{"id":98859,"date":"2026-11-05T09:14:36","date_gmt":"2026-11-05T08:14:36","guid":{"rendered":"https:\/\/www.mechaman.nl\/landbouwmechanisatie\/?p=98859"},"modified":"2026-11-05T09:14:37","modified_gmt":"2026-11-05T08:14:37","slug":"kunstmatige-intelligentie-maakt-meer-mogelijk","status":"publish","type":"post","link":"https:\/\/www.mechaman.nl\/landbouwmechanisatie\/artikel\/20261105\/kunstmatige-intelligentie-maakt-meer-mogelijk\/","title":{"rendered":"Kunstmatige intelligentie maakt meer mogelijk"},"content":{"rendered":"

Landbouwmachines en sensoren genereren zoveel data dat een mens die hoeveelheid niet meer kan verwerken, laat staan er zijn voordeel mee kan doen. Kunstmatige intelligentie kan de grote verbanden wel zien, is de belofte. <\/p><\/div>\n\n\n

Elke dag verzamelen trekkers, machines, satellieten en sensoren een gigantische berg data over het akkerbouwbedrijf. Zoveel, dat de verwerking ervan niet gemakkelijk of eenvoudig is. Tenminste, niet voor de akkerbouwer zelf. Gebruikers hebben geen zin, tijd of geld om al die data te bestuderen. Zelfs adviseurs kunnen zich verslikken in de grote hoeveelheid gegevens. En juist daar steekt kunstmatige intelligentie een helpende hand toe. Dat is in elk geval de strekking van een rapportage van de Association of Equipment Manufacturers (AEM), de Amerikaanse organisatie van onder andere de landbouwmachinebouwers. Kunstmatige intelligentie (AI) kan de gigantische berg aan informatie namelijk w\u00e9l verwerken en analyseren. Dat maakt het werk van een boer effici\u00ebnter en duurzamer, verwacht de organisatie. En dat zonder dat hijzelf dataspecialist hoeft te worden. Het maakt domme mensen niet slimmer, maar slimme mensen wel sneller, aldus productmanager Philipp Kamps van AgXeed in juni van dit jaar tijdens het door LandbouwMechanisatie georganiseerde Mechanisatie voor Morgen. Veel machinefabrikanten gebruiken kunstmatige intelligentie op die manier, zo ook AgXeed. Dus niet voor het aansturen van de autonome machines die het bedrijf bouwt, maar bij de ontwikkeling ervan. Programmeurs gebruiken het bijvoorbeeld om het portaal dat de routeplanning maakt uit te bouwen en te verbeteren.<\/p>\n\n\n\n

AI-programma\u2019s als ChatGPT, Claude, Gemini en Copilot zijn uitermate geschikt voor het schrijven, herschrijven en controleren van computercode. Ze doen dat sneller dan een programmeur dat kan. En dat scheelt tijd, wat een snellere introductie van nieuwe software mogelijk maakt, zegt ook Francesca Protano, hoofd technologie en productinnovatie van CNH, het moederbedrijf van New Holland en Case IH. \u201cKunstmatige intelligentie kan de ontwikkeling van innovatieve functies versnellen. Het kan de ontwikkel- en testcycli verbeteren.\u201d Met praktijkdata die de ontwikkelaars via sensoren verzamelen, kan de fabrikant nieuwe functies en modellen ontwikkelen. Zo wordt bijvoorbeeld snel duidelijk dat gebruikers de machines op een andere manier gebruiken dan de fabrikant van tevoren had bedacht.<\/p>\n\n\n\n

Dat het testen van nieuwe machines sneller kan, bewezen onderzoekers van de University of Florida. Ze maakten een digitale kopie van een aardbeienveld, compleet met planten, bladeren en vruchten. In die virtuele omgeving trainden ze beeldherkenningssystemen op een gesimuleerde robot, zonder steeds op een nieuw groeiseizoen te hoeven wachten. En het werkte. De uiteindelijke robot herkende 92 procent van de vruchten correct.<\/p>\n\n\n\n

De AEM onderscheidt drie niveaus van kunstmatige intelligentie: ondersteunend, adviserend en handelend. Het spreekt voor zich. AI kan ondersteunen bij het werk, zoals bij een trekker die automatisch stuurt, de werkdiepte regelt en op de kopakker keert. De bestuurder blijft verantwoordelijk, maar hoeft zelf minder handelingen uit te voeren. Zo\u2019n autonome machine hoeft niet altijd kunstmatige intelligentie te gebruiken. De toegevoegde waarde ontstaat als het systeem gegevens uit zijn omgeving moet interpreteren en op basis daarvan een beslissing neemt of zijn manier van werken aanpast.<\/p>\n\n\n\n

AI als adviseur verwerkt en analyseert grote hoeveelheden data en geeft aanbevelingen die een akkerbouwer of bestuurder al dan niet opvolgt. Denk daarbij aan een maaidorser die de juiste instellingen op het scherm weergeeft om tot de meest effici\u00ebnte werkwijze of beste werkkwaliteit te komen.<\/p>\n\n\n\n

Het meest verregaande niveau van kunstmatige intelligentie is dat waarbij de techniek zelf taken uitvoert en bijstuurt als dat nodig is, zonder dat er een mens aan te pas komt. Dat is niet ver weg. Het wordt gebruikt in maaidorsers, maar ook voor het bestrijden van onkruid door bijvoorbeeld spotsprayers en laserwieders. Philipp Kamps van AgXeed: \u201cMaar ik zeg het nog maar eens: zonder AI kun je ook al heel veel.\u201d Neem bijvoorbeeld het herkennen van obstakels. De AgXeed-robot gebruikt er lidar voor, maar vertrouwt niet op een systeem dat het obstakel classificeert. Hij stopt dus net zo gemakkelijk voor een maisstengel als voor een mens.<\/p>\n\n\n\n

Shit in…<\/h2>\n\n\n\n

Kunstmatige intelligentie kan ook ondersteunen door te zoeken in een grote bult aan informatie. Het systeem moet daarvoor wel de juiste informatie voorgeschoteld krijgen. \u201cShit in is shit out\u201d, aldus Aeres Tech-trainer Christiaan van Lonkhuyzen, tijdens Mechanisatie voor Morgen. Hij noemt het voorbeeld waarbij het veelgebruikte AI-programma ChatGPT werd ingezet voor het maken van een script voor een bedrijfsvideo. Het script vermeldde dat het filter met lauw water uitgespoeld moest worden voordat het teruggeplaatst kon worden. \u201cHet programma had waarschijnlijk het onderhoudsschema van een zwembadfilter gelezen\u201d, vermoedt Van Lonkhuyzen.<\/p>\n\n\n\n

Een dergelijk probleem is gemakkelijk te voorkomen. Door bijvoorbeeld de werkplaatshandboeken van een machine of een trekker in het programma te uploaden en aan te geven dat het AI-programma alleen daarin mag zoeken. Het levert een snelle diagnose en aanpak op. Grote trekkerfabrikanten als CNH en John Deere zetten AI dan ook op deze manier in.<\/p>\n\n\n\n

De teler kan een paar vragen stellen, het systeem
doorzoekt alle informatie<\/span><\/section>\n\n\n\n

Van Lonkhuyzen ziet ook mogelijkheden voor AI bij de werkplaatsplanning. Als duidelijk wordt hoeveel trekkers en machines er binnenkomen en welk personeel beschikbaar is, kan het programma een plan maken zodat ieder uur wordt benut. Ook daarbij is het verzamelen van informatie van groot belang. Hoe lang duurt een gangbare onderhoudsbeurt bijvoorbeeld? Door al die informatie in te voeren, wordt de planning steeds nauwkeuriger \u2013 zeker als de machine op basis van telematicadata al vroeg voor een onderhoudsbeurt opgeroepen wordt. Kunstmatige intelligentie voorspelt of onderhoud nodig is en kan eventuele mankementen opsporen voordat ze optreden. Vertonen verschillende machines bij bepaalde urenstanden, temperaturen of toerentallen een defect? Dan is de kans re\u00ebel dat bij een andere trekker onder dezelfde omstandigheden hetzelfde defect optreedt. Maar nog niet iedereen weet hoe hij met die informatie moet omgaan. \u201cGa je dat de klant vertellen? En gaat de klant de machine stilzetten als hij nog geen storing heeft?\u201d, vraagt Van Lonkhuyzen zich af. <\/p>\n\n\n\n

John Deere kondigde begin september aan dat John Deere-chauffeurs binnenkort gebruik kunnen maken van kunstmatige intelligentie om door hun eigen data te neuzen. Dat konden ze al, maar het viel niet mee om er ook conclusies uit te trekken. Binnenkort moet het mogelijk zijn om die data eenvoudiger te analyseren. De gebruiker kan namelijk een paar vragen stellen, waarna het systeem alle informatie doorzoekt. Wil je weten hoeveel brandstof je het afgelopen seizoen verbruikt hebt in vergelijking met vorige seizoenen? Of wil je uitzoeken welke spuitmachinechauffeur het meest effici\u00ebnt werkt? En wat volgens historische trends het beste oogsttijdstip is? Dan geeft het programma daar antwoord op.<\/p>\n\n\n\n

Daarbij is er nog wel een probleem. De data die een akkerbouwer verzamelt, zitten lang niet altijd in hetzelfde systeem, ook al zouden fabrikanten dat wel willen. Opbrengstkaarten, bodemanalyses, weergegevens en informatie van landbouwmachines van verschillende fabrikanten zijn niet zonder meer met elkaar te combineren. Versnipperde data en beperkte uitwisselbaarheid kunnen dus verdere ontwikkelingen in het gebruik van AI belemmeren.<\/p>\n\n\n\n

Einde teeltadviseur?<\/h2>\n\n\n\n

Kan kunstmatige intelligentie uiteindelijk een teeltadviseur vervangen? Ja en nee. Ja, omdat apps door beeldherkenning en het doorzoeken van grote hoeveelheden informatie, zoals teelthandleidingen, een bepaalde ziekte snel kunnen herkennen. Nee, omdat het ontbreken van ervaring met voorgaande teelten en teeltjaren of het ontbreken van belangrijke gegevens tot fouten in de advisering kan leiden.<\/p>\n\n\n\n

De Amerikaanse universiteiten van Nebraska-Lincoln en Kansas State deden in 2024 onderzoek naar de manier waarop ChatGPT behulpzaam kon zijn bij de teelt van korrelmais. Tijdens het groeiseizoen kregen 31 deelnemers aan de proef de opdracht een perceeltje mais te telen. Een deel deed dat met boerenverstand, het andere deel gebruikte kunstmatige intelligentie. De onderzoekers voerden onder meer bodemanalyses, de beschikbare hoeveelheid stikstof en historische opbrengsten en neerslagegevens in. Net als satellietbeelden, bodemvochtmetingen en informatie over de maisrassen, zaaidichtheden, meststoffen en gewasbeschermingsmiddelen. Ze vroegen het model welk maisras gezaaid moest worden, hoeveel kunstmest er nodig was en wanneer ze moesten beregenen. Niet altijd deden de onderzoekers wat het programma voorstelde. Zo vernietigden ze de groenbemester eerder, pastten ze het bemestingsschema iets aan en behandelden ze het gewas uit voorzorg tegen insecten, terwijl het kennismodel dat niet adviseerde. Uiteindelijk leverde dat een 5 procent hogere opbrengst op dan gemiddeld. Toch presteerden nog steeds 7 deelnemers van de 31 beter. En\u2026 de financi\u00eble opbrengst was beduidend lager.<\/p>\n\n\n\n

Investeringen<\/h2>\n\n\n\n

Volgens de onderzoekers kan ChatGPT concurreren met ervaren telers, al maakte het model fouten in berekeningen en werd bij sommige adviezen te weinig rekening gehouden met het verband tussen bemesting en beregening. Betrouwbare gegevens, maar ook landbouwkundige kennis, blijven dus onmisbaar. Daarbij komt dat de inzet van AI niet gratis is. Softwareabonnementen, sensoren, gegevensverwerking en het koppelen van verschillende systemen kosten geld. En dan hebben we het nog niet over de investeringen in de machine en het onderhoud ervan. Die hoge investeringskosten zijn nog vaak een belemmering voor de invoering van de nieuwe techniek.<\/p>\n\n\n\n

<\/div>

Zelf doen<\/h3>

Met een abonnement op een AI-programma, zoals Claude, ChatGPT, Gemini of Copilot kun je zelf veel beschikbare bedrijfsinformatie analyseren. Zo zijn ze slim genoeg om na het uploaden van een teeltplan, het spuitboekje en alle bijbehorende rekeningen het saldo van een teelt uit te rekenen. Of om een planning van werkzaamheden te maken nadat je hebt ingegeven welke werkzaamheden moeten gebeuren en welk personeel en welke machines beschikbaar zijn. Je kunt het programma toegang geven tot e-mail of mappen op een computer of server. Vervolgens geef je het een opdracht je die je ook aan een werknemer zou geven. Daarin schrijf je wat je wilt, waarom je dat wilt, welke gegevens het programma kan gebruiken en hoe de uitvoer eruit moet zien. Tot slot geef je aan wat AI n\u00edet mag doen. Let op: bij een gratis versie kan jouw informatie gebruikt worden om het systeem te trainen. Daarmee kunnen je data op straat kan belanden. Stop er dus geen persoonlijke en privacygevoelige informatie in, zoals persoons-, bank- of inloggegevens.<\/p><\/div><\/div><\/section>\n\n\n\n

<\/div>
<\/div>

<\/p><\/div><\/div><\/section>\n","protected":false},"excerpt":{"rendered":"

Landbouwmachines en sensoren genereren zoveel data dat een mens die hoeveelheid niet meer kan verwerken, laat staan er zijn voordeel mee kan doen. Kunstmatige intelligentie kan de grote verbanden wel zien, is de belofte.<\/p>\n","protected":false},"author":4033,"featured_media":98860,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"wds_primary_category":698,"wds_primary_post_tag":0,"wds_primary_dossier":0,"wds_primary_artikel_type":0,"footnotes":""},"categories":[698],"tags":[],"dossier":[],"artikel_type":[27],"class_list":["post-98859","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-achtergrond","artikel_type-artikelen"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.mechaman.nl\/landbouwmechanisatie\/wp-json\/wp\/v2\/posts\/98859","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.mechaman.nl\/landbouwmechanisatie\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.mechaman.nl\/landbouwmechanisatie\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.mechaman.nl\/landbouwmechanisatie\/wp-json\/wp\/v2\/users\/4033"}],"replies":[{"embeddable":true,"href":"https:\/\/www.mechaman.nl\/landbouwmechanisatie\/wp-json\/wp\/v2\/comments?post=98859"}],"version-history":[{"count":1,"href":"https:\/\/www.mechaman.nl\/landbouwmechanisatie\/wp-json\/wp\/v2\/posts\/98859\/revisions"}],"predecessor-version":[{"id":98861,"href":"https:\/\/www.mechaman.nl\/landbouwmechanisatie\/wp-json\/wp\/v2\/posts\/98859\/revisions\/98861"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.mechaman.nl\/landbouwmechanisatie\/wp-json\/wp\/v2\/media\/98860"}],"wp:attachment":[{"href":"https:\/\/www.mechaman.nl\/landbouwmechanisatie\/wp-json\/wp\/v2\/media?parent=98859"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.mechaman.nl\/landbouwmechanisatie\/wp-json\/wp\/v2\/categories?post=98859"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.mechaman.nl\/landbouwmechanisatie\/wp-json\/wp\/v2\/tags?post=98859"},{"taxonomy":"dossier","embeddable":true,"href":"https:\/\/www.mechaman.nl\/landbouwmechanisatie\/wp-json\/wp\/v2\/dossier?post=98859"},{"taxonomy":"artikel_type","embeddable":true,"href":"https:\/\/www.mechaman.nl\/landbouwmechanisatie\/wp-json\/wp\/v2\/artikel_type?post=98859"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}