AI-gedreven oogstvoorspelling

Ontdek hoe Coöperatie Hoogstraten AI gebruikt om oogst te voorspellen, piekperiodes te voorzien en commerciële prestaties te verbeteren.

logo Hoogstraten
Cooperatie-Hoogstraten-1-1-scaled

 

Marktdefiniërende pieken anticiperen 

Coöperatie Hoogstraten, een toonaangevende telerscoöperatie, stond voor een bekende maar cruciale uitdaging. Tijdens het hoogseizoen van de aardbeien verwerkt de coöperatie grote piekvolumes. Precies weten wanneer die pieken zich voordoen is essentieel om commerciële strategieën met retailers op elkaar af te stemmen en de beste prijzen voor de telers te garanderen. 

Met accurate voorspellingen kunnen promotiecampagnes, planning en distributie beter geoptimaliseerd worden, wat de prestaties én de veerkracht van de organisatie versterkt. 

 hoogstraten_img1

Onze aanpak: AI als strategische hefboom 

Bij Möbius geloven we in het uitdagen van de status quo om baanbrekende oplossingen te realiseren. In nauwe samenwerking met Coöperatie Hoogstraten en Moet Lukken ontwikkelden we een proof-of-concept om de voorspelbaarheid van piekvolumes te meten en de verwachte return on investment van het project te berekenen. 

We kiezen bewust voor een stapsgewijze aanpak: klein beginnen, complexiteit geleidelijk opbouwen en de klant volledig aan het roer laten. Geen grote verplichtingen, maar wel maximale betrokkenheid. 

Onze oplossing combineert geavanceerde statistische technieken met machinelearning-algoritmes. Zo konden we een krachtig ensemblemodel bouwen dat gebruikmaakt van meer dan 200 interne en externe variabelen, waaronder weersomstandigheden, gewaskenmerken en historische gegevens over teeltoppervlakte en opbrengst. 

We startten met een statistische ontleding van de historische opbrengstcijfers en identificeerden samen met de aardbeienexperten van Coöperatie Hoogstraten de relevante factoren die bepaalde patronen konden verklaren en het resterende ‘noise’ konden reduceren. 

hoogstraten_img3

Co-creatie in elke fase 

Tijdens elke stap van de ontwikkeling en implementatie waren de klant en partners nauw betrokken. De combinatie van zakelijke inzichten, teeltkennis en datascience-expertise resulteerde in een zeer nauwkeurige voorspellingsmotor, geïntegreerd in een gebruiksvriendelijke webapplicatie die naadloos werd ingebed in de dagelijkse werking. 

 

 

Jarenlang hebben we gegevens verzameld over de opbrengst van onze aardbeienteelt ... nu maken we de overstap om deze gegevens niet alleen te gebruiken om het verleden te analyseren, maar ook om de toekomst te voorspellen.

Hans Vanderhallen Algemeen Directeur

Van data naar meetbare impact 

De AI-gestuurde voorspellingsoplossing heeft de strategische positie van Coöperatie Hoogstraten aanzienlijk versterkt, met tastbare resultaten die rechtstreeks bijdragen aan betere markprestaties: 

  • Slimmere prijszetting en hogere marges – Dankzij nauwkeurige oogstvoorspellingen kan Hoogstraten marktpieken anticiperen en commerciële acties – zoals promoties en campagnes – op het juiste moment plannen. De voorspelling op zich zorgt niet automatisch voor hogere prijzen, maar ze maakt een strategische, proactieve aanpak mogelijk die helpt om meer waarde te halen uit beschikbare volumes en prijsdruk te beperken. 
  • Efficiëntere volumecoördinatie – Betrouwbare voorspellingen maken een betere afstemming met klanten mogelijk rond verwachte volumes, verpakking en logistiek, waardoor zowel overschotten als tekorten worden vermeden. 
  • Betrouwbare leveringen en sterkere marktvertrouwen – Onvoorziene tekorten namen af, wat de reputatie van de coöperatie als betrouwbare partner versterkt en de relaties met retailers op lange termijn verstevigt. 

In tegenstelling tot wat vaak wordt gedacht, vereist geavanceerde voorspellingsanalyse geen dure hardware of gecontroleerde omgevingen. Onze oplossing maakt gebruik van bestaande databronnen en is perfect toepasbaar in openluchtlandbouw. 

Het resultaat is een kostenefficiënte en pragmatische innovatie die toegankelijke, geavanceerde AI binnen handbereik brengt van de volledige landbouwsector.