Künstliche Intelligenz in der Lebensmittelindustrie

Gesellschaftliche Herausforderungen wie Nachhaltigkeit, Endkundenansprüche und Wettbewerbsfaktoren wie eine effektive Qualitätssicherung fordern von Unternehmen der Lebensmittelindustrie neue Lösungen. KI-basierte Dienste können nicht nur einzelnen Betrieben, sondern auch Wertschöpfungsnetzwerken helfen, diese umzusetzen.

Warum KI?

Der Vorteil von Verfahren auf Basis von Künstlicher Intelligenz (KI) liegt darin, dass sie komplexe Zusammenhänge erfassen, verarbeiten und neue Entwicklungen lernen sowie berücksichtigen können. So können sie Entscheidungen optimieren, bei denen übliche Prozesse an ihre Grenzen stoßen.

In der Bestandsüberwachung und einer intelligenten Logistik für Nachbestellungen sorgen KI-Dienste beispielsweise dafür, überfüllte Bestände zu vermeiden. Wetter- und Suchdienst-Daten können Kundenpräferenzen vorhersagen, wodurch die Verkaufsmenge geplant werden kann. An sonnigen Tagen wird zum Beispiel der Absatz von Grillgut höher sein, als in einer Regenperiode. In der Qualitätssicherung kommen Computer-Vision-Systeme zum Einsatz, die vor Abweichungen warnen und Korrekturen der Einstellungen empfehlen. Maschinelles Lernen, ein Teilgebiet von KI, wird auch von mittelständischen Unternehmen in der Maschinenüberwachung eingesetzt – so gibt die KI Empfehlungen, die Mitarbeitende dann einstellen können.

In außerordentlich komplexen Konstellationen kommen die Potenziale von KI jedoch besonders zum Tragen: dort, wo Unternehmen gemeinsam versuchen, gesellschaftlichen Herausforderungen zu begegnen. Auf Lebensmittel- und Ressourcenverschwendung wirken sich beispielsweise so viele Faktoren aus, dass intelligente Systeme nötig sind, um sie zu reduzieren. KI-Plattformen können hier Unternehmen in der Lebensmittelindustrie helfen, Verschwendungen zu minimieren und gleichzeitig Gewinne zu maximieren.

Wie funktioniert’s?

Eine Supermarktkette sammelt alle Daten, die für eine intelligente Optimierung der Plan- und Steuerbarkeit der Filialen erforderlich sind. Daraus wird ein virtuelles Abbild einer jeden lokalen Filiale erstellt, das die zukünftige Kaufentwicklung simulieren kann. Neben unternehmensinternen Zuständen und externen Einflüssen wie Google-Trends oder Wetterdaten, die eine Produktnachfrage vorhersagen, berücksichtigen die KI-Services auch das Einkaufsverhalten der Kund:innen je Filiale und Produkt, etwa ihre Reaktionen auf Preisanpassungen.

Durch die Simulation der Endfiliale erhält die Supermarktkette Informationen, durch die sie

  • die laut KI genau richtige Menge zum richtigen Preis vorrätig hat – beispielsweise, um Produkte nah am Mindesthaltbarkeitsdatum noch zu verkaufen – sowie
  • schneller auf externe Einflüsse wie lokale Veranstaltungen reagieren und
  • eine gewinnmaximierende Preisgestaltung der Produkte möglich machen kann.

Erst durch die KI-Verfahren mit datenintensiven Lernprozessen können filial- oder sogar unternehmensübergreifend alle Faktoren berücksichtigt und Handlungsalternativen wie Mengenanpassungen nach Nachhaltigkeitskriterien bewertet werden.

Hemmend wirkt sich auf ein solches Zusammenarbeiten eine traditionelle Skepsis seitens der Unternehmen aus, interne Daten weiterzugeben. Daher muss der Nutzen für die einzelnen Unternehmen bei solchen Projekten klar erkennbar sein. Um modernen Nachhaltigkeitsherausforderungen zu begegnen, müssen Unternehmen allerdings auch die Bereitschaft entwickeln, für ein Zusammenarbeiten Daten auszutauschen.

Das Projekt Resource-efficient, Economic and Intelligent Food Chain (REIF) mit 18 Projektpartnern zeigt beispielhaft, wie mithilfe von KI Mehrwerte zur Vermeidung von einer Lebensmittelverschwendung generiert werden können.