Mit künstlicher Intelligenz Lebensmittelverschwendung reduzieren

In Deutschland landen jedes Jahr rund zwölf Millionen Tonnen Lebensmittel im Abfall. Mehr als 30 Prozent davon werden bereits während des Herstellungsprozesses vernichtet. Im Projekt Reif setzt sich das Fraunhofer-Institut für Gießerei-, Composite- und Verarbeitungstechnik IGCV gemeinsam mit Partnern gegen diese Lebensmittelverschwendung ein. Mit künstlicher Intelligenz sollen die Verluste gesenkt werden. Denn auch Käse, Brötchen, Fleisch und Co. lassen sich mit datenbasierten Algorithmen effizienter herstellen, Absatz- und Produktionsplanung, Prozess- und Anlagensteuerung können mit Methoden des Maschinellen Lernens optimiert werden.
Etwa 52 Prozent der Lebensmittelabfälle werden in Privathaushalten verursacht.
Etwa 52 Prozent der Lebensmittelabfälle werden in Privathaushalten verursacht.Bild: ©Andrey Popov/stock.adobe.com

Deutschland hat sich dem Ziel der Vereinten Nationen verpflichtet, die Lebensmittelverschwendung bis zum Jahr 2030 zu halbieren. Der Handlungsbedarf ist groß, denn bis zu zwölf Millionen Tonnen Lebensmittel landen hierzulande im Müll, und zwar entlang der gesamten Wertschöpfungskette vom Acker bis zum Teller. Rund 52 Prozent der Abfälle verursachen Privathaushalte. Dies ergab eine Studie des Thünen-Instituts von 2019. Die Studie offenbart jedoch auch, dass rund 30 Prozent der Verluste bereits in der Lebensmittelproduktion und -verarbeitung entstehen. Die restlichen 18 Prozent entfallen auf den Groß- und Einzelhandel und die Außer-Haus-Verpflegung. Im Projekt Reif, das für Resource-Efficient, Economic and Intelligent Foodchain steht, arbeiten 30 Partner an einer langfristigen Lösung. Hauptaugenmerk liegt dabei auf der Konzeption eines KI-Ökosystems, das Beteiligte aller Wertschöpfungsstufen einbezieht. Das Bundesministerium für Wirtschaft und Energie BMWi fördert das Vorhaben mit zehn Millionen Euro.

Überproduktion minimieren und Ausschuss vermeiden

Die Ursachen vermeidbarer Abfälle sind vielfältig. Sie reichen von Überproduktion über Schwankungen der Rohstoffqualität bis hin zu optischen Anforderungen, die die Lebensmittel nicht erfüllen. Die REIF-Projektpartner fokussieren sich auf Molkereiprodukte, Fleisch- und Backwaren. Verluste entstehen bei diesen Produkten vor allem, da es sich um leicht verderbliche Waren handelt. „Um die Lebensmittelverluste in diesen Bereichen deutlich zu senken, sind vor allem zwei Aspekte entscheidend – die Minimierung von Überproduktion und die Vermeidung von Ausschuss“, sagt Patrick Zimmermann, Wissenschaftler am Fraunhofer IGCV und Mitarbeiter im Konsortium. Gemeinsam mit Philipp Theumer und fünf weiteren Kollegen untersucht er, wie sich unternehmensinterne Potenziale – z.B. in Maschinen und Anlagen sowie die Produktionsplanung und -steuerung – im Sinne der Verschwendungsreduktion mit Methoden der KI realisieren lassen. „Wir bringen dabei KI in die gesamte Wertschöpfungskette und insbesondere in den Bereich der Produktion. Dafür adaptieren und selektieren wir die entsprechenden Algorithmen je nach Anwendungsfall“, so Zimmermann. Die Plan- und Steuerbarkeit aller Bereiche – von der Erzeugung in der Landwirtschaft bis zum Verkauf im Supermarkt – werden hinsichtlich ihres Optimierungspotenzials untersucht. „Überproduktion und Ausschuss lassen sich vermeiden, indem man Lebensmittelbedarfe zielführend prognostiziert, die Plan- und Steuerbarkeit der Wertschöpfungsprozesse verbessert und qualitätsbedingte Lebensmittelverluste verringert“, ergänzt Theumer.

Die Potenziale seien jedoch sehr unterschiedlich. Dies verdeutlicht Zimmermann am Beispiel eines Fleischmischers. „Die Temperatur und die Dauer des Mischvorgangs beeinflussen das Mindesthaltbarkeitsdatum der Fleischwaren. Indem wir mit KI-Algorithmen den Energieeintrag durch den Mischprozess minimieren, können wir das Mindesthaltbarkeitsdatum verlängern und dadurch die Verkaufszeit im Supermarkt optimieren und Lebensmittelverluste reduzieren.“ Auf Anlagenebenen entsteht die höchste Lebensmittelverschwendung beim Hochfahren, da die optimalen Parameter erst gefunden werden müssen und somit zunächst Ausschuss produziert wird. „Z.B. versuchen wir, mittels intelligenter Sensorik und selbstlernenden KI-Algorithmen den Aufschäumvorgang bei der Herstellung von Kuchenböden gleich beim ersten Versuch zu perfektionieren“, erklärt der Forscher.

Verknüpfte Informationen für alle Glieder der Lebensmittelkette

Langfristig wollen die Projektpartner von Reif ein IT-Ökosystem etablieren und einen virtuellen Marktplatz aufsetzen. Unternehmen können hier in Zukunft unter anderem ihre implementierten KI-Algorithmen allen Beteiligten zur Verfügung stellen. Ein weiteres Ziel ist es, die Daten aller im Projekt involvierten Firmen zu vernetzen, um so die Wertschöpfung im komplexen Wertschöpfungsnetzwerk der Lebensmittelindustrie zu steigern. „Das Knowhow einer Firma kann auf andere übertragen werden. Je mehr Daten ein- und zurückfließen, desto besser wird das KI-Modell trainiert“.

Über den Online-Marktplatz haben die Projektpartner die Möglichkeit, ihre Daten auszutauschen. Produktionsunternehmen können damit ihre Herstellungsprozesse besser steuern, indem sie von Absatzprognosen profitieren, die basierend auf Einkäufen erstellt wurden. Die von Supermärkten erhobenen Daten fließen in die Prognosen ein. Durch das Zusammenführen vielfältiger Faktoren wie Kundenverhalten, Warenbestand und Mindesthaltbarkeitsdatum lassen sich gezielt dynamische Preisanpassungen für bestimmte Produkte in Supermärkten einführen. „Durch eine kontinuierliche, tägliche Preisanpassung (je nach Haltbarkeit) können die üblichen drastischen Preissenkungen kurz vor Ablauf des Mindesthaltbarkeitsdatums vermieden werden und die Verkaufszeit erhöht sich. Dadurch ist es wahrscheinlicher, dass das Produkt gekauft wird, bevor es entsorgt werden muss und auch der Gesamtgewinn erhöht sich“, erläutert Zimmermann das Prinzip der dynamischen Preisanpassung.

Dies sichert dem Einzelhandel eine Gewinnmaximierung und reduziert gleichzeitig Ausschuss und Überproduktion. Die komplette Lieferkette profitiert von dem Informationsaustausch, der auch externe Daten einbezieht. „Wird etwa schönes Wetter prognostiziert, verkaufen Supermärkte viel Grillgut. Fleischproduzierende Betriebe können dementsprechend ihre Schlachtmenge anpassen und umgekehrt bei schlechtem Wetter die Produktion herunterfahren“, veranschaulicht Zimmermann die Idee des IT-Ökosystems. Auch der Endkunde würde profitieren: Bei schlechtem Wetter könnte der Preis von Grillfleisch frühzeitig heruntergesetzt werden, damit es nicht in den Regalen liegen bleibt. Derart konzipierte Prognosesysteme könnten ebenfalls über die Online-Plattform angeboten werden.

Derzeit befinden sich die Projektpartner in der Konzeptionierungsphase, erste Praxistests starten in Kürze.

Fraunhofer-Einrichtung IGCV

Das könnte Sie auch Interessieren

Bild: Fraunhofer IGD
Bild: Fraunhofer IGD
Software Arrange beschleunigt Absortierprozesse

Software Arrange beschleunigt Absortierprozesse

In Kombination mit einer Augmented-Reality-Brille bietet eine neue Software des Fraunhofer IGD digitale Unterstützung von Absortiervorgängen. Zusammengehörige Bauteile werden direkt im Sichtfeld der Beschäftigten an der Produktionslinie farblich überlagert. Anwender im Automotive-Bereich können so etwa durch beschleunigte Prozesse und eine minimierte Fehleranfälligkeit Kosten reduzieren.

Bild: Coscom Computer GmbH
Bild: Coscom Computer GmbH
Software-Plattform für KI und maschinelles Lernen

Software-Plattform für KI und maschinelles Lernen

Vermehrt interessieren sich Unternehmen dafür, auf Basis ihrer Fertigungsinformationen Verbesserungspotenziale in der Produktionsplanung und -steuerung zu heben. Maschinelles Lernen und künstliche Intelligenz (KI) kann aber nur dann wirtschaftlich sinnvoll eingesetzt werden, wenn alle relevanten Daten im Zugriff sind und deren Struktur zu den Anwendungen passen. Das Coscom-ECO-System soll eine Plattformökonomie als Basis für Business Intelligence (BI) bieten.

Bild: Benteler International AG
Bild: Benteler International AG
Produktionsfehler: KI findet die Nadel im Heuhaufen

Produktionsfehler: KI findet die Nadel im Heuhaufen

In der Qualitätsprüfung ist Zeit ein wichtiger Faktor: Wer Fehler rechtzeitig findet, kann sie effektiv und kostensparend beheben. Gemeinsam mit dem Fraunhofer IEM setzt der Automobilzulieferer Benteler dafür in der Warmumformung von Fahrzeugteilen auf Echtzeit-Sensordaten und Künstliche Intelligenz. Damit können Produktionsfehler schneller erkannt, behoben und zukünftig sogar vermieden werden.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.