Milieu Service Nederland (MSN) vernieuwt de manier waarop organisaties hun afval analyseren. Waar een restafvalanalyse traditioneel bestond uit het ophalen van een volle container, handmatig uitsorteren, wegen en rapporteren, werken wij inmiddels met drie technische analysevormen. Met de QuickScan maakt een accountmanager op locatie met een AI-tool een fotoanalyse en geeft direct een eerste indicatie van scheidingskansen. Met de SlimScan scant een AI-camera op de kraakperswagen het afval tijdens de reguliere lediging en categoriseert het afval automatisch. De nieuwste stap is DeepScan: camera’s op of in de Multi Afval Container (MAC) herkennen continu wat in iedere afvalstroom wordt weggegooid en maken deze data digitaal beschikbaar.
De echte vernieuwing ontstaat door deze analyses te combineren met de MSG-Trolley. De MSG-Trolley weegt tijdens de interne afvalroute hoeveel afval per ruimte, afdeling en afvalstroom vrijkomt. DeepScan laat vervolgens zien waaruit dat gewicht daadwerkelijk bestaat. Zo combineren we ‘waar en hoeveel ontstaat er?’ met ‘wat zit erin?’. Daarmee ontstaat een continu en veel fijnmaziger beeld van afval binnen een gebouw.
Het initiatief is door MSN ontwikkeld en gefinancierd, samen met technologiepartners en onze eigen teams voor logistiek, commercie, data/IT en duurzaamheidsadvies. Voor de SlimScan werken we onder andere met technologiepartner Rematics; voor continue cameradetectie met DeepScan. De data-integratie richting Power BI en klant-/afvalrapportages wordt verder ontwikkeld. We zijn er vooral trots op dat afvalanalyse daarmee verandert van een incidentele momentopname in een praktisch stuurinstrument.
Ecologische impact
Het project raakt direct aan circulariteit, grondstoffenbehoud en het verminderen van milieu-impact. Een organisatie kan pas gericht minder restafval produceren als duidelijk is waar het ontstaat, hoeveel het is en welke materialen er nog in zitten. De drie AI-analysemethoden maken de samenstelling van afval steeds sneller zichtbaar. De MSG-Trolley voegt daar gewicht en herkomst binnen het gebouw aan toe: per ruimte, afdeling, verdieping en afvalstroom.
Juist de combinatie maakt de impact meetbaar. Eerst kan een nulmeting worden uitgevoerd. Daarna volgt een gerichte interventie, bijvoorbeeld andere afvalpunten, betere signing, afvalcoaching, een aangepaste interne route of een extra gescheiden afvalstroom. Vervolgens meten we op hetzelfde niveau opnieuw. Zo wordt zichtbaar of het gewicht van het restafval afneemt én of de samenstelling daadwerkelijk verbetert. Het gaat dus niet alleen om rapporteren wat is ingezameld, maar om aantonen wat een maatregel oplevert.
Ook de uitvoering zelf wordt efficiënter. De SlimScan analyseert tijdens een reguliere lediging en vraagt geen apart transport of handmatig sorteerproces. DeepScan kan continu meten op het afvalpunt en de MSG-Trolley sluit aan op de bestaande interne inzamelroute. De eerste grootschalige klantpilots worden voorbereid; de gerealiseerde milieuwinst bij die pilots wordt vervolgens met nul- en her-metingen onderbouwd.
Maatschappelijke impact
De maatschappelijke waarde zit vooral in het begrijpelijk en toegankelijk maken van afvaldata. Afvalscheiding is vaak iets dat medewerkers ‘moeten doen’, terwijl ze nauwelijks terugzien wat het effect is. Met deze aanpak kunnen organisaties resultaten terugbrengen naar de werkvloer: welke afdeling produceert veel restafval, welke materialen worden verkeerd weggegooid en wat veranderde er na een campagne of interventie?
Dat maakt het mogelijk om medewerkers, schoonmaak, facilitair management en huurders rond dezelfde feiten te laten samenwerken. In multi-tenant gebouwen kan de MSG-Trolley bovendien inzicht geven per huurder of afdeling, waardoor prestaties onderling kunnen worden vergeleken en goede voorbeelden kunnen worden gedeeld. De verschillende scanvormen verlagen ook de drempel om te beginnen: van een gratis, snelle QuickScan tot een verdiepende SlimScan of continue meting. Zo wordt datagedreven afvalverbetering niet alleen iets voor organisaties met een groot analysebudget!
Zichtbaarheid
De oplossingen zijn zichtbaar en demonstrabel. De SlimScan wordt actief aangeboden aan klanten en via ons kenniscentrum en klantgesprekken onder de aandacht gebracht. DeepScan is in september 2026 geïnstalleerd in onze Afval Experience, waar klanten en partners de camera-oplossing live kunnen zien op verschillende typen Multi Afval Containers. Ook de MSG-Trolley wordt daar als praktische meetoplossing ingezet en toegelicht.
De kracht van de kennisdeling zit niet alleen in de techniek, maar vooral in wat je met de data doet. Accountmanagers, duurzaamheidsadviseurs en klanten gebruiken scanresultaten voor nulmetingen, verbeterprojecten en her-metingen. De data uit de verschillende oplossingen wordt verder gekoppeld aan Power BI en onze klant-/afvalrapportages, zodat inzichten steeds eenvoudiger gedeeld kunnen worden met facilitair management, directie en gebruikers. Via klantprojecten, ons kenniscentrum, de Afval Experience en onze deelname aan netwerken zoals Green Business Club Zuidas delen we de opgedane kennis actief.
Schaalbaarheid
De aanpak is sterk schaalbaar omdat de oplossingen afzonderlijk én gecombineerd inzetbaar zijn. Een organisatie kan beginnen met een QuickScan of SlimScan en later doorgroeien naar continue meting met DeepScan en de MSG-Trolley. De MSG-Trolley kan gericht per afdeling, verdieping, huurder of afvalstroom worden ingezet; DeepScan kan op bestaande afvalpunten worden aangebracht. Daardoor kan een pilot klein starten en daarna worden uitgebreid naar een volledig gebouw of meerdere locaties.
MSN is momenteel met meerdere grote organisaties, waaronder banken, in gesprek over pilots. Eén potentiële pilotlocatie betreft een groot kantoorgebouw met elf verdiepingen en 182 Multi Afval Containers. Wanneer een dergelijke pilot succesvol is, kan de oplossing direct op grote schaal worden toegepast en ontstaat een sterke referentie voor verdere uitrol. De verdere koppeling van de meetdata aan Power BI en klant-/afvalrapportages maakt het bovendien mogelijk om dezelfde werkwijze bij andere organisaties te herhalen en locaties onderling te benchmarken.
