Publicatiedatum: 17-11-2026

Door: Jolanda Bakker 

In de groene sector worden steeds meer gegevens verzameld. Sensoren meten bodemvocht, satellieten brengen percelen in beeld en digitale systemen volgen gewassen. Maar hoe vertaal je die gegevens naar bruikbare inzichten? Met die vraag houdt Harm zich bezig. Zijn onderzoeksgroep werkt samen met bedrijven, overheden en kennisinstellingen aan praktijkgerichte oplossingen. “Wij onderzoeken hoe wij de wereld van de technologie met de wereld van de natuur kunnen verbinden. Er zijn weinig sectoren waar zoveel innovatie plaatsvindt als juist in de groene sector”, aldus Harm.  

Harm Bodewes, lector Data Intelligence voor Duurzame Transities

Van aardappeldata naar oogstvoorspellingen

Data intelligence draait om het herkennen van patronen en het maken van betere voorspellingen. Een concreet voorbeeld is de samenwerking met Van den Borne. Daar ontwikkelden studenten en onderzoekers een algoritme dat verschillende databronnen combineert om de aardappelopbrengst per perceel beter te voorspellen.

Daarmee krijgt kennis die traditioneel sterk op ervaring berust, een aanvulling vanuit data. Een ondernemer kan deze voorspellingen gebruiken om beter onderbouwde keuzes te maken. Volgens Harm laat dit project goed zien hoe datagestuurd telen de sector vooruit kan helpen.

Het uitgangspunt blijft steeds de behoefte van de gebruiker, de ondernemer. “We proberen zinvolle antwoorden te geven waar de ondernemer echt iets aan heeft.”

NutriCity: inzicht in de voedselomgeving

Ook buiten het boerenbedrijf biedt data mogelijkheden. Voor NutriCity werkt HAS aan een subsidieaanvraag met een breed consortium van onder meer gemeenten, kennisinstellingen, het Voedingscentrum en een supermarktpartner. De centrale vraag: hoe kun je een gezondere voedselomgeving stimuleren?

Met digital twin-technologie willen de partners de voedselomgeving inzichtelijk maken. Denk aan de aanwezigheid van ongezond voedselaanbod rond scholen en de groepen mensen die daarmee in aanraking komen.

Het beoogde resultaat is een instrument waarmee gemeenten hun keuzes beter kunnen onderbouwen. In welke wijken is extra aandacht nodig voor gezonde voeding? En wat betekent de locatie van een voedselaanbieder voor de omgeving? Met een digital twin kun je what-if scenario’s formuleren, waarmee je het effect va beslissingen zichtbaar maakt. Zo kan deze technologie helpen om ruimtelijke en gezondheidsvraagstukken met elkaar te verbinden.

Gegevens vertalen naar informatie

In SolidTree staat de levenscyclus van laanbomen centraal. Onderzoekers en praktijkpartners werken aan een monitoringssysteem dat een boom volgt vanaf de kwekerij tot de uiteindelijke standplaats. Wanneer een boom wordt overgeplant, is niet altijd duidelijk welke verzorging nodig is. Hoeveel water en voedingsstoffen vraagt hij? Welke bodemomstandigheden ondersteunen de groei? Door onder meer bodemgegevens te verzamelen en te combineren, willen de partners beter begrijpen waarom bomen goed of minder goed groeien. Via analyses en dashboards moet die kennis beschikbaar komen voor telers en gemeentelijke groenbeheerders, legt Harm uit.

Een heel andere toepassing ontstaat in samenwerking met Defensie. Daar onderzoekt de groep hoe satelliet- en dronebeelden kunnen helpen om de draagkracht van de bodem te bepalen. Het doel is om die informatie tijdig beschikbaar te maken in militaire voertuigen, zodat bemanningen beter kunnen inschatten waar zij veilig kunnen rijden. Zo kan het onderzoek helpen voorkomen dat zware voertuigen vastlopen of wegzakken in een drassige bodem.

De overeenkomst tussen al deze projecten: gegevens vertalen naar informatie waarmee gebruikers in de praktijk kunnen handelen.

De AI-roadmap: drie concrete toepassingen

Binnen de HAS zélf onderzoekt het lectoraat wat AI kan bijdragen. Eind 2024 kreeg Harm van het College van Bestuur een verzoek om een ‘houtskoolschets’ te maken: een eerste verkenning van wat AI voor HAS zou kunnen betekenen. Harm vertaalde die vraag naar een AI-roadmap met een praktische aanpak. Met kleine, concrete projecten laat het lectoraats-team zien wat AI kan bijdragen, waar beperkingen liggen en wat binnen de hogeschool wel of niet werkt.
Drie voorbeelden laten zien hoe breed die aanpak is:

Een AI-assistent voor practica: Voor de opleiding veehouderij is een assistent - genoemd LabMate -  ontwikkeld die studenten ondersteunt bij vragen tijdens een practicum. Studenten kunnen daarmee eerst zelf informatie zoeken, naast de begeleiding van hun docent.

FundingRadar: Deze toepassing doorzoekt subsidieportalen en signaleert mogelijke financieringskansen op basis van zoektermen. De lectoren en acquisiteurs ontvangen zo automatisch suggesties voor relevante regelingen.

Experimenteren met eduGenAI: HAS is testorganisatie voor eduGenAI van SURF.
Binnen de roadmap wordt onderzocht hoe deze AI-omgeving kan worden ingezet als LLM-portal voor heel studerend Nederland.

“Door collega’s uit verschillende onderdelen van de organisatie bij dergelijke pilots te betrekken en regelmatig met elkaar af te stemmen, wordt deze routekaart geen project van een klein AI-team, maar iets van de hele organisatie”, vertelt Harm trots.

Studenten leren met echte vraagstukken

Onderzoek en onderwijs komen onder meer samen in beroepsopdrachten. Studenten uit verschillende opleidingen werken gezamenlijk aan een vraagstuk van een externe organisatie, begeleid door het lectoraat. Zo bouwt een studentengroep aan een digital twin van de schoolkas en daarmee onderzoeken ze bijvoorbeeld wat veranderingen in temperatuur of luchtvochtigheid betekenen voor de aardbeienteelt. Ook de Masterclassreeks Impact met Data brengt studenten, medewerkers en externe relaties samen.

Begrijpen, afwegen en delen

Niet iedere student is enthousiast over AI. Sommigen hebben bijvoorbeeld bezwaren vanwege de milieubelasting. De HAS vindt dat die afwegingen aandacht verdienen. “Tegelijkertijd moet iedereen begrijpen wat technologie betekent voor het toekomstige beroep”, vindt Harm.

“Je hoeft het niet te gebruiken, maar je moet het wel snappen. Daarom is AI-geletterdheid onderdeel van het eerstejaarscurriculum. Mogelijkheden herkennen, vooringenomenheid begrijpen en zorgvuldig omgaan met gegevens horen daarbij.”

Harm’s toekomstwens: afgestudeerden die technologie bewust inzetten. “Ik hoop dat iedere student die over 5 jaar afstudeert, weet wat hij met AI kan doen, maar ook weet wat hij vooral niet met AI moet doen.”

Dit groene verhaal is
mede mogelijk gemaakt door:

Versnellingsprogramma Digitalisering & Technologie
HAS green academy

Meer lezen?

Abonneer je dan op onze Nieuwsbrief. Je ontvangt elke maand een selectie van de nieuwste ‘Groen in Actie’ verhalen, nieuws en events.

Gerelateerde artikelen:

Terug naar boven