Brief regering : Beantwoording vragen commissie over het gebruik van big data in de landbouw, tuinbouw en visserij

26 643
Informatie- en communicatietechnologie (ICT)

Nr. 80
BRIEF VAN DE MINISTER VAN LANDBOUW, NATUUR EN VOEDSELKWALITEIT

Aan de Voorzitter van de Tweede Kamer der Staten-Generaal

Den Haag, 13 augustus 2021

De vaste commissie voor Landbouw, Natuur en Voedselkwaliteit (LNV) heeft op 3 februari
jl. een aantal vragen gesteld over het gebruik van big data in de landbouw. Hierbij
beantwoord ik deze vragen.

De Minister van Landbouw, Natuur en Voedselkwaliteit,
C.J. Schouten

1

Wanneer verwacht u uw digitaliseringsvisie aan de Kamer te versturen?

Antwoord

De LNV-digitaliseringsvisie zal zeer binnenkort in een aparte brief met uw Kamer worden
gedeeld. Deze visie met de titel «Inzet van digitalisering voor een duurzame landbouw-
en voedselketen en robuuste natuur» geeft het belang aan van digitalisering voor de
doelen van mijn beleid, o.a. op het gebied van kringlooplandbouw en natuur (zie verder
mijn antwoord op vraag 2).

De visie wordt nu reeds gebruikt als basisdocument om tot een actieprogramma te komen,
waarin de hoofdlijnen uit de visie naar uitgewerkte acties, ook specifiek voor LNV,
vertaald zullen worden. Het actieprogramma is in ontwikkeling en wordt de komende
maanden uitgewerkt in samenwerking met relevante partijen.

2

Kunt u in de digitaliseringsvisie ook expliciet ingaan op het doel wat u voor ogen
heeft met het gebruik van big data in landbouw?

Antwoord

De digitaliseringsvisie gaat over de inzet van big data voor verduurzaming van diverse
agrosectoren en voor versterking van de natuur. Zo leveren (digitale) data, gecombineerd
met adequate dataverwerkingssystemen, een groter inzicht in de bedrijfsvoering. Met
dit inzicht kunnen productieprocessen worden verbeterd, verduurzaamd en transparantie
in complexe productieketens worden vergroot. Ook kan digitalisering helpen bij bedrijfsspecifieke
verantwoording ten behoeve van handhaving en monitoring, en kan het de afrekenbaarheid
van duurzaamheids-initiatieven ondersteunen.

De visie benoemt een groot aantal randvoorwaarden die op orde moet zijn, om digitalisering
voor bovengenoemde functies in te zetten. Voorbeelden van deze randvoorwaarden zijn
de beschikbaarheid van betrouwbare data, afspraken over data-eigendom, het verantwoord
datadelen en voldoende competenties. Maar ook het verdienvermogen van ondernemers
moet zodanig zijn dat een investering in (verdere) digitalisering mogelijk en verantwoord
is. In de visie worden lopende private en publieke acties op deze randvoorwaarden
geïnventariseerd. In het op te stellen actieprogramma wordt nader bepaald op welke
randvoorwaarden vanuit de LNV-beleidsdomeinen, gezien de lopende activiteiten, nadere
publieke, private dan wel publiek-private acties nodig zijn. Daarbij zal worden afgestemd
op domein overstijgende acties van de Nationale Digitaliseringsstrategie (NDS).

3

Hoe kijkt u aan tegen het eigendom van data en het effect van het delen van data?
Hoe beïnvloedt dit de positie van de boer en zijn verdienvermogen?

Antwoord

Eigendom van data is in juridische zin niet geregeld. Het eigendomsbegrip in het Burgerlijk
Wetboek is gebaseerd op tastbare, stoffelijke goederen waar een mens beheersing over
heeft. Wanneer wordt gesproken over «eigendom van data» wordt in deze context bedoeld
wie controle heeft op toegang tot data en gebruik van data.

Door toenemend gebruik van digitale diensten en geautomatiseerde mechanisatie op het
boerenbedrijf wordt de boer steeds meer een producent van data. Afhankelijk van de
voorwaarden in het contract met de leverancier van dergelijke diensten of apparatuur,
heeft een agrarisch ondernemer meer of minder zeggenschap over deze data.

Het delen van data kan de boer helpen doordat nieuwe (digitale) diensten kunnen worden
ontwikkeld die zijn bedrijfsvoering verbeteren. Tegelijkertijd kan het leiden tot
nieuwe afhankelijkheden van de boer aan externe dienstverleners, verlies van autonomie,
aantasting van privacy en marktmanipulatie. Het delen van data vraagt dus om een zorgvuldige
balans tussen de belangen van de agrarisch ondernemer, toeleveranciers (van bijvoorbeeld
soft- en hardware), adviseurs, ketenpartijen en de overheid.

Nieuwe verdienmodellen voor de boer kunnen een positieve stimulans zijn voor het delen
van data met derden. Kansen liggen bijvoorbeeld in directe verkoop van data maar ook
in realisatie van nieuwe maatschappelijke verdienmodellen en waardenketens. Zo kan
gedacht worden aan verdienmodellen voor het realiseren van met data onderbouwde kringlooplandbouwdoelen,
nieuwe ketenconcepten zoals korte ketens en transparantie in productieomstandigheden.
Deze mogelijkheden zijn in een vroege fase van ontwikkeling.

De kansen en risico’s van datadelen en de randvoorwaarden om data verantwoord te kunnen
delen, worden besproken in de digitaliseringsvisie. Ik wil nader bekijken of er aanvullende
beleidsacties nodig zijn op het onderwerp «eigendom van data». Wanneer dit het geval
is wil ik deze in het actieprogramma verder concretiseren.

4

Bent u van plan kaders te scheppen voor het eigendom en delen van data? Zo ja, waar
denkt u dan aan?

Antwoord

In de datadeelvisie van de Nederlandse overheid1 wordt een kader geschetst voor het kansrijk én verantwoord delen van data tussen
bedrijven. Dit kader rust op drie basisprincipes: Datadeling komt bij voorkeur vrijwillig
tot stand; Datadeling komt zo nodig verplicht tot stand; Mensen en bedrijven houden
grip op gegevens.

In de datadeelvisie staat verder aangegeven dat vakdepartementen deze visie verder
kunnen versterken en faciliteren.

In de agrarische sector bestaan sinds enige tijd initiatieven om zeggenschap over
data te borgen in contracten tussen agrarisch ondernemers en toeleveranciers. Voorbeelden
daarvan zijn de Gedragscode Datagebruik Akkerbouw2 (op verzoek van de akkerbouwsector opgesteld door Brancheorganisatie Akkerbouw) en
de Europese Code of Conduct on Agricultural Data Sharing by Contractual Agreement3 (onder meer opgezet door COPA-COGECA4). Momenteel wissel ik in Europees verband van gedachten over de bijdrage van dergelijke
initiatieven aan de datapositie en datasoevereiniteit van de boer, teler en tuinder.
Afgelopen najaar is tevens een boeren-datacoöperatie opgericht die er naar streeft
boeren meer regie op hun data te geven.

Ik wil uitzoeken of deze initiatieven voldoende bijdragen aan grip op data vanuit
het perspectief van agrariërs. Wanneer dit onvoldoende het geval blijkt, bekijk ik
welke acties nog nodig zijn en neem ik deze op in het actieprogramma.

Vooruitlopend hierop ondersteun ik de ontwikkeling van een datadeel-infrastructuur
in de open teelten waarbij de boer regie houdt over toegang en gebruik van zijn gegevens.
Deze datadeel-infrastructuur wordt gerealiseerd in de PPS Precisielandbouw 4.0 waarvan
fase 2 dit jaar van start gaat. Ervaringen in de melkveehouderij waar een machtigingensysteem
is gerealiseerd worden hierbij meegenomen. Zo mogelijk verbind ik bovengenoemde initiatieven
in een constructieve samenwerking.

5

In de knelpuntenanalyse van Nationale Proeftuin Precisielandbouw (NPPL) wordt het
ontbreken van zekerheid over verdienvermogen als een prioritair knelpunt geïdentificeerd.
Hier wordt geen activiteit voor beschreven. Hoe kan de zekerheid over het verdienvermogen
van de boer door het gebruik van big data vergroot worden? Wat is de rol van de overheid
hierin?

Antwoord

De Taskforce Verdienvermogen Kringlooplandbouw heeft in 2019 randvoorwaarden gesignaleerd
die cruciaal zijn voor een adequaat verdienvermogen voor kringlooplandbouw5. De randvoorwaarde waarbij big data een belangrijke rol kunnen spelen, betreft het
voldoende inzicht hebben in kringloopprestaties door meting en door onderlinge vergelijking
daarvan. Kritische prestatie-indicatoren (KPI’s) kunnen een basis bieden voor vergoedingen
voor geleverde maatschappelijke diensten. Hiermee worden in de praktijk binnen ketens
en op gebiedsniveau al eerste ervaringen opgedaan. Ik heb het initiatief genomen voor
en geef ondersteuning aan een project om de komende jaren toe te werken naar één integrale
set van KPI’s voor kringlooplandbouw.

Een ander onderdeel van de onzekerheid over het verdienvermogen is de onzekerheid
over de terugverdientijd van investeringen in nieuwe technologieën. De overheid ondersteunt
reeds boeren, tuinders en telers bij het overbruggen van deze onrendabele top, via
de fiscale MIA/VAMIL-regeling en voorheen via de provinciale POP3-regeling Productieve
Investeringen. Verder heb ik in de brief aan uw Kamer over de Contouren van het Omschakelprogramma
Duurzame Landbouw6 gemeld dat ik met dit Omschakelprogramma ondernemers via een aantal sporen wil ondersteunen
bij het omschakelen naar duurzame landbouw. In de loop van dit voorjaar wordt de pilot
van het Investeringsfonds Omschakeling operationeel, waarmee achtergestelde leningen
(risicodragend kapitaal) wordt versterkt aan agrarisch ondernemers die investeringen
doen voor een extensieve en/of meer circulaire bedrijfsvoering. In de loop van dit
jaar zal daarnaast ook een werkkapitaalregeling operationeel worden, die zich richt
op tijdelijke kasstroomverlichting tijdens de omschakelperiode.

Tot slot heb ik in de Vaststelling plattelandsontwikkelingsprogramma in de transitieperiode
(POP3+)7 aangegeven dat middelen uit het Economisch Herstelfonds (Next Generation EU) ingezet
worden voor twee landelijke regelingen gericht op precisielandbouw, water (waaronder
droogte en verzilting), digitalisering en natuurbeheer, waarmee respectievelijk investeringen
en samenwerkingsprojecten gericht op groen-economisch herstel kunnen worden gesubsidieerd.

6

Hoe kan de kwaliteit van data geborgd worden? Bent u van plan een keurmerk te (laten)
ontwikkelen en toezicht op het gebruik van data te organiseren?

Antwoord

Voor het borgen van de kwaliteit van data is het van belang dat de dataproducent een
goede beschrijving van de dataset vastlegt. Deze beschrijving (de metadata van de
data) moet voldoende inzicht bieden in bepaalde kwaliteitsaspecten zoals datum van
opname, de reden van inwinning, de bronhouder, de betekenis van de data, nauwkeurigheid
en de laatste validatie- of kalibratiedatum van de sensor of databron. Deze kenmerken
kunnen gebruikt worden om te beoordelen of een dataset geschikt is om te gebruiken
voor een (andere) toepassing («fit for use»).

Een ander aspect van datakwaliteit is het voldoen aan de FAIR-principes op data: zijn
de data vindbaar (Findable), toegankelijk (Accessable), uitwisselbaar (Interoperable)
en herbruikbaar (Reuseable). Het Ministerie van LNV publiceert locatiedata (geografische
data) waarvan het bronhouder is als open data op het rijksbrede data-platform Publieke
Dienstverlening op de Kaart (PDOK, Externe link:www.pdok.nl) volgens deze FAIR-principes.

De agro-sector is zelf actief aan de slag om de kwaliteit en uitwisselbaarheid van
agro gerelateerde data te vergroten. Partijen als Agroconnect en Floricode werken
aan standaardisatie van datamodellen en uitwisselingsprotocollen in verschillende
agrarische sectoren. Voor het verantwoord datagebruik in de keten heeft de akkerbouwsector
in 2017 het initiatief genomen voor een gedragscode8. Deze initiatieven sluiten goed aan bij de datadeelvisie van de Nederlandse overheid
waarin datadelen in sectoren bij voorkeur vrijwillig tot stand komt.

7a

Wat is de stand van zaken ten aanzien van de aandacht voor digitalisering in het onderwijs?

Antwoord

De aandacht voor digitalisering in het groene onderwijs is sterk toegenomen. Als gevolg
van de COVID-pandemie hebben de onderwijsinstellingen veel ervaringen opgedaan met
het digitaal verzorgen van onderwijs die ook in de toekomst van nut zullen zijn. Daarnaast
is steeds meer duidelijk dat integratie van digitalisering in de onderwijscurricula
noodzakelijk is voor aansluiting van het onderwijs op de digitale transitie in en
technologisering van de groene bedrijfspraktijk.

Met het Groenpact versnellingsprogramma digitalisering & technologisering wordt daarom
ingezet op het vergroten van digitale skills. Focus ligt op de sleuteltechnologieën
AI, big data, robotica en sensortechnologie én het inzetten van digitale skills voor
het oplossen van sectorspecifieke opgaven.

Onderwijsvernieuwing wordt gestimuleerd door het onderwijs te verbinden met innovatieprogramma’s
zodat het onderwijs meedoet in de frontlinie van de digitale vernieuwing. Dit gebeurt
bijvoorbeeld via learning communities, de ontwikkeling van nieuwe onderwijsmodules,
het uitvoeren van praktijkgericht onderzoek, participatie in fieldlabs zoals de Nationale
Proeftuin Precisielandbouw en de Boerderij van de Toekomst en deelname aan publiek
private samenwerkingsprojecten van de Topsectoren. Groenpact streeft naar een bredere
samenwerking zoals bijvoorbeeld met ICT Campus regio Food Valley, DataLab AgriFood
Growcampus, AI-Coalitie, OnePlanet, Delft AgTech en het World Horticenter. Ook mogelijkheden
die de digitaliseringsagenda MBO, het versnellingsplan «onderwijsinnovatie met ICT»
en het Techniekpact bieden worden benut.

7b

Hoe wordt geborgd dat iedereen beschikt over de benodigde kennis en expertise om met
datatechnologieën om te gaan?

Antwoord

In het kader van een leven lang ontwikkelen binnen het groene domein ondersteun ik
verschillende initiatieven waarin ook digitalisering een onderwerp is. Daarbij gaat
het onder meer om het Groen Kennisnet (GKN), het programma Kennis op maat (KoM) en
de Subsidiemodule agrarische bedrijfsadvisering en educatie (SABE). GKN wordt momenteel
doorontwikkeld tot een landelijk interactief digitaal platform waar kennis, ook over
digitalisering, uit verschillende bronnen worden verzameld en toegankelijk gemaakt
voor het onderwijs én andere doelgroepen in het groene domein zoals boeren, tuinders
en erfbetreders. KoM biedt, in samenwerking met de topsectoren Agrifood en Tuinbouw
& Uitgangsmaterialen, de mogelijkheid om bestaande kennis uit onderzoek en de praktijk,
ook op het vlak van digitalisering, te vertalen naar handelingsperspectieven voor
MKB’ers en het onderwijs. De SABE biedt agrarische ondernemers de mogelijkheid om
cursussen te volgen of advies in te winnen over verduurzaming van de landbouw. Precisielandbouw
is één van de thema’s waarvoor vouchers kunnen worden aangevraagd. Daarmee kan advies
worden gefinancierd over bijvoorbeeld datagericht werken of autonome en precisietechnieken.

In de brief die ik naar aanleiding van de motie van het lid Bromet (Kamerstuk 35 570 XIV, nr. 28) heb toegezegd over GroenPact en de Green Deal Natuur-inclusieve Landbouw Groen Onderwijs
zal ik ook aandacht besteden aan digitalisering in het onderwijs en kennisdeling.

8

Maakt de Nederlandse Voedsel- en Warenautoriteit (NVWA) momenteel gebruik van data
voor het houden van toezicht op bedrijven? Maakt de NVWA daarbij ook gebruik van algoritmes?
Hoe is het toezicht op het gebruik van deze algoritmes georganiseerd?

Antwoord

De NVWA maakt gebruik van data voor het houden van toezicht op bedrijven. Naast data
door de NVWA zelf verzameld bij o.a. het uitvoeren van inspecties, maakt de NVWA gebruik
van data verzameld door andere (overheids)organisaties. De NVWA maakt alleen gebruik
van data waar zij ook bevoegd over mag beschikken en toepassen, ook als deze data
zijn ingewonnen door andere (overheids)organisaties.

De NVWA maakt daarbij intern gebruik van algoritmes om redenen van effectiviteit en
efficiency. Zonder de inzet van specifieke algoritmes is het namelijk niet mogelijk
om grote hoeveelheden beschikbare data effectief te verwerken.

In het recente rapport «Aandacht voor algoritmes» van de Algemene Rekenkamer wordt
geconstateerd dat binnen de rijksoverheid relatief eenvoudige algoritmes worden ingezet.
De Rekenkamer adviseert het kabinet onder meer om algoritmes transparanter te maken
en potentiële risico’s over algoritmes bespreekbaar te maken en heeft daarvoor een
toetsingskader ontwikkeld. De NVWA gaat het toezicht op het gebruik van algoritmes
organiseren conform deze adviezen en richtlijnen. Uitgangspunt voor de NVWA is dat
informatie verkregen uit het gebruik van algoritmes nooit gebruikt mag worden zonder
beoordeling door een daarvoor opgeleide medewerker (human-in-the-loop).

9

Maakt de NVWA gebruik van gebiedsgebonden analyses op basis van big data? Zo ja, kunt
u hier voorbeelden van beschrijven?

Antwoord

Ja.

Hierbij twee voorbeelden:

a. De NVWA heeft een wettelijke taak in het voorkomen, monitoren en bestrijden van de
verspreiding van quarantaineorganismen in bossen in Nederland. In het verleden liepen
de inspecteurs een willekeurige route door een bosperceel, nu verzamelt de NVWA hiervoor
satelliet- en dronedata en analyseert hieruit minder vitale bomen. Deze bomen worden
vervolgens door de inspecteur bezocht en zo nodig bemonsterd. De NVWA kan hierdoor
inspecteurs risicogericht en kennis gedreven inzetten.

b. De NVWA controleert de verplichte teelt van «vanggewas» met behulp van satellietdata.
De agrarisch ondernemer (teler) is verplicht om, nadat de mais is geoogst op zand-
en lössgronden zich te houden aan de verplichte teelt van een zogenoemd «vanggewas»
om uitspoeling van stikstof naar de bodem te voorkomen. Dit gebeurt met behulp van
satellietdata. De satellietdata laat zien of het maisperceel is geoogst en of er een
«vanggewas» opkomt. De inspecteur kan op basis van deze data gerichter een maisperceel
bezoeken waar mogelijk geen «vanggewas» wordt geteeld.