WUR laat zien hoe eetgedrag, textuur en technologie samenkomen. Zo kan AI de Nederlandse agri-food sector helpen om gezond eten en slimme landbouw te verbinden.
Snack, slik, klaar – waarom dit de agri-food sector raakt
Meer dan 80% van wat in Nederlandse supermarkten ligt, past niet in een gezond voedingspatroon. Dat liet Wageningen University & Research (WUR) dit najaar zien bij de opening van het academisch jaar met het thema ‘Food for health, what really works’. Tegelijk produceert onze agri-food sector meer dan genoeg calorieën, maar kampen wereldwijd ruim 600 miljoen mensen met honger. Er is dus geen tekort aan voedsel, er is een tekort aan gezond én eerlijk georganiseerd voedsel.
Dit raakt boeren, verwerkers, retailers én technologiebedrijven. Want als omgeving en aanbod zwaarder wegen dan individuele wilskracht, dan ligt de sleutel bij het voedselsysteem – en daar hoort slimme landbouw en AI onlosmakelijk bij.
In deze blog laten we zien wat er in Wageningen gebeurt rond voeding en gezondheid, en vooral: wat de Nederlandse agri-food sector daar nú mee kan. Van slimme SnackBoxen tot textuuronderzoek en digitale tweelingen: dit is precies het speelveld waar AI voor agri-food het verschil gaat maken.
Van honger én obesitas naar slimme voedselsystemen
De kern is pijnlijk helder: de wereld heeft tegelijkertijd een probleem met ondervoeding, obesitas en voedselverspilling. Volgens WUR komt dat niet doordat we te weinig produceren, maar door conflicten, mismanagement en een ongezonde voedselomgeving.
Voor Nederland betekent dat drie concrete uitdagingen:
- Boeren en producenten moeten rendabel kunnen omschakelen naar gezondere en duurzamere producten.
- Retail en foodservice moeten een omgeving creëren waarin de gezonde keuze echt de makkelijke keuze is.
- Consumenten moeten geholpen worden met slimmer, niet moralistischer, eten.
AI speelt hier op alle drie de niveaus een rol:
- In de teelt voor nauwkeurige oogstvoorspelling en betere teeltplanning.
- In de keten voor vraagsturing: produceren wat mensen daadwerkelijk eten, niet wat in de prullenbak eindigt.
- In de winkel- en eetomgeving voor gepersonaliseerde, maar ook populatiebrede sturing richting gezonde keuzes.
De rode draad: hoe beter we weten wat, hoeveel, wanneer en waarom mensen eten, hoe slimmer we het hele agri-food systeem kunnen inrichten.
De voedselomgeving bepaalt meer dan goede bedoelingen
De Wageningse onderzoeker Maartje Poelman maakte het tijdens de opening glashelder: je omgeving wint het meestal van je voornemens. Je kunt wel besluiten gezonder te eten, maar als 8 van de 10 producten om je heen ongezond zijn, wordt dat een dagelijks gevecht.
"De gezonde keuze wordt pas aantrekkelijk als die óók de makkelijke keuze is."
Wat betekent dit concreet voor de keten?
Voor de Nederlandse agri-food sector liggen hier harde, maar ook kansrijke conclusies:
- Supermarkten sturen met schapindeling, promoties en prijs. Algoritmes bepalen nu vooral marge en omloopsnelheid. AI kan óók sturen op voedingswaarde, verspilling en herkomst.
- Producenten ontwikkelen producten die aansluiten op dat schap: snel, goedkoop, aantrekkelijk. Voeg daar een AI-gestuurd innovatieproces aan toe, dan kun je juist textuur, portiegrootte en verzadiging optimaliseren.
- Beleid en wetgeving werken op de achtergrond als ‘rails’. Het voorbeeld dat WUR aanhaalt – wettelijke beperking van zout in brood – laat zien dat kleine aanpassingen op populatieniveau enorme gezondheidswinst opleveren.
Hoe AI de voedselomgeving slimmer maakt
AI kan hier meer dan alleen verkoop voorspellen:
- Gezondheidsgeoptimaliseerde schapmodellen – algoritmes die niet alleen omzet maximaliseren, maar ook het aandeel gezonde producten per meter schap verhogen.
- Dynamische prijs- en promotiestrategieën – variabele kortingen die verse, gezonde producten aantrekkelijker maken op momenten dat de vraag normaliter inzakt.
- Simulaties van beleidseffecten – digitale tweelingen van een supermarkt of kantine waarin je kunt doorrekenen wat er gebeurt als je fris uit de kassa-zone haalt of portiegroottes aanpast.
Voor boeren en verwerkers is de boodschap duidelijk: wie vroegtijdig instapt in zulke AI-gedreven ketens, zit dichter op de vraag én op toekomstige regelgeving.
SnackBox en sensortrays: waarom nauwkeurige eetdata goud waard is
Guido Camps liet tijdens de opening zien waarom traditionele voedingsonderzoeken – vragenlijsten en eetdagboeken – vaak tekortschieten. Mensen vergeten, schatten verkeerd in of passen hun gedrag aan omdat ze weten dat ze gevolgd worden.
Daarom ontwikkelt WUR samen met OnePlanet technologieën zoals:
- SnackBox – een slimme snackdoos die exact registreert wanneer en hoeveel iemand eet.
- Sensortray – een dienblad dat automatisch maaltijden detecteert en registreert zonder dat de deelnemer hoeft in te voeren.
Deze systemen leveren extreem rijke data op:
- tijdstip van eten,
- frequentie van snackmomenten,
- portiegrootte,
- context (thuis, werk, alleen, in gezelschap),
- gekoppeld aan emoties of stemming.
Brug naar AI in agri-food
Voor slimme landbouw en voedselproductie is dit soort ultra-specifieke consumptiedata cruciaal.
Met AI kun je bijvoorbeeld:
- Vraagpatronen per producttype voorspellen – niet alleen per week of seizoen, maar op uur-niveau, gekoppeld aan weer, evenementen en sociale context.
- Recepturen optimaliseren – op basis van daadwerkelijke verzadiging, eettempo en terugkoopgedrag, niet op basis van aannames.
- Voedselverspilling verminderen – door productie, logistiek en schapvulling af te stemmen op het échte eetgedrag, niet op historische gemiddelden.
Stel dat je als groenteverpakker toegang hebt tot geanonimiseerde SnackBox-achtige data. Je ziet dat mensen rauwkost vooral als ‘tweede snack’ laat in de middag pakken, maar afhaken als het snijden te veel moeite kost. Dat is directe input voor portieverpakkingen, mixen en marketing – en AI helpt je die patronen razendsnel herkennen.
Textuur, eetsnelheid en ultra-bewerkte voeding: ontwerp aan de bron
Ciarán Forde richtte zich in Wageningen op een aspect waar veel boeren en producenten nog te weinig mee doen: textuur en eetsnelheid. In het RESTRUCTURE-project bleek dat mensen consequent minder calorieën binnenkrijgen als de textuur hen dwingt langzamer te eten – zonder dat ze zich minder vol voelen.
Voorbeelden:
- Een knapperige baguette eet langzamer dan een zacht casinobrood.
- Grovere, stevigere structuren verlengen de kauwtijd en geven je brein meer tijd om ‘vol’ te registreren.
Ultra-bewerkte producten zijn vaak juist ontworpen om snel en moeiteloos weg te happen: ‘snack, slik, klaar’. Dat vertaalt zich in:
- meer calorieën per minuut,
- minder verzadigingssignalen,
- grotere porties zonder dat het zo voelt.
Wat kan de agri-food sector hiermee?
Dit is eigenlijk goed nieuws voor Nederlandse producenten:
- Je kunt gezondheid inbouwen in het productontwerp – door textuur, vezelgehalte, portiegrootte en mondgevoel bewust te sturen.
- AI-modellen kunnen dat ontwerpproces versnellen – door te voorspellen hoe kleine aanpassingen in receptuur of proces de textuur, eetsnelheid en verzadiging beïnvloeden.
Concrete toepassingen voor AI in productontwikkeling:
- Virtuele testkeukens: digitale modellen die duizenden varianten van een broodje, snack of zuivelproduct simuleren en scoren op zowel smaak, textuur als verwachte inname.
- Predictive modelling van verzadiging: combineren van bestaande studies, sensorische data en consumentenfeedback om te voorspellen welke producteigenschappen overeten remmen.
- Personalisatie: voor zorginstellingen of sportvoeding kunnen AI-systemen producten ‘afstemmen’ op specifieke doelgroepen (bijv. ouderen met kauwproblemen versus jonge sporters).
Boeren die leveren aan zulke productieketens doen er verstandig aan om grondstoffenspecificaties (bijvoorbeeld eiwitgehalte in graan, vezelprofiel van groente) goed meetbaar en digitaal beschikbaar te maken. Hoe beter de inputdata, hoe sterker de AI-modellen in de keten.
Van data naar digitale tweelingen: de volgende stap in slimme landbouw
Een van de interessantste ontwikkelingen uit de WUR-opening is het idee van digitale tweelingen van eetgedrag: virtuele profielen die laten zien hoe iemand (of een groep) snackt, eet en drinkt over tijd.
Diezelfde logica is precies wat slimme landbouw nodig heeft:
- Digitale tweeling van het gewas – een AI-model dat per perceel voorspelt hoe het gewas zich ontwikkelt, welke input wanneer nodig is en wat de verwachte oogst is.
- Digitale tweeling van de keten – een simulatie van de hele route van veld tot vork, inclusief vraagfluctuaties, logistieke knelpunten en houdbaarheid.
- Digitale tweeling van de consument – geanonimiseerde profielen van eetpatronen waarmee je scenario’s kunt draaien: wat gebeurt er met de vraag als we porties verkleinen, schappen herinrichten of promoties veranderen?
Door die drie te koppelen, ontstaat iets krachtigs:
- Boeren zaaien en oogsten op basis van verwachte werkelijke consumptie.
- Verwerkers plannen productie op basis van gezondheidsdoelen én marktvraag.
- Retailers sturen schappen en promoties op zowel omzet als volksgezondheid.
De realiteit? Dit is minder ver weg dan het lijkt. Veel data zijn er al: teeltsensoren, kassasystemen, apps, logistieke systemen. De volgende stap is koppelen, opschonen en modelleren met AI.
Praktische eerste stappen voor Nederlandse agri-food bedrijven
Wie in 2026 nog steeds wacht tot “AI volwassen is”, loopt achter. Je hoeft niet direct een eigen SnackBox te bouwen, maar je kunt wel gericht beginnen.
Voor boeren en telers
- Start met dataverzameling op perceelniveau (bodemsensoren, gewasbeelden, opbrengstdata) en zorg dat deze gegevens gestructureerd worden opgeslagen.
- Werk samen met afnemers om vraagpatronen en contractteelt beter op elkaar af te stemmen, eventueel via platforms die AI inzetten voor vraagvoorspelling.
Voor verwerkende industrie en foodproducenten
- Breng in kaart welke producteigenschappen relevant zijn voor eetsnelheid, verzadiging en gezondheid (textuur, vezels, suikers, zout) en structureer die data.
- Experimenteer met AI-gestuurde receptuursuggesties: kleine aanpassingen in textuur of vezelgehalte die de gezondheidsprofiel verbeteren zonder smaakverlies.
Voor retailers en foodservice
- Gebruik bestaande verkoopdata om AI-modellen te trainen op gezond aanbod per schapmeter en test kleine pilots met andere schapindelingen.
- Combineer kassadata met (geanonimiseerde) klantprofielen om te meten wat er gebeurt als je gezonde opties prominenter presenteert.
Bedrijven die nu instappen, sluiten direct aan op de lijn die WUR neerzet: van losse voedingskeuzes naar een intelligent voedselsysteem waarin gezondheid, duurzaamheid en economische realiteit elkaar versterken.
Gezond eten begint op het land – en in de algoritmes
Wat WUR tijdens de opening van het academisch jaar liet zien, is eigenlijk een uitnodiging aan de hele Nederlandse agri-food sector. Gezonde voeding en slimme landbouw zijn geen gescheiden werelden. De keuze voor een knapperige of juist zachte structuur, de hoeveelheid zout in brood, de plaats van snacks in het schap – het zijn allemaal ontwerpbeslissingen die teruggrijpen op de boer, de fabriek én het algoritme achter de keten.
Wie serieus werk wil maken van slimme landbouw en een gezonder Nederland, moet twee vragen tegelijk durven stellen:
- Hoe kunnen we met AI de teelt, oogst en logistiek slimmer organiseren?
- Hoe zorgen we dat onze producten in de praktijk mensen helpen gezonder te eten, in plaats van het omgekeerde?
Daar ligt precies de kracht van AI in de Nederlandse agri-food: niet alleen meer produceren, maar beter afstemmen op echt menselijk eetgedrag. De bedrijven die dat spel als eerste beheersen, gaan de toon zetten in het voedselsysteem van de komende tien jaar.