AI helpt melkveehouder keuzes beter onderbouwen

Data is er genoeg op het melkveebedrijf en dat wordt de komende tijd alleen maar meer. De uitdaging zit in het benutten ervan. AI en slimme modellen maken het verschil bij goed kunnen voorspellen en sturen.

De melkveehouderij digitaliseert in hoog tempo. Zo is tochtdetectie ingeburgerd en via de melkrobot zijn tal van metingen beschikbaar. Allerlei machines en apparaten genereren of gebruiken data, naast de beschikbare informatie van alle koeien in het managementsysteem.

Frido Hamoen, bij Lely verantwoordelijk voor de ontwikkeling van digitale oplossingen, ziet een duidelijke verschuiving. “We zien dat veehouders veel data ter beschikking hebben. Daarom zetten we de volgende stap: beslissingsondersteuning.” Waar het eerder ging om registreren en rapporteren, is het nu zaak om data om te zetten in concrete adviezen per koe. Bijvoorbeeld: ondanks dat de kans op slepende melkziekte bij vaarzen klein is, kan het op basis van genetica en historie wel nodig zijn om maatregelen te nemen. Of: op basis van haar cyclus en gedrag is dit het optimale moment voor inseminatie.

Techniek is vele malen beter dan vroeger

Wat helpt, is dat systemen achter deze beslissingsondersteuning dankzij AI (kunstmatige intelligentie) steeds slimmer worden. “Modellen worden gevoed met grote hoeveelheden historische en actuele data. Ook de techniek zelf is vele malen beter dan vroeger. Een tochtige koe detecteren gaat nu dankzij betere stappentellers veel nauwkeuriger dan twintig jaar geleden.”

Door deze ontwikkelingen ontstaan nieuwe mogelijkheden en toepassingen. Een voorbeeld is Lely’s Zeta-concept, dat camerabeelden uit de stal via AI omzet naar directe inzichten voor de boer. Inmiddels draait het systeem op meer dan 25 testbedrijven om daarmee de modellen te trainen. Het brengt de sector dichter bij een volledig realtime beeld van elk dier. Ook de laatste robotarm van Lely is inmiddels van een slimme camera voorzien.

Wisselwerking genetica en omgeving

Ook Tjebbe Huybrechts, verantwoordelijk voor data-innovatie bij CRV, onderstreept de toenemende rol van AI. Hij plaatst het in de ontwikkeling van het gebruik van die data op bedrijven. Van beschrijvend (wat is er gebeurd), voorspellend (wat gaat er gebeuren) en voorschrijvend (prescriptief; wat zou je moeten doen). Vooral op de laatste twee niveaus maakt AI het verschil. “Daarmee zijn ook subtiele verbanden zichtbaar geworden die eerder onopgemerkt bleven.”

Met AI kunnen we verbanden wel vinden

Een voorbeeld is het lactatiemodel waarmee steeds beter voorspeld kan worden hoe een koe onder verschillende omstandigheden zal presteren. Daarbij wordt gebruikgemaakt van een combinatie van genetische gegevens, omgevingsfactoren en eerdere prestaties. Juist het analyseren van de wisselwerking tussen genetica en omgeving biedt volgens hem veel potentieel. “Vroeger zouden we zeggen: er zijn te weinig correlaties tussen bepaalde omgevingsfactoren en melkproductie per koe. Met AI kunnen we verbanden wel vinden.”

Zo worden interacties tussen de genetica en de omgeving duidelijker, wat uiteindelijk tot een beter resultaat leidt. CRV werkt concreet aan een eigen AI-lab, waar technologieën eerst onder praktijkomstandigheden worden getest. Het biedt interessante nieuwe mogelijkheden. Huybrechts noemt bijvoorbeeld het voorkomen van hittestress. Zo blijkt uit data dat hittestress rond het afkalven fors drukt op de melkproductie. Door dit vroegtijdig te signaleren, kan een veehouder gericht investeren in maatregelen zoals ventilatie, supplementen of zelfs de afkalfpiek verleggen.

Data-uitwisseling is aandachtspunt

Modellen en AI gaan de komende jaren een belangrijke rol spelen op het melkveebedrijf. Een aandachtspunt daarbij is de data-uitwisseling. In het verleden werden koppelingen vooral gemaakt volgens de Taurus-standaard, nu gaan steeds meer partijen over op de zogenoemde ICAR-standaard. Toch is het landschap nog versnipperd, mede doordat niet alle partijen dezelfde definities en protocollen hanteren.

Dat is in het buitenland nog meer het geval, ziet Hamoen. “Meer standaardisatie zal bijdragen aan betrouwbaardere en snellere data-overdracht.” Daarnaast wordt waardevolle data niet altijd volledig gedeeld met ketenpartners. Met JoinData is er wel een platform waarmee gebruiksrecht en doel voor gebruik van data worden vastgelegd.

Renny van Hoeij, productmanager data bij Agrifirm, noemt niet alleen de uitwisseling, maar ook het verkrijgen van data een belemmering in het optimaal benutten van datastromen. “Veel data worden niet of onvoldoende vastgelegd. Denk aan veehouders met voermengwagens die niet precies registreren wat er gevoerd wordt. Terwijl dat belangrijke informatie is voor rantsoenberekeningen en monitoring.” Volgens Van Hoeij een gemiste kans.

Een stap verder is het realtime meten van voersamenstelling via een NIR-sensor. Dat is al mogelijk, maar gebeurt nauwelijks in de praktijk. Ook Huybrechts ziet mogelijkheden als meer van deze (individuele) data beschikbaar is en bedrijven die uitwisselen. Onder andere voor het verbeteren van de individuele voerefficiëntie, maar ook veterinaire data kan zeer nuttig zijn.

Zowel veehouders als adviseurs hebben behoefte aan heldere inzichten

Een ander aspect dat het voor de ondernemer lastig kan maken, is dat data vaak versnipperd zijn, systemen complex en niet elke veehouder zich comfortabel voelt met dashboards of dataverwerking. Daarbij zijn de verschillen vanzelfsprekend groot. “Het mag allemaal best wat eenvoudiger en concreter,” zegt Van Hoeij. “Zowel veehouders als adviseurs hebben behoefte aan heldere inzichten die direct bruikbaar zijn in de praktijk.”

Ontwikkelaars houden daar zeker wel rekening mee, maar het blijft een uitdaging om systemen te maken waar iedereen mee uit de voeten kan. Tegelijkertijd ziet ze ook positieve trends. Jonge ondernemers zijn vaker digitaal vaardig en staan open voor datagedreven bedrijfsvoering. “Agrifirm investeert daarom niet alleen in toepassingen, maar ook in de datavaardigheid van onze adviseurs.”

Veehouders kunnen inspelen op volatiele melkprijzen

‘Beter onderbouwde keuzes maken’

En of de veehouder het nu wil of niet, de mogelijkheden zijn enorm. Huybrechts geeft aan dat de toekomst ligt in het combineren van strategisch, tactisch en operationeel management. “Veehouders kunnen bijvoorbeeld met de productie inspelen op de volatiele melkprijzen.” In tijden van (verwachte) lage of juist hoge melkprijzen wordt, afhankelijk van het lactatiestadium, het rantsoen aangepast voor het hoogste voersaldo op elk moment. “Modellen en AI helpen dan om rationele, beter onderbouwde keuzes te maken.”

Vooruitkijkend naar 2035 ziet Hamoen een grotendeels geautomatiseerd melkveebedrijf voor zich. “Het systeem kent de doelen van het bedrijf en stuurt daar proactief op aan. Dat kan gaan om belangrijke aspecten als winstgevendheid, diergezondheid en milieuprestaties, die vaak ook verband houden. Veel processen gaan automatisch, besluiten worden onderbouwd genomen, maar de veehouder houdt zelf wel de vinger aan de pols.” Daarbij wordt elke koe exact gevoerd naar haar genetisch profiel, wat zorgt voor een efficiënte productie met lage milieubelasting. Buiten de stal gaan modellen steeds meer bijdragen aan precisieteelt, op basis van onder andere bodemscans, satellietbeelden, variabele bemesting en opbrengstmeting, zoals nu al op beperkte schaal gebeurt.

Toch benadrukken alle experts: techniek is een middel, geen doel op zich. Van Hoeij: “Automatisering wordt belangrijker de komende jaren, maar de factor mens blijft cruciaal. Niet alles is meetbaar, en niet alles laat zich vangen in modellen.” Juist de samenwerking tussen technologie, vakmanschap en advies bepaalt of alle nieuwe mogelijkheden ten volle worden benut.