• November 28, 2025

RRR 2025 Workshop Slimme Paltuinbouw

Datum workshop: 23/09/2025

Totaal deelnemers: 23 persoonlijk en 6 online

Auteurs: Niall Ó Brolcháin, Saeed Alsamhi, Al Waskow

De Smart Paludiculture workshop op 23 september 2025 tijdens de RRR conferentie in de Universiteit van Greifswald bracht 23 experts uit heel Europa samen om de integratie van Artificial Intelligence (AI) en Internet of Things (IoT) technologieën in de paludicultuur te verkennen. De workshop richtte zich vooral op het toepassen van datagestuurde benaderingen om de besluitvorming van boeren te verbeteren, gewas- en waterbeheer te optimaliseren en economische haalbaarheid aan te tonen. De deelnemers begrepen de efficiëntie en schaalbaarheid van het Smart Paludiculture concept. In dit rapport worden de gesprekken samengevat, wordt een groepsvisie gepresenteerd en worden aanbevelingen gedaan voor aanvullende Smart Paludiculture workshops.

Paludicultuur vertegenwoordigt het productieve gebruik van natte en opnieuw bevochtigde veengebieden en speelt een vitale rol in het verbeteren van klimaatmitigatie, behoud van biodiversiteit en duurzaam landgebruik. Deze Smart Paludiculture workshop had een aantal doelstellingen. Het doel was om het concept van Smart Paludiculture te verduidelijken, om toepassingen van AI en automatisering te identificeren, om de uitdagingen van Smart Paludiculture te begrijpen en om de voordelen en betrouwbaarheid van AI te beoordelen.

De workshop bestond uit een diverse en deskundige groep, die zorgde voor een breed scala aan perspectieven uit verschillende landen in Europa. De deelnemers kwamen uit Duitsland (11), Nederland (4), Ierland (2), Litouwen (2) en het Verenigd Koninkrijk (3), met een enkele vertegenwoordiging uit België en Finland. Ze hadden verschillende professionele achtergronden: de meerderheid kwam uit de academische wereld en het onderzoek (15), maar er waren ook natuurbeschermers (3), beleidsmakers (2), professionals uit het bedrijfsleven (2) en anderen.

De deelnemers merkten verschillende potentiële toepassingen voor AI op, waaronder het monitoren van waterniveaus, broeikasgasemissies, bodemgesteldheid en gewasgroei, allemaal gemonitord met behulp van sensoren, drones en teledetectietechnologie. Er kunnen modellen worden ontwikkeld om gewasopbrengsten te voorspellen, de optimale oogsttijd te bepalen en de milieu- en economische gevolgen te beoordelen. Het vinden van locaties voor paludicultuur en het verbinden van boeren met producenten en marktplaatsen zijn de doelen van het in kaart brengen. Om kosten te besparen worden er geautomatiseerde waterbeheersystemen en GPS-gestuurde oogstsystemen ontwikkeld.

Citaat van deelnemer: "Een hele reeks analysetechnieken die elke input monitoren... waarbij AI wordt gebruikt om alle gegevens te analyseren om de beste oplossingen te bieden voor elke specifieke omgeving."

Er was brede overeenstemming dat op de boer gerichte en bruikbare Smart Paludiculture instrumenten essentieel zijn. Het ontwikkelen van gebruiksvriendelijke toolkits (zoals dashboards en applicaties) helpt boeren bij het kiezen van gewassen, het beheren van water en het bepalen of ze in aanmerking komen voor subsidies en het aantonen van de levensvatbaarheid van de markt, het verfijnen van bedrijfsplannen, het inschatten van mogelijke inkomsten uit koolstofkredieten en andere ecosysteemdiensten en het opzetten van een uniform EU-kader en het harmoniseren van maatregelen om milieuvoordelen op te sporen en te kwantificeren.

Citaat van deelnemer: "Ondersteun boeren bij hun beslissing."

De deelnemers waren optimistisch over het potentieel van Smart Paludiculture om de adoptie van deze nieuwe landbouwmethode te versnellen. Analyse van grote, complexe datasets kan leiden tot snelle beslissingen. Paludicultuur wordt een financieel aantrekkelijke keuze als de procedures worden geoptimaliseerd om de productie en winstgevendheid te maximaliseren. AI kan helpen bij het monitoren van het milieu om de waterzekerheid, biodiversiteit en gevolgen voor het klimaat (koolstofopslag) te vergroten. Het vinden van best practices wordt ook mogelijk gemaakt door het consolideren van kennis uit vele gegevensbronnen.

De uitdagingen met betrekking tot data, toegankelijkheid en nauwkeurigheid die zich voordoen in Smart Paludiculture werden besproken. Volgens de deelnemers hebben deze te maken met eigendom, gegevensprivacy en het risico van "verdrinken in gegevens" zonder waarneembare, waardevolle inzichten. Er werd gevreesd dat boeren met minder geld de technologie niet zouden kunnen gebruiken omdat het te duur of te complex is. Er werd gesuggereerd dat het risico bestaat dat gebruikers stoppen met kritisch denken en dat AI-modellen mogelijk niet geverifieerd of nauwkeurig zijn op lokale, bedrijfsspecifieke schaal.

Citaat van deelnemer: "Verdrinken in gegevens, de realiteit en iedereen die binnen veengebieden leeft uit het oog verliezen."

Volgens de deelnemers moet AI transparant en gevalideerd zijn om vertrouwd te worden. De deelnemers benadrukten duidelijke uitleg over de gebruikte technieken en algoritmen en open gegevensbronnen. Domeinexperts (ecologen, landbouwkundigen) moeten de AI-resultaten voortdurend controleren en valideren en vergelijken met de werkelijke omstandigheden ter plaatse. Naast gegeneraliseerde outputs moeten tools nauwkeurige, bruikbare adviezen bieden op de schaal van het lokale landbouwbedrijf. In plaats van menselijke besluitvorming te vervangen, moet AI worden gezien als een hulpmiddel om die besluitvorming te verbeteren.

Citaat van deelnemer: "Outputs moeten specifiek en bruikbaar zijn op zowel lokale als nationale schaal."

De workshop bevestigde een duidelijke vraag naar slimme instrumenten voor paludicultuur, op voorwaarde dat ze zijn ontworpen met en voor eindgebruikers, met name boeren.

De deelnemers vonden zeker dat hun begrip van en bekendheid met het concept van Smart Paludiculture was toegenomen als gevolg van de workshop. 17 deelnemers beweerden na de workshop een goed of uitstekend begrip te hebben in vergelijking met 10 deelnemers aan het begin, terwijl het aantal deelnemers dat een slecht of slecht begrip had aan het begin was afgenomen van 9 tot 4.