Hoe AI ons eetgedrag verandert – van SnackBox tot supermarkt

Waarom gezond eten in Nederland nog steeds zo lastig is

Meer dan 80% van het eten in de Nederlandse supermarkt is ongezond. Dat laat onderzoek van Wageningen University & Research (WUR) zien. Niet omdat we geen gezonde alternatieven kúnnen maken, maar omdat onze omgeving ons continu richting snelle snacks duwt.

Voor boeren, voedselproducenten en agri-food techbedrijven is dat een keihard signaal. We hebben niet alleen duurzamer geproduceerde voeding nodig, maar ook slimmere systemen die mensen helpen automatisch gezonder te eten. En precies daar komt AI in de agri-food en slimme landbouw in beeld.

Tijdens de Opening van het Academisch Jaar 2025–2026 zette WUR het thema ‘Food for health, what really works’ centraal. Achter die titel zit een duidelijke boodschap: gezond eten is geen kwestie van individuele wilskracht, maar van data, technologie en een slim ingericht voedselsysteem – van boer tot bord.

In deze blog verbind ik de inzichten uit Wageningen met de vraag: wat kun jij als Nederlandse agrariër, verwerker, retailer of foodtech-start-up nú met AI doen om eten echt gezonder te maken?

---

Van individuele keuze naar slim ingericht voedselsysteem

De kern is simpel: de omgeving bepaalt wat we eten, niet alleen onze persoonlijke motivatie. Dat geldt net zo goed voor een scholier in Rotterdam als voor een medewerker in een voedingsfabriek.

WUR-onderzoeker Maartje Poelman liet zien hoe onze voedselomgeving werkt:

• In Nederland is eten overal beschikbaar, maar
• >80% van het aanbod in supermarkt en horeca draagt níet bij aan een gezond voedingspatroon
• Kleine systeemmaatregelen – zoals de wettelijke beperking van zout in brood – hebben aantoonbare impact op populatieniveau (minder zoutinname, minder hart- en vaatziekten)

"De gezonde keuze wordt de makkelijke keuze" is geen slogan, maar een ontwerpvraag voor het voedselsysteem.

Waar past AI in dit verhaal?

AI kan precies dát wat nu ontbreekt: complexe omgevingen doorrekenen, gedragspatronen herkennen en slimme keuzes automatisch doorvoeren. Denk aan:

• AI-modellen die assortimenten in supermarkten optimaliseren op gezondheid, marge én verspilling
• Beslissingsondersteuning voor productontwikkeling: welke receptaanpassing levert de grootste gezondheidswinst met minimale impact op smaak en kostprijs?
• Stedelijke voedselomgevingen simuleren: wat gebeurt er met het snackgedrag als je het aanbod bij stations of scholen verandert?

Gezonde voeding is dus niet alleen een kwestie van voorlichting, maar van datagedreven ontwerp. En die data begint bij iets ogenschijnlijk eenvoudigs: wat, wanneer en hoe eten mensen eigenlijk echt?

---

SnackBox, sensoren en digitale tweelingen: zo meet WUR ons eetgedrag

De grootste blinde vlek in voedingsonderzoek is al jaren hetzelfde: mensen weten zelf niet precies wat en hoeveel ze eten, en als ze het wél weten, vullen ze vragenlijsten vaak onvolledig of achteraf in.

WUR-onderzoeker Guido Camps pakt dat anders aan met een reeks slimme tools, ontwikkeld samen met tech-partners:

Slimme SnackBox en sensor-plateau

• De SnackBox is een slimme snackcontainer die exact registreert wanneer en hoeveel iemand pakt
• Een sensor-plateau herkent automatisch maaltijden en porties zonder dat deelnemers iets hoeven te noteren
• Alle metingen vinden plaats in het dagelijkse leven, niet alleen in een labomgeving

Het interessante is wat Camps benadrukt: bij deze aanpak wordt de “ruis” – sociale context, emoties, tijdstip, locatie – juist waardevolle data.

Van data naar AI-modellen

Met dit soort sensor-ecosystemen ontstaan datasets die extreem geschikt zijn voor AI:

• Patroonherkenning: wanneer grijpen mensen naar snacks? In stressmomenten? ’s Avonds achter de tv?
• Voorspelling: welke persoon is gevoelig voor bepaalde triggers (vermoeidheid, sociale druk, pushberichten, zichtbaarheid van snacks)?
• Digitale tweelingen van eters: een virtueel model dat voorspelt hoe iemands snackgedrag verandert als je de omgeving of het aanbod aanpast

Dit is precies de infrastructuur die we óók in de rest van de agri-food keten nodig hebben. Boeren werken al met digitale tweelingen van gewassen en koeien; WUR laat zien dat we nu ook digitale tweelingen van eters kunnen bouwen.

Voor bedrijven opent dat een paar interessante mogelijkheden:

• Gepersonaliseerde AI-voedingscoaches gekoppeld aan daadwerkelijk eetgedrag, niet alleen zelfrapportage
• Testen van nieuwe gezonde snacks in een virtuele populatie vóór grootschalige lancering
• Gerichte nudging in apps, horeca of bedrijfsrestaurants, afgestemd op echte patronen in plaats van algemene aannames

---

Textuur, eettempo en ultra-bewerkt voedsel: wat AI hiermee kan

Ciarán Forde liet tijdens de opening zien dat hoe snel we eten net zo belangrijk is als wat we eten. In het RESTRUCTURE-project werd getest wat er gebeurt als je mensen voedsel geeft met een andere textuur – bijvoorbeeld een knapperige baguette tegenover een zacht sneetje brood.

De uitkomst:

• Als de textuur het eettempo vertraagt, eten mensen minder calorieën,
• zonder minder verzadiging of tevredenheid te ervaren.

Met andere woorden: je kunt overeten dempen door het gevoel van het eten aan te passen.

AI + productontwikkeling = slimmer voedingsontwerp

Voor Nederlandse voedselproducenten en start-ups in foodtech is dit goud waard. Combineer deze kennis met AI, en je krijgt een nieuwe manier van productontwerp:

• AI-modellen die recepturen en texturen simuleren en koppelen aan voorspeld eettempo en verzadiging
• Optimalisatie tussen sensorische beleving, gezondheid en kostprijs
• Snel doorrekenen van duizenden varianten met als doel: maximale gezondheidswinst, minimale impact op consumentacceptatie

Stel je een R&D-afdeling voor die niet begint met “wat vinden mensen lekker?”, maar met een algoritme dat zegt:

“Bij deze doelgroep, in deze context, is een iets stevigere textuur met X% meer vezel ideaal om calorie-inname met 15–20% te verlagen zonder verlies aan waardering.”

Dat is geen sciencefiction; het sluit naadloos aan bij wat WUR nu al meet en onderzoekt.

---

Wat betekent dit concreet voor de Nederlandse agri-food keten?

De lijn van het land tot aan het bord wordt steeds meer datagedreven. Wie in de Nederlandse agri-food op lange termijn wil meedraaien, zal AI niet alleen in de stal of op het veld toepassen, maar óók in de ontwikkeling en positionering van producten en menu’s.

Voor boeren en primaire producenten

Boeren zitten misschien het verst af van de SnackBox, maar niet van de vraag “Food for health, what really works?”:

• AI-modellen voor teeltplanning kunnen rekening houden met de vraag naar gezondere producten (meer peulvruchten, volle granen, vezelrijke gewassen)
• In contractteelt kun je met verwerkers data delen over nutriëntgehalten, eiwitkwaliteit en vezelstructuur, zodat die direct bruikbaar zijn in AI-gestuurde productontwikkeling
• Precisielandbouw en sensoren helpen om constantere kwaliteit te leveren – cruciaal als AI-modellen rekenen met vaste inputparameters

Voor verwerkers en voedingsindustrie

Hier ligt misschien wel de grootste kans op korte termijn:

• Bouw een digitale R&D-pijplijn waarin AI helpt bij het formuleren van producten die gezond, betaalbaar én lekker zijn
• Gebruik kennis over textuur en eettempo om ultra-bewerkt voedsel minder overeten-uitlokkend te maken
• Integreer real-world consumptiedata (uit pilots, sensoren, loyalty-data) in je AI-modellen in plaats van alleen paneldata

Voor retail, horeca en maaltijdverstrekkers

Supermarkten, cateraars en horeca bepalen in hoge mate wat mensen dagelijks eten. AI maakt hier scherpere sturing mogelijk:

• Assortimentsoptimalisatie: welk aanbod rond de kassa of in het bedrijfsrestaurant leidt tot hogere omzet én betere gezondheidsprofielen?
• Dynamische prijs- en promotiestrategieën: gezonde producten iets slimmer in de actie, ongezonde minder prominent; doorrekenen met AI op omzet én gezondheidsimpact
• Persoonlijke nudges in apps: gezonde suggesties gebaseerd op aankoopgeschiedenis, tijdstip, weer en context

Wie dit goed aanpakt, gaat van “we bieden ook een gezonde keuze” naar “ons systeem stuurt automatisch richting gezondere patronen”.

---

AI voor agri-food: drie praktische eerste stappen

Omdat veel organisaties vastlopen in de vraag waar begin ik?, drie concrete acties die ik zou kiezen:

1. Maak eetgedrag meetbaar

Zonder goede data heeft AI weinig waarde.

• Start kleinschalig met sensoren, digitale vragenlijsten of kassadata rond één productgroep (bijv. snacks of kant-en-klaarmaaltijden)
• Verzamel niet alleen wat er gegeten of gekocht wordt, maar ook wanneer, waar en in welke context

2. Bouw een simpel voorspelmodel

Je hoeft niet direct een volledig digitale tweeling van je klant te maken.

• Begin met een model dat één vraag beantwoordt, zoals: “Wie koopt onze gezonde variant, en wanneer?” of “Welke factor voorspelt snackmomenten het sterkst?”
• Gebruik deze inzichten voor één gerichte interventie (andere plaatsing, andere portiegrootte, andere textuur)

3. Koppel boer-tot-bord-data

Voor de serie “AI voor Nederlandse Agri-Food: Slimme Landbouw” is dit de belangrijkste stap.

• Verbind productiedata (bijv. teeltcondities, ras, oogsttijd) aan product- en consumptiedata (receptuur, textuur, consumptiemoment)
• Laat AI zoeken naar patronen: welke teelt- en verwerkingscondities leveren producten op die beter scoren op gezondheid én acceptatie?

Wie dit goed inricht, bouwt een ecosysteem waarin elke hectare, elke fabriek en elke schapmeter bijdraagt aan meetbaar gezondere eetpatronen.

---

Van kennis naar actie: waar ga jij in 2026 het verschil maken?

Wageningen toont met het nieuwe Gerrit Grijns Fonds en de focus op ‘Food for health, what really works’ dat voedingswetenschap een stap maakt: van losse adviezen naar systeemverandering. Minder praten over “bewuste keuzes”, meer werken aan slimme omgevingen.

Voor de Nederlandse agri-food sector ligt er nu een kans om AI niet alleen te gebruiken voor hogere opbrengsten en lagere kosten, maar ook voor iets fundamentelers: een gezonder voedsellandschap, ontworpen met data van boer tot bord.

De vraag is niet óf AI een rol gaat spelen in wat en hoe Nederland eet, maar wie het lef heeft om de eerste concrete toepassingen te bouwen. De technologie ligt op tafel. De kennis uit Wageningen eveneens.

De volgende stap? Die ligt bij iedereen in de keten die durft te zeggen: onze producten moeten niet alleen goed verkopen, maar mensen daadwerkelijk helpen gezonder te leven – en we gaan AI inzetten om dat meetbaar te maken.