Künstliche Intelligenz in der Lebensmittelindustrie

03.09.2020

Künstliche Intelligenz + Lebensmittelindustrie

Die Lebensmittelindustrie profitiert schon heute von den Vorteilen der Künstlichen Intelligenz. Aber die Entwicklung ist im vollen Gange. Sie wird von der Wissenschaft mit zahlreichen Projekten gefördert, die neue Perspektiven eröffnen und Hindernisse auf dem Weg zu einer effizienten Lebensmittelproduktion und Lieferung beseitigen. Gemeinsam ist allen Projekten, dass durch die Nutzung von KI das gesamte Verfahren optimiert und Lebensmittelabfälle vermieden werden.

Vermeidung von Überproduktion

Das Problem ist bekannt: Jedes Jahr werden allein in Deutschland mehrere Millionen Tonnen Lebensmittel weggeworfen. Aber wie lassen sich Überproduktion und Ausschuss in den Bereichen Backwaren, Milch- und Fleischprodukte reduzieren? Das Förderprojekt REIF der Hochschule Augsburg hat sich zum Ziel gesetzt, Verschwendungen entlang der Food Chain zu entdecken und zu bekämpfen. Und dabei setzt es auf Maschinelles Lernen.

  • Künstliche Intelligenz hilft bei einer genauen, das heißt auch kurzfristigen, Prognose der Konsumentennachfrage.
  • Diese Vorhersagen versetzen die Lebensmittelindustrie in die Lage, die Produktionsstruktur und Logistik effizienter auszurichten.

Eine möglichst zuverlässige Prognose der schwankenden Nachfrage ist der Schlüssel zur Behebung des Problems der Überproduktion und Überbelieferung. Lebensmittelkonzerne produzieren im Zweifel lieber zu viel als zu wenig. Denn wirtschaftlich gesehen sind leere Regale gefährlicher als überflüssige Belieferungen.

Mithilfe von KI werden Zusammenhänge zwischen Nachfrage und anderen Faktoren aufgedeckt, die sonst verborgen bleiben. Man denke nur an saisonale oder wetterbedingte Einflüsse, die die Nachfrage nach bestimmten Lebensmitteln beeinflussen. Künstliche Intelligenz ist in der Lage, auch bisher unentdeckten Zusammenhängen auf die Spur zu kommen – und daraus die richtigen Schlüsse zu ziehen.

Trainingsdaten für maschinelles Lernen? Die Crowd liefert zuverlässigen Input mit Mehrwert für Ihr KI-Projekt.

Mit Lebensmittel-Daten Gewinne erzielen

Was sind Daten über Lebensmittel wert? Sehr viel. Insbesondere dann, wenn diese Informationen mittels Künstlicher Intelligenz für handfeste Prognosen verwendet werden. Diese Vorhersagen helfen nicht nur der Lebensmittel-Industrie dabei, die Produktion zu optimieren. Auch Finanz- und Versicherungskonzerne, die auf dem globalen Markt für Rohstoffe und Lebensmittel tätig sind, profitieren davon.

Das Projekt EVAREST hat sich zum Ziel gesetzt, eine Plattform aufzubauen, die alle diese Daten zur Verfügung stellt. An diesem Projekt arbeiten das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI), das CISPA-Helmholtz-Zentrum und die Universität des Saarlandes.

Mit KI wird eine unübersehbar große Menge von relevanten Daten erfasst und analysiert:

  • Rohstoffe, die für die Lebensmittelerzeugung wichtig sind,
  • Lieferketten und Transportwege,
  • Qualitätskontrollen,
  • Nachfrageentwicklung.

Die Verknüpfung dieser Informationen optimiert die Effizienz in der Lebensmittelversorgung an jedem Punkt der Erzeugungs- und Lieferkette. Und es ist klar, dass diese Daten und deren professionelle Analyse zu einer stark nachgefragten Handelsware werden.

Lebensmittel online – dank KI ökologisch korrekt

Der Online-Handel boomt – aber im Bereich Lebensmittel setzen die meisten Verbraucher immer noch unbeirrt auf den Supermarkt um die Ecke. Keine Frage: Die Online-Bestellung von Lebensmitteln – ohne diese vorher in der Hand zu halten – setzt ein großes Vertrauen aufseiten des Verbrauchers voraus. Zudem sind die weiteren Transportwege beim Online-Versand ökologisch bedenklich. Aber auch an diesen Punkten hilft Künstliche Intelligenz.

Dass Künstliche Intelligenz in der Logistik eine immer größere Rolle spielt, ist bekannt. KI verkürzt Lieferwege und Lieferzeiten, indem sie Tools zur Verfügung stellt, die in Echtzeit auf die jeweilige Verkehrssituation reagieren. Dazu setzt KI die Lager- und Nachfragestandorte in ein optimales Verhältnis und senkt den Ressourcenverbrauch in der Lieferkette. Die Vermeidung von Staus und zu langen Lieferwegen macht die Versorgung mit Lebensmitteln vor die Haustür (oder an nahegelegenen Abholstationen) ökologisch effizienter und durch kürzere Lieferzeiten auch für den Konsumenten attraktiv.

Lebensmittel-Tools für den Verbraucher

Eine alltägliche Situation: Ein Blick in den Kühlschrank hinterlässt zunächst einmal Ratlosigkeit:

  • Welche Lebensmittel sind noch frisch?
  • Und welche Rezepte gibt es, die aus den vorhandenen Lebensmitteln leckere Speisen zaubern – und das ohne neuen Zukauf?

Mehr und bessere Informationen über jedes einzelne Lebensmittel helfen dem Verbraucher bei der Eindämmung von Food Waste. Das Projekt Fresh Analytics arbeitet genau an diesem Problem. Fünf Kooperationspartner entwickeln Lösungen für die Sammlung und Auswertung komplexer lebensmittelrelevanter Daten. Diese könnten zum Beispiel als Grundlage für einfache Apps dienen, die Gutes von Schlechtem aussortieren und auf der Basis des aktuellen Kühlschrank-Inhalts Menüvorschläge erstellen.

Eine weitere Möglichkeit, die sich aus dieser Datenbasis ergibt, sind dynamische Preismodelle, mit denen die Händler auf Ablaufdaten flexibel und zeitnah reagieren können. Der Zugriff auf haltbarkeits- und andere relevante Daten von Lebensmitteln schafft somit einen Mehrwert für Händler, Verbraucher und die Umwelt.

Ökonomie oder Ökologie? KI löst Widersprüche auf

Die Entwicklung der Lebensmittelbranche geht dank der intelligenten Analyse von Daten in eine zukunftsfähige Richtung. Es bleibt zu hoffen, dass alle an diesem Prozess Beteiligten die Vorteile der KI erkennen und im gesamten Bereich nutzen – von der Rohstoffbeschaffung über die Produktion bis zum Vertrieb und dem Verhalten des Endverbrauchers. Im Lebensmittelbereich dient KI damit zwei Zielen gleichzeitig: der Steigerung der wirtschaftlichen Effizienz und der Ökologisierung der Lebensmittelversorgung.

 

Dieser Artikel wurde am 03.September 2020 von Jan Knupper geschrieben.

avatar

Jan Knupper




Leave a Reply