Grasverwerking als verdienmodel: zo helpt AI boeren

Op 10-12-2025 werd bekend dat Lely investeert in een tweejarige pilot met Grassa om grasverwerking op te schalen. Dat klinkt misschien als iets uit de categorie “techniek voor later”, maar ik kijk er anders naar: dit is precies het soort praktische innovatie dat de melkveehouderij nu nodig heeft. Niet omdat het mooi klinkt, maar omdat het nieuwe inkomsten kan opleveren, én omdat het past in de realiteit van 2026: krappe marges, strengere milieukaders en een keten die vraagt om aantoonbare verduurzaming.

De kern is simpel: vers gras wordt lokaal geperst tot twee stromen. Ontsloten grasvezel gaat terug naar de boer (voer of kuil), en het grassap wordt verwerkt tot hoogwaardige eiwitten voor diervoeders—met de ambitie dat het later ook geschikt wordt voor menselijke voeding.

Binnen onze serie AI in Landbouw en Voedselproductie is dit extra interessant. Niet omdat er “AI” op de machine staat, maar omdat grasverwerking pas echt rendabel wordt als je de hele keten slim organiseert: logistiek, kwaliteit, timing, contracten, energie, en voorspelbaarheid. En dat is precies waar AI en automatisering het verschil maken.

Wat Lely en Grassa hier feitelijk proberen te bewijzen

De snelle samenvatting: ze willen aantonen dat grasvalorisatie (graspers + eiwitwinning) niet alleen technisch kan, maar ook economisch schaalbaar kan worden.

Grasraffinage bestaat al jaren. Toch bleef het vaak bij proeven, pilots en mooie rapporten. Waarom? Omdat je met gras te maken hebt met een “lastig product”:

• Het is seizoensgebonden (groei piekt in voorjaar/zomer).
• De kwaliteit varieert sterk per perceel, snede, bemesting, weersomstandigheden en maaimoment.
• Vers gras is logistiek kwetsbaar: je wilt snel verwerken om kwaliteit te borgen.
• De businesscase valt of staat met continue aanvoer en stabiele afzet van eiwit.

De pilot in Gelderland zet daarom in op een grootschalige graspersinstallatie dichtbij boeren. Dat verkleint transport- en tijdverlies. Boeren leveren vers gras, krijgen vezel terug in balen, en ontvangen een vergoeding voor de geleverde graseiwitten.

Grasverwerking werkt pas als je het behandelt als een ketenproces, niet als een losse machine.

Waarom grasverwerking nú interessant is (ook in België)

De timing is geen toeval. Eind december 2025 voelt de sector opnieuw druk op meerdere fronten: stikstof, nitraat, klimaatdoelen, voerprijzen, en toenemende eisen vanuit verwerkers en retail.

Eiwit van eigen land: minder afhankelijkheid, meer controle

Eiwit is het strategische component in voer. Veel bedrijven blijven afhankelijk van geïmporteerde eiwitten (denk aan soja). Lokale graseiwitten kunnen helpen om:

• Voerzekerheid te verhogen
• Ketenrisico’s te verlagen (prijsvolatiliteit, geopolitiek, transport)
• Een duurzaamheidsverhaal te onderbouwen met data

Voor Belgische melkveehouders is dat relevant omdat de druk rond nutriënten en emissies niet verdwijnt. Alles wat helpt om efficiënter te voeren én de keten korter te maken, krijgt sneller tractie.

Extra verdienmodel: klein bedrag per ton kan al tellen

In dit soort modellen zit de winst niet alleen in “veel meer opbrengst”, maar in meerdere kleine verbeteringen tegelijk:

• een vergoeding voor eiwit
• betere benutting van ruwvoer
• minder aankoop van extern eiwit (afhankelijk van rantsoen)
• mogelijk lagere verliezen in de keten door snellere verwerking

Het blijft wel een rekenwerk. Het succes hangt af van contractvoorwaarden, volume, kwaliteitsbonussen, transportafstanden en energieprijzen.

Waar AI echt waarde toevoegt: van gras tot eiwit, zonder giswerk

Grasverwerking is een schoolvoorbeeld van een proces dat je kunt optimaliseren met data. Niet als hobbyproject, maar om geld en risico te managen.

1) Kwaliteitsvoorspelling: wanneer maaien voor maximaal eiwit?

De eiwitopbrengst en -kwaliteit hangen sterk af van het maaimoment. Te vroeg maaien kan opbrengst drukken; te laat maaien verlaagt vaak de voedingswaarde.

AI-modellen kunnen voorspellingen maken op basis van:

• satelliet- en dronebeelden (biomassa, groeisnelheid)
• bodemdata (vocht, organische stof, N-beschikbaarheid)
• weerdata (groeidagen, regenvensters)
• historische snedegegevens per perceel

Praktisch resultaat: een boer (of coöperatie) kan een maaikalender maken die niet alleen op ervaring leunt, maar op de combinatie van ervaring + voorspelling.

2) Logistiek plannen: vers gras is een race tegen de klok

Het zwakke punt in veel biomassa-ketens is logistiek. Als de persinstallatie in Gelderland 20 km verderop staat: wie rijdt wanneer, met welk volume, en wat doe je bij regen?

AI-planning (denk aan route-optimalisatie en capaciteitsplanning) helpt om:

• wachttijden te verminderen
• transportkilometers te verlagen
• piekdrukte (bij mooi weer) beter te verdelen
• bederf/kwaliteitsverlies te beperken

Dit is geen “nice to have”. Een paar procent verlies op eiwitkwaliteit of verwerkingsefficiëntie kan de marge opeten.

3) Procesbesturing: constante output ondanks variabele input

Vers gras is variabel. De pers en de eiwitwinning willen juist stabiliteit.

Met sensoren en AI-gestuurde procescontrole kun je realtime sturen op:

• drogestofgehalte
• vezel/vocht-verhouding
• eiwitconcentratie in het sap
• energiegebruik per ton input

Daarmee ga je van “we hopen dat het werkt” naar “we sturen op KPI’s”.

4) Traceerbaarheid en ketenrapportage: duurzaamheid moet meetbaar worden

Retail en verwerkers vragen steeds vaker om aantoonbaarheid: CO₂, herkomst, biodiversiteit, kringloop.

Als graseiwit straks richting menselijke voeding beweegt, worden eisen nog strikter (kwaliteitssystemen, voedselveiligheid, batch-tracking).

AI is hier vooral een “achter-de-schermen” hulpmiddel:

• automatische dataverzameling
• afwijkingsdetectie
• rapportages per batch/per leverancier

En ja: dit wordt ook een commercieel instrument. Wie cijfers kan leveren, krijgt makkelijker toegang tot premium afzet.

Wat betekent dit voor de melkveehouder: kansen én valkuilen

De belofte is aantrekkelijk: je levert gras, je krijgt vezel terug, en je krijgt betaald voor eiwit. Toch zijn er beslispunten die je vooraf scherp wilt hebben.

Kansen

• Meer waarde uit gras halen (naast ‘alleen’ ruwvoer)
• Stabieler rantsoen door vezelstroom die al ‘ontsloten’ is
• Nieuwe afzetketen: voer nu, mogelijk voeding later
• Regionale samenwerking: schaal zonder dat één boer alles hoeft te investeren

Valkuilen

• Contractrisico: prijsformules en kwaliteitseisen moeten helder zijn
• Seizoenspiek: wie krijgt wanneer capaciteit bij de pers?
• Datakwaliteit: AI werkt alleen als invoer klopt (perceelregistratie, snede-data)
• Energie en emissies: verwerking kost energie; de keten moet netto beter uitpakken

Als je geen afspraken hebt over kwaliteit, levering en vergoeding, ben je vooral andermans grondstofleverancier.

Praktische checklist: zo bereid je je bedrijf voor op grasverwerking 2.0

Als je als boer, adviseur of coöperatie serieus wilt kijken naar dit soort pilots, heb je weinig aan algemene praat. Dit zijn de vragen die ik in de praktijk als eerste zou stellen.

1. Welke percelen leveren het meest stabiele eiwit?
   • Kijk naar historie: snedes, bemesting, opbrengst, ruw eiwit.
2. Hoe snel kan gras van maaien naar persen?
   • Zet een maximumtijd als kwaliteits-KPI.
3. Wat is de minimale volume-afspraak om rendabel te leveren?
   • Zonder volume geen onderhandelingspositie.
4. Welke data kan je nu al vastleggen zonder extra werk?
   • Begin met wat er al is (melkrobotdata, perceelregistratie, kuilanalyses).
5. Wie ‘bezit’ de data en inzichten?
   • Regel dat contractueel; zeker als AI-modellen ermee trainen.
6. Hoe verwerk je de teruggeleverde vezel in het rantsoen?
   • Maak vooraf een plan met je voeradviseur: wanneer direct voeren, wanneer inkuilen.

Veelgestelde vragen die nu al spelen

Is graseiwit een vervanger van soja?

In veel gevallen wordt het eerder een gedeeltelijke vervanger of een component in een breder eiwitpalet. Het effect hangt af van prijs, beschikbaarheid, en voederwaarde.

Wordt dit vooral iets voor grote bedrijven?

Niet per se. Juist een lokale persinstallatie kan schaalvoordeel organiseren zonder dat elke boer groot hoeft te zijn. Voorwaarde is goede coördinatie (waar AI bij helpt).

Wanneer wordt dit interessant voor menselijke voeding?

Dat is een andere markt met zwaardere eisen. De stap is logisch (hoogwaardige eiwitten), maar de route loopt via kwaliteit, voedselveiligheid, stabiele productie en afzetcontracten.

Wat ik verwacht in 2026: pilots die winnen op keten, niet op techniek

De techniek van persen en eiwitwinning is één stuk van de puzzel. De winnaars in 2026–2027 zijn de partijen die het geheel organiseren:

• AI-gestuurde planning van oogst en aanvoer
• Realtime kwaliteitsmeting met duidelijke bonussen/straffen
• Ketenafspraken die risico eerlijk verdelen
• Rapportage die aansluit op duurzaamheids- en afzeteisen

Voor onze serie AI in Landbouw en Voedselproductie is dit een belangrijk signaal: de volgende stap in landbouwinnovatie gaat minder over “een nieuwe machine” en meer over slimme, meetbare samenwerking tussen boer, verwerker en afnemer.

Als jij werkt aan precisielandbouw, opbrengstvoorspelling of ketenoptimalisatie: dit is een kans om te laten zien dat AI niet alleen kosten snijdt, maar ook nieuwe omzetstromen kan ondersteunen. De vraag is niet of gras waarde heeft. De vraag is wie die waarde het strakst kan organiseren.