Niet de bioreactor aanpassen, maar de micro-organismen. Zo koppelt slimme biotechnologie zich aan AI en maakt fermentatie in de Nederlandse agri-food efficiënter.
Waarom slimme micro-organismen nú relevant zijn voor agri-food
De meeste Nederlandse voedingsmiddelenfabrieken draaien op stalen kolossen: bioreactoren van tienduizenden liters waarin micro-organismen eiwitten, oliën, aminozuren of vitamines maken. Daar hangt serieuze omzet aan. Een paar procent meer opbrengst in zo’n tank kan miljoenen euro’s schelen én maakt het systeem direct duurzamer.
Hier wringt het: in grote bioreactoren zijn suiker- en zuurstofconcentraties allesbehalve stabiel. Onderaan is er vaak te veel zuurstof, bovenin te weinig; rond de toevoer van suiker is het feest, verderop heerst schaarste. Dat kost product, energie en grondstoffen. Veel bedrijven reageren daarop door nóg complexere apparatuur, sensoren en regeltechniek in te zetten.
Onderzoekers rond prof. Ruud Weusthuis (WUR) draaien dat denken om: niet de bioreactor moet zich aanpassen, maar de micro-organismen zelf. En juist daar ontstaat een interessante link met AI in de Nederlandse agri-food sector, van slimme fermentatie tot precisielandbouw.
In dit artikel kijk ik hoe dit idee werkt, wat het kan betekenen voor voedselproducenten én hoe AI hierbij een versneller wordt.
Van perfecte reactor naar slimme cel: de denkomslag
De kern is eenvoudig: het is praktisch onmogelijk om in hele grote bioreactoren overal dezelfde condities te creëren. Roeren, beluchten, extra meetpunten – het helpt, maar haalt de variatie nooit weg.
In de praktijk zie je in een industriële tank:
- Hoog suikergehalte vlak bij het toevoerpunt, bijna niets verderop
- Teveel zuurstof onderin, tekort bovenin
- Cellen die continu door zones met ‘rijkdom’ en ‘schaarste’ bewegen
Het gevolg:
- Schommelende groei en stress bij de micro-organismen
- Minder stabiele productie van eiwitten, oliën of penicilline
- Meer bijproducten, lagere kwaliteit, hogere kosten
De meeste bedrijven proberen dit op te lossen met betere bioreactor-ontwerpen en geavanceerde procescontrole. Weusthuis kiest de andere kant:
"Niet de bioreactor veranderen, maar de micro-organismen."
Voor de agri-food sector – zeker in Nederland, waar marge en duurzaamheid onder druk staan – is dat een opvallend praktische benadering. De hardware blijft grotendeels staan. De software (de cel) wordt slimmer.
Hoe pas je micro-organismen aan wisselende condities aan?
De onderzoeksgroep van Weusthuis richt zich op twee werkpaarden van de biotechnologie:
- Bakkersgist (Saccharomyces cerevisiae) – veel gebruikt in voedsel en fermentatie
- E. coli – veel ingezet in industriële biotechnologie en eiwitproductie
Wat is het doel?
De ambitie is micro-organismen te ontwerpen die:
- Goed blijven presteren bij wisselende suiker- en zuurstofniveaus
- Stress-signalen omzetten in slimme reacties, in plaats van productiestops
- Ook onder niet-ideale omstandigheden stabiel product blijven maken
Daarvoor worden de cellen genetisch aangepast, zodat ze bepaalde regulerende eiwitten aanmaken die:
- Snel kunnen schakelen tussen ‘overvloed’ en ‘schaarste’
- Productieroutes aan- of uitzetten afhankelijk van de omgeving
- Interne reserves (zoals suikervoorraden) beter sturen
De precieze aanpak is nog vertrouwelijk, met het oog op mogelijke patenten. Maar de richting is duidelijk: de cel krijgt als het ware een ingebouwde procescontroller.
Waarom dit relevant is voor AI & slimme landbouw
Dit is niet alleen een genetisch trucje. Het is een systeemvraagstuk, en daar komt AI om de hoek kijken:
- De route die een cel door een reactor aflegt, is complex en chaotisch
- Suiker- en zuurstofprofielen veranderen continu in tijd en ruimte
- De respons van de cel is niet lineair: kleine verschillen kunnen grote effecten hebben
AI-modellen zijn juist sterk in het herkennen van patronen in zulke complexe datasets. Denk aan:
- Simulaties van miljoenen ‘virtuele cellen’ die door een reactor bewegen
- Het voorspellen van welke genetische aanpassingen de grootste winst geven
- Real-time software die tijdens productie signaleert of de populatie nog ‘goed reageert’
Voor producenten in bijvoorbeeld plantaardige eiwitten, veevoergrondstoffen of fermentatie-ingrediënten is dat direct businessrelevant.
Zo ziet de praktijk in de bioreactor eruit
Om het tastbaar te maken: in het Delftse onderzoek van Cees Haringa worden cellen in een model gerepresenteerd als gekleurde bolletjes die door een virtuele reactor bewegen.
- Bovenin de reactor: hoge suikerconcentratie → cellen kleuren rood (overvloed)
- Onderaan: bijna geen voedingsstoffen → cellen kleuren blauw (schaarste)
Voor een product als penicilline zijn beide extremen ongunstig:
- Te weinig voeding → cel overleeft amper, laat staan dat hij luxeproducten maakt
- Te veel voeding → de cel gaat vooral groeien, niet produceren
De ideale situatie is een relatief gelijkmatige, gematigde voedingstoestand. Tot nu toe probeert men dat met roeren, beluchten en slimme toevoerstrategieën te benaderen.
Weusthuis pakt het van de andere kant aan:
- Cellen die langer in de blauwe zone zitten, moeten beter met schaarste om kunnen gaan
- Cellen die vaak in de rode zone zitten, moeten groei temperen en productie op peil houden
Je stuurt dus op robuustheid en flexibiliteit van de micro-organismen, niet alleen op homogeniteit van de tank.
Waar komt AI precies in beeld?
AI is in dit verhaal geen los speeltje, maar een logische laag bovenop fermentatie, bioreactorontwerp en genetische modificatie.
1. Digitale tweelingen van bioreactoren
Met een digitale twin van de bioreactor kun je:
- Stroming, zuurstof- en suikerprofielen in 3D simuleren
- Virtuele cellen volgen en hun ‘ervaring’ in de reactor voorspellen
- Scenario’s testen: andere roersnelheid, ander toevoerpatroon, andere cel-eigenschappen
Machine learning-modellen kunnen die simulaties vervolgens versnellen én optimaliseren: welke combinatie van instellingen en micro-organisme-eigenschappen geeft de hoogste opbrengst per kilogram suiker?
2. Ontwerp van eiwitten en regulatienetwerken
In het NWO-project werkt Max Fürst (Rijksuniversiteit Groningen) aan eiwitdesign. Dit is bij uitstek een terrein waar AI sterk is:
- AI-modellen kunnen voorspellen hoe een eiwit zich vouwt
- Ze kunnen voorstellen doen voor mutaties die een eiwit stabieler of gevoeliger maken
- Ze helpen bij het ontwerpen van regelcircuits in de cel (synthetic biology)
Zo verbind je AI-gestuurde protein engineering met praktische doelen in de agri-food industrie, zoals hogere opbrengst van aminozuren, organische zuren of smaakstoffen.
3. Slimme procesbesturing tijdens productie
AI kan tijdens een fermentatiebatch:
- Sensor- en procesdata (pH, O2, CO2, temperatuur, online-spectra) analyseren
- Herkennen in welke ‘fase’ de populatie zich bevindt
- Instellingen automatisch bijsturen: beluchting, toevoer, temperatuur
Combineer dat met micro-organismen die beter met fluctuaties om kunnen, en je krijgt een veel stabieler proces: minder batches die ‘uit de pas lopen’, minder weggegooide producties.
Wat betekent dit voor Nederlandse voedingsproducenten en boeren?
Voor grote food- en feedbedrijven is de boodschap helder: meer waarde uit bestaande installaties halen. Voor boeren en verwerkers in de keten liggen de effecten iets indirecter, maar niet minder belangrijk.
Voor food- & feedproducenten
Een paar concrete voordelen als dit soort technologie volwassen wordt:
- Hogere opbrengst per batch
- Minder variatie tussen batches, dus voorspelbaardere supply chain
- Lagere productiekosten per kilo eiwit, aminozuur of vitamine
- Minder energieverbruik door minder ‘oversturen’ van reactorcondities
Dat is direct relevant voor bedrijven die werken aan:
- Fermenteerbare eiwitten voor vleesvervangers
- Precisie-fermentatie voor melk- of ei-eiwitten
- Speciale ingrediënten voor diervoeding en jongvee
Voor de agrarische sector
De link met slimme landbouw is tweevoudig:
-
Slim gebruik van grondstoffen
Meer opbrengst uit dezelfde hoeveelheid suiker (bijvoorbeeld uit suikerbieten, tarwe of reststromen) betekent minder druk op landgebruik. Dat sluit aan bij precisielandbouw en betere benutting van biomassa. -
Regionale eiwitproductie
Als fermentatieprocessen efficiënter worden, kan het aantrekkelijker worden om in Nederland meer eiwitten en ingrediënten regionaal te produceren – op basis van lokale stromen zoals aardappelsnippers, bietenpulp of reststromen uit groente- en fruitverwerking.
We zitten daarmee midden in de ambitie van AI voor Nederlandse agri-food: slimmer omgaan met data, biologie en processen om zowel economisch als ecologisch winst te boeken.
Hoe begin je als bedrijf met ‘slimme fermentatie’?
Je hoeft niet meteen je volledige cel-fabriek genetisch te laten herontwerpen om stappen te zetten. Een praktisch groeipad dat ik vaak zie werken:
Stap 1 – Databasis op orde
- Verzamel gestructureerd alle procesdata van je fermentaties
- Koppel labanalyses (opbrengst, bijproducten, kwaliteit) aan batchdata
- Zorg dat je makkelijk historische batches kunt vergelijken
Zonder goede data geen AI – en ook geen goed gesprek met kennispartners.
Stap 2 – Eenvoudige AI-analyses
- Laat een data scientist of kennisinstelling kijken naar patronen in je data
- Identificeer: bij welke condities gaan batches mis? Wanneer is de opbrengst top?
- Bouw eerst voorspelmodellen, niet direct sturende modellen
Dit alleen levert vaak al 5–10% prestatieverbetering op door betere instellingen.
Stap 3 – Samenwerking rondom micro-organismen
- Zoek contact met universiteiten of technologiepartners rond strain development
- Definieer samen: welke fluctuaties treden bij jullie specifiek op (suiker, zuurstof, pH)?
- Onderzoek of bestaande productiestrains robuuster gemaakt kunnen worden
Je hoeft niet alles zelf te doen; consortia zoals dat van WUR, RUG en TU Delft laten zien dat publiek-private samenwerking hier goed werkt.
Stap 4 – Naar echte slimme fermentatie
De volgende stap is het combineren van:
- AI-gestuurde procesbesturing
- Robuuste, ‘adaptieve’ micro-organismen
- Digitale twins voor ontwerp en optimalisatie
Dat is waar de grootste sprong in efficiëntie, duurzaamheid en voorspelbaarheid te halen is.
Waar dit naartoe gaat – en waarom het nú speelt
De komende jaren gaat de vraag naar duurzame eiwitten, gefermenteerde ingrediënten en biobased chemicaliën alleen maar toenemen. Tegelijk is er in Nederland weinig ruimte om eindeloos nieuwe installaties neer te zetten.
Daarom zie je een duidelijke trend:
- Meer waarde uit bestaande infrastructuur
- Meer slimme software, minder zware hardware
- Meer synergie tussen AI, biotechnologie en procestechniek
Het project van Weusthuis en collega’s is daar een scherp voorbeeld van. Niet nog grotere of duurdere bioreactoren, maar micro-organismen die slim genoeg zijn om te presteren in een onvolmaakte wereld.
Voor bedrijven in de agri-food keten die nu al bezig zijn met AI in precisielandbouw, supply chain optimalisatie of kwaliteitscontrole, is dit de logische volgende laag: AI ook inzetten in de ‘onzichtbare fabrieken’ waar micro-organismen hun werk doen.
Wie hier vroeg op instapt, bouwt niet alleen een efficiëntere fabriek, maar ook een stevig concurrentievoordeel voor de komende tien jaar.
Zelf aan de slag: wat is jouw volgende stap?
Als je in Nederland actief bent in agri-food en iets met fermentatie, eiwitten of gespecialiseerde ingrediënten doet, is dit hét moment om te kijken:
- Waar in jouw proces treden grote fluctuaties op?
- Hoeveel batch-naar-batch variatie heb je nog?
- Welke data heb je al, en wat kun je daarvan leren met AI?
Slimmere micro-organismen in slimme bioreactoren vormen een belangrijke pijler onder slimme landbouw en slimme voedselproductie. De technologie is in ontwikkeling, maar de eerste concrete stappen – betere data, eenvoudige AI-analyses, samenwerking met kennispartners – kun je vandaag al zetten.
De vraag is niet of fermentatieprocessen intelligenter worden, maar wie er als eerste écht voordeel uit haalt.