Beren of borgen? AI helpt de beste stalkeuze maken

Ruwweg de helft van je biggen wordt als beer geboren. Op papier klinkt de keuze simpel: je houdt ze als beer of je maakt er borgen van. In de praktijk is het vaak een ketenbeslissing waar je als vleesvarkenshouder maar beperkt omheen kunt. De afnemer wil een bepaalde kwaliteit, een bepaald risico-profiel en een voorspelbare leverstroom — zeker in december, wanneer horeca en retail allebei pieken en faalruimte minimaal is.

Wat mij opvalt: veel bedrijven voeren dit gesprek nog steeds alsof het een gevoel is (“beren groeien harder”, “borgen zijn rustiger”). Terwijl de kernvraag een optimalisatieprobleem is: welke combinatie van dieren, voer, huisvesting, slachtplanning en afzet levert de hoogste marge op, met de minste risico’s op welzijnsproblemen en afwaardering? Precies daar past AI in landbouw en voedselproductie: niet als speeltje, maar als rekenkracht voor keuzes die je nu al maakt — alleen slimmer.

In dit artikel zet ik de keuze beren vs. borgen in een praktisch kader: afzet (retail, slager, horeca), vleeskwaliteit (mager vs. gemarmerd), welzijn en gedrag, én hoe je met data en AI een beslissing onderbouwt die werkt voor jouw concept.

De keuze wordt vooral bepaald door je vleesconcept

De snelste route naar een goede beslissing: begin bij de afzet, niet bij het dier. De markt bepaalt wat “goed” is. In het ene kanaal is mager vlees leidend; in het andere wil men juist meer vet en marmering.

In de bron zien we dat kleinere concepten die vooral leveren aan slagers en horeca vaker voor borgen kiezen, omdat beren niet gewenst zijn bij de afnemer. Alleen richting Nederlandse retail zijn vaker afspraken gemaakt over het houden van beren. Dat is logisch: retail stuurt hard op uniformiteit, volumes en specificaties; slagerij/horeca sturen op beleving, bereiding en smaakprofiel.

Waarom horeca en slagers vaker borgen willen

Antwoord: omdat het risico op afwijkingen in geur/smaak (berengeur) en variatie in karkaskenmerken zwaarder weegt dan het groeivoordeel.

Voor een partij die levert aan horeca, zorginstellingen of ziekenhuizen telt voorspelbaarheid dubbel. Een chef die 40 dezelfde karbonades wil portioneren, heeft weinig aan “gemiddeld oké”. Eén afwijkende batch kan reputatieschade opleveren.

De bron noemt een mooi, concreet voorbeeld: een ambachtelijke slager die via groothandel aan horeca levert, vraagt om gemarmerd, iets vetter vlees. Dat past in veel gevallen beter bij borgen en bij concepten die sturen op eetkwaliteit.

Waarom retail beren wél kan accepteren

Antwoord: omdat ketens afspraken kunnen maken over detectie, sortering en risicobeheersing.

Retailconcepten hebben doorgaans:

• strakkere specificaties en contracten
• meer mogelijkheden voor uniforme stromen
• processen om risico’s af te vangen (bijv. selectie, protocollen, slachtplanning)

Maar: dit werkt alleen als de keten het echt organiseert. En daar komt data binnen.

Economie vs. risico: waar gaat het in de stal mis (of juist goed)?

De stalkeuze draait meestal om drie economische knoppen:

1. Groeisnelheid en voerefficiëntie
2. Uitval, bijbehandelingen en welzijnskosten
3. Afwaardering aan de haak door kwaliteitsrisico’s

Beren kunnen op sommige bedrijven gunstig scoren op groei en voerbenutting. Tegelijk is het risico-profiel anders: meer gedrag, meer kans op onrust en mogelijk meer schade (bijten, vechten) als management en bezetting niet kloppen.

Welzijn is geen ‘zachte’ factor—het is een kostenpost

Antwoord: welzijnsproblemen zijn meetbaar in arbeid, medicatie, uitval en slachtresultaat.

Als er meer onrust is in een afdeling, zie je dat terug in:

• meer staart- en oorbeschadigingen
• meer kreupelheid/verwondingen
• meer sorteerwerk en arbeid
• lagere uniformiteit

Dat is precies waarom de keuze “beren of borgen” niet los te zien is van je huisvesting, klimaatregeling, bezettingsgraad, verrijking en voerrantsoen.

De verborgen kosten van ‘concept-mismatch’

Antwoord: de duurste fout is dieren produceren die je afzet niet wil.

Als jouw afnemer (slager/horeca) borgen wil en jij levert beren, dan betaal je op drie manieren:

• onderhandeling/prijsdruk
• extra selectie of terugplaatsers
• afwaardering of beperkte verwaarding (zeker bij exportstromen)

De bron noemt expliciet dat niet alle landen berenvlees accepteren, wat verwaarding lastiger maakt. Dat is geen detail; dat is een strategisch risico.

Hoe AI de keuze beren vs. borgen concreet beter maakt

AI is hier niet “magisch”. Het is vooral: betere voorspellingen met jouw eigen data. En eerlijk: veel bedrijven hebben die data al — alleen versnipperd.

1) AI als beslismodel: marge voorspellen per scenario

Antwoord: een AI-model kan per ronde voorspellen welk scenario (beren/borgen/mix) de hoogste marge geeft binnen jouw concept.

Denk aan input zoals:

• genetica, opleggewicht, herkomst
• voersamenstelling, voeropname, groei (daggroei)
• klimaatdata (temperatuur, CO₂, RV)
• bezetting en hokindeling
• uitval, behandelingen, afwijkingen
• slachtdata (karkasgewicht, spekdikte, vleespercentage)
• afzetkanaal en prijsmatrix (bonussen/malussen)

Met die combinatie kun je een model laten rekenen: wat gebeurt er met marge en risico als we 100% beren draaien, 100% borgen, of een gesplitste stroom?

Een bruikbare vuistregel: als je het niet kunt voorspellen, kun je het niet sturen. AI maakt voorspellen schaalbaar.

2) Computer vision voor gedrag en welzijn (vóórdat het misgaat)

Antwoord: camera’s met AI herkennen vroegtijdig onrust, vechtgedrag of afwijkende activiteit.

In plaats van pas te reageren als er bijtwonden zijn, kun je eerder ingrijpen met:

• extra verrijking
• aanpassing van voer- of lichtregime
• hergroeperen of splitsen
• klimaatcorrecties

Dit is relevant voor beide groepen, maar bij beren kan vroegsignalering extra waarde hebben omdat de kosten van escalatie snel oplopen.

3) Slachtplanning en selectie: AI als ‘verkeersleider’

Antwoord: AI helpt batches slimmer te plannen op uniformiteit en afzetrisico.

Als jouw contract een bandbreedte heeft op gewicht of spek, dan kun je met voorspellingen beter plannen:

• wanneer je welke afdeling oplevert
• welke dieren je doorschuift
• hoe je voorkomt dat je “net buiten spec” valt

In de laatste weken van het jaar (nu, rond 21-12-2025) is dit extra relevant: feestdagen drukken de planning samen, en elke fout kost direct geld.

Praktische aanpak: zo maak je de keuze datagedreven (zonder IT-project)

Je hoeft niet morgen een datawarehouse te bouwen. Begin klein, maar strak.

Stap 1: definieer je doel in één zin

Antwoord: kies één primaire KPI en twee randvoorwaarden.

Voorbeelden:

• Primair: marge per afgeleverd varken
• Randvoorwaarden: maximaal X% staartschade, minimaal Y% binnen slachtspecificatie

Stap 2: breng je data bij elkaar (in 4 tabellen)

Antwoord: 80% van de waarde zit in een simpele datastructuur.

1. Ronde/afdeling (oplegdatum, aantallen, herkomst)
2. Groei/voer (weekmetingen)
3. Welzijn/gezondheid (behandelingen, uitval, afwijkingen)
4. Slacht/afzet (resultaten, prijscomponenten)

Stap 3: draai een ‘A/B-test’ over 2–3 rondes

Antwoord: vergelijk beren vs. borgen onder vergelijkbare omstandigheden.

• Zelfde staltype, zelfde voerleverancier, vergelijkbare opleg
• Meet uniformiteit, schade, arbeid, slachtresultaat
• Leg afspraken met afnemer vast zodat de uitkomst economisch klopt

Stap 4: maak het operationeel met simpele regels

Antwoord: vertaal modeluitkomsten naar stalbeslissingen.

Voorbeeldregels:

• “Bij hogere bezetting dan X: geen 100% beren.”
• “Bij afzetkanaal ‘slager/horeca’: borgen tenzij expliciet anders afgesproken.”
• “Als onrustscore (camera) stijgt: binnen 24 uur verrijking/klimaatcheck.”

Veelgestelde vragen uit de praktijk

Welke keuze is ‘het beste’: beren of borgen?

Antwoord: het beste is wat past bij je afzetcontract én wat je stal aankan qua gedrag en welzijn.

Kan ik verschillende stromen tegelijk draaien?

Antwoord: ja, maar alleen als je logistiek en planning op orde zijn (hokindeling, sorteren, aflevermomenten). AI helpt vooral bij het plannen en voorspellen van uniformiteit.

Is AI alleen voor grote integraties?

Antwoord: nee. Juist conceptbedrijven en korte ketens kunnen voordeel halen uit AI, omdat één kwaliteitsissue daar relatief meer impact heeft. Begin met slachtdata + welzijnsregistratie; dat is al genoeg voor eerste inzichten.

Wat ik zou doen als ik morgen moest kiezen

Ik zou de keuze niet als ideologisch punt voeren (“beren zijn efficiënter” of “borgen zijn veiliger”), maar als contract- en risicobeslissing.

• Lever je vooral aan slagerij/horeca met vraag naar marmering en nul tolerantie voor afwijkingen? Borgen is vaak de meest logische basis.
• Lever je aan retail met duidelijke ketenafspraken en strak management op uniformiteit? Dan kan beren houden economisch aantrekkelijk zijn, mits je welzijnsmonitoring serieus organiseert.

De grotere les binnen de reeks AI in Landbouw en Voedselproductie: wie in 2026 en verder geld wil verdienen met veehouderij, moet beslissingen kunnen onderbouwen met data. Niet omdat dat “modern” is, maar omdat marges, eisen en reputatierisico’s steeds strakker worden.

Wil je dit praktisch maken op jouw bedrijf? Start met één vraag: welke keuze geeft mij de meest voorspelbare kwaliteit tegen de laagste risicokosten — en welke data heb ik nodig om dat elke ronde te blijven bewijzen?