Meer dan 80% van ons supermarktassortiment is ongezond. Zo kan AI, van SnackBox tot slimme landbouw, onze voeding écht gezonder maken – van boer tot bord.
Hoe AI onze voeding gezonder maakt – van boer tot bord
Meer dan 80% van het aanbod in Nederlandse supermarkten is ongezond. Dat bleek opnieuw uit onderzoek dat tijdens de Opening Academisch Jaar 2025–2026 van Wageningen University & Research (WUR) centraal stond. Tegelijkertijd hebben wereldwijd ruim 600 miljoen mensen nog altijd onvoldoende te eten.
Die twee cijfers horen bij elkaar. We produceren genoeg, maar we sturen slecht: ongezonde overvloed hier, tekorten daar. Precies op dat snijvlak – tussen wat we produceren, wat er in het schap ligt en wat we uiteindelijk eten – gaat kunstmatige intelligentie (AI) het verschil maken.
In deze blog verbind ik de inzichten uit WUR’s openingsthema ‘Food for health, what really works’ met de praktijk van AI in de Nederlandse agri-food en slimme landbouw. Van SnackBox tot stal, van zoutreductie in brood tot textuur van voedsel: wat kun je hier als teler, verwerker, retailer of food-innovator nu concreet mee?
1. Van calorieën tellen naar gedrag begrijpen: slimme voedseldata
De kern van gezond voedselsysteembeleid is simpel: je moet weten wat mensen écht eten, wanneer en waarom. Traditionele voedingsdagboeken en vragenlijsten schieten daarin tekort. Mensen vergeten, schatten verkeerd of kleuren hun gedrag sociaal wenselijk in.
SnackBox & sensornetwerken: dit verandert er
WUR-onderzoeker Guido Camps liet tijdens de opening zien hoe technologie dat probleem verschuift:
- een SnackBox die exact meet wanneer en hoeveel iemand snackt;
- een sensor-tray die maaltijden automatisch registreert, zonder dat deelnemers iets hoeven in te vullen;
- koppelingen met emotiedata en context (tijd, locatie, sociale setting).
Het resultaat is een sensor-ecosysteem dat continu eetgedrag vastlegt. Geen momentopname, maar een rijk, dynamisch beeld.
Dat is interessant voor voedingswetenschappers, maar juist ook voor de agri-foodketen:
- Fabrikanten zien real-time welke producten op welk moment van de dag worden gepakt.
- Retailers begrijpen welke schapindeling leidt tot meer gezonde keuzes.
- Producenten en boeren kunnen vraagpatronen koppelen aan teeltplanningen.
Waar komt AI om de hoek kijken?
Zonder AI zijn deze datastromen nauwelijks te behappen. Met AI kan dit wel:
- Patroonherkenning: algoritmes herkennen terugkerende eetmomenten, ‘trigger foods’ en emotie-gedreven snackgedrag.
- Voorspelling: modellen voorspellen wanneer iemand geneigd is iets ongezonds te pakken en welke gezondere alternatieven realistisch zijn.
- Digitale tweelingen: Camps noemde het al – een digitale tweeling van iemands snackgedrag. In de agri-food kun je dat principe doortrekken:
- digitale tweeling van een huishouden (huishoudelijk eetprofiel);
- digitale tweeling van een productcategorie (hoe wordt dit type snack werkelijk gebruikt?).
Voor slimme landbouw is dit goud waard: je koppelt consumptiepatronen direct aan teeltbeslissingen. Niet meer produceren op gevoel of alleen op basis van historische verkoop, maar op basis van voorspelde eetmomenten.
2. Gezonde keuze als makkelijke keuze: AI in de voedselomgeving
WUR-onderzoeker Maartje Poelman liet zien dat de omgeving vaak belangrijker is dan de individuele keuze. Als meer dan 80% van het assortiment in de supermarkt ongezond is, is het niet vreemd dat obesitascijfers stijgen.
“De gezonde keuze wordt de makkelijke keuze.” – dát is de lat.
In Nederland zagen we dat eerder bij het verlagen van zout in brood via de Warenwet. Individueel merk je er weinig van, maar op populatieniveau dalen bloeddruk en risico op hart- en vaatziekten.
Hoe kan AI helpen bij een gezondere voedselomgeving?
Binnen de serie AI voor Nederlandse Agri-Food: Slimme Landbouw is dit het logische vervolg: AI niet alleen op het land, maar óók in de winkelstraat.
Concrete toepassingen:
-
Slim schapbeheer
AI-modellen analyseren verkoopdata, looproutes, seizoenseffecten en promoties:- gezonde opties prominenter plaatsen op natuurlijke stopplekken;
- ultra-bewerkte producten minder dominant in zichtlijnen;
- dynamische prijsstelling waarbij gezonde keuzes relatief aantrekkelijker worden.
-
AI-gestuurde assortimentssamenstelling
Combineer data over eetgedrag (SnackBox-achtige systemen) met kassadata:- welke gezonde alternatieven worden vanzelf gepakt als het aanbod verbetert?
- welke productformules (portiegrootte, smaak, textuur) werken voor verschillende doelgroepen?
-
Gerichte interventies voor kwetsbare wijken
Door gezondheids-, inkomens- en winkeldata te koppelen kun je:- gerichte pilots doen met gezonde schoolkantines;
- buurtwinkels ondersteunen met AI-advies over gezond/haalbaar assortiment;
- effect op BMI, medicatiegebruik en zorgkosten monitoren.
Agrariërs en verwerkers profiteren mee: een gezonder, voorspelbaarder vraagprofiel maakt contractteelt en langjarige afspraken aantrekkelijker.
3. Textuur, eetsnelheid en productontwikkeling met AI
Ciarán Forde liet met het RESTRUCTURE-project zien dat textuur en eetsnelheid cruciaal zijn voor onze energie-inname. De uitkomst is confronterend eenvoudig:
- Zachte, snel eetbare producten → meer calorieën in minder tijd.
- Hardere of vezelrijkere textuur → lagere inname, zónder minder verzadiging.
Een hard stuk stokbrood versus een zacht sneetje brood klinkt banaal, maar op populatieniveau is dit precies het verschil tussen een stabiel gewicht of structurele gewichtstoename.
AI versnelt deze sensorische innovatie
Traditioneel kost het jaren om via consumententesten tot een optimaal product te komen. AI kan dat traject flink inkorten:
- Machine learning op paneldata: smaak-, textuur- en verzadigingsscores koppelen aan receptuur, procesinstellingen en consumptiedata.
- Optimalisatie-algoritmes: modellen die recepturen voorstellen met:
- lagere energiedichtheid,
- aangepaste textuur voor langzamer eten,
- behoud van smaakacceptatie.
- Simulatie van eetpatronen: wat gebeurt er met gemiddelde energie-inname als je een hele productcategorie langzamer eetbaar maakt?
Voor Nederlandse foodbedrijven ontstaat zo een nieuwe innovatieroute: niet langer alleen minder suiker, vet of zout, maar slim spelen met mondgevoel en eettempo, ondersteund door AI.
Van fabriek tot akker
Voor de slimme-landbouwkant is dit relevanter dan het op het eerste gezicht lijkt:
- Als AI-modellen voorspellen dat grovere structuren en vezelrijke ingrediënten beter scoren, stijgt de vraag naar bepaalde graanrassen, peulvruchten of groenterassen.
- Precisielandbouwsystemen kunnen dan gericht sturen op kwaliteit voor textuur (vezelgehalte, celstructuur) in plaats van alleen op opbrengst per hectare.
Zo koppel je sensorisch ontwerp in de fabriek direct aan teeltbeslissingen op het land, met AI als verbindende schakel.
4. Van honger als wapen naar data als kompas
Tijdens de opening wees WUR-voorzitter Sjoukje Heimovaara op een pijnlijke realiteit: ruim 600 miljoen mensen hebben een voedseltekort, terwijl er mondiaal genoeg wordt geproduceerd. Conflicten en mismanagement zorgen dat honger zelfs als wapen wordt gebruikt.
De Nederlandse agri-foodsector kan daar niet in z’n eentje een einde aan maken, maar wél bijdragen aan een slimmer, rechtvaardiger systeem.
AI in de keten: minder verspilling, betere verdeling
Enkele praktische AI-sporen die hierop aansluiten:
-
Vraaggestuurde productie
Door consumptiedata (zoals uit SnackBox-onderzoek) te koppelen aan weer-, oogst- en logistieke data, kunnen modellen:- overschotten en tekorten weken vooruit signaleren;
- alternatieve afzetkanalen voorstellen (lokale verwerking, voedselbanken, export);
- prijsschommelingen dempen door betere planning.
-
Slimme logistiek en houdbaarheid
AI kan per productpartij voorspellen:- daadwerkelijke houdbaarheid op basis van oogstcondities, opslag en transport;
- optimale routering om bederf te minimaliseren;
- momenten waarop reststromen nog hoogwaardig verwerkt kunnen worden.
-
Scenario’s voor beleid en ngo’s
Met digitale tweelingen van voedselsystemen kun je testen:- wat er gebeurt bij exportrestricties;
- welk effect prijsmaatregelen hebben op consumptie;
- hoe je hulpgoederen het best inzet bij crisissituaties.
De rode lijn: net zoals WUR inzet op wat echt werkt bij gezonde voeding, moet de sector dat ook doen bij mondiale voedselzekerheid. Minder beleid op gevoel, meer beleid op data.
5. Wat betekent dit concreet voor jou in de agri-food?
De Opening Academisch Jaar van WUR ging officieel over voeding en gezondheid, maar onder de motorkap draaide alles om meten, begrijpen en voorspellen. Precies waar slimme landbouw en AI om vragen.
Een paar concrete stappen per type speler:
Voor boeren en telers
- Werk samen met afnemers die data willen delen over consumentengedrag; dat maakt jouw teeltplanning sterker.
- Kijk bij rassenkeuze niet alleen naar opbrengst, maar ook naar vezelgehalte en textuurpotentieel – vooral bij graan, groente en peulvruchten.
- Overweeg deelname aan pilots rondom digitale tweelingen van percelen, gekoppeld aan marktdata.
Voor verwerkers en foodbedrijven
- Gebruik AI-modellen om recepturen te optimaliseren op eetsnelheid, verzadiging en calorie-inname in plaats van enkel macro’s.
- Combineer interne salesdata met externe gedragsonderzoeken zoals die van WUR om gerichte productlijnen te ontwikkelen (bijvoorbeeld trage snacks voor kinderen).
- Investeer in een eigen of gedeeld data- en sensornetwerk (verpakking met sensoren, slimme koelketen, online interactie met consumenten).
Voor retailers en foodservice
- Test AI-gestuurde schapindelingen met expliciet doel: aandeel gezonde verkopen verhogen met X% in Y maanden.
- Koppel kassadata aan demografie en wijkprofielen om lokale assortimentsbeslissingen te nemen die gezondheid ondersteunen.
- Werk met onderzoekers aan pilots waarin SnackBox-achtige inzichten vertaald worden naar concrete winkelinterventies.
Slot: van hap-slik-weg naar slim-gezond-systeem
De boodschap van WUR’s academische jaaropening is verrassend nuchter: we weten genoeg om voeding écht gezonder te maken, maar we gebruiken die kennis nog te weinig in ons systeem. AI biedt nu de kans om dat gat te dichten.
- We kunnen beter meten wat mensen eten.
- We kunnen slimmer voorspellen wat ze nodig hebben.
- We kunnen gericht ontwerpen: van teeltplan tot textuur van het eindproduct.
Voor de Nederlandse agri-foodsector is dit hét moment om gezondheid expliciet in slimme-landbouwstrategieën op te nemen. Niet alleen sturen op kilo’s en marge, maar op eetpatroon, verzadiging en voedselomgeving.
De vraag is dus niet of AI een rol gaat spelen in voeding en gezondheid, maar: welke rol jij de komende jaren pakt in die keten – van boer tot bord.