Trendreport: zo versnelt en verfijnt AI productontwikkeling in de eiwittransitie

De inzet van kunstmatige intelligentie (AI) in voedingsmiddelenontwikkeling is niet langer futuristisch. Nieuwe technologieën bieden ontwikkelteams concrete handvatten om productformulering te versnellen, kosten te drukken én de kans op marktsucces te vergroten. AI-tools kunnen helpen, van de eerste brainstormsessie voor een nieuw plantaardig product tot het toetsen van het concept bij de doelgroep.

Bepalen waarbij AI wordt ingezet

AI-consultancy Wolk helpt voedselbedrijven met AI effectief inzetten in hun bedrijfsprocessen zoals productontwikkeling. Jelle van Miltenburg vertelt hoe ze te werk gaan. “In eerste instantie maken we een probleemanalyse om erachter te komen op welke plekken AI de grootste impact kan hebben. Vervolgens bouwen we een prototype AI-tool om een proces te versnellen of te verbeteren: in dit geval een goed alternatief eiwitproduct ontwikkelen. Daarbij gebruiken we verschillende soorten AI. Large language models (LLM) analyseren de ongestructureerde data zoals onderzoeksrapporten en de feedback te. Machine learning gebruiken we voor patroonherkenning in grote datasets van bijvoorbeeld productieruns of recepturen. We evalueren de output van dit prototype, waarbij we analyseren of de output accuraat is en het inderdaad het proces versnelt. Bij een positieve evaluatie implementeren we de AI-oplossing in de organisatie en zorgen we dat meer mensen ermee kunnen werken.”

Data verzamelen binnen een bepaalde context

De grootste uitdaging is om de data op één plek te verzamelen. Van Miltenburg: “Om echt goede resultaten te krijgen uit een AI-tool moet deze gebruik kunnen maken van zo veel mogelijk data uit de organisatie. Data zijn meestal verspreid binnen een bedrijf en door individuele medewerkers gebundeld in Excel-sheets. Productie gebruikt bijvoorbeeld een ander systeem dan inkoop en de systemen communiceren niet met elkaar. Sensorische data zijn vaak kwalitatief en niet kwantitatief. Dat zorgt dat sensorische data niet gebundeld is met andere meer kwantitatieve data.” Wolk werkt met klanten om deze data automatisch te ontsluiten, te verwerken en AI-ready te maken.

Als die context eenmaal klopt, blijft het belangrijk in het gebruik van de AI-tool om een 'human in the loop' te houden. “In het geval van productontwikkeling kan de ontwikkelaar het beste bepalen wat de waarde van het antwoord van de AI-tool is”, zegt Van Miltenburg.

Verwachtingen van AI

Om AI echt goed te laten werken, is soms meer ontwikkeling nodig dan bedrijven in eerste instantie verwachten. Sanne Wiersma, fermentatietechnoloog aan Wageningen University & Research (WUR), voert veel gesprekken met de bedrijven die opdracht gaven tot de ontwikkeling van Flavour-AI over de verwachte output. Dit platform berekent hoe bepaalde bewerkingen, met name fermentatie, tot de vorming van smaakbepalende vluchtige geurstoffen kan leiden.

Wiersma: “De hype rond AI zorgt ervoor dat mensen hoge verwachtingen hebben van wat AI kan doen. Hun referentiekader is Large Language Models (LLM) die een instructie krijgen en vervolgens correcte antwoorden geven en mooie plaatjes maken. Er is veel mogelijk en in de gesprekken kom ik met bedrijven samen tot een realistisch plan met AI. Er zijn nog best wel wat concrete ontwikkelingsstappen nodig voordat een AI-tool het gewenste en verwachte antwoord kan geven.”

Er zijn nog best wel wat concrete ontwikkelingsstappen nodig voordat een AI-tool het gewenste en verwachte antwoord kan geven

De basis van Flavour-AI is data die zijn gegenereerd door op hoge snelheid de vluchtige geurstoffen uit verschillende fermentaties te meten. “We gebruiken daardoor platen waarin we in 5 tot 10 milliliter een fermentatie starten en het smaakprofiel testen. Momenteel kunnen we in 48 seconden per fermentatie een smaakprofiel vaststellen en zo 200 tot 300 smaakprofielen per dag meten.”

Bekend is dat 230 vluchtige geurstoffen die in een bepaalde concentratie aanwezig zijn in voeding echt een effect hebben op de uiteindelijke smaakbeleving. “Op die 230 stoffen en de ontwikkeling ervan tijdens bewerkingen richten we ons.” 50 van de 230 zijn nu goed gekwantificeerd.

Lees ook: Supermarkt Picnic zet AI in om aandeel plantaardig te meten

Risico’s verminderen met AI

De mogelijke variaties in het fermentatieproces zijn divers en elke variatie kan invloed hebben op een smaakprofiel. Flavour-AI kan het uiteindelijke smaakprofiel nu nog niet koppelen aan de smaakbeleving of voorspellen. “Op dit moment kunnen we klanten helpen bij zich sneller te richten op de meeste kansrijke fermentatie voor het gewenste smaakprofiel. Het scheelt heel veel trial-and-error als AI kan aangeven wat de mogelijke vluchtige geurstoffen zijn na de fermentatie. We hebben nu data op zoveel verschillende assen; denk daarbij aan verschillende substraten, fermentatie-omstandigheden, micro-organismen, ga zo maar door. Een individu is veel langer bezig dan AI met de selectie van de juiste fermentatie voor een specifiek smaakprofiel.”

Het platform geeft nu al goed richting aan een productontwikkelingstraject, vanuit een bepaalde grondstof of naar een bepaald smaakprofiel toe. Toch is er nog veel werk nodig om aan de verwachtingen van sommige bedrijven te voldoen. Die willen bijvoorbeeld sneller naar een smaakprofiel toewerken dat hun doelgroep voor het product lekker vindt. Voor de koppeling aan de uiteindelijke sensorische beleving is gericht onderzoek nodig met sensorische panels.

Wiersma: “De data uit dat soort panels kan worden toegevoegd aan het systeem. Uiteindelijk willen we met dit platform de koppeling kunnen leggen tussen het smaakprofiel én de sensorische beleving én kunnen voorspellen hoe het product gemaakt met een bepaalde fermentatie smaakt. Dit is nog wel toekomstmuziek, want het vereist echt veel data en ontwikkeling. ”

FLAVOUR AI, een AI-platform van WUR, werkt op basis van data gegenereerd door op hoge snelheid de vluchtige geurstoffen uit fermentaties te meten. Foto: WUR

Mensen bepalen waarde van resultaat

Idealiter zou een bedrijf met een AI-tool al de ontwikkeling van een product kunnen simuleren, van receptuur tot proces, voordat het geld en tijd in een proef steekt. Van Miltenburg: “Uiteindelijk moet een productontwikkelaar kunnen beoordelen of de simulatie door AI klopt en deze in de praktijk gaan testen. Hoe beter de AI-tool de juiste context heeft in data, dus bijvoorbeeld procesdata en alle mogelijke recepturen, hoe beter de kwaliteit van de output.”

Hetzelfde merkt Wiersma voor Flavour-AI. “Shit in is shit out. De beoordeling of het platform goede resultaten geeft, kan alleen worden gemaakt door iemand die verstand van zaken heeft. En tegelijkertijd legt AI veel sneller de verbanden waar een expert meer tijd voor nodig zou hebben.”

Veilig gebruik

Bedrijven zijn soms terughoudend om al die data door AI te laten analyseren, omdat er bedrijfsgeheimen tussen kunnen zitten. LLM's zoals ChatGPT gebruiken de informatie die wordt ingevoerd om zichzelf te trainen. Gevoelige informatie kan ook onbedoeld worden gebruikt voor dit doel. “Een AI-tool kan worden opgezet op het eigen netwerk, afgesloten van het internet,” zegt Van Miltenburg. “Een eigen netwerk met eigen servers is niet zomaar onderdeel van het internet.”

Daarnaast vormt de verwevenheid in de werkzaamheden van de productontwikkelaar ook een barrière. “Het ‘human in the loop’-principe zorgt ervoor dat een menselijke expert altijd de output van een AI checkt, voordat deze tot actie leidt. Zo blijft productontwikkelaar volledig in controle van het eindproduct, maar versterkt door de kennis en kracht van AI. Iets ontwikkeld met AI blijft zo eigendom van het bedrijf.”

Zo blijft productontwikkelaar volledig in controle van het eindproduct, maar versterkt door de kennis en kracht van AI

Product dat voldoet aan vraag consument

AI kan ook helpen met het toetsen van het met AI ontwikkelde smakelijke en gezonde product bij de gewenste doelgroep. “Je kunt met één klik testen of je propositie resoneert bij die 10% van Nederland waar je het verschil mee kunt maken,” zegt Jens Hellewaard. Hij richtte samen met Luc van den Boogaart de doelgroepsoftware Het Volksportret op. “Dat is sneller én inclusiever dan klassiek marktonderzoek.”

Hellewaard ergerde zich in zijn tijd als medewerker bij een communicatiebureau aan het gebrek aan inzicht in sommige doelgroepen. “De laaggeletterde burger met een lage sociaaleconomische klasse is vaak je doelgroep, het soort persoon dat de gemiddelde communicatieprofessional nooit tegen komt en niet kent. Uiteindelijk neigt elk persoon naar een communicatiestijl die past bij henzelf of de personen die hij of zij kent.”

Je kunt met één klik testen of je propositie resoneert bij die 10% van Nederland waar je het verschil mee kunt maken

Op het platform Het Volksportret staan 100 synthetische persona’s die elk antwoord geven voor één community. Elke community vertegenwoordigd 1% van de Nederlandse bevolking. Op basis van data van onder andere statistiekbureau CBS zijn de communities opgesteld met behulp van een zelf-ontwikkeld machine learning-algoritme. In samenwerking met marketingonderzoeksbureau MSI is elke community verder ingevuld met persoonlijkheid, waarden en gedrag. Op basis van die data zijn synthetische persona’s gemaakt. Dankzij een LLM kunnen gebruikers chatten met de persona’s en hun gewenste doelgroep een communicatieboodschap of propositie voorleggen.

Op het platform Het Volksportret kan een marketeer chatten met 100 synthetische persona's, die elk 1% van de Nederlandse bevolking vertegenwoordigen. Foto: Het Volksportret

Aldoende leert AI

Het Volksportret is tot nog toe vooral ingezet voor communicatie, maar Hellewaard is het platform verder aan het ontwikkelen. “We blijven het verder verbeteren met meer marktonderzoek, ook geïnitieerd van uit onze interactie met klanten. We testen hoe goed onze persona’s reageren door elk script vijf keer te doorlopen. Als de persona’s telkens dezelfde antwoorden geven, dan is de data in het systeem eenduidig genoeg. Zo niet, hebben we een idee waar we nog verdere data op nodig hebben. Daarnaast valideren we het model met regulier kwantitatief en kwalitatief onderzoek, zoals het Nationale Vleesonderzoek 2024.”

AI als richtingaanwijzer

FoodValley benaderde Hellewaard voor het voorleggen van een propositie aan de persona’s in het Volksportret. Specifiek hybride producten: wat vinden verschillende communities daarvan en zouden ze het kopen? “Het is een snelle check of je op de juiste weg zit en welke doelgroepen een focus kunnen zijn. Vervolgens is het wel aan te raden meer diepgaand onderzoek te doen.”

In overleg met FoodValley wil hij het platform voor een redelijke prijs beschikbaar maken voor kleine spelers, zoals start-ups. “Een goed consumentenonderzoek kosten tienduizenden euro’s. Met Het Volksportret kan een start-up snel de commercialisering van zijn product onderbouwen.”

Hellewaard wil het platform verder uitbreiden met andere p’s van de marketingmix voor een betere feedback op proposities. “Prijs en plaats lijken mij ook heel relevant. Waar kopen de doelgroepen en welke prijs kiezen ze in de praktijk?”

Wat gaat AI doen?

AI komt nu in allemaal handige tools die ontwikkeling kunnen helpen en versnellen, maar vereisen nog wel ontwikkeling in de specifieke context van het bedrijf en zijn activiteiten. Een multidisciplinaire samenwerking tussen AI-specialisten, productontwikkeling en marketing is essentieel voor het beste resultaat. Dan kan een AI-tool helpen met hypotheses scherpstellen en nieuw inzicht geven op bestaande data. Daarbij helpt AI niet alleen met de productontwikkeling maar ook met het toetsen van het eindproduct. De vraag is niet of een bedrijf AI moet toepassen in productontwikkeling, maar hoe en wat gedaan gaat worden met AI.

De inzet van kunstmatige intelligentie (AI) in voedingsmiddelenontwikkeling is niet langer futuristisch. Nieuwe technologieën bieden ontwikkelteams concrete handvatten om productformulering te versnellen, kosten te drukken én de kans op marktsucces te vergroten. AI-tools kunnen helpen, van de eerste brainstormsessie voor een nieuw plantaardig product tot het toetsen van het concept bij de doelgroep.

Bepalen waarbij AI wordt ingezet

AI-consultancy Wolk helpt voedselbedrijven met AI effectief inzetten in hun bedrijfsprocessen zoals productontwikkeling. Jelle van Miltenburg vertelt hoe ze te werk gaan. “In eerste instantie maken we een probleemanalyse om erachter te komen op welke plekken AI de grootste impact kan hebben. Vervolgens bouwen we een prototype AI-tool om een proces te versnellen of te verbeteren: in dit geval een goed alternatief eiwitproduct ontwikkelen. Daarbij gebruiken we verschillende soorten AI. Large language models (LLM) analyseren de ongestructureerde data zoals onderzoeksrapporten en de feedback te. Machine learning gebruiken we voor patroonherkenning in grote datasets van bijvoorbeeld productieruns of recepturen. We evalueren de output van dit prototype, waarbij we analyseren of de output accuraat is en het inderdaad het proces versnelt. Bij een positieve evaluatie implementeren we de AI-oplossing in de organisatie en zorgen we dat meer mensen ermee kunnen werken.”

Data verzamelen binnen een bepaalde context

De grootste uitdaging is om de data op één plek te verzamelen. Van Miltenburg: “Om echt goede resultaten te krijgen uit een AI-tool moet deze gebruik kunnen maken van zo veel mogelijk data uit de organisatie. Data zijn meestal verspreid binnen een bedrijf en door individuele medewerkers gebundeld in Excel-sheets. Productie gebruikt bijvoorbeeld een ander systeem dan inkoop en de systemen communiceren niet met elkaar. Sensorische data zijn vaak kwalitatief en niet kwantitatief. Dat zorgt dat sensorische data niet gebundeld is met andere meer kwantitatieve data.” Wolk werkt met klanten om deze data automatisch te ontsluiten, te verwerken en AI-ready te maken.

Als die context eenmaal klopt, blijft het belangrijk in het gebruik van de AI-tool om een 'human in the loop' te houden. “In het geval van productontwikkeling kan de ontwikkelaar het beste bepalen wat de waarde van het antwoord van de AI-tool is”, zegt Van Miltenburg.

Verwachtingen van AI

Om AI echt goed te laten werken, is soms meer ontwikkeling nodig dan bedrijven in eerste instantie verwachten. Sanne Wiersma, fermentatietechnoloog aan Wageningen University & Research (WUR), voert veel gesprekken met de bedrijven die opdracht gaven tot de ontwikkeling van Flavour-AI over de verwachte output. Dit platform berekent hoe bepaalde bewerkingen, met name fermentatie, tot de vorming van smaakbepalende vluchtige geurstoffen kan leiden.

Wiersma: “De hype rond AI zorgt ervoor dat mensen hoge verwachtingen hebben van wat AI kan doen. Hun referentiekader is Large Language Models (LLM) die een instructie krijgen en vervolgens correcte antwoorden geven en mooie plaatjes maken. Er is veel mogelijk en in de gesprekken kom ik met bedrijven samen tot een realistisch plan met AI. Er zijn nog best wel wat concrete ontwikkelingsstappen nodig voordat een AI-tool het gewenste en verwachte antwoord kan geven.”

Er zijn nog best wel wat concrete ontwikkelingsstappen nodig voordat een AI-tool het gewenste en verwachte antwoord kan geven

De basis van Flavour-AI is data die zijn gegenereerd door op hoge snelheid de vluchtige geurstoffen uit verschillende fermentaties te meten. “We gebruiken daardoor platen waarin we in 5 tot 10 milliliter een fermentatie starten en het smaakprofiel testen. Momenteel kunnen we in 48 seconden per fermentatie een smaakprofiel vaststellen en zo 200 tot 300 smaakprofielen per dag meten.”

Bekend is dat 230 vluchtige geurstoffen die in een bepaalde concentratie aanwezig zijn in voeding echt een effect hebben op de uiteindelijke smaakbeleving. “Op die 230 stoffen en de ontwikkeling ervan tijdens bewerkingen richten we ons.” 50 van de 230 zijn nu goed gekwantificeerd.

Lees ook: Supermarkt Picnic zet AI in om aandeel plantaardig te meten

Risico’s verminderen met AI

De mogelijke variaties in het fermentatieproces zijn divers en elke variatie kan invloed hebben op een smaakprofiel. Flavour-AI kan het uiteindelijke smaakprofiel nu nog niet koppelen aan de smaakbeleving of voorspellen. “Op dit moment kunnen we klanten helpen bij zich sneller te richten op de meeste kansrijke fermentatie voor het gewenste smaakprofiel. Het scheelt heel veel trial-and-error als AI kan aangeven wat de mogelijke vluchtige geurstoffen zijn na de fermentatie. We hebben nu data op zoveel verschillende assen; denk daarbij aan verschillende substraten, fermentatie-omstandigheden, micro-organismen, ga zo maar door. Een individu is veel langer bezig dan AI met de selectie van de juiste fermentatie voor een specifiek smaakprofiel.”

Het platform geeft nu al goed richting aan een productontwikkelingstraject, vanuit een bepaalde grondstof of naar een bepaald smaakprofiel toe. Toch is er nog veel werk nodig om aan de verwachtingen van sommige bedrijven te voldoen. Die willen bijvoorbeeld sneller naar een smaakprofiel toewerken dat hun doelgroep voor het product lekker vindt. Voor de koppeling aan de uiteindelijke sensorische beleving is gericht onderzoek nodig met sensorische panels.

Wiersma: “De data uit dat soort panels kan worden toegevoegd aan het systeem. Uiteindelijk willen we met dit platform de koppeling kunnen leggen tussen het smaakprofiel én de sensorische beleving én kunnen voorspellen hoe het product gemaakt met een bepaalde fermentatie smaakt. Dit is nog wel toekomstmuziek, want het vereist echt veel data en ontwikkeling. ”

FLAVOUR AI, een AI-platform van WUR, werkt op basis van data gegenereerd door op hoge snelheid de vluchtige geurstoffen uit fermentaties te meten. Foto: WUR

Mensen bepalen waarde van resultaat

Idealiter zou een bedrijf met een AI-tool al de ontwikkeling van een product kunnen simuleren, van receptuur tot proces, voordat het geld en tijd in een proef steekt. Van Miltenburg: “Uiteindelijk moet een productontwikkelaar kunnen beoordelen of de simulatie door AI klopt en deze in de praktijk gaan testen. Hoe beter de AI-tool de juiste context heeft in data, dus bijvoorbeeld procesdata en alle mogelijke recepturen, hoe beter de kwaliteit van de output.”

Hetzelfde merkt Wiersma voor Flavour-AI. “Shit in is shit out. De beoordeling of het platform goede resultaten geeft, kan alleen worden gemaakt door iemand die verstand van zaken heeft. En tegelijkertijd legt AI veel sneller de verbanden waar een expert meer tijd voor nodig zou hebben.”

Veilig gebruik

Bedrijven zijn soms terughoudend om al die data door AI te laten analyseren, omdat er bedrijfsgeheimen tussen kunnen zitten. LLM's zoals ChatGPT gebruiken de informatie die wordt ingevoerd om zichzelf te trainen. Gevoelige informatie kan ook onbedoeld worden gebruikt voor dit doel. “Een AI-tool kan worden opgezet op het eigen netwerk, afgesloten van het internet,” zegt Van Miltenburg. “Een eigen netwerk met eigen servers is niet zomaar onderdeel van het internet.”

Daarnaast vormt de verwevenheid in de werkzaamheden van de productontwikkelaar ook een barrière. “Het ‘human in the loop’-principe zorgt ervoor dat een menselijke expert altijd de output van een AI checkt, voordat deze tot actie leidt. Zo blijft productontwikkelaar volledig in controle van het eindproduct, maar versterkt door de kennis en kracht van AI. Iets ontwikkeld met AI blijft zo eigendom van het bedrijf.”

Zo blijft productontwikkelaar volledig in controle van het eindproduct, maar versterkt door de kennis en kracht van AI

Product dat voldoet aan vraag consument

AI kan ook helpen met het toetsen van het met AI ontwikkelde smakelijke en gezonde product bij de gewenste doelgroep. “Je kunt met één klik testen of je propositie resoneert bij die 10% van Nederland waar je het verschil mee kunt maken,” zegt Jens Hellewaard. Hij richtte samen met Luc van den Boogaart de doelgroepsoftware Het Volksportret op. “Dat is sneller én inclusiever dan klassiek marktonderzoek.”

Hellewaard ergerde zich in zijn tijd als medewerker bij een communicatiebureau aan het gebrek aan inzicht in sommige doelgroepen. “De laaggeletterde burger met een lage sociaaleconomische klasse is vaak je doelgroep, het soort persoon dat de gemiddelde communicatieprofessional nooit tegen komt en niet kent. Uiteindelijk neigt elk persoon naar een communicatiestijl die past bij henzelf of de personen die hij of zij kent.”

Je kunt met één klik testen of je propositie resoneert bij die 10% van Nederland waar je het verschil mee kunt maken

Op het platform Het Volksportret staan 100 synthetische persona’s die elk antwoord geven voor één community. Elke community vertegenwoordigd 1% van de Nederlandse bevolking. Op basis van data van onder andere statistiekbureau CBS zijn de communities opgesteld met behulp van een zelf-ontwikkeld machine learning-algoritme. In samenwerking met marketingonderzoeksbureau MSI is elke community verder ingevuld met persoonlijkheid, waarden en gedrag. Op basis van die data zijn synthetische persona’s gemaakt. Dankzij een LLM kunnen gebruikers chatten met de persona’s en hun gewenste doelgroep een communicatieboodschap of propositie voorleggen.

Op het platform Het Volksportret kan een marketeer chatten met 100 synthetische persona's, die elk 1% van de Nederlandse bevolking vertegenwoordigen. Foto: Het Volksportret

Aldoende leert AI

Het Volksportret is tot nog toe vooral ingezet voor communicatie, maar Hellewaard is het platform verder aan het ontwikkelen. “We blijven het verder verbeteren met meer marktonderzoek, ook geïnitieerd van uit onze interactie met klanten. We testen hoe goed onze persona’s reageren door elk script vijf keer te doorlopen. Als de persona’s telkens dezelfde antwoorden geven, dan is de data in het systeem eenduidig genoeg. Zo niet, hebben we een idee waar we nog verdere data op nodig hebben. Daarnaast valideren we het model met regulier kwantitatief en kwalitatief onderzoek, zoals het Nationale Vleesonderzoek 2024.”

AI als richtingaanwijzer

FoodValley benaderde Hellewaard voor het voorleggen van een propositie aan de persona’s in het Volksportret. Specifiek hybride producten: wat vinden verschillende communities daarvan en zouden ze het kopen? “Het is een snelle check of je op de juiste weg zit en welke doelgroepen een focus kunnen zijn. Vervolgens is het wel aan te raden meer diepgaand onderzoek te doen.”

In overleg met FoodValley wil hij het platform voor een redelijke prijs beschikbaar maken voor kleine spelers, zoals start-ups. “Een goed consumentenonderzoek kosten tienduizenden euro’s. Met Het Volksportret kan een start-up snel de commercialisering van zijn product onderbouwen.”

Hellewaard wil het platform verder uitbreiden met andere p’s van de marketingmix voor een betere feedback op proposities. “Prijs en plaats lijken mij ook heel relevant. Waar kopen de doelgroepen en welke prijs kiezen ze in de praktijk?”

Wat gaat AI doen?

AI komt nu in allemaal handige tools die ontwikkeling kunnen helpen en versnellen, maar vereisen nog wel ontwikkeling in de specifieke context van het bedrijf en zijn activiteiten. Een multidisciplinaire samenwerking tussen AI-specialisten, productontwikkeling en marketing is essentieel voor het beste resultaat. Dan kan een AI-tool helpen met hypotheses scherpstellen en nieuw inzicht geven op bestaande data. Daarbij helpt AI niet alleen met de productontwikkeling maar ook met het toetsen van het eindproduct. De vraag is niet of een bedrijf AI moet toepassen in productontwikkeling, maar hoe en wat gedaan gaat worden met AI.