Waar sta je op dit moment? Welke impact heb je al gerealiseerd?
Sinds de eerste winkel in de zomer van 2024 zijn we gegroeid naar vijftien locaties in Amsterdam, Utrecht, Den Haag en Rotterdam. De DropBot staat in onze winkels en de Droppie-app is de spil van elke inlevering.
Wat dat tot nu toe heeft opgeleverd (stand september 2026, uit onze eigen registratie):
>85 duizend droppers hebben samen ruim 300 duizend drops gedaan;
>15 miljoen statiegeldverpakkingen ingezameld
>600 duizend kilo materiaal ingezameld voor hergebruik en recycling: >330 duizend kilo textiel, >160 duizend kilo kleine elektronica, >100 duizend kilo plastic verpakkingen en 12 duizend kilo frituurvet, plus boeken, koffiecups en andere kleine stromen;
Waar zit volgens jou de innovatie van je project?
De innovatie van Droppie zit niet in één uitvinding maar in een combinatie die in Nederland nieuw is.
We digitaliseren afval op productniveau: demystifying waste.
Waar bestaande statiegeld- en afvalsystemen afval behandelen als een anonieme massastroom (kilo’s, tonnages, containers), maken wij zichtbaar wát er precies wordt weggegooid of ingeleverd: welk product, van welk merk, in welke verpakking. De innovatie zit in de granulariteit van die data en in hoe we die ophalen, activeren en verzilveren binnen de keten. Dat doen we op vier niveaus.
1. De DropBot: herkenning op het inleverpunt
De inleverautomaat fotografeert wat er op de band ligt, herkent via beeldherkenning om welke afvalstroom het gaat, weegt het materiaal en registreert de drop op de persoonlijke QR-code van de dropper die direct de beloning in de app ziet. Per drop ontstaat zo een datapunt met stroom, gewicht, plaats én tijd. De innovatie hier is niet één technologie op zich (AI, computer vision en sensoren bestaan al), maar de combinatie ervan in een toepassing die nog niet bestond: een laagdrempelig, persoonlijk buurtinzamelpunt met directe feedback en beloning.
2. De Reverse Shopping Basket: herkenning op huishoudniveau
Waar de DropBot herkenning naar de winkel/buurt brengt, brengen we met de Reverse Shopping Basket diezelfde herkenning naar het huishouden zelf. De dropper scant thuis de barcode van een verpakking; de app zoekt het product op naam, merk, foto én materiaal in een database van ruim 20 miljoen producten, en registreert het moment waarop het item daadwerkelijk wordt ingeleverd. Daarmee individualiseren we afvalherkenning tot op het niveau van één specifieke verpakking in één specifiek huishouden.
3. Het gedragsmodel: van plicht naar routine
De echte innovatie stopt niet bij herkenning; die zit ook in hóe we gedragsverandering realiseren. Wij behandelen recyclen niet als een aparte plicht, maar bouwen het in bestaande routines in: op je vaste rondje, naast de supermarkt, waar je toch al een pakket ophaalt of je statiegeld inlevert. Wie er komt voor het één, neemt het ander mee. Directe beloning, gamificatie en persoonlijke begeleiding maken van een eenmalige actie een gewoonte. Daarmee lossen we het écht knelpunt op niet de bereidheid van mensen om te recyclen (die is er meestal wel), maar de ervaring die dat nu nog te omslachtig maakt.
4. De ketenpositie bronscheiding als verdienmodel
Droppie positioneert zich bewust tussen consument, producent en recycler. Door schone, gescheiden stromen te leveren mét de bijbehorende product- en merkdata, maken we het voor producentenorganisaties en recyclers aantrekkelijk om te betalen voor kwaliteit. Dat verandert bronscheiding van een kostenpost in een verdienmodel en dát is wat het systeem schaalbaar maakt, los van subsidies of goodwill.
Waarom dit samen de kern van de innovatie is:
Twee ingangen, één datamodel. Of iemand nu thuis scant (Reverse Shopping Basket) of bij de DropBot inlevert, elk moment levert hetzelfde soort merk- en SKU-specifieke datapunt op met stroom, gewicht, plaats en tijd.
Van geanonimiseerd naar geïdentificeerd afval. In plaats van “we hebben X ton plastic opgehaald” weten we nu welke verpakking van welk merk, waar, wanneer en door wie wordt ingeleverd.
Gedrag activeren, niet alleen meten. Door herkenning te koppelen aan directe beloning en in te bedden in bestaande routines, maken we van losse acties een gewoonte het knelpunt zit in de ervaring, niet in de intentie.
De ontbrekende schakel tussen consument en producent. Merken krijgen voor het eerst zicht op hoe hun verpakking zich ná aankoop gedraagt nu een blinde vlek in de keten.
Data met verdienmodel. Onze ketenpositie tussen consument, producent en recycler maakt schone, herleidbare stromen commercieel waardevol wat het systeem schaalbaar maakt zonder afhankelijk te zijn van subsidie.
Kortom: de innovatie is dat we afval demystificeren door het te digitaliseren op productniveau (DropBot en Reverse Shopping Basket), gedragsverandering te verankeren in bestaande routines in plaats van nieuwe verplichtingen te creëren, en onze positie tussen consument, producent en recycler te benutten om bronscheiding om te zetten in een verdienmodel. Zo slaan we een brug tussen individueel consumentgedrag en de circulaire keten iets wat met traditionele, gewicht-gebaseerde inzameling nooit mogelijk was.
Waar ga je het geld voor gebruiken?
Waar ga je het geld voor gebruiken?
Het grootste deel van de investering gaat naar de doorontwikkeling van onze beeldherkenning van het huidige niveau, waarop we grofweg onderscheid maken tussen materiaalstromen (plastic, drankenkarton etc), naar herkenning op productniveau: welk merk, welke verpakking, welke SKU.
Dat is een fundamentele stap, geen incrementele verbetering. Op dit moment kan de DropBot zien dát er een pakje sap wordt ingeleverd; het doel is dat hij herkent dát het een pak van merk X, in verpakkingsvariant Y is net zoals de Reverse Shopping Basket dat nu al doet via barcode-scanning thuis. Om dat óók bij de DropBot te bereiken, zonder dat de dropper zelf hoeft te scannen, is verdere training van het beeldherkenningsmodel nodig: meer trainingsdata, betere modellen voor vervormde, vieze of gedeeltelijk zichtbare verpakkingen, en integratie met onze productdatabase van 20+ miljoen artikelen.
Waarom dit de kern van de investering is:
Het is de motor achter onze belangrijkste databelofte. Onze innovatie draait om het digitaliseren van afval op productniveau inzicht in wélke verpakking van wélk merk daadwerkelijk wordt ingeleverd, waar en hoe vaak. Zonder merkherkenning op de DropBot blijft die data onvolledig voor alles wat niet vooraf thuis is gescand.
Het maakt gedragsinzicht compleet. Merkherkenning bij ínlevering (niet alleen bij scannen thuis) geeft ons voor het eerst zicht op het volledige recyclinggedrag van een gebruiker ook de spontane, ongeplande drops die niet via de Reverse Shopping Basket lopen. Dat is essentieel om gedragspatronen te begrijpen en gericht te kunnen belonen en bijsturen.
Het versterkt onze ketenpositie. Hoe preciezer en vollediger onze data op merkniveau, hoe waardevoller die is voor producenten en recyclers — en hoe sterker het verdienmodel waarmee we bronscheiding schaalbaar maken.
Kortom: het geld investeren we in de technologie die onze belofte demystifying waste ook waarmaakt op het inleverpunt zelf, niet alleen thuis. Dat is de ontbrekende schakel om consumentgedrag volledig en op productniveau in kaart te brengen.