderhoud beter planbaar. Integratie van gefragmenteerde databronnen en ‘agentic AI’ (systemen die zelfstandig taken uitvoeren) ondersteunen scenario-analyse en autonome optimalisatie. Het resultaat is minder ‘downtime’, lagere kosten en een hogere betrouwbaarheid.

Ook voor de ‘corebusiness’, de voerproductie, biedt AI steeds meer mogelijkheden. Denk bijvoorbeeld aan het optimaliseren van de voersamenstellingen en het transformeren van voerformulering van statische ‘least-cost’-benaderingen naar multi-doeloptimalisatie: kosten, prestaties, milieu-impact en diergezondheid worden zo tegelijkertijd meegenomen.

Een vervolg is ‘realtime’ en geïndividualiseerd voeren. Door meetgegevens van sensoren over groei, opname, activiteit en productiestadium te combineren, kunnen AI-systemen voer dynamisch aanpassen voor individuele dieren of subgroepen. Vroege veldproeven bij varkens en runderen laten voederbesparingen zien van 10 tot 12 procent, zonder prestatieverlies. Toekomstige databronnen vanuit de genomica (genetisch) of het microbioom (darmbacteriën) kunnen bovendien in AI-modellen worden geïntegreerd. Dit concept wordt ook wel precisievoeding 2.0 genoemd.

AI helpt daarnaast ook bij het verbeteren van duurzaamheid. Precisievoeding vermindert overvoeding van eiwitten en mineralen, wat stikstof- en fosfaatexcretie met 30 tot 40 procent kan verlagen. In productie verlaagt AI energieverbruik en afval. Multi-doeloptimalisatie maakt de inzet van alternatieve en circulaire ingrediënten mogelijk, zoals insectenmeel, fermentatieproducten en bijproducten uit de voedingsindustrie. Door snelle sensoranalyse kunnen systemen variabiliteit in grondstoffen detecteren en automatisch compenseren.

Ook voor kleine bedrijven

AI-toepassingen zijn er zeker niet alleen voor grote bedrijven, benadrukt Kavehercy. Grote bedrijven hebben wel meer kapitaal, kennis en data om AI-platformen ‘end-to-end’ te implementeren, inclusief ‘computer vision’ en geavanceerde monitoring. Voor kleine bedrijven bieden zogenoemde SaaS-oplossingen (software via internet) en AI in de ‘cloud’ (externe servers) kansen om instapkosten te verlagen.

Generatieve AI kan bijvoorbeeld bestaande BCS-data (lichamelijke conditie van dieren) analyseren, terwijl camera-oplossingen een kosteneffectief alternatief bieden voor dure sensoren. ‘Startups’ ontwikkelen daarnaast steeds vaker goedkope, niet-invasieve tools, dus zonder ingrijpen bij het dier. “AI hoeft geen luxe te zijn voor alleen de grootste bedrijven. Kleine bedrijven kunnen ook profiteren als ze slim starten.”

Uit een inventarisatie in de VS blijkt dat koeien met AI-gestuurde monitoring en voeraanpassingen 8 procent meer melk produceren, terwijl dierenartskosten met 20 procent dalen.

Ondanks de mogelijkheden is het te lopen pad niet voor ieder bedrijf duidelijk en hetzelfde. Obstakels zijn onzekerheid over het rendement op de investering, gebrek aan expertise, datakwaliteit en organisatorische weerstand.

Exit strategy

Daarnaast moeten bedrijven volgens Kavehercy alert zijn op zogenoemde ‘vendor lock-in’: afhankelijkheid van derde partijen voor data en systemen. “Eigen dataformaten zijn een bekend probleem in ‘data analytics’-oplossingen. Om dit te voorkomen, kunnen bedrijven contracten afsluiten om toegang tot hun ruwe data te garanderen. Ook is het verstandig om te kiezen voor leveranciers die open datastandaarden ondersteunen of, waar mogelijk, te investeren in ‘open-source AI-tools’.”

Op kantoor wordt AI gebruikt voor onder andere ‘demand forecasting’, ‘supply chain’-optimalisatie en strategische besluitvorming.

‘AI hoeft zeker geen luxe te zijn voor alleen de grootste bedrijven’

Daarnaast adviseert hij te zorgen voor een ‘exit strategy’. “Maak regelmatig back-ups van je cloudsystemen en zorg dat deze ook bruikbaar zijn buiten het huidige systeem.”

Inmiddels al meerdere vormen van kunstmatige intelligentie

Kunstmatige intelligentie (AI) is technologie waarmee machines taken kunnen uitvoeren die normaal menselijke intelligentie vereisen. Denk bijvoorbeeld aan het herkennen van beelden, begrijpen van taal, leren van data of het nemen van beslissingen. Tegenwoordig zit AI in veel alledaagse toepassingen, van slimme thermostaten tot gezichtsherkenning op je telefoon. Een belangrijk onderdeel van AI is ‘machine learning’. Hierbij leren systemen van data, zonder dat elke stap expliciet geprogrammeerd hoeft te worden. Binnen dit vakgebied vallen ook neurale netwerken (rekenmodellen geïnspireerd op het menselijk brein). Een Large Language Model (LLM) is een speciale toepassing van neurale netwerken, getraind om menselijke taal te begrijpen en te genereren.

Een bekend voorbeeld hiervan is ChatGPT. Dit model heeft geleerd hoe mensen taal gebruiken, waardoor het zinnen kan maken die logisch en natuurlijk klinken. Op basis van een vraag analyseert het model de context en voorspelt het antwoord dat het meest geschikt lijkt, gebaseerd op patronen uit de trainingsdata (oefenmateriaal). ChatGPT ‘begrijpt’ taal niet zoals een mens, maar werkt statistisch.

Naast taalmodellen zijn er nog veel andere vormen van AI. Er bestaan systemen voor beeldherkenning (bijvoorbeeld in slimme stalcamera’s), spraakherkenning (zoals Siri of Google Assistant) en voorspellende modellen. Ook robots en drones kunnen AI gebruiken om zelfstandig te navigeren of beslissingen te nemen.

Training AI op de werkvloer

Agribusiness Service heeft via de ABS Academy samen met Sirous Kavehercy de training ‘Effectief werken met AI op de werkvloer’ opgesteld. Meer informatie hierover is te vinden op de website van Agribusiness-service. Voor 2026 wordt het aanbod uitgebreid met een training over ‘agentic AI’ en automatisering.

Deel dit artikel

René Stevens