Wereldwijd verdwijnt per seconde meer dan 50 ton voedsel in de vuilnisbak. Voedselverspilling, onder meer door foute inschattingen van de verkoop, kost de Europese retail en groothandel jaarlijks 2,6 miljard euro. De Limburgse start-up Foresightee wil die voedselverspilling voorkomen met machinelearning, een onderdeel van artificiële intelligentie waarbij computers leren via onder meer algoritmes. "De meeste investeringen focussen op het wegwerken van voedselafval of overschotten die er al zijn. Met Foresightee willen we afval voorkomen", zegt CEO Judith Ketelslegers, die de start-up in augustus 2019 oprichtte. "Dat is ook nodig. Als we in 2050 met 10 miljard mensen evenveel voedsel weggooien als vandaag, hebben we twee planeten nodig. Technologie is een manier om de complexiteit van zo'n verse keten te managen en zo aan afvalpreventie te doen."

De eerste toepassing die Foresightee ontwikkelde, is een betere voorspelling van de verkoop van verse producten. De doelgroep van de start-up zijn vooral retailers en hun versevoedingsleveranciers. "Alle operationele processen beginnen met die vraag: hoeveel zullen we verkopen?", legt Judith Ketelslegers uit. "Maak je daar al een te grote fout, dan loopt het helemaal mis."

Machinaal leren

Op basis van data schat Foresightee de verkochte hoeveelheden in, zodat supermarkten en leveranciers niet met een te groot overschot achterblijven en tegelijk hun out of stocks beperken. "Met producten als luiers kan de retailer terugvallen op de gemiddelde verkoop van vorig jaar of vorige week. Te veel of te weinig voorraad is dan niet zo erg. Met verse voeding is dat anders, want de kwaliteit daalt. Aardbeien van drie dagen oud belanden hoe dan ook in de vuilnisbak."

De technologie van Foresightee is gebaseerd op machinaal leren. "De toegevoegde waarde is dat de technologie zelf kan leren en dus reageert op veranderende omstandigheden, zoals de effecten van een nieuwe concurrent, een staking, wegenwerken, promoties of het weer. Na enkele dagen wordt dat opgepikt. Dat is een groot verschil met Excel en statistiek, die veel statischer zijn. Daar moet je die parameters zelf toevoegen - als je ze al op tijd gespot hebt, ze kunt vinden en er de tijd voor hebt. Iets waaraan het in de voedingssector vaak ontbreekt. Met deep learning kun je zelfs nieuwe verbanden afleiden, zoals het effect van nieuwe producten in het assortiment." Deep learning is een van de manieren waarop computers machinaal leren, gebaseerd op kunstmatige neurale netwerken.

De grote troef van de toepassing is de accuraatheid. Dat ziet Judith Ketelslegers ook in de cijfers van de proefprojecten: "Het is ons opgevallen hoeveel retailers en leveranciers zelf niet weten hoe nauwkeurig hun voorspellingen zijn. Wanneer we onze technologie voorstellen, hebben ze vaak een aha-moment. Het is interessant op dat moment het bewustzijn te zien." Een ander voordeel is het verminderen van de onzekerheid. "Maandplanners hebben het druk. Als er ergens iets onverwachts gebeurt, zijn ze in paniek en is er geen tijd om honderden verschillende producten te plannen. Vanuit onze tool geven we notificaties waar de planners eerst naar moeten kijken. Zo laat je de machine rekenen en kan de planner focussen op de uitzonderingen."

Europese ambitie

Judith Ketelslegers kwam op het idee van Foresightee toen ze een paar jaar geleden van de ene dag op de andere vreemde voedselintoleranties kreeg. "Daardoor kon ik alles wat ik vroeger at niet meer eten", zegt de onderneemster. "Dat deed me nadenken over ons voedselsysteem en ik ben er helemaal anders naar gaan kijken. Hoe meer ik ervan afwist, hoe absurder het werd. Ik vond het echt hallucinant wat er op ons af zat te komen. Dan kun je twee dingen doen: ofwel word je een oude zeur, ofwel doe je er iets aan. Ik ben de dochter van een onderneemster, maar ik zei altijd dat ik dat nooit zou doen. Blijkbaar kruipt het bloed toch waar het niet gaan kan."

De Limburgse heeft met haar start-up Europese ambitie. "Europa is het vertrekpunt. Als je de taal in China of India niet spreekt, is het moeilijk om uit te zoeken welke concurrentie er daar is. In Canada en de Verenigde Staten zijn er enkele artificiële-intelligentietools, maar weinigen focussen op vers voedsel." Intussen lopen er proefprojecten bij retailers en leveranciers, maar Judith Ketelslegers mag geen namen noemen. "Wij starten in november met een Italiaanse retailer. Volgend jaar komt daar waarschijnlijk een Finse bij. En we zijn met twee Belgische retailers in gesprek om de toepassing te testen."

Waan van de dag

Het is niet altijd gemakkelijk om de spelers te overtuigen. "Als start-up is dat altijd het geval. Door de complexiteit is de voedingsindustrie erg bezig met de waan van de dag in plaats van de voorloper in nieuwe technologie te zijn. Het is niet hun kernactiviteit. Dat zorgt wel voor een drempel en een lang traject dat je samen doorloopt. Wat het tegelijk ook interessant maakt. Zo bouw je duurzame relaties op."

De grootste uitdaging voor de start-up is schaalgrootte. Foresightee moet snel grote sprongen kunnen maken. "Wij zitten in een soort alles-of-nietssituatie", zegt Judith Ketelslegers. "Foresightee voorspelt op een granulair niveau, per product, per winkel. Een supermarkt in Hasselt verkoopt helemaal anders dan een winkel in Oostende. Een retailer doet eerst de test met vijf of tien winkels en gebruikt het daarna in de rest van zijn netwerk. Dat betekent dat de rekenkracht moet volgen. We moeten snel kunnen groeien als de vraag er is, maar we hebben ons technologisch voorbereid om zo snel mogelijk te kunnen reageren."

Meer inspiratie, tips en adviezen vindt u in de GIDS VOOR DUURZAAM ONDERNEMEN van Trends. Vraag hem gratis aan op www.trends.be/duurzaamheidsgids
Wereldwijd verdwijnt per seconde meer dan 50 ton voedsel in de vuilnisbak. Voedselverspilling, onder meer door foute inschattingen van de verkoop, kost de Europese retail en groothandel jaarlijks 2,6 miljard euro. De Limburgse start-up Foresightee wil die voedselverspilling voorkomen met machinelearning, een onderdeel van artificiële intelligentie waarbij computers leren via onder meer algoritmes. "De meeste investeringen focussen op het wegwerken van voedselafval of overschotten die er al zijn. Met Foresightee willen we afval voorkomen", zegt CEO Judith Ketelslegers, die de start-up in augustus 2019 oprichtte. "Dat is ook nodig. Als we in 2050 met 10 miljard mensen evenveel voedsel weggooien als vandaag, hebben we twee planeten nodig. Technologie is een manier om de complexiteit van zo'n verse keten te managen en zo aan afvalpreventie te doen." De eerste toepassing die Foresightee ontwikkelde, is een betere voorspelling van de verkoop van verse producten. De doelgroep van de start-up zijn vooral retailers en hun versevoedingsleveranciers. "Alle operationele processen beginnen met die vraag: hoeveel zullen we verkopen?", legt Judith Ketelslegers uit. "Maak je daar al een te grote fout, dan loopt het helemaal mis." Op basis van data schat Foresightee de verkochte hoeveelheden in, zodat supermarkten en leveranciers niet met een te groot overschot achterblijven en tegelijk hun out of stocks beperken. "Met producten als luiers kan de retailer terugvallen op de gemiddelde verkoop van vorig jaar of vorige week. Te veel of te weinig voorraad is dan niet zo erg. Met verse voeding is dat anders, want de kwaliteit daalt. Aardbeien van drie dagen oud belanden hoe dan ook in de vuilnisbak." De technologie van Foresightee is gebaseerd op machinaal leren. "De toegevoegde waarde is dat de technologie zelf kan leren en dus reageert op veranderende omstandigheden, zoals de effecten van een nieuwe concurrent, een staking, wegenwerken, promoties of het weer. Na enkele dagen wordt dat opgepikt. Dat is een groot verschil met Excel en statistiek, die veel statischer zijn. Daar moet je die parameters zelf toevoegen - als je ze al op tijd gespot hebt, ze kunt vinden en er de tijd voor hebt. Iets waaraan het in de voedingssector vaak ontbreekt. Met deep learning kun je zelfs nieuwe verbanden afleiden, zoals het effect van nieuwe producten in het assortiment." Deep learning is een van de manieren waarop computers machinaal leren, gebaseerd op kunstmatige neurale netwerken. De grote troef van de toepassing is de accuraatheid. Dat ziet Judith Ketelslegers ook in de cijfers van de proefprojecten: "Het is ons opgevallen hoeveel retailers en leveranciers zelf niet weten hoe nauwkeurig hun voorspellingen zijn. Wanneer we onze technologie voorstellen, hebben ze vaak een aha-moment. Het is interessant op dat moment het bewustzijn te zien." Een ander voordeel is het verminderen van de onzekerheid. "Maandplanners hebben het druk. Als er ergens iets onverwachts gebeurt, zijn ze in paniek en is er geen tijd om honderden verschillende producten te plannen. Vanuit onze tool geven we notificaties waar de planners eerst naar moeten kijken. Zo laat je de machine rekenen en kan de planner focussen op de uitzonderingen." Judith Ketelslegers kwam op het idee van Foresightee toen ze een paar jaar geleden van de ene dag op de andere vreemde voedselintoleranties kreeg. "Daardoor kon ik alles wat ik vroeger at niet meer eten", zegt de onderneemster. "Dat deed me nadenken over ons voedselsysteem en ik ben er helemaal anders naar gaan kijken. Hoe meer ik ervan afwist, hoe absurder het werd. Ik vond het echt hallucinant wat er op ons af zat te komen. Dan kun je twee dingen doen: ofwel word je een oude zeur, ofwel doe je er iets aan. Ik ben de dochter van een onderneemster, maar ik zei altijd dat ik dat nooit zou doen. Blijkbaar kruipt het bloed toch waar het niet gaan kan." De Limburgse heeft met haar start-up Europese ambitie. "Europa is het vertrekpunt. Als je de taal in China of India niet spreekt, is het moeilijk om uit te zoeken welke concurrentie er daar is. In Canada en de Verenigde Staten zijn er enkele artificiële-intelligentietools, maar weinigen focussen op vers voedsel." Intussen lopen er proefprojecten bij retailers en leveranciers, maar Judith Ketelslegers mag geen namen noemen. "Wij starten in november met een Italiaanse retailer. Volgend jaar komt daar waarschijnlijk een Finse bij. En we zijn met twee Belgische retailers in gesprek om de toepassing te testen." Het is niet altijd gemakkelijk om de spelers te overtuigen. "Als start-up is dat altijd het geval. Door de complexiteit is de voedingsindustrie erg bezig met de waan van de dag in plaats van de voorloper in nieuwe technologie te zijn. Het is niet hun kernactiviteit. Dat zorgt wel voor een drempel en een lang traject dat je samen doorloopt. Wat het tegelijk ook interessant maakt. Zo bouw je duurzame relaties op." De grootste uitdaging voor de start-up is schaalgrootte. Foresightee moet snel grote sprongen kunnen maken. "Wij zitten in een soort alles-of-nietssituatie", zegt Judith Ketelslegers. "Foresightee voorspelt op een granulair niveau, per product, per winkel. Een supermarkt in Hasselt verkoopt helemaal anders dan een winkel in Oostende. Een retailer doet eerst de test met vijf of tien winkels en gebruikt het daarna in de rest van zijn netwerk. Dat betekent dat de rekenkracht moet volgen. We moeten snel kunnen groeien als de vraag er is, maar we hebben ons technologisch voorbereid om zo snel mogelijk te kunnen reageren."