Cybersecurity in agrifood: klaar voor NIS2 en AI?

In de voedings- en landbouwketen ligt de productie steeds vaker in handen van software. Niet alleen op kantoor, maar ook op de werkvloer: van receptuurbeheer en traceerbaarheid tot PLC’s die een lijn starten, stoppen of reinigen. Dat is efficiënt—tot het misgaat. Eén ransomware-aanval kan een fabriek of verwerkingslocatie weken stilleggen, precies op het moment dat de vraag piekt (denk aan de feestdagen) en marges toch al onder druk staan.

Hier zit de crux voor onze reeks “AI in Landbouw en Voedselproductie”: AI-systemen zijn zo slim als de data die je erin stopt. Als die data onbetrouwbaar wordt, wegvalt of wordt gegijzeld, valt je hele “slimme” optimalisatie stil. Zonder cybercontrol geen betrouwbare AI, en zonder betrouwbare AI geen schaalbare digitalisering.

Wat ik in de praktijk vaak zie: bedrijven investeren wel in dashboards, sensoren en voorspellende modellen, maar de basis—segmentatie, back-ups, patchbeleid, toegangsbeheer—blijft achter. En precies daar gaat de komende Cyberbeveiligingswet (NIS2) op duwen. Niet als papieren exercitie, maar als harde voorwaarde om te blijven leveren in een keten die steeds strenger wordt.

Waarom cybercontrol nu strategisch is (niet “iets van IT”)

Cybersecurity is bedrijfscontinuïteit. In agrifood is stilstand geen theoretisch risico: bederf, contractboetes, gemiste levervensters en reputatieschade tellen meteen op. En anders dan bij veel kantooromgevingen kun je een productielijn niet even “herstarten” zonder gevolgen voor voedselveiligheid, kwaliteit en planning.

Daar komt bij dat de aanvalsvectoren zijn verbreed:

• Operationele Technologie (OT): productielijnen, SCADA/PLC’s, verpakkingsmachines, koeling en CIP-systemen draaien vaak jarenlang met minimale updates.
• Ketenafhankelijkheid: een aanzienlijk deel van incidenten start bij een leverancier (denk aan een externe monteur met remote toegang of een IT-partner die meerdere klanten bedient).
• Data-afhankelijkheid: AI voor vraagvoorspelling, kwaliteitsdetectie (vision) of energie-optimalisatie leunt op continue datastromen. Als die stromen niet integer zijn, neemt AI verkeerde beslissingen—snel en op schaal.

Een nuchtere stelling: wie cybersecurity ziet als kostenpost, betaalt later in stilstand.

NIS2/Cyberbeveiligingswet: wat verandert er richting 2026?

NIS2 zet bestuurders aan het stuur. De Nederlandse vertaling (Cyberbeveiligingswet) wordt naar verwachting medio 2026 formeel behandeld en ingevoerd. De strekking is helder: organisaties in kritieke sectoren—waaronder agrifood—moeten aantoonbaar hun digitale weerbaarheid op orde hebben.

Wat betekent “aantoonbaar” in de praktijk?

Aantoonbaar is geen mapje met beleid. Het gaat om kunnen laten zien dat je maatregelen werken:

• Je weet welke systemen kritisch zijn voor productie en voedselveiligheid.
• Je hebt risico’s beoordeeld en keuzes gemaakt.
• Je monitort, test en verbetert.
• Je kunt incidenten detecteren, beheersen en herstellen.

En als je niet direct onder NIS2 valt?

Dan nog krijg je ermee te maken. Grote afnemers (retail, merken, coöperaties) gaan cyber-eisen doorleggen in contracten, audits en leveranciersbeoordelingen. In 2025 zie je dit al terug in vragenlijsten over MFA, back-ups, logging, incidentrespons en soms een certificeringstraject.

Praktisch gevolg: ook MKB-bedrijven in de keten moeten het kunnen uitleggen. Niet perfect, wel volwassen.

De zwakke plek in agrifood: OT en “alles draait nog, dus niet aankomen”

OT is vaak het vergeten domein. De productie draait 24/7, updates zijn spannend, en leveranciers van machines hebben hun eigen remote tools. Het resultaat: systemen blijven jaren in dezelfde toestand.

Dat is precies waarom aanvallers OT aantrekkelijk vinden. Niet omdat het “hip” is, maar omdat:

• oude protocollen en besturingssystemen vaker kwetsbaar zijn;
• standaardwachtwoorden of gedeelde accounts nog voorkomen;
• netwerksegmentatie ontbreekt (één vlak netwerk voor kantoor én lijn);
• storingsoplossingen via remote toegang te ruim zijn ingericht.

Cyberrisico’s die AI-projecten direct raken

AI in voedselproductie en landbouw draait vaak op drie lagen: sensoren/brondata, platform/datalaag en toepassing. Cyberincidenten raken elke laag:

1. Dataverlies: zonder goede back-ups en herstelprocedures verlies je historische data (bijv. batchkwaliteit, onderhoud, yield). Dat maakt modellen slechter.
2. Datamanipulatie: subtiele wijzigingen in meetwaarden kunnen AI “netjes” laten voorspellen op verkeerde input. Dat is gevaarlijker dan uitval.
3. Beschikbaarheid: als een lijn stilligt door ransomware, maakt je planning-AI geen planningen meer—en heeft je team er niets aan.

Een simpele vuistregel: als je AI wil vertrouwen, moet je je data en systemen kunnen vertrouwen.

Drie stappen om binnen 90 dagen “in cybercontrol” te komen

Je hoeft niet alles tegelijk te doen. Je moet wél snel de basis neerzetten en bewijsbaar maken dat je grip hebt. Dit is een aanpak die ik vaak zie werken in agrifood, zonder dat de fabriek een half jaar “op slot” gaat.

1) Bepaal je NIS2-impact en ketenverplichtingen

Begin met scherpte: valt jouw organisatie straks onder de verplichting of krijg je hem via klanten opgelegd?

Concrete acties in week 1–3:

• Maak een lijst van je belangrijkste klanten en hun eisen (auditvragen, contractclausules, security addenda).
• Breng je kritieke processen in kaart: wat mag er écht niet uitvallen (koeling, traceerbaarheid, productieplanning, receptuur, lab)?
• Leg vast wie eindverantwoordelijk is (bestuur/MT) en wie operationeel trekt (IT/OT/security).

Streefoutput: één pagina met scope, kritieke processen en keten-eisen. Dit document stuurt de rest.

2) Maak een “minimum viable” security-baseline (IT én OT)

Dit is waar je het verschil maakt. Niet met dikke rapporten, maar met maatregelen die impact hebben.

Baseline die ik als minimum zie voor veel agrifood-omgevingen:

• MFA overal (mail, VPN, remote support, admin-accounts).
• Back-upstrategie volgens 3-2-1: 3 kopieën, 2 media, 1 offline/immutable. En: herstel testen.
• Netwerksegmentatie: OT gescheiden van kantoor, met gecontroleerde overgangen.
• Patch- en updatebeleid: niet “alles meteen”, maar gepland, risicogestuurd en vastgelegd.
• Logging en monitoring: minimaal voor kritieke systemen en remote toegang.
• Toegangsbeheer: geen gedeelde accounts, least privilege, en duidelijke offboarding.

Streefoutput: een checklist met ‘gereed’, ‘in uitvoering’, ‘gepland’ en een eigenaar per maatregel.

3) Regel incidentrespons alsof je morgenochtend geraakt wordt

De meeste schade ontstaat in de eerste 24 uur: onduidelijkheid, verkeerde acties, te late escalatie. Een incidentresponsplan klinkt zwaar, maar kan ook praktisch zijn.

Wat je binnen 30 dagen kunt vastleggen:

• Wie beslist over stilleggen, isoleren en communicatie?
• Wie belt je OT-leverancier, IT-partner, verzekeraar?
• Waar liggen noodprocedures voor productie (handmatige checks, omleidingen, papier)?
• Welke data is nodig om veilig door te produceren?

En doe één oefening: tabletop (60–90 minuten) met MT, IT en productie.

Een plan dat geoefend is, wint van een plan dat perfect geschreven is.

Certificering, verzekeraars en klanten: waarom de lat omhoog gaat

De markt gaat standaardiseren. Verzekeraars willen weten of je basishygiëne op orde is, anders stijgt de premie of vervalt dekking voor bepaalde scenario’s. Grote afnemers willen consistentie in leveranciersrisico’s, zeker als zij zelf onder strengere regels vallen.

Dat betekent dat je vaker vragen krijgt over:

• beveiligingsbeleid en governance (wie is accountable?);
• technische maatregelen (MFA, back-ups, segmentatie);
• leveranciersbeheer (hoe borg je security bij onderhoudspartijen?);
• incidentmelding en responscapaciteit.

Voor grotere organisaties is samenwerking met een CERT-/incident response-specialist logisch. Niet omdat je team onbekwaam is, maar omdat incidenten zelden netjes binnen kantooruren vallen.

Veelgestelde vragen (zoals ze bij klanten echt op tafel komen)

“Moet ik kiezen: investeren in AI of in cybersecurity?”

Je kiest niet. Cybersecurity is randvoorwaarde voor AI. Elke euro in AI zonder databeveiliging verhoogt je afhankelijkheid en dus je risico.

“Is OT beveiligen niet te risicovol voor continuïteit?”

Ongepland ingrijpen is risicovol. Gepland, getest en gefaseerd ingrijpen is juist continuïteit. Segmentatie en toegangsbeheer zijn vaak veiliger te implementeren dan ingrijpende updates.

“We zijn een MKB-leverancier, aanvallers hebben ons toch niet nodig?”

Aanvallers kiezen vaak de makkelijkste ingang. MKB is aantrekkelijk omdat het vaak minder strak is ingericht, maar wel toegang geeft tot een grotere keten.

Wat dit betekent voor AI in landbouw en voedselproductie in 2026

De komende 12–18 maanden worden beslissend. Bedrijven die nu cybercontrol organiseren, kunnen sneller doorpakken met AI-toepassingen zoals:

• voorspellend onderhoud op lijncomponenten;
• vision-AI voor kwaliteitscontrole en sortering;
• energie- en koelingsoptimalisatie;
• vraag- en voorraadvoorspelling;
• ketenbrede traceerbaarheid met betere datakwaliteit.

Bedrijven die wachten, lopen achter de feiten aan—en krijgen het dan niet alleen technisch, maar ook contractueel en juridisch lastig.

Als je dit kwartaal één keuze maakt, maak dan deze: behandel digitale weerbaarheid als productiekritisch. Zet de scope scherp, leg een baseline neer, oefen je incidentrespons. Daarna kun je AI opschalen met vertrouwen.

Welke AI-toepassing wil jij in 2026 draaiend hebben—en welke data en systemen moeten daarvoor aantoonbaar veilig zijn?