Nalevingsmodel melkveewelzijn

Nederlandse Voedsel- en Warenautoriteit (NVWA)

De NVWA controleert of melkveehouders hun dieren voldoende verzorgen. Ze moeten zich houden aan de regels van dierenwelzijn. Dit algoritme helpt bedrijven zoeken waar de risico’s het grootst zijn.

Laatst gewijzigd op 22 mei 2026 om 11:05 | Publicatiestandaard 1.0

• Publicatiecategorie: Impactvolle algoritmes
• Impacttoetsen: Veld niet ingevuld.
• Status: In gebruik

Algemene informatie

Thema

Economie

Begindatum

2025-03

Contactgegevens

https://www.nvwa.nl/over-de-nvwa/contact

Link naar publiekspagina

Nog niet bekend

Verantwoord gebruik

Doel en impact

Dit algoritme is bedoeld om de tijd van onze inspecteurs zo nuttig mogelijk te gebruiken. Op dit moment voeren we bijvoorbeeld controles uit bij

1. Bedrijven die door het toeval zijn geselecteerd. Zo houden we goed zicht op hoe het gaat bij melkveebedrijven in het algemeen.
2. Bedrijven waarover een melding is binnen gekomen, omdat er mogelijk dieren slecht behandeld worden. Deze meldingen kunnen door burgers, dierenartsen of andere bedrijven gedaan worden.
3. Bedrijven die op basis van risicofactoren geselecteerd worden, zoals bijvoorbeeld een hoge kalversterfte.

Verder willen we vooral bedrijven inspecteren waar de kans groter lijkt dat de regels niet gevolgd worden. Dit algoritme helpt zulke bedrijven te vinden. Daarna volgt een inspectie zoals we die altijd doen. Het leidt ertoe dat we meer inspecties doen bij bedrijven waar mogelijk iets aan de hand is, en minder bij bedrijven waar alles goed gaat. Inspecteren waar de risico's het grootst lijken moet van de wet; met dit algoritme kunnen we dat beter doen.

Afwegingen

Dit algoritme helpt ons bedrijven te vinden waar de kans groter is dat ze zich niet houden aan de regels voor dierenwelzijn. Bij overtredingen kunnen we ingrijpen en zorgen dat de situatie verbetert. Dat is een groot voordeel. Het algoritme zorgt er ook voor dat we zeker weten dat we voor alle bedrijven de risico's op dezelfde manier berekenen, met informatie die we daarvoor mogen gebruiken. Dat is ook een voordeel.

Een mogelijk nadeel is dat het algoritme leert van eerdere inspecties. Dat zou er toe kunnen leiden dat het algoritme telkens dezelfde type bedrijven voorstelt, of juist overslaat.

Een ander mogelijk nadeel is dat inspecteurs misschien meer problemen zien als ze weten dat ze een inspectie uitvoeren op een bedrijf dat geselecteerd is door een algoritme. Dat zou er toe kunnen leiden dat op sommige bedrijven meer overtredingen worden gevonden omdat het algoritme ze beter kan vinden, niet omdat ze zich slechter houden aan de wet. Maar omdat we weten dat deze risico's er zijn, hebben we ook maatregelen hiertegen genomen.

We zijn van mening dat alles bij elkaar de voordelen groter zijn dan de nadelen.

Menselijke tussenkomst

Dit algoritme voorspelt voor elk bedrijf met minimaal 20 melkkoeien de kans dat het zich niet aan de regels voor dierenwelzijn houdt. Van de bedrijven met de hoogste kansen maken we een lijst om te inspecteren. Het aantal bedrijven voor de uiteindelijke controles wordt bepaald door mensen, en ook deze lijst zelf wordt met de hand gecontroleerd. Als we mogelijke fouten of verbeteringen ontdekken, passen we het algoritme aan of corrigeren we de lijst met bedrijven. Vervolgens wordt elk bedrijf op de lijst bezocht door een inspecteur. Het algoritme geeft alleen advies over welke melkveebedrijven geïnspecteerd moeten worden. Het algoritme neemt geen beslissingen en geeft geen advies over de inspectie zelf.

Risicobeheer

Zoals we eerder schreven, zien we twee belangrijke risico's bij gebruik van dit algoritme. Het eerste is dat we sommige type melkveebedrijven misschien te vaak of juist te weinig inspecteren. Om dit te voorkomen, nemen we verschillende maatregelen. Ten eerste blijven we altijd inspecties doen bij melkveebedrijven die door het toeval zijn uitgekozen. Zo controleren we of het algoritme echt helpt meer problemen op te sporen dan we anders zouden doen. Ten tweede vergelijken we de lijst melkveebedrijven die het algoritme voorstelt met de lijst van alle melkveebedrijven die er zijn. Als we merken dat het algoritme niet goed genoeg meer voorspelt waar er problemen zijn, of altijd hetzelfde type bedrijven uitkiest of overslaat, dan verbeteren we het, of gebruiken we het niet. Daarnaast vragen we inspecteurs om hun ervaringen op basis van de uitgevoerde inspecties te delen. Hun feedback helpt ons om het algoritme verder te verbeteren.

Het tweede risico is dat het algoritme invloed zou kunnen hebben op wat inspecteurs denken van de bedrijven die ze controleren. Om te zorgen dat dit zo weinig mogelijk gebeurt, leggen we goed uit dat het algoritme alleen een kans berekent. Dat een melkveebedrijf door het algoritme is voorgesteld, betekent echt niet dat er iets aan de hand is; alleen dat het lijkt op melkveebedrijven waar we eerder een probleem hebben gevonden.

In het algemeen denken we dat de risico's van het algoritme klein zijn. Er is veel menselijke controle; en het totale aantal bedrijven dat op advies van het algoritme wordt geïnspecteerd is niet groot.

Wettelijke basis

1. De Wet Dieren
2. Besluit houders van dieren

Links naar wettelijke basis

• De Wet Dieren : https://wetten.overheid.nl/BWBR0030250/
• Besluit houders van dieren : https://wetten.overheid.nl/BWBR0035217/

Werking

Gegevens

Het algoritme gebruikt gegevens uit 3 bronnen:

1. Onze eigen inspectie resultaten,
2. het systeem waarin melkveehouders de geboorte, verplaatsing en sterfte van hun dieren moeten melden ('I&R'),
3. de 'landbouwtelling', waarin alle boeren jaarlijks de kenmerken van hun bedrijf moeten opgeven

Links naar gegevensbronnen

• I&R : https://www.rvo.nl/onderwerpen/identificatie-en-registratie-dieren/runderen-melden
• Landbouwtelling: https://www.rvo.nl/onderwerpen/gecombineerde-opgave

Technische werking

Het algoritme is tot nu toe bij elk gebruik vernieuwd. Daarbij worden verschillende supervised machine learning technieken met elkaar vergeleken en de best voorspellende gekozen. We gebruiken deze technieken om automatisch de samenhang te leren tussen bedrijfskenmerken en inspectieresultaten. Daarvoor verdelen we alle beschikbare inspecties in een trainingset en een testset. Met de inspecties in de trainingset wordt de samenhang geleerd; met de inspecties in de testset wordt getoetst of de berekende samenhang ook voorspellend is voor inspecties die het algoritme niet eerder gezien heeft.

Leverancier

Het algoritme is door de NWVA zelf gemaakt.