AI als wapen in Europa’s voedseloorlog

Frankrijk was in 2000 nog de tweede agro-exporteur van Europa. Nu staat het op plek zes, ver achter Nederland. Dat is niet zomaar een ranglijstje voor de bühne. Het is een signaal dat productie, verwerking en handel – de hele keten – minder hard draaien dan vroeger.

Op 16-12-2025 sprak de Franse minister van Landbouw Annie Genevard in Rungis (de grootste groothandelsmarkt voor voedingswaren ter wereld) over een “voedseloorlog” waarin landen voedsel steeds vaker als politiek drukmiddel inzetten. Haar boodschap: Frankrijk moet een nieuw pact sluiten tussen boeren en de natie om weer zelf te kunnen produceren, verwerken en distribueren.

Ik vind dat ze één ding heel scherp ziet: voedselzekerheid is keten-zekerheid. Maar als je die keten wil versterken in 2026 en verder, kan je niet om data en AI heen. Niet als gadget, wél als praktisch gereedschap om opbrengsten stabieler te maken, verspilling te verlagen en beleid slimmer uit te voeren. In deze aflevering van onze serie AI in Landbouw en Voedselproductie vertalen we Genevards “Grand Réveil” naar iets concreets: wat kan AI doen voor Frankrijk – en wat kunnen België en Nederland daar direct van leren?

Waarom ‘voedselsoevereiniteit’ nu weer op tafel ligt

Antwoord in één zin: omdat geopolitiek, handelstarieven en logistieke schokken ervoor zorgen dat landen minder afhankelijk willen zijn van import en grillige wereldmarkten.

Genevard noemt terecht meerdere drukpunten: de oorlog in Oekraïne, handelstarieven vanuit de VS en heffingen vanuit China. Dat soort factoren raakt de landbouw op drie niveaus:

1. Kosten: energie, kunstmest, voer en transport bewegen mee met geopolitiek.
2. Markttoegang: export kan plots duurder of administratief lastiger worden.
3. Beschikbaarheid: inputs (bijv. meststoffen) of eindproducten kunnen tijdelijk schaars zijn.

Voedselsoevereiniteit klinkt soms als politiek jargon, maar voor boeren en verwerkers betekent het vooral dit: kun je plannen maken zonder elke maand verrast te worden? En voor consumenten: blijft er voldoende betaalbaar eten in het schap?

De ongemakkelijke realiteit: zelfvoorziening vraagt ketenkeuzes

Europa is geen eiland. Ook Frankrijk niet. Je hoeft niet alles binnen de grenzen te produceren om weerbaar te zijn. Je moet vooral weten waar je kwetsbaar bent.

• Welke teelten zijn strategisch voor binnenlandse consumptie?
• Welke verwerkingscapaciteit is cruciaal (maalderijen, zuivel, slacht, groenteverwerking)?
• Waar zitten bottlenecks in opslag, koelketens en transport?

Dit is precies het type puzzel waar AI goed in is: veel variabelen, veel scenario’s, veel onzekerheid.

Frankrijk zakt weg in export: wat zegt dat écht?

Antwoord in één zin: die daling wijst op structurele frictie in productiviteit, ketenefficiëntie en concurrentiekracht – niet op één slechte oogst.

Dat Frankrijk van plek 2 naar plek 6 is gezakt (met Nederland als koploper) is interessant, omdat Nederland juist sterk is in:

• ketenorganisatie en logistiek
• veredeling en kennisexport
• voorspelbare kwaliteit en standaardisatie

Frankrijk heeft enorme landbouwpotentie, maar een deel van de keten is versnipperd en de moderniseringsslag gaat niet overal even snel. Je ziet dat vaak terug in:

• hogere variatie in opbrengst per hectare
• minder datagedreven teeltbeslissingen
• verlies in kwaliteit tussen oogst en verwerking (met extra verspilling)

Het contrarian punt: meer produceren is niet altijd de snelste winst

Veel ‘terugvecht’-plannen starten met “meer hectares” of “hogere opbrengst”. De snelste winst zit vaak in minder verlies.

Denk aan:

• betere oogstvoorspelling zodat verwerkers capaciteit kunnen plannen
• betere kwaliteitsdetectie zodat partijen niet onnodig worden afgekeurd
• betere vraagvoorspelling zodat er minder overschot is

AI is hier geen luxe. Het is ketenhygiëne.

Waar AI direct helpt: van perceel tot groothandelsmarkt

Antwoord in één zin: AI verbindt teeltdata, logistiek en marktvraag zodat beslissingen minder op gevoel en meer op voorspelling worden genomen.

Hier wordt het concreet. Als Frankrijk (of België/Nederland) zijn landbouwpositie wil versterken, dan moet je op drie plekken tegelijk verbeteren: productie, verwerking en distributie.

1) Precisielandbouw: hogere stabiliteit, minder inputs

AI in precisielandbouw gaat niet alleen om ‘slimme tractoren’. De kern is: variatie binnen een perceel herkennen en ernaar handelen.

Praktische toepassingen die al werken:

• Gewasmonitoring met satelliet en drones: AI detecteert stress (droogte, stikstoftekort, ziekteplekken) eerder dan het blote oog.
• Variabele toediening: plaats-specifieke bemesting en gewasbescherming verlaagt kosten en beperkt emissies.
• Opbrengstvoorspelling: combineer historische opbrengst, bodemkaarten, weerdata en teeltregistratie om de bandbreedte van opbrengst vroeg te kennen.

Wat dit oplevert: minder verrassingen. En dat is precies wat je nodig hebt in een volatiele wereldmarkt.

2) Kwaliteitscontrole en sortering: minder afkeur, meer waarde

In groente-, fruit- en aardappelketens is beeldherkenning inmiddels een werkpaard:

• camera’s + AI classificeren maat, kleur, beschadiging en rot
• realtime bijsturen van sorteer- en verpakkingslijnen

Als je 1–2% minder product verliest door betere sortering en minder ‘voor de zekerheid’ afkeuren, dan praat je op jaarbasis over serieuze volumes. Dat is geen marketingverhaal, dat is marge.

3) Supply chain AI: voorspel vraag, plan capaciteit

Rungis is een symbool: daar komen vraag en aanbod keihard samen. AI kan hier op twee manieren helpen:

• Vraagvoorspelling op basis van seizoenen, promoties, feestdagen en weerpatronen.
• Optimalisatie van logistiek: routeplanning, koelketenbewaking, voorraadoptimalisatie.

En ja, eind december (vandaag 21-12-2025) zie je die seizoensdruk in de praktijk: feestdagen zorgen voor pieken in vraag, terwijl personeelsbezetting en transport vaak krapper zijn. AI die die pieken beter voorspelt, voorkomt lege schappen én overschotten.

AI in landbouwbeleid: minder slogans, meer stuurinformatie

Antwoord in één zin: AI maakt beleid meetbaar door scenario’s door te rekenen en effecten bijna realtime te monitoren.

Genevard roept op tot een nieuw pact. Mooie woorden, maar beleid wordt pas geloofwaardig als het uitvoerbaar en meetbaar is. AI kan helpen om van “we willen X” naar “we sturen op Y” te gaan.

Drie beleidsvragen die je met AI beter beantwoordt

1. Waar is investeren het meest effectief? Niet elk gebied heeft dezelfde bodem, waterbeschikbaarheid, infrastructuur of verwerkingscapaciteit. AI-gestuurde gebiedsanalyses helpen prioriteren.

2. Welke maatregelen leveren echt voedselzekerheid op? Je kan maatregelen scoren op output: bijdrage aan binnenlandse voorziening, exportwaarde, milieudruk, risico’s.

3. Hoe voorkom je perverse prikkels? Als subsidies alleen op volume sturen, krijg je overschotten. Als je alleen op ‘groen’ stuurt, kan productie wegvallen. AI-scenario’s laten trade-offs zichtbaar worden vóór je beleid uitrolt.

Snippet-waardige stelling: Goed landbouwbeleid is beleid dat je elke maand durft te meten, niet alleen elke vier jaar durft te beloven.

Van plan naar praktijk: een 90-dagen aanpak voor ketenpartijen

Antwoord in één zin: start klein, kies één ketenprobleem, bouw een dataketen en bewijs binnen 90 dagen de businesscase.

Veel organisaties blijven hangen in “we willen iets met AI”. Dat levert vooral pilots op die nooit opschalen. Dit werkt beter:

1. Kies één scherpe KPI Bijvoorbeeld: afkeurpercentage, forecastfout, voorraadverlies, opbrengstvariatie.

2. Maak data bruikbaar (niet perfect) Begin met wat er is: teeltregistraties, weegbonnen, kwaliteitsdata, weerdata, machine-logs.

3. Bouw een ‘human-in-the-loop’ proces AI doet een voorspelling, een teeltadviseur of planner fiatteert/verbeterd.

4. Meet financiële impact Reken in euro’s: minder verlies, minder spoedtransport, betere contracten, lagere inputkosten.

5. Schaal pas op als de operatie het wil Als de werkvloer het niet vertrouwt, faalt het. Als het wél helpt op maandbasis, gaat adoptie vanzelf.

Veelgestelde vragen die ik in de sector hoor

Werkt AI ook voor middelgrote bedrijven? Ja, vaak juist. Middelgrote bedrijven zijn wendbaarder dan grote concerns en hebben genoeg volume om impact te meten.

Heb je meteen dure sensoren nodig? Nee. De snelste projecten starten meestal met bestaande data. Sensoren voeg je toe als je weet welke variabelen echt waardevol zijn.

Is dit niet vooral IT? Het is vooral operatie. AI slaagt als teelt, planning en kwaliteit samen eigenaar zijn.

Wat België en Nederland hier morgen al uit kunnen halen

Antwoord in één zin: kijk naar Frankrijk als ‘stress-test’ voor Europa en versterk je eigen keten met AI vóór de volgende schok.

Frankrijk zet het onderwerp groot neer: landbouw als strategische sector in een wereld met handelsfrictie. Voor België en Nederland is de les nuchter:

• exportkracht blijft, maar is kwetsbaar bij plots beleid of tarieven
• voedselzekerheid gaat ook over verwerking en logistiek, niet alleen over boerenerven
• data-uitwisseling in de keten is een concurrentiefactor

Als Europa zichzelf serieus neemt, dan hoort AI in landbouw en voedselproductie niet in een innovatiehoekje, maar in de kern van ketenstrategie.

Volgende stap: maak ‘Grand Réveil’ meetbaar met AI

Frankrijk wil terugvechten in de voedseloorlog. Dat lukt alleen als het nieuwe pact tussen boeren en natie niet blijft steken in intenties, maar wordt vertaald naar meetbare doelen: lagere verspilling, stabielere opbrengsten, betere ketenplanning en minder afhankelijkheid van kwetsbare schakels.

Mijn overtuiging: AI is de snelste route naar die meetbaarheid, omdat je er productie, kwaliteit en logistiek aan elkaar knoopt. En zodra je dat doet, wordt “voedselsoevereiniteit” opeens geen slogan maar een dashboard.

Werk je bij een landbouwbedrijf, coöperatie, verwerker of beleidsorganisatie en wil je weten waar AI het meeste oplevert in jouw keten? Begin met één probleem dat geld lekt en maak het binnen 90 dagen zichtbaar. Welke KPI zou jij als eerste durven vastpakken?