Minder arbeidsmigranten in de tuinbouw: wat automatisering en AI wel en niet oplossen

Waarom de afhankelijkheid nu een risico is

De afhankelijkheid zelf is niet nieuw. Veel werk in de tuinbouw is seizoensgebonden, arbeidsintensief en repeterend: oogsten, sorteren, inpakken, gewashandelingen. Dat werk is jarenlang ingevuld door arbeidsmigranten, vooral uit Midden- en Oost-Europa. Wat wél verandert, is dat die instroom niet meer vanzelfsprekend is. Het kabinet is begonnen met het beperken van arbeidsmigratie, en volgens Groenten & Fruit Actueel loopt dat vooralsnog niet via een verbod, maar via het duurder maken van laaggeschoolde arbeid, mede om robotisering aantrekkelijker te maken.

Voor een teler betekent dat twee dingen tegelijk. De beschikbaarheid van personeel wordt onzekerder, en de kostprijs per gewerkt uur loopt op. Daar komt bij dat onduidelijk overheidsbeleid volgens Rabobank op dit moment de grootste zorg van tuinders is. In die combinatie is automatisering geen luxe of hobbyproject meer, maar een manier om de bedrijfsvoering minder kwetsbaar te maken voor beslissingen waar u zelf geen invloed op heeft.

Wat automatisering van teelt, oogst en sortering vandaag kan

Automatisering in de tuinbouw is geen alles-of-niets-keuze. Het gaat om losse handelingen die stap voor stap door machines worden overgenomen, waarbij het tempo sterk verschilt per gewas en per handeling. Sorteren en verpakken zijn het verst gevorderd: optische sorteermachines die op kleur, formaat en zichtbare afwijkingen selecteren, zijn in veel bedrijven al gangbaar. Interne logistiek, zoals transport van karren en fust, is eveneens goed te automatiseren.

Oogsten is lastiger. Een robot die kwetsbare vruchten herkent, beoordeelt of ze rijp zijn en ze onbeschadigd plukt tussen bladeren en ranken door, is technisch veeleisend en per gewas verschillend. Voor sommige gewassen bestaan werkende oogstrobots, voor andere is het nog volop in ontwikkeling of economisch niet rond. Het eerlijke beeld is dus gemengd, niet triomfantelijk.

• Sorteren en verpakken: optische sortering op kleur, maat en zichtbare kwaliteit is in veel bedrijven al praktijk.
• Interne logistiek: geautomatiseerd transport van karren, fust en producten binnen de kas of de hal.
• Gewashandelingen: gedeeltelijke automatisering, sterk afhankelijk van gewas en teeltsysteem.
• Oogst: werkend voor enkele gewassen, voor andere nog in ontwikkeling of nog niet rendabel.

Waar AI het verschil maakt: planning en kwaliteit

De grootste winst zit vaak niet in een spectaculaire robot, maar in het slimmer benutten van data die u al heeft. Twee toepassingen springen eruit. De eerste is planning: als u een betrouwbaarder beeld heeft van hoeveel product er wanneer van het gewas komt, kunt u oogst- en verwerkingscapaciteit gerichter inzetten. Dat is precies waar arbeid schaars en duur is, dus daar telt elke vermeden piek of leegloop direct.

De tweede is kwaliteit. AI kan beelden van producten beoordelen op afwijkingen die met het blote oog moeilijk consistent te zien zijn, en zo de menselijke controleur ondersteunen. Het doel is niet de mens vervangen, maar de beoordeling gelijkmatiger maken en afwijkingen eerder signaleren.

In beide gevallen geldt: AI levert een inschatting of een signaal, en de teler of teamleider beslist wat daarmee gebeurt. Het model kent de context van uw bedrijf niet volledig, zoals een klant met een afwijkende specificatie of een partij die net anders reageert.

Geen wondermiddel: waar u kritisch op moet zijn

Rond automatisering en AI in de tuinbouw wordt veel beloofd. Wees kritisch op leveranciers die suggereren dat een oogstrobot of een AI-systeem uw arbeidsvraagstuk in één keer oplost. In de praktijk vervangt automatisering meestal een deel van de handelingen, niet de hele functie, en verschuift het werk naar bediening, onderhoud en toezicht op de techniek. Dat vraagt om ander personeel, niet om geen personeel.

Wees ook kritisch op besparingsclaims en terugverdientijden. Het effect verschilt sterk per gewas, per teeltsysteem en per bedrijf, en een generiek percentage zegt weinig over uw eigen situatie. Vraag een leverancier liever om een proef met uw eigen product en uw eigen cijfers dan om een verkoopfolder. Reken daarbij niet alleen de machineprijs mee, maar ook aanpassingen aan de teelt, onderhoud en de mensen die ermee moeten werken.

De mens beslist en tekent, ook bij AI-geletterdheid

Automatisering en AI verplaatsen werk, maar niet de verantwoordelijkheid. Voor kwaliteitsbeoordeling en teeltbeslissingen blijft de teler eindverantwoordelijk, ook wanneer een AI-systeem meekijkt of een voorstel doet. Dat is niet alleen een principiële keuze, maar ook praktisch: een verkeerd doorgelaten partij of een gemiste afwijking raakt uw naam bij de afnemer.

Sinds 2 februari 2025 verplicht artikel 4 van de EU AI Act (Verordening (EU) 2024/1689) organisaties bovendien om medewerkers die met AI-systemen werken voldoende AI-geletterdheid bij te brengen. Voor een tuinbouwbedrijf betekent dit concreet dat wie een sorteer- of kwaliteitssysteem bedient of de uitkomst ervan beoordeelt, moet begrijpen waar het model op is gebaseerd, waar de grenzen liggen en wanneer een oordeel handmatig moet worden overgenomen. Dat geldt evengoed voor de vaste kern die overblijft als het routinewerk deels is geautomatiseerd.

Waar u praktisch begint

Begin niet met de vraag welke robot het mooist is, maar met de vraag waar arbeid in uw bedrijf het schaarst, duurst of moeilijkst planbaar is. Dat is meestal de plek waar automatisering of AI het snelst iets oplevert. Breng vervolgens in kaart welke data u al heeft, bijvoorbeeld oogstregistratie en sorteergegevens, want juist daarop draaien planning- en kwaliteitstoepassingen.

Kies daarna één concreet proces en leg eerst vast hoe het nu gaat: hoeveel uur kost het, wie doet wat, en op basis waarvan. Pas met die nulmeting is te beoordelen of een investering in automatisering of AI meetbaar tijd, geld of kwetsbaarheid wegneemt. Zo berust een vervolgstap op uw eigen cijfers en niet op een belofte.