Source.ag neemt Optimal over voor autonome kassturing

Source.ag neemt de Londense AI-kasstartup Optimal over en voegt autonome klimaatsturing van verwarming, ventilatie en belichting toe aan zijn platform voor commerciële kassen, meldt het bedrijf op 9 oktober.

Bij de eerste klanten in Europa en Noord-Amerika komt straks naast gewasmonitoring en oogstvoorspelling ook automatische klimaatsturing die bestaande apparatuur bijregelt. De uitrol staat gepland voor winter 2026-27. Source.ag heeft nog niet bekendgemaakt welke gewassen en klimaatcomputers als eerste meekunnen.

Optimal stuurt de hele kas aan

Optimal gebruikt eigen natuurkundige modellen van gewas en kas, gecombineerd met machine learning. Het systeem maakt dagen vooruit een klimaatplan en rekent dat opnieuw door als het weer verandert. Via bestaande kasapparatuur kan het verwarming, ventilatie, schermen, belichting, CO₂-dosering en irrigatie aansturen. Het gaat om voorspellende regelsoftware: de modellen bepalen streefwaarden voor de kas en sturen opdrachten naar fysieke systemen.

Source.ag monitort al gewassen, voorspelt oogsten weken vooruit en automatiseert irrigatie. Optimal voegt autonome klimaatregeling toe, waaronder verwarming, ventilatie, schermen, belichting en CO₂. Het kan ook irrigatie aansturen. Daarmee ontstaat één gesloten regelkring die de plant volgt, de omstandigheden vooruit rekent en de apparatuur bijstelt. De volledige technische ploeg van Optimal gaat mee naar Source.ag. Oprichter Dave Hunter wordt vicepresident Autonomous Control.

Source.ag zegt dat zijn software al in meer dan 500 kassen in 25 landen draait. Het platform ondersteunt volgens het bedrijf jaarlijks 2,5 miljard euro aan productie van tomaat, paprika en komkommer en werkt met 13 van de 25 grootste hightech telers wereldwijd. Dat bestaande klantenbestand vormt de mogelijke route voor de nieuwe regeling, maar de aankondiging zegt niet hoeveel telers die gaan gebruiken. Source.ag wil de AI-suite later uitbreiden naar meer gewassen en regio’s.

De overname koppelt voorspelling aan actie

De toegevoegde techniek draait niet om een chatbot die telers advies geeft. Optimal combineert natuurkundige kasmodellen met machine learning om te berekenen hoe een gewas reageert op licht, temperatuur, vocht en CO₂. Het systeem plant het klimaat dagen vooruit en past de instellingen aan zodra weersverwachting of omstandigheden in de kas veranderen. Omdat het bestaande apparatuur aanstuurt, hangt de inzet ook af van aansluiting op de klimaatcomputer, sensoren en installaties die een teler al gebruikt.

Source.ag presenteert de deal als antwoord op het tekort aan ervaren telers dat uitbreiding van kassen kan afremmen. De overname brengt de ontwikkelaars en software van Optimal in een platform dat al bij honderden kassen wordt gebruikt. Dat kan de verspreiding versnellen, maar Source.ag heeft geen prijs, contractvoorwaarden of lijst met compatibele installaties bekendgemaakt. Ook staat niet hoeveel menselijke controle de eerste klimaatregeling tijdens een teelt vraagt.

Dezelfde beweging van AI naar fysieke uitvoering speelt in andere sectoren. AI op de productielijn inzetten voor kwaliteitscontrole, onderhoud en planning brengt modellen dichter bij de machines die ze moeten beïnvloeden. En Danaher plant een autonoom AI-lab dat antilichamen en andere reagentia ontwerpt, maakt en test, met opschaling begin 2027 als doel. De kas verschilt van een fabriek of laboratorium, maar de bedrijfsopgave is vergelijkbaar: data moet betrouwbaar genoeg zijn om een fysiek proces bij te sturen.

De proefresultaten komen uit één kas

Source.ag meldt dat Optimal in één commerciële kas in Nederland 13 procent meer opbrengst haalde en 27 procent minder energie verbruikte dan een Nederlandse referentieteler. Goedemorgen Sierteelt publiceert dezelfde resultaten en meldt dat het systeem daarna ook in commerciële bedrijven in Nederland en Canada draaide. Als beide percentages dezelfde proefperiode en referentie gebruiken, komt de combinatie rekenkundig neer op ongeveer 55 procent meer opbrengst per verbruikte energie-eenheid. Dat is een afgeleide berekening, geen aparte prestatiemeting van Source.ag.

De aankondiging specificeert niet welk gewas in die kas stond, hoe lang de proef liep, hoe de Nederlandse benchmark is gekozen of hoe de meting is uitgevoerd. Er staat geen onafhankelijke evaluatie bij. Goedemorgen Sierteelt herhaalt de cijfers van het bedrijf, zodat ze een concrete bedrijfsclaim uit één kas blijven en nog geen maatstaf voor iedere teelt of installatie vormen.

Voor een glastuinbouwer tellen opbrengst en energie samen, maar ze zeggen nog niet wat een installatie financieel oplevert. Daarvoor zijn onder meer gewasprijs, energietarief, investerings- en onderhoudskosten en eventuele kwaliteitsverschillen nodig. Source.ag maakt die gegevens niet bekend. De gemelde percentages geven dus een reden om de techniek te volgen, maar geen berekening van de terugverdientijd.

De markttoets ligt bij herhaalbaarheid

Autonome klimaatregeling is al langer onderwerp van praktijkonderzoek. Wageningen University & Research organiseert de Autonomous Greenhouse Challenge sinds 2018; teams hebben er onder meer komkommers, tomaten en sla autonoom geteeld. In de editie van 2024-2025 beheerden teams volledige tomatenteelten. De challenge laat zien welke systemen teams autonoom besturen: licht, verwarming, CO₂, irrigatie en bemesting. De stap van onderzoeksproef naar een product dat via bestaande apparatuur bij klanten draait, blijft daarmee de commerciële vraag.

Voor Source.ag ligt er al een platform met honderden kassen waarop het bedrijf kan voortbouwen. Het bedrijf heeft niet genoemd bij hoeveel klanten de nieuwe klimaatregeling als eerste live gaat. De relevante meetlat wordt of de opbrengst- en energieresultaten standhouden bij verschillende gewassen, seizoenen en klimaatinstallaties. Voor Nederlandse telers zit de zakelijke waarde in die herhaalbaarheid, plus de aansluiting op hun huidige kas en de mate waarin de teler zelf kan ingrijpen.