Seitenpfad:

KI gegen Lebensmittelverschwendung

Lebensmittelverschwendung mit Künstlicher Intelligenz verhindern

 
Künstliche Intelligenz Nachhaltigkeit
Gesamtübersicht
Projektübersicht: Die acht Teilprojekte des REIF-Projekts verteilt über die verschiedenen Wertschöpfungsstufen.
01.01.2020 - 31.12.2023

Projektbeschreibung

Das Projekt „Ressource-efficient, Economic and Intelligent Foodchain“ (REIF) hat sich zum Ziel gesetzt, die Lebensmittelverschwendung in Deutschland zu reduzieren. Um dieses Ziel zu erreichen, arbeitet das Konsortium, das sowohl aus Forschungs- als auch aus Industriepartnern besteht, in konkreten Anwendungsfällen an der Umsetzung von Methoden der Künstlichen Intelligenz (KI). Diese soll in verschiedenen Stufen der Wertschöpfungskette der Lebensmittelindustrie eingesetzt werden. Des Weiteren soll ein eigenes KI-Ökosystem entstehen, um eine ganzheitliche Betrachtung der Lebensmittelverschwendung zu gewährleisten.

 

Jedes Jahr werden in Deutschland etwa elf Millionen Tonnen Lebensmittel bereits während des Herstellungsprozesses entlang der Wertschöpfungskette vernichtet. Sie landen im Abfall noch bevor sie zu den Endverbraucher:innen gelangen. Dadurch kommt es nicht nur zu wirtschaftlichen Verlusten sondern auch zu Umwelt- und Klimaschäden. Das Förderprojekt „Ressource-efficient, Economic and Intelligent Foodchain“ (REIF) setzt sich zum Ziel, die Verschwendung in der Lebensmittelindustrie mit Hilfe des Einsatzes von Künstlicher Intelligenz (KI) zu minimieren. Um dieses Ziel zu erreichen, untergliedert sich das Projekt in acht Teilprojekte. Die Grafik gibt eine Übersicht über die Projektstruktur und zeigt, in welchen Wertschöpfungsstufen die einzelnen Teilprojekte arbeiten.

 

Projektziele

Im Rahmen des Projekts werden in den kommenden drei Jahren Potenziale der Verschwendungsreduzierung mittels KI in den Branchen Molkerei, Fleisch und Backwaren erarbeitet. Angestrebt wird dabei eine Reduzierung der Lebensmittelverluste um bis zu 90 Prozent. Um dieses Ziel zu erreichen, sind entlang der Wertschöpfungskette zwei Punkte entscheidend: die Minimierung von Überproduktion und die Vermeidung von Ausschuss. Wo konventionelle Technologien an ihre Grenzen stoßen, könnte Künstliche Intelligenz innovative Lösungsansätze bieten. Beispielsweise kann mit Hilfe von KI die Nachfrage der Konsument:innen genauer prognostiziert werden oder die Produktionsinfrastruktur dazu befähigt werden, kurzfristig sowohl auf eine schwankende Nachfrage als auch auf eine schwankende Rohstoffqualität zu reagieren.

Der Fokus des Projekts liegt auf der Entwicklung einer ganzheitlichen Optimierungsstrategie über mehrere Wertschöpfungsstufen und -partner:innen hinweg. Verschiedene Anwendungen der Künstlichen Intelligenz eröffnen uns hier die bisher einmalige Chance, die Verschwendung von Lebensmitteln drastisch zu reduzieren.

 

Umsetzung

Die Umsetzungsphase des Forschungsvorhabens hat im März dieses Jahres begonnen. Nach erfolgtem Projektstart sind in allen Teilprojekten die Arbeitspakete genauer definiert und gestartet. So erfolgt z. B. in Teilprojekt I aktuell die Anforderungsanalyse für die Konzeption und Entwicklung der Plattform für das REIF-Ökosystem. Weiter wurden bereits erste KI-Modelle im Rahmen des Teilprojekts „Verschwendungsminimierende Produktionssysteme“ erarbeitet. Diese Modelle geben Auskunft über das Materialverhalten von Milchprodukten beim Herstellungsprozess. Ohne die Anwendung eines KI-Modells kann dieses Verhalten lediglich durch die Entnahme von Proben ermittelt werden. Die gewonnenen Informationen der Eigenschaften des Zwischenerzeugnisses tragen dazu bei, den Herstellungsprozess zu optimieren und den Ausschuss bzw. die Verschwendung zu minimieren.

Am Projekt sind insgesamt 18 Konsortialpartner aus Industrie, Verbänden und Forschung sowie zwölf assoziierte Projektpartner – vom bekannten Markenhersteller bis zum jungen Start-up – beteiligt. Sie arbeiten in acht Teilprojekten entlang der Wertschöpfungskette. Die Roadmap für die Umsetzungsphase wurde im Rahmen der Wettbewerbsphase des Innovationswettbewerbs „Künstliche Intelligenz als Treiber für volkswirtschaftlich relevante Ökosysteme“ durch das Fraunhofer IGCV, die Software AG sowie die Technische Universität München erarbeitet.

Die Hochschule Augsburg hat die Konsortialführung inne. Des Weiteren wirkt sie in ausgewählten Teilprojekten – wie „Verschwendungsminimierende Produktionssysteme“ – mit.

REIF ist ein Projekt im Rahmen der Förderinitiative „Künstliche Intelligenz als Treiber für volkswirtschaftlich relevante Ökosysteme“, wird vom Bundesministerium für Wirtschaft und Energie (BMWi) gefördert und vom Projektträger Deutsches Zentrum für Luft und Raumfahrt e. V. (DLR) betreut.

 

Partner

  • Arxum GmbH
  • Bayerischer Bauernverband K. d. ö. R.
  • BayWa IT GmbH
  • Collaborating Centre on Sustainable Consumption and Production (CSCP) gGmbH
  • CompanyMind GmbH & Co. KG
  • Deutsche Landwirtschafts-Gesellschaft DLG e. V.
  • Fraunhofer-Einrichtung für Gießerei-, Composite- und Verarbeitungstechnik IGCV
  • fTrace GmbH
  • GEA Germany AG
  • Georg Jos. Kaes GmbH
  • GS1 Germany GmbH
  • Hochland Deutschland GmbH
  • Hochschule Augsburg
  • Hochschule Hof
  • Industrial Analystics IA GmbH
  • Industrievereinigung für Lebensmitteltechnologie und Verpackung e. V. (IVLV)
  • Infoteam Software AG
  • Innotec GmbH
  • Jade Hochschule
  • Krones AG
  • Kuchenmeister GmbH
  • Software AG
  • Spicetech GmbH
  • Technologisches Institut für angewandte Künstliche Intelligenz GmbH (TIKI)
  • tegut... gute Lebensmittel GmbH & Co. KG
  • Technische Universität München
  • VDMA Nahrungsmittelmaschinen und Verpackungsmaschinen e.V.
  • Westfleisch SCE mbH
  • Winnow Solutions Ltd.
  • WWF Deutschland
 

Förderer

Förderinitiative „Künstliche Intelligenz als Treiber für volkswirtschaftlich relevante Ökosysteme“ des BMWi

Projektleitung

 
Prof. Dr.-Ing. Stefan Braunreuther
 

Weitere Beteiligte

Fakultät für Maschinenbau
und Verfahrenstechnik

 
 

Literaturhinweise / Quellenangaben

[1] REIF (2020): „Resource-efficient, Economic and Intelligent Foodchain“. Online: www.ki-reif.de