Smart Meal Planning

Het project wil de meerwaarde van AI aantonen in functie van het voorspellen van productiehoeveelheden via verschillende gevalsstudies. De gevalsstudies beogen een concrete samenwerking tussen voedingsproducenten (primair: leveranciers van verse bederfbare maaltijden) en de AI-aanbieders in Vlaanderen.

De generieke kennis die hieruit voortvloeit wordt gebundeld in praktische handvaten voor i) AI-bedrijven om hen meer slagkracht te bieden om hun afzetmarkt te vergroten richting de voedingssector en voor ii) voedingsbedrijven om tot een efficiëntere productieplanning te komen. Op die manier streven we ernaar om algemeen bij te dragen aan een winstverhoging via kostenbesparing, reductie van voedselverliezen en een lagere ecologische voetafdruk.

Dit project richt zich op een brede doelgroep van vooral niet R&D-intensieve ondernemingen van verschillende grootte, uit zowel de voedingssector als AI-sector. De mogelijkheden worden in eerste instantie onderzocht binnen snel bederfbare maaltijden maar de resultaten kunnen later doorgetrokken worden naar andere voedingsproducten (secundaire doelgroep: producenten van matig bederfbare producten zoals groenten, vlees, vis etc).

De resultaten zullen implementeerbaar zijn voor voedingsbedrijven en AI-bedrijven: 439 forecasting bedrijven (opgericht in laatste 12 jaar, AI4Belgium1), 1850 bedrijven actief in de sector bereide maaltijden (Belfirst2). Samen omvatten zij meer dan 2200 ondernemingen in België. Er wordt geschat dat, rekening houdend met het grote transponeerbare karakter van het project, 10 tot 20% van deze ondernemingen rechtstreeks gebaat zijn met de resultaten uit dit project in een tijdspanne tot 2 jaar na het project.

Wetenschappelijke Samenvatting / Resultatenoverzicht
Het Smart Meal Planning (SMP) project heeft met succes de kritieke uitdaging van voedselverspilling en operationele inefficiëntie in de Vlaamse sector van kant-en-klare maaltijden (catering, grootkeukens en bistro's in de zorg) aangepakt. Historisch gezien vertrouwden kleine en middelgrote ondernemingen (KMO's) in deze sector op planning gebaseerd op intuïtie en statische "veiligheidsmarges", wat leidde tot aanzienlijke overproductie.
SMP democratiseerde de toegang tot State-of-the-Art (SOTA) Artificiële Intelligentie door een robuust, schaalbaar voorspellingskader te ontwikkelen dat op maat is gemaakt voor KMO's. De projectmethodologie ging verder dan eenvoudige algoritmische voorspellingen en bood een holistisch "Beslissingsondersteunend Systeem" (Decision Support System). De belangrijkste technische innovaties omvatten:
● Global Forecasting Models: Het gebruik van Gradient Boosted Decision Trees (GBDT's) die in staat zijn om vraagpatronen te "cross-learnen" (gezamenlijk leren) over verschillende items en locaties heen.
● AI-gestuurde Datahygiëne: De implementatie van Large Language Model (LLM) agenten om automatisch ongestructureerde menudata te parsen (bijv. het transformeren van "Kip met friet" naar gestructureerde categorische vraag-drijvers).
● Probabilistische Besluitvorming: Het omzetten van ruwe voorspellingen in risicobewuste "Voorspellingsintervallen" (Prediction Intervals), waardoor bedrijven servicelevels dynamisch kunnen afwegen tegen afvalvermindering.
Belangrijkste Uitkomsten & Impact De projectresultaten werden gevalideerd via diepgaande pilootcases met industriële partners. De implementatie van het SMP-voorspellingsprototype leverde kwantificeerbare operationele excellentie op:
● Voorspellingsnauwkeurigheid: Verbeterd met 14% tot 46% in vergelijking met traditionele nulmetingen.
● Afvalvermindering: Een vermindering van voedselverspilling van 13% tot 52% werd bereikt door de voorraadaanvulling te optimaliseren.
● Economische Impact: Operationele kosten gerelateerd aan voorraad werden verlaagd met 9% tot 22%, wat de veerkracht van de sector tegen lage winstmarges verbetert.
● Industriële Validatie: Een bevraging na afloop van het project bevestigde een hoge adoptiewaarde, waarbij 100% van de pilootpartners meldde essentiële, toekomstbestendige kennis te hebben opgedaan over datagestuurde strategieën.
Vooruitgang in Digitale Maturiteit Een significant resultaat van het project was de tastbare verhoging van de Digitale Maturiteit binnen het consortium. Deelnemende KMO's voerden structurele operationele veranderingen door om datagestuurde besluitvorming te ondersteunen. Specifieke vooruitgang omvatte de overgang van ad-hoc registratie naar gestructureerde dataschema's—zoals het implementeren van unieke ID's om maaltijden consistent te matchen over gefragmenteerde datasets heen. Bovendien hebben verschillende partners hun interne ERP-systemen geüpgraded om geautomatiseerde data-ingestie te vergemakkelijken, terwijl anderen volledig nieuwe functies creëerden, zoals de strategische aanwerving van een toegewijde dataspecialist om deze digitale workflows te overzien. Deze acties bevestigen dat het project met succes de kloof heeft overbrugd tussen verouderde operaties en moderne data governance.
Culturele Omslag Naast metrieken en infrastructuur bereikte het project een fundamentele culturele omslag. Deelnemende bedrijven transformeerden van een "reactieve" cultuur gebaseerd op buffervoorraden naar een "proactieve" datagestuurde cultuur. De rol van productieplanners evolueerde van handmatige inschatting naar algoritmische validatie, ondersteund door een "Shadow Mode" implementatiestrategie die vertrouwen opbouwde in het geautomatiseerde systeem.