Aardappelstoomschillen goedkoper: stuur je voer met AI

€0,10 per ton klinkt als kleingeld. Tot je ’t doorrekent over weken, vrachten en rantsoenen. In de laatste weken van het jaar zakte de prijs van aardappelstoomschillen met €0,10, terwijl leveranciers hun voorraden rond de feestdagen al hadden afgedekt en de aardappelverwerking beter liep dan verwacht.

Dit soort mini-bewegingen lijkt onschuldig, maar in de praktijk bepaalt het vaak of je voerstrategie soepel door de winter loopt of dat je eind januari alsnog duur moet bijsturen. En precies daar past deze post in onze serie “AI in Landbouw en Voedselproductie”: niet om het voer “hip” te maken, maar om je beslissingen sneller, onderbouwder en goedkoper te maken.

Wat zegt die €0,10 daling eigenlijk over de markt?

De kern: een prijsdaling bij aardappelstoomschillen in december is meestal geen toeval, maar een combinatie van verwerkingsritme, logistiek en seizoenspsychologie.

De marktinformatie uit de sector laat drie concrete signalen zien:

• Voorraadopbouw richting feestdagen: leveranciers willen leverzekerheid in weken met minder planningruimte.
• Verwerking loopt beter dan verwacht: meer output betekent meer bijproducten.
• Dikkere schil bij verwerkte aardappelen: klinkt banaal, maar meer schil per kilo aardappel is direct meer aanbod van stoomschillen.

Dat laatste is een mooie reminder: bijproducten volgen niet alleen vraag en aanbod van veevoer, maar óók de procesparameters in de voedingsindustrie. Als aardappelen anders uitvallen (ras, maat, schilpercentage), schuift het aanbod van bijproducten mee.

En hoe zit het met andere bijproducten?

In dezelfde periode blijft het aanbod van aardappelsnippers ruim, met prijzen die (voor A-kwaliteit) grofweg tussen €30 en €40 per ton liggen. Campagneproducten lopen “redelijk”, maar vragen wel verkoopenergie. Bietenperspulp beweegt richting het einde van de campagne en is naar verwachting in januari grotendeels klaar.

Als je dit samenlegt, zie je een typisch decemberpatroon: veel beweging in korte tijd, terwijl je op het erf juist rust en voorspelbaarheid wilt.

Waarom prijsmonitoring van bijproducten je (veel) geld kan schelen

Het directe effect van een daling van €0,10 hangt af van volume. Maar het indirecte effect kan groter zijn: prijsbewegingen zijn vaak de eerste waarschuwing voor een verschuiving in beschikbaarheid.

Ik ben hier vrij stellig in: wie bijproducten in het rantsoen serieus inzet, moet ze ook serieus monitoren. Niet één keer per maand, maar structureel.

Wat er misgaat bij veel bedrijven:

• Er wordt gekeken naar de laatste factuurprijs, niet naar de trend.
• Er wordt gestuurd op €/ton product, niet op €/kg drogestof of €/MJ energie.
• Logistiek (transport, opslag, bederf) wordt pas na aankoop “meegenomen”.

De realiteit? Een bijproduct is alleen goedkoop als het past in je planning.

Praktische rekenregel die je vandaag kunt gebruiken

Vergelijk bijproducten altijd op een uniforme basis:

1. €/kg drogestof (DS)
2. €/VEM of €/MJ NEL (afhankelijk van jouw rekenwijze)
3. Totale kost incl. transport en verliezen

Een voergrondstof is pas “goedkoop” als hij goedkoop blijft na transport, opslag, DS-correctie en rantsoenpassing.

AI als voorman op de voerplanning: wat werkt wél (en wat niet)

AI in veevoerplanning is niet “een robot die het rantsoen maakt”. De meest waardevolle toepassingen zijn juist heel nuchter: vroeg signaleren, slim voorspellen en scenario’s doorrekenen.

1) Prijsvoorspelling: klein voordeel, grote impact

AI-modellen kunnen prijsbewegingen van bijproducten beter benaderen door:

• historische prijsreeksen,
• seizoenspatronen (campagnes, feestdagen),
• productie-indicatoren (verwerkingsvolumes),
• logistieke signalen (beschikbaarheid transport, wachttijden),
• substitutie-effecten (als product A duurder wordt, stijgt vraag naar B).

Je hoeft geen perfect model te hebben om voordeel te pakken. In de praktijk is het al winst als je:

• 1–2 weken eerder ziet dat aanbod ruimer wordt,
• of juist tijdig inschat dat een campagneproduct “opraakt”.

Dat vertaalt zich naar betere inkoopmomenten en minder noodgrepen.

2) Rantsoenoptimalisatie: sturen op KPI’s in plaats van gevoel

Een tweede sterke AI-toepassing is het automatisch doorrekenen van rantsoenscenario’s op basis van jouw doelen:

• voerkosten per 100 kg melk
• eiwitbenutting (stikstofefficiëntie)
• pensgezondheid (structuur)
• variatie in DS en voederwaarde

Het verschil met “klassiek rekenen” zit in de snelheid en breedte: AI kan tientallen combinaties testen, inclusief beperkingen zoals maximale opname of beschikbare opslag.

3) Supply chain optimalisatie: je winst zit vaak in logistiek

Bij aardappelstoomschillen (en andere natte bijproducten) is logistiek geen bijzaak. AI helpt vooral bij:

• levermomenten plannen rond productiepieken,
• routes combineren,
• opslagcapaciteit afstemmen op bederfrisico,
• kwaliteitssignalering (temperatuur, verblijftijd).

Als je in december extra volume kunt aannemen omdat je planning strak is, profiteer je eerder van tijdelijke prijsdruk.

Case: aardappelstoomschillen in december—zo maak je er een beslismodel van

Neem de situatie van half december: prijs zakt €0,10, verwerking loopt beter, schillen zijn dikker.

Een praktisch beslismodel (dat je met simpele software of met een AI-dashboard kunt draaien) bestaat uit drie lagen.

Laag 1: Marktsignalen (input)

• Weekprijs aardappelstoomschillen (trend + volatiliteit)
• Indicator “verwerking loopt beter dan verwacht” (kwalitatief signaal → score)
• Seizoensfactor: feestdagen (leverzekerheid)

Laag 2: Bedrijfsspecifieke beperkingen

• Opslagruimte (m³) en maximale verblijftijd
• Beschikbaarheid transport in week 52/1
• Mogelijkheid tot substitutie in rantsoen (wat kun je vervangen?)

Laag 3: Uitkomst in scenario’s

• Scenario A: nu kopen, volume +20% voor 3 weken
• Scenario B: gelijk blijven, wachten op verdere daling
• Scenario C: afbouwen, overstappen op alternatief (bijv. snippers/pulp)

Kies niet op onderbuik. Kies op totale kost + risico.

Mijn vuistregel: bij natte bijproducten wint het scenario dat de minste “spoedcorrecties” in januari veroorzaakt.

Checklist: zo zet je AI-gestuurde voerstrategie in 30 dagen neer

Je hoeft geen datateam te bouwen. Je hebt vooral discipline in data en afspraken nodig.

Week 1: Data op orde (minimaal)

• Verzamel 12–24 maanden inkoopprijzen (per product)
• Noteer per levering: DS (als beschikbaar), transportkosten, leverancier, leverdatum
• Leg vast: hoeveel ton/week verbruik je echt?

Week 2: KPI’s kiezen die bij jou passen

Kies 3 KPI’s die je elke week wilt zien:

• voerkosten per 100 kg melk
• €/kg DS per bijproduct
• voorraad (dagen dekking)

Week 3: Eerste voorspellings- en alarmsysteem

Zet simpele “alerts” op:

• prijs zakt of stijgt > X% in 2 weken
• voorraad onder Y dagen
• campagneproduct nadert einde (pulp) → alternatieven klaarzetten

Week 4: Scenario’s standaard maken

Maak 3 standaardscenario’s die je maandelijks draait:

• goedkoopste rantsoen binnen randvoorwaarden
• meest stabiele rantsoen (minimale wisselingen)
• eiwit/stikstof-efficiënt rantsoen

Dit is waar AI het verschil maakt: niet één berekening, maar routinematig betere keuzes.

Veelgestelde vragen (zoals ze op het erf gesteld worden)

Helpt AI ook als ik maar weinig bijproducten voer?

Ja, maar de winst verschuift. Dan zit het voordeel minder in bulk-inkoop en meer in tijdig overschakelen en het beperken van onrust in het rantsoen.

Is een prijsdaling van €0,10 de moeite waard?

Op zichzelf misschien niet. Als signaal wel. Prijsbewegingen wijzen vaak op aanboddruk of vraagverschuiving, en dat is precies informatie die je kunt omzetten in betere timing.

Moet ik dan elke week de markt volgen?

Als je bijproducten structureel inzet: ja. AI kan dat werk lichter maken door het te automatiseren, maar het uitgangspunt blijft hetzelfde: consistent monitoren.

Waar dit naartoe gaat in 2026: van marktgevoel naar marktsturing

De voer- en bijproductenmarkt wordt niet rustiger. Verwerkingsvolumes schommelen, campagnes lopen af, logistiek blijft krap op piekmomenten en regelgeving duwt op efficiëntie. De oplossing is niet harder werken, maar slimmer sturen.

Aardappelstoomschillen die in december €0,10 zakken zijn een klein nieuwsfeit met een grote les: bijproducten zijn supply chain-producten. Wie dat accepteert, kan met AI veel eerder anticiperen—en houdt de voerkosten beter onder controle.

Wil je dit jaar nog één verbetering doorvoeren: maak van “wat kost het?” de vraag “wat gaat het volgende week kosten, en wat betekent dat voor mijn voorraad en rantsoen?”. Wat zou er op jouw bedrijf veranderen als je die vraag elke vrijdag om 16:00 kunt beantwoorden?