Bestehende Ansätze für Lebensmittelsicherheit und -qualität, Tierwohl und -gesundheit sind häufig eher reaktiv. Es werden Grenzwerte, etwa für Temperaturen, definiert, die eingehalten werden müssen. Droht eine Verletzung der Grenzwerte, müssen Unternehmen darauf reagieren.
Das KINLI-Konsortium möchte diese Ansätze um einen KI-basierten, prädiktiven Ansatz erweitern. Dafür hat die Projektgemeinschaft am Kickoff-Termin einen umfangreichen Arbeitsplan präsentiert. Eine zentrale Datenplattform, mehrere KI-Dienste und realitätsnahe Demonstratoren sollen potenzielle Problemfälle im Kontext von Lebensmittelqualität und Tierwohl frühzeitig erkennen. Dadurch sollen Maßnahmen proaktiv ergriffen werden können – noch bevor diese Probleme tatsächlich eintreten.
Sowohl Trainingsdaten als auch reale Werte der Praxispartner Sauels Frische Wurst und Kolsert dienen dazu als Grundlage. KINLIs prädiktiver Ansatz bietet damit vor allem der Fleischindustrie das Rüstzeug, für die Herausforderungen einer nachhaltigen und zukunftsfähigen Lebensmittelbranche gewappnet zu sein.
Zentrale Datenplattform für mehr Konnektivität
Die aufzubauende Datenplattform umfasst eine vielfältige Struktur aus Bild- und Textdaten entlang mehrerer Produktionsschritte. Für die Analyse werden diese Daten in ein einheitliches Datenmodell überführt. Der Einsatz der KI erfolgt an ausgewählten Schnittstellen.
Dazu erweist sich die Forschung der Hochschulen Niederrhein und Offenburg als wertvoll. Der Fachbereich Oecotrophologie der Hochschule Niederrhein ist für die Erstellung eines Konzepts für KI in der Fleischindustrie verantwortlich und untersucht mit den beteiligten Unternehmen Anwendungsfälle.
Das Institute for Machine Learning and Analytics (IMLA) der Hochschule Offenburg fokussiert sich auf die Analyse der echtzeitnahen Daten entlang der Lieferkette und die Entwicklung entsprechender KI-Services.
Das Fraunhofer FIT koordiniert das Projekt, leitet die Umsetzung der Plattformarchitektur und ist an der Anforderungserhebung bei den Praxispartnern beteiligt. Hier kann Fraunhofer FIT die Expertise aus anderen Projekten im Bereich der Landwirtschaft, wie etwa CERES und DEMETER, einbringen.
Schneller Wissenstransfer in die Praxis
In einem ersten Anwendungsfall soll die KI mit Daten aus der Kochschinkenproduktion Veränderungen in Prozessen und Rohstoffen erkennen, die sich auf die Produktqualität auswirken können. Dies kann beispielsweise dazu beitragen, dass weniger Fertigware aussortiert werden muss, die zwar ohne weiters genießbar ist, aber den hohen Ansprüchen des Marktes an die Optik des Schinkens nicht genügt. Im einem zweiten Anwendungsfall geben Raumgasanalysen, Fragebögen und andere gesundheitliche Maßnahmen Aufschluss über das Wohl der Tiere.
Die praktische Ausrichtung des Projekts ermöglicht die Anwendung in anderen lebensmitteltechnischen Unternehmen. KINLI erhofft sich dadurch, neue Entwicklungen für den Mittelstand anzustoßen und das Angebot der sich wandelnden Nachfrage nach Lebensmitteln intelligent anzupassen.
Aktuelle Entwicklungen von KINLI und eine Beschreibung der Projektpartner finden Sie hier.