Computergestuurde kastomaten.

AI-tomaat (bijna) volledig autonoom in kas geteeld

Gepubliceerd op vrijdag 10 oktober 2025

Weinig mensen realiseren zich wat de invloed is van kunstmatige intelligentie op de tomaten die ze in de supermarkt in hun mandje leggen. Van zaadje tot rijpe vrucht, van oogsten tot vervoeren: in elk stadium is AI in beeld. In dit artikel belicht ik de nieuwste toepassingsgebieden, die steeds meer mensenhanden overbodig maken. “Autonome teelt is de stip aan de horizon”, aldus Leo Marcelis, hoogleraar Tuinbouw & Plantenfysiologie.

“Gewassen kweken moeten we compleet robotgestuurd doen”, zegt synthetisch bioloog Lynn Rothschild, werkzaam bij de NASA, in de documentaire ‘Space Architects of Mars - The Age of AI’. Ze vervolgt: “Daarvoor hebben we een AI nodig die realtime beslissingen neemt.” Wat dat inhoudt, laat de documentaire zien met een bezoek aan Duijvestijn Tomaten in Pijnacker, met 25 hectare aan kassen en een jaarlijkse teelt van 17 miljoen kilo tomaten een van de grootste (en meest innovatieve) telers van Nederland.

Bij Duijvestijn krijgen de tomaten -die opgekweekt worden in kunstmatig substraat- precies zoveel voedingsstoffen als ze ‘realtime’ nodig hebben. Ook de luchtvochtigheid en toevoer van CO? worden gemonitord en gestuurd. Sensoren tussen de planten leveren een constante stroom aan data -tot aan de stand van de dakramen toe. De AI kan worden getraind om met camera’s bladeren, stelen en vruchten te herkennen en de efficiency van de fotosynthese te meten. Ook de zogenaamde chlorofyl fluorescentie, het proces waarbij chlorofyl in planten licht uitstralen, kan worden gemeten om te achterhalen hoe efficiënt de planten licht omzetten in groei.

Alle informatie komt samen in de computer. Teeltmanager Richard Enthoven detecteert trends (lees: afwijkingen) in de data en stuurt bij. In samenwerking met Wageningen University & Research (WUR) bestudeert Enthoven daarnaast hoe de groei verder geoptimaliseerd kan worden en hoe verschillende behandelingen tot verschillende planten en tomaten leiden. Op dat punt gaat AI verder dan mensen ooit zouden kunnen. Met behulp van sensoren kan AI buiten het spectrum van zichtbaar licht kijken en de voor ons onzichtbare verschillen (lees: afwijkingen) zien met behulp van ultraviolet en infrarood licht. Lezers die dit al futuristisch vinden, moeten weten dat de documentaire vijf jaar oud is en eigenlijk een beetje stoffig.

Plantenveredeling
AI heeft zich de afgelopen jaren exponentieel ontwikkeld. “Wie AI begrijpt en ermee leert samenwerken, blijft relevant”, zei UvA-hoogleraar Henk Volberda onlangs in HP de Tijd. Dat is ook de visie van het Zwitserse landbouwtechnologiebedrijf Syngenta Vegetable Seeds. AI zal de toekomst van de voedingsindustrie naar haar hand zetten: van ketentransparantie tot efficiënte administratie, van oogst tot voorraadbeheer, van plantenveredeling tot smaakwensen van de consument.

In het tomatenonderzoek van Syngenta wordt AI vooral gebruikt om gegevens te verzamelen over nieuwe rassen. “Omdat steeds meer telers AI in hun bedrijfsvoering toepassen," volgens manager Arthur van Marrewijk. "We willen de verzamelde gegevens vergelijken en verbeteren in de systemen van telers en in onze veredelingsprogramma's." Door samen te werken met marktleiders zoals AI-softwareontwikkelaar Source.ag, kunnen onderzoekers van Syngenta innovaties sneller realiseren en meer data verstrekken als er nieuwe rassen worden geïntroduceerd. Dit betekent dat de juiste tomatenrassen sneller bij de telers komen en telers meer data hebben om goede beslissingen te nemen.

Volgens productontwikkelaar Mark Versluis van Syngenta kunnen klimaat- en omgevingsdata gebruikt worden om nieuwe producten te positioneren in geografische gebieden waar ze het best tot hun recht komen, om de productie bij telers te optimaliseren of om telers met opbrengstgegevens te assisteren bij hun voorraadplanning. Alle onderliggende beslissingen worden ondersteund door AI. Voor elk nieuw tomatenras dat op de markt komt, laten data zien hoe goed of slecht het ras scoort. Dit alles helpt telers het ras te kiezen dat het beste presteert in hun kas.

Minder seizoensarbeiders
AI neemt steeds meer beslissingen en werk over in de kas, zoals bijvoorbeeld het oogsten van tomaten. Dit roept ongemakkelijke vragen op: Wat gaan we straks importeren, de tomaat of de seizoensarbeider? Een cruciale vraag en een hersenkraker voor traditioneel werkende tuinders, die door AI overbodig dreigen te worden nu met nieuwe robotica-toepassingen tomaten volledig automatisch geoogst kunnen worden. AI-gestuurde robots scannen de tomaten met beeldherkenning en weten wanneer de tomaten rijp zijn. De rijpe vruchten worden geknipt en op de transportband gelegd richting geautomatiseerde inpakmachine. Van elke gescande en geoogste tomaat leert de robot.

Voor (Oost-Europese) seizoensarbeiders is dit geen fijn scenario. Voor tuinders wel. Zij verlagen de arbeidskosten en het risico op ongevallen in de kas. Zo kan de druk op efficiency in de bedrijfsvoering verder verlicht worden volgens IT-dienstverlener Cegeka. Tuinders worden geholpen om beter in te spelen op de veranderende vraag en stijgende kosten met AI en digitale tools zoals ERP-systemen. Daarmee kunnen ze hun processen ook slimmer organiseren, van ketentransparantie tot voorraadbeheer, van naleving van de wetgeving tot een duurzamere productie.

Ondanks de ontwikkeling van geautomatiseerde oogst werken naar schatting jaarlijks nog zo’n 70.000 seizoensarbeiders in de Nederlandse tuinbouw. Zij zijn nog steeds onmisbaar, maar ook schaars en duur. Daarom is het voorspellen van de oogstpiek zo belangrijk. (Een lastige klus voor veel tuinders vanwege wisselende weers- en kasklimaatomstandigheden.) Voor betere oogstvoorspellingen ontwikkelt het al genoemde Source.ag een nieuw product, Source Cultivate, dat de oogst tot acht weken vooruit kan zien aankomen. Daarmee kan de tuinder anticiperen op de inzet van seizoensarbeiders. Met Source Cultivate wordt de teelt gesimuleerd van bloei tot oogst en continu geüpdatet met data uit de kas. Met een speciale app registeren telers het aantal vruchten dat erbij komt. Die data maken het ‘koersverloop’ van de voorspelling steeds nauwkeuriger. De natte droom: per dag de benodigde seizoensarbeiders voorspellen.

Productiviteitsparadox
Digitalisering verandert niet alleen de tomaatketen maar de hele voedingsindustrie. Bart Lemmens van Cegeka schreef er een blog over. ‘Neem bijvoorbeeld ketentransparantie’, schrijft Lemmens. ‘Steeds meer bedrijven willen kunnen aantonen waar hun producten vandaan komen en welke impact ze hebben op mens en milieu. Door digitale systemen te koppelen, kan de reis van een product gevolgd worden, van boer tot bord.’

Meer transparantie betekent ook: meer data om te beoordelen. Volgens Lemmens kunnen AI-oplossingen zoals Microsoft Copilot helpen om die data beter te benutten en repetitieve taken te automatiseren. Specifiek noemt hij het automatisch opstellen van rapporten en verslagen, waardoor medewerkers minder tijd kwijt zijn aan administratieve rompslomp. Ook voorraadbeheer wordt volgens hem slimmer met AI. ‘In een sector waar volumes hoog zijn en marges laag, kan realtime inzicht in voorraden en logistieke processen een groot verschil maken.’

Reden tot euforie is er overigens niet. Specialisten als Henk Volberda waarschuwen voor de ‘productiviteitsparadox’. Bedrijven investeren massaal in AI maar de efficiencywinst is niet duidelijk aan te wijzen, dus wie wordt er nou echt beter van? Volgens Lemmens van Cegeka levert AI pas echt waarde op als die goed geïntegreerd wordt in de bedrijfsvoering. Daar komt volgens hem een krachtig ERP-systeem om de hoek kijken. Oplossingen zoals Business Central in combinatie met Aptean of Microsoft Dynamics 365 Finance & Supply Chain Management zorgen ervoor dat alle processen, van inkoop en productie tot logistiek en financiën, op elkaar aansluiten. Specifiek voor de voedingsindustrie kan gedacht worden aan tracking en tracing van grondstoffen, kwaliteitscontrole en naleving van voedselveiligheidsregels, realtime inzicht in voorraden en vraagprognoses en automatisch gegenereerde compliance-rapportages die op eigen houtje anticiperen op nieuwe wet- en regelgeving.

Kiempercentage
Terug naar de tomatenkas. De belofte is dat de tuinder zelf steeds minder vaak aanwezig hoeft te zijn. Neem het beoordelen van rassen, het zogenaamde ‘fenotyperen’. Dat gebeurde altijd met het blote oog. “Medewerkers liepen door de kas en bekeken de planten. Ze letten op de bladstand, bobbeltjes, gekke puntjes, veel meer dan wat jij in de supermarkt ziet”, zei Amy Christoffels, teamleider Software Solutions Team bij Rijk Zwaan, dit voorjaar tegen Tweakers.

Dat werkt vergt een opperste concentratie. De (verkeerde) beoordeling van de planten kan afhangen van het seizoen, het licht of een moment van onoplettendheid. Digitale fenotypering brengt daar verandering in. Met geavanceerde camera’s worden planten gefotografeerd en algoritmisch beoordeeld op uiterlijke eigenschappen. Alle subtiele kleurschakeringen en gekke bobbeltjes worden gezien. De data helpen Rijk Zwaan om betere keuzes te maken in het veredelingsproces -hoewel ook de AI nog steeds fouten maakt. De algoritmes worden daarom continu geoptimaliseerd.

Niet alleen planten en vruchten, ook zaden worden door AI-apparatuur herkend. Bij Rijk Zwaan wordt elke batch zaden getest op kiemkracht. Daarmee garandeert het wereldberoemde zaadveredelingsbedrijf uit De Lier telers de beloofde productkwaliteit. Het tellen van de zaadjes, en hoeveel er opkomen, gebeurde van oudsher handmatig. Dat hoeft niet meer. Het bedrijf heeft een robot laten ontwikkelen die beginnende kiempjes herkent. Op basis daarvan berekent AI het kiempercentage.

Smaak(loos)
Terug naar de documentaire Space Architects of Mars. Nederland werd daarin ‘Silicon Valley of Agriculture’ genoemd. Zijn er de afgelopen vijf jaar nieuwe AI-toepassingsgebieden bij gekomen? Die vraag leggen we voor aan Leo Marcelis, hoogleraar Tuinbouw & Plantenfysiologie aan de WUR. Het antwoord op die vraag is volgens hem evident. “De autonome teelt, ook van tomaten, is vele malen verder dan toen. Maar we staan ook pas aan het begin.” Vijf jaar geleden was de teler nog druk met het handmatig bijsturen van individuele setpoints zoals temperatuur, licht, luchtbewegingen, voeding en CO?-niveau. Sindsdien zijn er heel veel sensoren bij gekomen en heeft de cameratechnologie zich enorm ontwikkeld. Dat is de basis voor iets compleet nieuws.

We zijn volgens Marcelis op weg naar een situatie waarin de tuinder helemaal niet meer in de kas hoeft te zijn. “Autonome teelt is de stip aan de horizon.” Vanuit het dashboard in de control room wordt gestuurd op het eindproduct: een x-aantal kilo tomaten, op dat en dat moment geleverd, met die en die smaak en kwaliteit en met gebruik van een x-percentage groene energie. De algoritmes doen de rest: rekenen, simuleren, voorspellen en bijsturen. Zodra er ook geen seizoensarbeiders meer nodig zijn, kan de deur van de kas helemaal dicht blijven.

En dan nog even dit: de smaak van tomaten. Marcelis legt uit dat telers smaken inmiddels heel goed kunnen beïnvloeden, en vrij exact weten wat de smaakwensen zijn van de consument. Toch vinden we in de supermarkt nog vaak vrijwel smaakloze tomaten, die herinneringen oproepen aan de Wasserbombe uit de jaren tachtig. (Vanuit Duitsland kwam het verwijt dat Nederlandse tomaten volgepompt werden met water.) Marcelis: “Het klopt dat veel tomaten in de supermarkt niet smaakvol zijn. Dat heeft alles te maken met de kostprijs. Als telers meer betaald krijgen, kiezen ze voor minder kilo’s en smaakvollere tomaten, die meer tijd en meer voeding nodig hebben.” Daarbij biedt AI telers ondersteuning in gesprekken met supermarkten over de prijs. Dat dan weer wel.