Aardappelprijzen onder druk? AI houdt marge overeind

8% meer volume verkopen en toch nauwelijks groeien in omzet. Dat is precies wat je krijgt als de verkoopprijzen met dezelfde 8% dalen. Lamb Weston liet op 19-12-2025 zien hoe snel de aardappelketen kan kantelen: hogere afzet, lagere prijzen, en ondertussen productiekosten die juist stijgen omdat fabrieken minder draaien maar de vaste lasten doorlopen.

Voor iedereen in de aardappelketen (telers, verwerkers, traders, retail en foodservice) is dit geen ver-van-m’n-bedshow. December is traditioneel het moment waarop contracten, voorraadposities en planning voor Q1 nog eens tegen het licht gaan. En na een jaar waarin consumenten prijsgevoeliger zijn gebleven en retailers scherp op aanbiedingen sturen, is de boodschap helder: marge komt niet meer vanzelf met groei.

In deze editie van onze serie “AI in Landbouw en Voedselproductie” pak ik Lamb Weston als case. Niet om een kwartaalrapport na te vertellen, maar om te laten zien hoe AI en data-gedreven supply chain-sturing helpt om prijsdruk op te vangen: van betere vraagvoorspelling en productsamenstelling tot slimmer plannen van capaciteit en energie.

Wat Lamb Weston ons leert over prijsdruk in de aardappelketen

De kern is simpel: volume groeit, prijs daalt, kosten stijgen. Dan wordt planning een margespel.

In de drie maanden tot eind november verkocht Lamb Weston 8% meer aardappelproducten, terwijl de gemiddelde verkoopprijs 8% lager lag. De omzet bleef daardoor vrijwel gelijk rond $1,618 miljard. Positief is dat het bedrijf weer een nettowinst rapporteerde ($62,1 miljoen) na een verlies een jaar eerder, maar de aangepaste nettowinst (zonder eenmalige posten) daalde juist met 8%.

Waarom die “productenmix” allesbepalend is

In de internationale tak steeg de omzet met 4% naar $548,6 miljoen, met 7% volumegroei, vooral in Azië en bij multinationale ketens. Tegelijk daalden de prijzen door een “ongunstige productenmix”. Dat klinkt technisch, maar is bloedpraktisch:

• Meer verkoop van standaardfrites vs. premium specialiteiten
• Andere verpakkingsformaten (bulk vs. consumentenverpakking)
• Meer promo-gedreven orders met lagere nettoprijs
• Verschoven vraag tussen foodservice en retail

De mix bepaalt je marge vaak meer dan je totale tonnage. En precies daar kan AI wél concreet waarde leveren, omdat mix een voorspel- en optimalisatievraagstuk is.

De kostenval: minder draaien, toch vaste kosten

Lamb Weston benoemde ook hogere productiekosten doordat fabrieken minder draaien terwijl vaste kosten doorlopen. Dit zie je in heel Europa en ook in België: capaciteitsbeslissingen worden lastiger als vraag volatiel is. Stilstand is duur. Overproductie is óók duur (voorraad, kwaliteit, afwaardering).

AI helpt hier niet door “magisch” meer vraag te creëren, maar door sneller en nauwkeuriger beslissingen af te dwingen: wat draaien we, wanneer, met welke batchgrootte, tegen welke energieprijs, en met welk servicelevel?

Waar AI direct marge maakt: drie plekken in de keten

AI maakt het verschil waar de meeste organisaties nog sturen op gemiddelden. De praktijk vraagt sturing op variatie: per klant, per product, per week.

1) Vraagvoorspelling op promoniveau (retail & foodservice)

De meest winstgevende verbetering is vaak: voorspel promoties en acties realistisch. Lamb Weston gaf aan mee te bewegen met klanten die aanbiedingen doen. Dat betekent dat de vraag niet “vloeiend” is, maar in pieken komt.

Een AI-forecastmodel (bijvoorbeeld gradient boosting of time-series modellen met externe variabelen) kan vraag voorspellen op basis van:

• Actiekalenders (retailfolders, prijsverlagingen, 2+1)
• Weersdata en seizoenseffecten (winter vs. voorjaar; vakanties)
• Evenementen en sportkalenders (extra snackmomenten)
• Concurrentieprijzen en private label-druk
• Historische substitutie: wanneer schakelt de klant van A naar B?

Praktisch resultaat: minder spoedorders, minder dure omstellingen, minder weggooien, en vooral: betere onderhandelingspositie omdat je met data kunt aantonen wat een promo écht doet.

2) Mix- en margesimulatie: van “volume winnen” naar “waarde winnen”

Als prijzen dalen, is de reflex: meer volume. Maar als dat volume vooral laagmarge SKU’s zijn, ga je alsnog achteruit.

Met AI-gedreven mixoptimalisatie (vaak een combinatie van ML + optimalisatie) kun je scenario’s doorrekenen:

• Welke productmix maximaliseert marge bij beperkte capaciteit?
• Wat is de impact van een 5% lagere prijs op SKU X bij klant Y?
• Welke contracten geven stabiele bezetting en welke veroorzaken piekstress?
• Wat gebeurt er als grondstofkwaliteit wisselt (drogestof, bakkleur, suiker)?

Snippetwaardige waarheid: “In een prijsdalende markt is niet je afzetvolume het probleem, maar je beslissingen over wélk volume je accepteert.”

3) Capaciteitsplanning & energie: plannen alsof elke uurprijs telt

In december 2025 zijn energieprijzen minder extreem dan piekjaren, maar volatiliteit blijft. Voor verwerkers met vrieshuizen, frituurlijnen en verpakkingslijnen telt elk uur.

AI kan helpen met:

• Dynamische productieplanning op basis van energie- en piekbelasting
• Predictive maintenance om ongeplande stilstand te verminderen
• Slimme omstelplanning (minder verlies, minder reinigingstijd)
• Kwaliteitsvoorspelling: welke batch grondstof past bij welke eindproduct-spec?

Dit is geen IT-feestje. Dit is een CFO-onderwerp: minder variatiekosten is directe marge.

Van aardappel tot frites: AI werkt pas als je dataketen klopt

De valkuil die ik het vaakst zie: teams willen “iets met AI”, maar de basis is rommelig. Dan krijg je dashboards die niemand vertrouwt.

Databronnen die je in 2026 echt op orde wilt hebben

Als je prijsdruk voelt, is dit je minimumset:

• Contract- en orderdata (prijzen, rebates, promos, levercondities)
• Productiestops, OEE, omsteltijden, scrap/afkeur
• Voorraad (grondstof, halffabricaat, eindproduct) incl. leeftijd
• Kwaliteitsdata van aardappelen (drogestof, onderwatergewicht, bakkleur)
• Logistieke data (lead times, transportkosten, CO₂-indicatoren)

Zonder deze data kun je wel voorspellen, maar niet beslissen.

Eén stuurgetal dat iedereen snapt: marge per uur

Veel bedrijven sturen op “kosten per ton” of “OEE”. Handig, maar vaak te abstract voor commerciële keuzes.

Een beter stuurgetal in een volatiele markt is:

• Brutomarge per uur lijncapaciteit (per product/klantsegment)

Zo verbind je sales, operations en finance. En je maakt discussies concreet: een promo die je lijn 20 uur bezet moet meer opleveren dan de alternatieven.

Wat betekent dit voor Belgische en Nederlandse spelers?

De Lamb Weston-case is extra relevant voor de Benelux, omdat de aardappelverwerking hier extreem professioneel én competitief is. Retail is geconcentreerd, foodservice is prijsgevoelig, en private label blijft druk zetten.

Voor verwerkers

• Bouw een promo-forecast die sales én planning vertrouwen.
• Maak “mix” expliciet in je S&OP: niet alleen volume, ook marge, bezetting en risico.
• Zet een AI-pilot niet op “voorspellen”, maar op beslissen: planningadvies, prijs- en mixscenario’s.

Voor telers en ketenpartners

Ook telers profiteren als verwerkers stabieler plannen:

• Minder last-minute bijsturing in leveringen
• Duidelijkere kwaliteitsspecificaties per bestemming
• Betere prikkels voor gewenste rassen/kwaliteiten (data-onderbouwd)

AI in de keten werkt het best als je de data niet als machtsspel ziet, maar als gezamenlijke ruisreductie: minder verrassingen, minder verliezen.

Veelgestelde vragen die ik krijg (en het eerlijke antwoord)

“Kan AI prijsdalingen voorkomen?”

Nee. AI stuurt geen wereldmarkt. Wat AI wél doet: sneller signaleren, scenario’s doorrekenen en je operatie zo inrichten dat je marge minder meebeweegt met de markt.

“Waar begin je als je budget beperkt is?”

Begin waar het pijn doet én waar data al beschikbaar is:

1. Promo- en vraagvoorspelling per klant
2. Voorraadveroudering en afwaarderingsrisico voorspellen
3. Planningoptimalisatie voor omstellingen en energie

“Hoe snel zie je resultaat?”

Bij een goede scope zie je binnen 8–12 weken al effect in forecast-kwaliteit en planningrust. Echte margeverbetering volgt zodra beslissingen (prijs, mix, planning) aantoonbaar veranderen.

De echte les uit Lamb Weston’s cijfers: groei zonder sturing is duur

Lamb Weston laat zien hoe een bedrijf marktaandeel kan winnen terwijl prijzen dalen en kosten oplopen. Dat is geen falen, dat is de realiteit van een competitieve aardappelmarkt. Maar het is óók een waarschuwing: als je alleen op volume stuurt, betaal je de rekening in je marge en je fabriek.

AI in landbouw en voedselproductie is daarom het meest waardevol op het saaie, cruciale werk: voorspellen, plannen, mixen en bijsturen. Niet als project naast de business, maar als onderdeel van hoe je elke week beslissingen neemt.

Wil je in 2026 minder afhankelijk zijn van prijsschommelingen? Dan is de vraag niet óf je data slimmer kunt gebruiken, maar welke beslissing je als eerste gaat automatiseren: prijs, planning of mix.