AI tegen schimmel: minder fungiciden, meer zekerheid

Een ongemakkelijke waarheid: schimmelbestrijding op het veld kan doorwerken tot in het ziekenhuis. Op 11-12-2025 publiceerde het RIVM een rapport waarin het waarschuwt dat bepaalde antischimmelmiddelen (fungiciden) in de landbouw kunnen bijdragen aan resistentie bij schimmels die ook mensen ziek maken. Vooral het thema kruisresistentie—resistent worden tegen stoffen die zowel in gewassen als in de zorg gebruikt worden—zet de deur open naar strengere toelating en druk om het gebruik te beperken.

Voor telers in België en Nederland komt dit niet als een donderslag bij heldere hemel. De rek is er vaak uit: ziektedruk blijft hoog, middelenpakket staat onder druk, en afnemers vragen om aantoonbaar duurzamer. Wat er nu bijkomt is een extra dimensie: volksgezondheid. Dat verandert het gesprek. Minder “mag dit middel nog?” en meer “hoe houden we controle zónder afhankelijk te blijven van chemie?”

Mijn stelling: AI in precisielandbouw is niet ‘leuk voor erbij’, maar een van de meest praktische routes om schimmelziekten doelgerichter te beheersen met minder fungiciden—en dus met minder risico op (kruis)resistentie. Niet door magie, wel door betere timing, scherpere waarneming en consequent meten wat werkt.

Wat het RIVM nu precies op tafel legt

De kernboodschap is helder: als dezelfde (of vergelijkbare) werkzame stoffen in landbouw én gezondheidszorg worden ingezet, kan resistentie zich verplaatsen van veld naar mens. Het RIVM noemt dat kruisresistentie en adviseert om dit mee te nemen in de toelating van antischimmelstoffen—iets wat tot nu toe niet structureel gebeurde.

Waarom vooral azolen gevoelig liggen

In de landbouw worden schimmels in gewassen vaak bestreden met azolen. In de humane zorg worden (varianten van) diezelfde stofgroep gebruikt tegen ernstige schimmelinfecties, onder andere bij kwetsbare patiënten. Het RIVM signaleert dat sommige van die medicijnen minder goed gaan werken doordat schimmels ongevoelig worden.

De logica erachter is ontnuchterend:

1. Je zet een stofgroep vaak en breed in.
2. Schimmels die een “uitweg” vinden, overleven.
3. Die resistente schimmelpopulatie kan zich verspreiden.
4. Een vergelijkbaar middel in de zorg heeft dan minder effect.

Dat is geen abstract beleidsverhaal. Het raakt direct aan hoe de gewasbescherming de komende jaren wordt ingericht.

Politiek gevolg: druk op toelating en gebruik

De demissionaire landbouwminister gaf aan dat aanvullende actie nodig is en dat Nederland dit ook op Europees niveau wil agenderen. Praktisch betekent dit: telers moeten rekening houden met strengere eisen, meer monitoring en mogelijk sneller verschuivende etiketten/toelatingen.

Voor je bedrijfsvoering is de implicatie simpel: reken niet op “meer middelen”, reken op “slimmer omgaan met minder”.

De echte uitdaging op het erf: je wilt zekerheid, geen symboliek

Wie op een akker- of tuinbouwbedrijf beslissingen neemt, kent de spanning:

• Te laat ingrijpen: opbrengst- en kwaliteitsverlies.
• Te vroeg/te vaak ingrijpen: onnodige kosten, residu- en duurzaamheidsdruk, en nu ook resistentierisico.

Het probleem is dat schimmelbestrijding vaak gebaseerd is op gemiddelden:

• een vast spuitschema,
• een regionaal weerbericht,
• “zo doen we het al jaren”.

Maar schimmel is lokaal. Een nat hoekje, een dicht gewas, een perceel met minder luchtbeweging—dat zijn precies de plekken waar infectie begint. En precies daar is datagedreven werken sterker dan routine.

Schimmelbestrijding wordt beter als je het ziet aankomen, niet als je het achteraf repareert.

Waar AI in precisielandbouw het verschil maakt

AI wordt vaak verkocht als toekomstmuziek. Ik kijk er praktischer naar: AI is vooral een manier om sneller en consistenter beslissingen te nemen op basis van veel signalen tegelijk. En dat past perfect bij schimmelziekten, omdat die afhangen van microklimaat, gewasstadium en infectiedruk.

1) Ziekterisico voorspellen met lokale data

De meeste waarde zit in risicomodellen die lokaal gevoed worden door:

• perceelsweer (bladnat, temperatuur, RV, neerslag),
• bodem- en waterhuishouding,
• gewasstadium en loofontwikkeling,
• historische druk per perceel.

AI helpt om die variabelen te combineren tot een actiegericht signaal: laag risico, monitoren of hoog risico, gerichte behandeling.

Wat je wint:

• minder “preventieve zekerheidsspuiten”,
• betere timing (vaak belangrijker dan nog een extra middel),
• aantoonbaarheid richting afnemers en audit.

2) Vroege detectie met camera’s en beeldherkenning

Schimmel start vaak klein. Mensen zien het laat, zeker in dichte percelen. Met dronebeelden, trekkercamera’s of scouting-apps kan AI:

• verkleuring en vlekpatronen herkennen,
• hotspots markeren,
• veranderingen door de tijd volgen.

Belangrijk: dit werkt alleen als het proces klopt. Dus:

• vaste looproutes of scoutingmomenten,
• goede foto-standaard (afstand/licht),
• terugkoppeling: was het écht schimmel of iets anders?

AI wordt beter door jouw feedback. En jij wordt beter doordat je sneller ziet waar je mis zat.

3) Taakkaarten: spuiten waar het moet, niet waar het kan

Als je eenmaal weet waar het risico zit, komt de logische stap: plaatsspecifiek toepassen. Dat kan via taakkaarten voor variabele dosering of zelfs alleen behandelen van zones.

Dit levert drie directe voordelen op:

• minder middelgebruik (liters/kilo’s omlaag),
• minder selectie druk op schimmels,
• lagere kosten per hectare bij gelijkblijvende effectiviteit.

Vooral richting 2026 (met steeds strengere duurzaamheidsrapportages) is dit ook commercieel slim: je kunt meten en aantonen.

4) Beslissingsondersteuning: van ‘onderbuik’ naar protocol

De meeste bedrijven hebben geen probleem met data verzamelen. Ze hebben een probleem met: wat doen we ermee op dinsdag om 06:30?

Een goed AI-gestuurd beslissingsproces is daarom klein en strak:

1. Risicoscore per perceel (groen/geel/rood).
2. Advies: monitoren / mechanisch / biologisch / chemisch.
3. “Waarom”: welke variabelen duwen de score omhoog.
4. Evaluatie na 7-10 dagen: effect gemeten?

Hierdoor wordt fungicidegebruik een bewuste interventie in plaats van een gewoonte.

Minder fungiciden betekent niet ‘niks doen’: een praktische aanpak

De beste strategie tegen resistentie is niet één truc, maar een stapel keuzes die samen de druk verlagen.

Integreer AI met IPM (geïntegreerde gewasbescherming)

AI werkt het beste als onderdeel van IPM. Denk aan:

• rassenkeuze (resistentie/tolerantie waar mogelijk),
• ruimere rotatie en hygiëne (inoculum omlaag),
• teeltmaatregelen (luchtiger gewas, watermanagement),
• biologische/laag-risico middelen waar ze passen,
• chemie als laatste stap, zo gericht mogelijk.

AI helpt vooral bij: wanneer en waar je welke stap inzet.

Een concreet “winterplan” (december) voor het nieuwe seizoen

Eind december is ideaal om dit op te zetten, omdat het rustiger is en contracten/teeltplannen vorm krijgen.

1. Kies één ziekte-focus (bijv. schimmelziekten in aardappel, ui, tarwe, of glastuinbouwteelten).
2. Bepaal je meetset: minimaal lokale weersensor + vaste scouting.
3. Leg drempelwaarden vast: wanneer grijpen we in?
4. Maak één dashboard (desnoods simpel): perceelstatus, acties, kosten, effect.
5. Evalueer per ronde: wat was het resultaat per perceelzone?

Als je dit goed doet, is je opbrengstdoel niet “minder spuiten”, maar minder spuiten zonder verrassingen.

Veelgestelde vragen die nu leven (en eerlijke antwoorden)

“Gaat de EU straks middelen verbieden door kruisresistentie?”

Het RIVM-advies verhoogt de kans dat kruisresistentie zwaarder gaat meewegen in toelating en herbeoordeling. Verbod is niet altijd direct, maar de druk richting beperking en strengere voorwaarden neemt toe.

“Is AI niet te duur voor middelgrote bedrijven?”

De grootste kostenpost is meestal niet software, maar gedrag en proces. Start klein: één perceelgroep, één sensor, één scoutingroutine. De ROI zit vaak in timing en het vermijden van één misser.

“Kan AI fungiciden helemaal vervangen?”

Nee, en dat hoeft ook niet. Het doel is minder afhankelijk worden: minder toepassingen, gerichter, en met alternatieven waar het kan. Dat is precies wat je wilt als middelen onder druk staan.

Wat ik hoop dat telers meenemen uit het RIVM-signaal

Het RIVM-rapport maakt één ding glashelder: gewasbescherming is niet meer alleen een teeltvraag, maar ook een maatschappelijke vraag. Wie nu investeert in datagedreven schimmelbeheersing, bouwt aan drie vormen van zekerheid tegelijk: opbrengst, compliance en reputatie.

Binnen onze reeks AI in Landbouw en Voedselproductie past dit onderwerp perfect, omdat het laat zien waar AI echt waarde levert: risico voorspellen, gericht handelen en het resultaat bewijzen.

Wil je hier in 2026 serieus mee aan de slag, begin dan met één simpele stap: maak schimmelbestrijding meetbaar. Welke data heb je, welke beslissing nam je, en wat was het effect? Als je dat strak krijgt, volgt de rest—sensoren, modellen en taakkaarten—bijna vanzelf.

Welke teelt of schimmelziekte wil jij als eerste “AI-proof” maken dit seizoen?