AI helpt fritesketen stabiliseren bij lage productie

De Nederlandse fritesproductie zakte in november 2025 naar 288.000 ton verwerkte aardappelen. Dat is 39.300 ton minder dan in november vorig jaar, en in de afgelopen tien jaar was alleen november 2020 nog zwakker. Nog zo’n cijfer dat blijft hangen: sinds het begin van het seizoen (juli t/m november) is er 1.160.988 ton verwerkt, tegen 1.538.100 ton in dezelfde periode vorig jaar.

Het wringt extra omdat dit geen verhaal is van schaarste. Er zijn juist veel aardappelen: areaal omhoog, opbrengst per hectare hoger, en toch draaien fabrieken ‘op zomerstand’. De vrije markt droogt op en prijzen voor fritesaardappelen kelderen. Dit is precies het soort ketenprobleem waar AI in landbouw en voedselproductie wél een praktische rol kan spelen: minder gokken, meer sturen.

Ik merk dat veel partijen AI nog zien als iets voor “later”, of als een gadget voor dashboards. Maar de realiteit is nuchter: als je in 2025–2026 je afzet, productie en voorraad niet datagedreven plant, betaal je volatiliteit dubbel—op het erf én in de fabriek.

Wat zeggen de cijfers over de fritesproductie (en waarom het misloopt)?

De kern: verwerking daalt terwijl aanbod stijgt. Dat is geen normale seizoensdip, maar een signaal dat de afzet (met name diepvriesfrites) achterblijft en dat verwerkers geen extra aardappelen willen aantrekken.

Concreet:

• Oktober 2025: 313.900 ton verwerkt (al 30.000 ton minder dan oktober 2024)
• November 2025: 288.000 ton verwerkt (39.300 ton minder dan november 2024)
• Juli–nov 2025: 1.160.988 ton verwerkt (vs 1.538.100 ton in juli–nov 2024)

Daarbovenop speelt import een opvallende rol. In november kwam 49,2% van de verwerkte aardappelen uit het buitenland (oktober zelfs 52,8%). Dat betekent dat de keten niet alleen met vraaguitval worstelt, maar ook met inkoopmix en timing.

De harde les: “veel product” is niet hetzelfde als “goede afzet”

Een groter areaal en hogere hectare-opbrengst helpen alleen als de keten het kan verwerken en verkopen. Als de fabriek remt, verschuift het risico terug naar telers en handel:

• contractaardappelen vs vrije markt komen onder spanning
• opslag- en kwaliteitsrisico’s nemen toe
• prijsvorming wordt dun (soms zelfs te dun voor een notering)

In november was de handel in vrije fritesaardappelen zó gering dat er perioden waren met onvoldoende transacties om fatsoenlijk te noteren. Dit soort marktomstandigheden zijn funest voor iedereen die moet plannen: teler, handelaar én fabriek.

Waarom bijna de helft importaardappelen een alarmsignaal is

Het korte antwoord: een hoge importmix wijst op een keten die optimaliseert op continuïteit, niet op regionale balans. Dat is logisch—friteslijnen stilzetten is duur—maar het vergroot wel de druk op de binnenlandse vrije markt.

Drie verklaringen die je vaak ziet in zulke seizoenen:

1. Kwaliteit/geschiktheid: niet elke partij voldoet aan bakkleur, droge stof, maat of bewaarconditie.
2. Contractstructuur: fabrieken zijn ‘gedekt’ met contracten, maar vullen gaten op met import die beter past in het productieschema.
3. Timing en logistiek: importpartijen sluiten soms net beter aan op beschikbare verwerkingscapaciteit.

Wat dit betekent voor telers

Als de fabriek weinig op de vrije markt koopt, werkt een grotere oogst als een boemerang. Je kunt prima tonnen hebben, maar als ze niet op de juiste specificatie, het juiste moment en de juiste bestemming landen, zakt de waarde snel weg.

Mijn standpunt: de sector kan niet terug naar “meer areaal = meer zekerheid”. Zekerheid komt uit betere afstemming, en die afstemming vraagt om data, modellen en discipline.

AI als stuurwiel: van ‘achteraf reageren’ naar ‘vooraf plannen’

AI helpt vooral waar de keten nu spaak loopt: vraagvoorspelling, aanbodinschatting, kwaliteitsverwachting en productiescheduling. Niet als magische knop, wel als een manier om onzekerheid te verkleinen.

1) Vraagvoorspelling voor diepvriesfrites (retail + foodservice)

De afzet van diepvriesfrites wordt beïnvloed door:

• promotiedruk in retail
• horeca- en fastfoodvolume
• toerisme en evenementen
• wisselkoersen en exportdynamiek
• energieprijzen en transportkosten

Met AI-modellen (bijvoorbeeld tijdreeksmodellen en ‘machine learning’ regressie) kun je verkoop en orders voorspellen op weekniveau per afzetkanaal. Belangrijk: combineer interne orderdata met externe signalen (kalender, promotieplanning, macro-indicatoren, logistieke doorlooptijden).

Praktische winst:

• minder ‘paniekproductie’
• minder voorraad die te lang ligt
• stabielere verwerkingsplanning

2) Opbrengstvoorspelling en areaalmonitoring: eerder ingrijpen

Aan de aanbodkant kan AI telers en coöperaties helpen om realistischer te plannen:

• perceelsdata + bodemkaarten + weerhistorie
• satelliet/ dronebeelden voor gewasgroei
• groeimodellen voor knolzetting en maatverdeling

Het doel is niet alleen “hoeveel ton komt er?”, maar vooral:

• wanneer komt welke ton beschikbaar?
• welke kwaliteit is waarschijnlijk (droge stof, schurftdruk, bewaarbaarheid)?
• welke percelen zijn risicovol en vragen andere loof- of bewaarkeuzes?

Als je dit in september al scherper hebt, kun je in oktober en november betere beslissingen nemen over opslag, sortering en afzet.

3) Kwaliteitsvoorspelling: de vergeten schakel

Een deel van de frictie ontstaat doordat “aardappel” op papier hetzelfde is, maar in de lijn niet. AI kan kwaliteitsrisico’s voorspellen met:

• partijhistorie (ras, perceel, oogstdatum)
• bewaargegevens (temperatuur, CO₂, ventilatie)
• meetdata bij binnenkomst (onderwatergewicht, bakkleur)

Als je vooraf weet dat een partij waarschijnlijk afwijkt, plan je die anders in (andere producten, mengrecept, ander moment). Dat voorkomt stilstand en afkeur.

4) Productiescheduling in de fabriek: minder stilstand, minder waste

Fritesfabrieken zijn kapitaalintensief. Elke verkeerde planning kost geld:

• te veel wissels tussen productspecificaties
• verkeerde mix van grondstofpartijen
• suboptimale lijnbezetting

AI-gestuurde planning (constraint-based scheduling gecombineerd met voorspellingen) kan:

• de volgorde van batches optimaliseren
• energiepieken beperken
• afkeur en uitval verminderen

Dit is geen luxe. In een markt waar de vrije prijs instort, wordt efficiëntie een overlevingsfactor.

Een praktisch AI-plan voor telers, handel en verwerkers (zonder luchtfietserij)

De snelste route naar resultaat is klein beginnen en strak opschalen. Dit werkt in de praktijk.

Stap 1: Maak één gedeelde “ketenwaarheid”

Zorg dat iedereen met dezelfde definities rekent:

• wat is een ‘verwerkbare’ partij (specificaties)?
• welke tijdseenheid (week, dag) gebruiken we?
• hoe labelen we contract vs vrije markt?

Zonder datastandaarden is AI vooral ruis.

Stap 2: Start met één voorspellingsvraag die geld raakt

Kies bijvoorbeeld:

• “Hoeveel ton per week hebben we nodig voor product X in Q1 2026?”
• “Welke partijen geven komende 6 weken verhoogd risico op kwaliteitsafkeur?”

Maak het meetbaar: minder afkeur, minder stilstand, minder spoedinkoop.

Stap 3: Bouw een ‘human-in-the-loop’ werkwijze

AI moet niet beslissen in een vacuüm. De beste aanpak:

• model geeft voorspelling + onzekerheidsmarge
• planner/teeltbegeleider corrigeert met veldkennis
• model leert van correcties

Zo groeit vertrouwen en performance tegelijk.

Stap 4: Koppel voorspelling aan actie

Een voorspelling zonder proces is een rapport. Koppel dus aan:

• inkoopbeslissing (wel/niet vrije markt)
• opslagstrategie (doorleveren vs bewaren)
• fabrieksplanning (batchvolgorde, productmix)

Veelgestelde vragen die nu overal rondzingen

“Als er zoveel aardappelen zijn, waarom daalt de verwerking dan?”

Omdat de afzet van (diepvries)frites tegenvalt en fabrieken geen extra grondstof willen aantrekken. Aanbod alleen trekt de verwerking niet omhoog.

“Is de vrije markt dan ‘kapot’?”

Niet kapot, wel dun. Als er weinig transacties zijn, verdwijnt prijstransparantie en neemt het risico toe. Dat maakt planning moeilijk en zet druk op financiering en opslag.

“Gaat AI de prijs van fritesaardappelen herstellen?”

AI herstelt geen wereldmarktprijs. Wat het wél doet: minder verrassingen, betere timing, minder afkeur en lagere ketenkosten. Dat is de snelste route naar meer stabiliteit.

Wat je in december 2025 al kunt doen richting 2026

De week voor kerst is typisch zo’n periode waarin iedereen ‘even’ ademhaalt. Juist daarom is dit een goed moment om de keten slimmer in te richten voor 2026.

Drie acties die ik zou prioriteren:

1. Maak een gezamenlijke forecast-sessie (teler/handel/verwerker) met dezelfde cijfers en aannames.
2. Breng datalekken in kaart: waar missen we partijdata, bewaargegevens of afzetinformatie?
3. Kies één AI-pilot met een duidelijke KPI (bijv. 10% minder afkeur of 5% minder spoedinkoop in 12 weken).

Een zin die je mag onthouden: “Een keten met slechte informatie wordt altijd een keten met slechte prijzen.”

De fritesproductie die terugvalt naar het niveau van het coronajaar is geen voetnoot; het is een stress-test. En stress-tests laten precies zien waar automatisering en AI wél waarde toevoegen: bij planning, afstemming en kwaliteitssturing.

Als deze post in onze serie AI in Landbouw en Voedselproductie één ding duidelijk maakt, is het dit: AI is het stuurwiel dat de fritesketen nodig heeft wanneer de markt plots remt. Welke schakel in jouw keten durft als eerste te stoppen met gokken?