Beyond Automation: Hoe Bieze Food Group en Cegeka de toekomst bouwen met Agentic AI en Hyperautomation

In een wereld waar digitale transformatie geen modewoord meer is, maar een noodzaak, nemen organisaties steeds vaker de volgende stap, hyperautomatisering, om operaties te stroomlijnen, efficiëntie te verhogen en nieuwe bedrijfswaarde te creëren. Tijdens de European Power Platform Conference (EPPC) 2025 deelden Cegeka's consultants Katinka van Luijn en Elwin van der Laan een overtuigend klantverhaal over hoe we samenwerkten met Bieze Food Group om precies dat te doen: beginnen met Azure AI en vervolgens het proces afstemmen met agents.

Benieuwd? Lees snel verder, in dit blogartikel belichten we de sessie en het verhaal.

Wat is Hyperautomation echt?

Hyperautomation is meer dan alleen het automatiseren van repetitieve taken. Het is een strategische, bedrijfsgerichte benadering om zoveel mogelijk bedrijfs- en IT-processen te identificeren, te beoordelen en te automatiseren. Hierbij wordt een reeks technologieën gecoördineerd: RPA, low-code platforms, AI, en process mining om end-to-end automatisering te creëren die intelligent, adaptief en schaalbaar is. In dit geval beslaat het hyperautomatiseringsproces meerdere jaren, wat zorgt voor een langetermijn- en evoluerende aanpak.

Zoals Katinka uitlegde: "Het gaat niet om meer doen, sneller. Het gaat om de juiste dingen doen met de juiste tools." Hyperautomatisering is van nature iteratief. Het is een cyclus van continue verbetering die zes belangrijke stadia omvat:

1. Centralize
2. Govern
3. Empower
4. Innovate
5. Orchestrate
6. Improve

De uitdaging: voedseletikettenchaos

Bieze Food Group, een Europees platform voor verse en diepvriesproducten, stond voor een groeiende uitdaging. Bij elke productlevering kwam een overvloed aan voedseletiketten, elk met cruciale informatie zoals voedingswaarden, ingrediënten en verpakkingsdetails. Deze gegevens moesten worden gedocumenteerd en ingediend bij het GS1-portaal, maar veel ervan ontbrak of was inconsistent. Handmatige verwerking was tijdrovend en foutgevoelig.

De kans? Gebruik AI om relevante gegevens uit deze etiketten te halen en het indieningsproces te automatiseren. Maar de complexiteit van voedselverpakkingen, variërende formaten, talen en symbolen betekende dat traditionele OCR-oplossingen niet voldoende waren.

De eerste stap: Azure AI en OCR

De eerste oplossing maakte gebruik van de OCR-mogelijkheden van Azure AI om gegevens uit voedseletiketten te halen. Deze informatie werd verwerkt via Power Automate en opgeslagen in Dynamics 365 en het GS1-portaal. Hoewel deze opzet een behoorlijke nauwkeurigheid (85-90%) bereikte, vereiste het uitgebreide handmatige training en had het moeite met nieuwe of ongestructureerde labelformaten 6.

Zoals Elwin opmerkte: "OCR werkt geweldig voor gestructureerde documenten zoals facturen. Maar voedseletiketten? Ze zijn overal. Verschillende lay-outs, lettertypen, pictogrammen: het is een nachtmerrie om voor elke variatie te trainen.

Enter agentic AI: een slimmere, flexibelere aanpak

Om deze beperkingen te overwinnen, experimenteerde het team met agentische AI, specifiek met het gebruik van prompt-gebaseerde modellen om gestructureerde gegevens uit labelafbeeldingen te halen. In tegenstelling tot OCR, dat afhankelijk is van vaste veldstructuren, kon agentische AI symbolen interpreteren, contextuele redeneringen uitvoeren en zich aanpassen aan nieuwe formaten zonder opnieuw te trainen.

De resultaten waren indrukwekkend. Met verfijnde prompts bereikte de agent bijna perfecte nauwkeurigheid, zelfs bij het herkennen van pictogrammen zoals magnetronsymbolen en Nutri-Scores. Het kon gestructureerde JSON-gegevens geven, voedingswaarden per portie berekenen en zowel tekst- als beeldinvoer verwerken.

Deze verschuiving van statische OCR naar dynamische agenten markeerde een keerpunt. "We hoefden geen model meer te trainen," zei Katinka. "Gewoon de prompt verfijnen, en de agent leerde ter plekke."

Het opzetten van flows

Met het agentic model op zijn plaats, integreerde het team het in Power Automate-flows, waarbij de Azure OCR-stap werd vervangen. Dit zorgde voor naadloze orkestratie van labelherkenning, gegevensextractie, validatie en GS1-indiening, allemaal binnen een enkele geautomatiseerde pijplijn.

De flexibiliteit van de agentic aanpak stelde ook niet-technische gebruikers in staat om bij te dragen. Zonder de noodzaak van modeltraining konden zakelijke gebruikers prompts aanpassen en outputs testen, waardoor feedbackloops werden verkort en innovatie werd versneld.

Van etiketten naar duurzaamheidsinzichten

Maar de reis stopte daar niet. Door de milieu-indicatoren die in voedseletiketten zijn ingebed (ingrediënten, portiegroottes, verpakkingsmaterialen) te herkennen, verkende het team hoe deze gegevens konden worden gebruikt voor CO₂-voetafdrukanalyse.

Door labelgegevens in kaart te brengen met externe databases zoals RIVM en Ecoinvent, kon de agent de uitstoot per product schatten. Bijvoorbeeld, een paprika-chili tortilla wrap met 45% groenten bleek ongeveer 0,43 kg CO₂-equivalent per 200g portie uit te stoten. Verrassend genoeg droeg paprika meer bij aan de uitstoot dan de wrap zelf.

Dit opende de deur naar nieuwe gebruiksscenario's:

• Leveranciers vergelijken op basis van milieu-impact
• Ingrediënten met hoge uitstoot markeren
• Alternatieven met lagere uitstoot voorstellen
• Sentimentanalyse combineren met duurzaamheidsstatistieken

Lessons learned en toekomstperspectief

De case van Bieze Food Group illustreert de kracht van hyperautomatisering in combinatie met agentische AI. Het gaat niet alleen om efficiëntie, maar om aanpassingsvermogen, intelligentie en continue verbetering.

Belangrijke inzichten uit het project zijn:

• Begin met gestructureerd denken, niet alleen met tools
• Gebruik AI waar het echte waarde toevoegt, vooral bij ongestructureerde gegevens
• Geef zakelijke gebruikers de macht met low-code tools en prompt-gebaseerde modellen
• Behandel automatisering als een iteratieve reis, niet als een eenmalig project
• Kijk verder dan procesoptimalisatie naar bredere effecten zoals duurzaamheid

Zoals Elwin concludeerde: "AI en hyperautomatisering zijn niet alleen tools, ze zijn enablers van innovatie. Ze helpen ons oplossingen te bouwen die met het bedrijf meegroeien."

Laatste gedachten

In een snel veranderende wereld hebben organisaties meer nodig dan automatisering: ze hebben intelligentie, wendbaarheid en visie nodig. De samenwerking tussen Cegeka en Bieze Food Group laat zien wat mogelijk is wanneer technologie strategie ontmoet, en wanneer innovatie wordt gedreven door echte uitdagingen.

Klaar om hyperautomation mogelijk te maken?
Hyperautomatisering is niet de toekomst. Het gebeurt nu en het verandert de manier waarop we werken, denken en bouwen. Wil je meer weten over hyperautomatisering? Ontdek hoe je hyperautomatisering mogelijk kunt maken met Power Platform.

Ben je benieuwd naar meer technische inzichten over hyperautomation? Bekijk dan onze vijfdelige Engelstalige videoserie Zero to Hyperautomation en leer hoe je de basis legt voor hyperautomation en de stap zet naar strategische automatisering.