Vegaburger-ruzie leidt af: tijd voor AI in de keten

Op 10-12-2025 stond in Brussel ineens niet het boereninkomen centraal, maar de vraag of woorden als vegaburger en vegaworst nog wel mogen. Europarlementariër Anna Strolenberg (Volt) noemde het terecht afleiding: een wetsdossier dat bedoeld is om boeren sterker te zetten tegenover grote afnemers (lees: supermarkten en verwerkers), werd gekaapt door een debat over naamgeving.

Most organisaties trappen in dit soort discussies. Niet omdat taal er niet toe doet, maar omdat het een comfortabele uitweg is. Over woorden kun je eindeloos ruziën zonder dat iemand direct hoeft te beslissen over marges, contracten, data en macht. En precies daar zit het echte probleem.

Voor onze reeks “AI in Landbouw en Voedselproductie” is dit een opvallend bruikbaar moment: de vegaburger-discussie legt bloot hoe kwetsbaar de keten is voor ruis. Als je als boer, teler, coöperatie of voedselbedrijf in België of Nederland in 2026 iets wilt winnen, dan gaat het minder over etiketten en meer over informatievoorsprong. En dat is waar AI wél helpt: niet als praatstuk, maar als gereedschap om afspraken, kwaliteit en opbrengst meetbaar te maken.

Waarom die naamgeving-discussie zo aantrekkelijk is (en zo duur)

De kern: naamgeving is zichtbaar, snel te framen en politiek “veilig”. Een verbod op bepaalde termen klinkt daadkrachtig, terwijl de echte knopen—zoals prijsmechanismen, leveringsvoorwaarden en risicoverdeling—complex en conflictueus zijn.

Afleiding kost boeren geld

Als onderhandelingen over contracten, transparantie en marktmacht vertragen, blijft de status quo langer bestaan. En de status quo is dat veel primaire producenten:

• weinig zicht hebben op hoe hun productwaarde in de keten wordt opgebouwd;
• te maken hebben met eenzijdige contractvoorwaarden;
• risico’s dragen (weerschade, kwaliteitsafkeur, schommelende inputprijzen) zonder passende vergoeding.

Dat is geen ideologisch probleem. Dat is een rekenkundig probleem.

Een praktische kijk: woorden veranderen de marge niet

Je kunt morgen planteburger op de verpakking zetten in plaats van vegaburger, maar:

• de onderhandelingspositie van boeren verandert niet;
• de kostprijs van eiwitgewassen verandert niet;
• de efficiëntie van logistiek en verwerking verandert niet.

Als je inkomen wil verbeteren, moet je ingrijpen op besluitvorming en prikkels. Daarvoor heb je data nodig. En voor data op schaal heb je automatisering nodig. Daar komt AI om de hoek.

Waar het wél over moet gaan: contracten, macht en meetbaarheid

Strolenberg werd in het Europees Parlement rapporteur rond voorstellen over de onderhandelingspositie van boeren tegenover grote afnemers. Dat is precies de plek waar het pijn doet: boeren leveren een essentieel product, maar onderhandelen vaak met partijen die beter geïnformeerd zijn en meer schaal hebben.

De sleutel: geschreven contracten die niet alleen “netjes” zijn, maar slim

Een contract is pas sterk als het:

1. kwaliteitscriteria eenduidig definieert (en meetbaar maakt),
2. prijsmechanismen koppelt aan transparante indices,
3. risico’s eerlijk verdeelt (bijv. afkeur, bewaarkosten, terugroepacties),
4. data-afspraken bevat: wie meet wat, wanneer, en wie mag die data gebruiken?

AI kan dit versnellen met zogeheten contract intelligence: systemen die contractteksten analyseren, afwijkende clausules markeren en risico’s (zoals asymmetrische boetes) zichtbaar maken.

Een sterke positie begint niet met harder praten, maar met beter meten.

AI als “onderhandelingshulpmiddel” voor boerenorganisaties

Ik heb gemerkt dat veel gesprekken vastlopen op gevoel: “we krijgen te weinig” versus “de markt zit tegen”. AI verandert dat gesprek door scenario’s door te rekenen:

• Wat gebeurt er met de marge als transport 7% stijgt?
• Welke kwaliteitsparameters veroorzaken de meeste afkeur?
• Welke levermomenten leveren structureel betere prijzen op?

Als je dat kunt aantonen, onderhandel je niet meer op buikgevoel maar op ketenprestatie.

De voedseltransitie is breder dan vlees versus vega—AI maakt het concreet

De eiwittransitie wordt vaak teruggebracht tot consumentenkeuze. Maar de echte uitdaging zit in opschaling: grondstoffen, verwerking, kwaliteitsstabiliteit en betaalbaarheid.

AI in alternatieve eiwitten: van recept tot grondstofstrategie

Plantaardige producten hebben één hard probleem: variabiliteit. Erwten, bonen, tarwe of soja zijn geen identieke bouwstenen. Oogstjaar, bodemtype en opslag beïnvloeden functionaliteit (denk aan binding, smaak, textuur).

AI wordt in R&D en productie gebruikt voor:

• formulatie-optimalisatie: modellen die voorspellen welke mix van eiwitten de gewenste bite en sappigheid geeft;
• sensorische voorspelling: correlaties tussen chemische analyse en consumentensmaak;
• processturing: realtime bijsturen van extrusie of menging op basis van sensordata.

Voor de landbouwkant betekent dit iets heel praktisch: als verwerkers precies weten welke eigenschappen ze nodig hebben, kunnen ze met telers contracten maken op functionele kwaliteit, niet alleen op tonnen.

Precisielandbouw in België: betere eiwitgewassen vragen betere data

In België groeit de interesse in lokale eiwitgewassen (zoals veldbonen en erwten) mede door prijsonzekerheid en duurzaamheidsdoelen. AI in precisielandbouw helpt vooral op drie punten:

1. Gewasmonitoring (satelliet/drones): stress, stikstofbehoefte en onkruiddruk sneller zien.
2. Opbrengstvoorspelling: eerder plannen voor afzet, opslag en verwerking.
3. Variabele toediening: gerichter bemesten of gewasbeschermen, met lagere inputkosten.

Daar zit direct geld: minder verspilling, minder verrassingen, betere leverbetrouwbaarheid.

Van debat naar uitvoering: 5 toepassingen die je in 2026 wél vooruithelpen

Hier is de brug van Brussel naar de bedrijfsrealiteit. Als je in landbouw of voedselproductie werkt, zijn dit de AI-toepassingen die je vandaag kunt prioriteren—zonder een jaar aan pilots te verliezen.

1) Kwaliteitsclassificatie met vision AI

Camera’s + AI kunnen producten (bijv. aardappelen, groenten, granen) classificeren op maat, kleur, beschadiging en vreemde delen.

Effect:

• minder subjectieve afkeur;
• sneller feedback naar teeltkeuzes;
• betere traceerbaarheid bij klachten.

2) Vraag- en prijsvoorspelling voor planning

Retailacties rond kerst en nieuwjaar (nu actueel in december) veroorzaken pieken in vraag naar zowel vlees als vleesvervangers. AI-modellen kunnen historische verkoop, promoties, weer en logistieke data combineren.

Effect:

• minder overproductie;
• minder spoilage;
• stabielere contractafspraken over volumes.

3) Slimme contractanalyse (voor coöperaties en telersverenigingen)

AI kan contracten scannen op:

• boeteclausules,
• eenzijdige wijzigingsrechten,
• onduidelijke kwaliteitsdefinities,
• ontbrekende data-afspraken.

Effect:

• sneller onderhandelen;
• minder juridische kosten;
• sterker collectief leervermogen.

4) Predictive maintenance in verwerking en koeling

Een stilgevallen lijn in verwerking of een koelprobleem kost al snel meer dan een marketingcampagne over naamgeving.

Effect:

• minder downtime;
• betere voedselveiligheid;
• lagere energiepieken.

5) Eiwitketen-traceerbaarheid met datastandaarden + AI

AI werkt pas op schaal als data vergelijkbaar zijn. Denk aan standaardisering van batchdata, kwaliteitsmetingen en teeltregistraties.

Effect:

• sneller voldoen aan audits;
• sneller oorzaken vinden bij kwaliteitsissues;
• betere onderbouwing van premiecontracten.

Veelgestelde vragen die ik nu vaak hoor (en mijn antwoord)

“Gaat AI de boer vervangen?”

Nee. AI vervangt vooral handmatige administratie, subjectieve beoordeling en reactief brandjes blussen. Het vakmanschap blijft, maar je krijgt een tweede paar ogen dat nooit moe wordt.

“Is dit niet alleen voor grote bedrijven?”

Grote partijen starten vaak eerder, maar de grootste winst zit juist bij groepen: coöperaties, telersverenigingen en ketensamenwerkingen. Samen data organiseren is goedkoper én sterker in onderhandelingen.

“Hoe begin je zonder dat het een IT-project wordt?”

Kies één KPI die pijn doet (afkeur, opbrengstvariatie, stilstand, energie, planning) en koppel daar één datastroom aan. Eerst effect, dan opschalen.

De echte inzet: minder symboolpolitiek, meer ketenintelligentie

De uitspraak van Strolenberg dat de naamgevingdiscussie “afleidt” is meer dan een politieke sneer. Het is een waarschuwing: als we blijven hangen in symbolen, gaat de keten door op oude reflexen—en blijven boeren en verwerkers elkaars risico’s doorschuiven.

Voor de AI in Landbouw en Voedselproductie-reeks is dit het punt: AI is geen praatclub-technologie. Het is een manier om de voedseltransitie meetbaar te maken, contracten eerlijker te krijgen en verspilling uit het systeem te snijden.

Als je in 2026 één discussie wil winnen, laat het dan deze zijn: wie bezit de data die de prijs bepaalt? En wat ga jij komende maand doen om daar grip op te krijgen?