Jonge boer in de politiek: AI die mee stuurt op het erf

Een melkveebedrijf dat tussen twee natuurgebieden ligt. Een provincie die wil verplaatsen. En ondertussen een jonge opvolger die óók de lokale politiek in stapt om het geluid van de sector te laten horen. Dat is geen romantisch boerenverhaal; dat is 2025 in de Lage Landen.

Het verhaal van Martin Jansen (bekend uit de rubriek De Opvolger) raakt precies de zenuw die veel landbouwers voelen: je kunt nog zo goed boeren, maar zonder sterke vertegenwoordiging in beleid én zonder slimme bedrijfsvoering wordt het steeds lastiger om vooruit te komen. En daar komt onze serie “AI in Landbouw en Voedselproductie” in beeld. Want ik ben ervan overtuigd: de volgende generatie boeren heeft niet alleen een stem nodig in de raadzaal, maar ook betere stuurinformatie op het erf. AI kan dat verschil maken—als je het praktisch aanpakt.

Van bedrijfsopvolging naar beleidsinvloed: waarom dit nu speelt

De kern is simpel: beleid bepaalt de speelruimte van innovatie. Zeker rond stikstof, waterkwaliteit, natuurbeheer en ruimtelijke ordening. Als jouw bedrijf op een “gevoelige” locatie ligt—zoals tussen natuurgebieden—dan voel je dat als eerste.

Martin’s situatie (onzekerheid over locatie, toch doorgaan met opvolging, daarna ook politiek actief worden) laat zien wat veel jonge boeren doen: ze willen niet alleen reageren op regels, maar ze willen meeschrijven aan de randvoorwaarden. Dat is verstandig. De praktijkkennis van boeren verdwijnt te vaak uit beleidsdocumenten zodra er deadlines, juridische risico’s en maatschappelijke druk op tafel komen.

De realiteit op 21-12-2025

Eind december is traditioneel het moment waarop bedrijven:

• jaarcijfers opmaken en investeringsplannen voor 2026 finetunen;
• subsidies en openstaande regelingen checken;
• zich mentaal voorbereiden op een nieuw seizoen vol controles, doelen en discussies.

Juist dan wordt duidelijk: je hebt zowel politieke slagkracht als datagedreven management nodig. Het één zonder het ander is kwetsbaar.

AI op het melkveebedrijf: niet ‘hoog-tech’, maar vooral ‘hoog-nut’

AI in de melkveehouderij werkt het best wanneer het één ding doet: sneller en consistenter signaleren dan jij kunt, zodat je eerder en rustiger bijstuurt. Niet omdat jij je werk niet kent, maar omdat je geen 24/7 patroonherkenner bent.

Waar AI vandaag al geld en rust oplevert

Dit zijn toepassingen die ik in de praktijk het vaakst zie landen, omdat ze direct aansluiten op dagelijkse routines:

1. Gezondheidsmonitoring en vroege detectie
   Denk aan afwijkingen in activiteit, herkauwgedrag, lichaamstemperatuur of melkgeleidbaarheid. AI zoekt combinaties die een mens mist (bijvoorbeeld een subtiele dip in herkauw + kleine stijging in temperatuur + afwijkend loopritme).

2. Voer- en rantsoenoptimalisatie
   AI kan helpen om variatie in kuil, drogestof en opname te vertalen naar een stabieler rantsoen. Vooral interessant als je werkt met meerdere partijen ruwvoer en schommelende gehaltes.

3. Vruchtbaarheid en afkalfmanagement
   Niet alleen tocht detecteren, maar ook risicoprofielen maken (bijv. koeien met verhoogde kans op slepende melkziekte of nageboorteproblemen).

4. Emissiesturing met meet- en logdata
   Als doelsturing (in welke vorm dan ook) verder doorzet, wordt meetbaarheid belangrijker. AI helpt om managementhandelingen te koppelen aan effecten in tijd (bijvoorbeeld ventilatie, voer, mestschuiven, weidegang).

5. Arbeidsplanning en robotprestaties
   Op bedrijven met melkrobots kan AI patronen in weigeringen, bezoekfrequentie en wachttijden gebruiken om voer- en looplijnen slimmer te maken.

Kernzin voor op het prikbord: AI is pas waardevol als het een beslissing op jouw bedrijf sneller, goedkoper of zekerder maakt.

Politiek + boerderij: waarom die combinatie juist kansen geeft voor AI

Een boer in de politiek heeft een zeldzaam voordeel: hij ziet welke kant de spelregels op bewegen voordat het op het erf landt. Dat helpt om investeringen (ook in AI) beter te timen.

3 manieren waarop beleid AI-adoptie versnelt (of afremt)

1) Datastandaarden en interoperabiliteit
Als gemeenten, provincies of ketenpartijen rapportage vragen, moet data uit sensoren en managementsystemen uitwisselbaar zijn. Beleid kan dit afdwingen of stimuleren. Zonder standaarden blijf je hangen in Excel-exportjes en dubbel werk.

2) Vergunningen en innovatie-ruimte
Nieuwe staltechniek, mestverwerking, emissiereducerende maatregelen: vaak botsen die op vergunningstrajecten. Als lokale politiek snapt hoe een melkveebedrijf werkt, komt er vaker ruimte voor pilots en realistische termijnen.

3) Subsidies: van ‘aanschaf’ naar ‘effect’
Subsidies die alleen hardware vergoeden, leveren soms teleurstelling op. Slimmer is steun op aantoonbaar resultaat: minder uitval, lager antibioticagebruik, betere stikstofbenutting of meetbaar lagere emissies. AI is bij uitstek geschikt om effecten aan te tonen—mits je data op orde is.

Praktische routekaart: zo start je met AI zonder datasoep

Veel boeren willen wel, maar lopen vast op complexiteit: te veel dashboards, te weinig tijd, onduidelijke opbrengst. Dit is de route die wél werkt.

Stap 1 — Kies één KPI die je echt raakt

Voor melkvee zijn dit vaak:

• tussenkalftijd en drachtpercentage
• uitval en behandelkosten
• voerefficiëntie (kg melk per kg DS)
• uiergezondheid (celgetal, klinische mastitis)
• arbeidsuren per 100.000 kg melk

Kies er één. Als je vijf doelen tegelijk pakt, faalt het project in de praktijk.

Stap 2 — Maak je datastroom saai en betrouwbaar

AI faalt zelden door “domme algoritmes”, maar vaak door rommelige input. Check:

• worden behandelingen consequent geregistreerd?
• klopt dier-ID overal (robot, managementsysteem, sensoren)?
• is er een vaste routine voor datacontrole (bijv. elke maandag 20 minuten)?

Stap 3 — Begin met ‘beslisregels’ vóór je naar ‘voorspellen’ gaat

Een voorspellend model is mooi, maar een simpele regel kan al geld besparen:

• “Als herkauw < X én activiteit < Y, dan koe checken vóór de middag.”
• “Als DS-afwijking in kuil > Z, rantsoen bijsturen in plaats van ‘even aankijken’.”

Eerst discipline, dan intelligentie.

Stap 4 — Leg vast wat het oplevert

Binnen 6–12 weken wil je dit kunnen beantwoorden:

• Welke acties hebben we vaker/anders gedaan?
• Wat scheelde het in behandelingen, afkeurmelk, arbeid, of productieverlies?

Maak het concreet. “Het voelt beter” is geen businesscase, zeker niet richting bank, familie of maat.

AI in de voedselketen: melk stopt niet bij het erf

De campagne AI in Landbouw en Voedselproductie gaat niet alleen over koeien en percelen, maar ook over de keten. En daar zit veel winst.

Waar AI in de zuivelketen direct impact heeft

• Vraagvoorspelling rond feestdagen: december laat elk jaar zien dat prijs- en volumebewegingen hard kunnen gaan. Betere voorspellingen verminderen pieken in voorraad en transport.
• Kwaliteitsvoorspelling: vroegtijdig inschatten welke melkstromen extra aandacht nodig hebben (bijv. vet/eiwit-variatie, houdbaarheid, procesafwijkingen).
• Logistieke optimalisatie: routeplanning, tankwagenbezetting, en planning van ophalen bij verschillende volumes.

Als boer merk je dat via:

• prikkels in melkstromen (kwaliteitstoeslagen/inhoudingen)
• strengere datavereisten
• nieuwe contractvormen waarbij voorspelbaarheid en aantoonbaarheid zwaarder wegen

Daarom is het interessant dat jonge boeren zich in beleid mengen: ketenkeuzes worden steeds vaker politiek en maatschappelijk gestuurd, en data is het bewijsstuk.

Veelgestelde vragen die ik in de praktijk hoor

“Wordt AI straks een extra controle-instrument?”

Ja, dat risico is er. Daarom is het slim om nu al mee te praten over eigenaarschap van data, bewaartermijnen en het verschil tussen bedrijfssturing en handhaving. Als je wacht tot het in regels staat, ben je te laat.

“Kan een kleiner bedrijf ook wat met AI?”

Zeker. Kleine bedrijven hebben vaak kortere lijnen en sneller effect van procesverbetering. Begin met één toepassing die arbeid of diergezondheid raakt. Dat verdient zich het snelst terug.

“Wat als ik geen tijd heb voor nóg een systeem?”

Dan moet je het niet doen. Of beter: kies een oplossing die tijd teruggeeft. AI die extra administratie vraagt zonder directe winst, is een dure hobby.

Een stem in de raadzaal én data op het erf

Het verhaal van Martin Jansen laat zien dat de toekomst van melkveehouderij niet alleen op stal wordt beslist. Wie wil blijven boeren, moet ook meedoen aan het gesprek over ruimte, natuur en regels. Ik vind het een sterke keuze als jonge ondernemers die verantwoordelijkheid pakken.

Tegelijk geloof ik dat de sector zichzelf sterker maakt door beter te meten en slimmer te sturen. AI in landbouw is geen speeltje voor grote bedrijven; het is een praktische manier om onzekerheid te verkleinen—op diergezondheid, arbeid, voer en uiteindelijk ook op vergunning- en verantwoordingsdruk.

Als je in 2026 één stap zet, maak het dan deze: kies één bedrijfsdoel, breng je data op orde, en koppel AI aan een beslissing die je elke week neemt. Dan wordt technologie geen project, maar gewoon: beter boeren.

Welke keuze zou op jouw bedrijf de meeste rust geven: eerder zieke koeien zien, strakker voeren, of beter kunnen aantonen wat je al jaren goed doet?