Die Herausforderungen, die sich aus der zukunftsfähigen und nachhaltigen Lebensmittelproduktion ergeben, haben zu einer wachsenden Bedeutung von Künstlicher Intelligenz (KI) geführt. Insbesondere die Fleischindustrie sieht sich der Notwendigkeit gegenüber, die Lebensmittelqualität und das Tierwohl zu verbessern. Hier setzt das BMEL-geförderte Projekt »Künstliche Intelligenz für nachhaltige Lebensmittelqualität in Lieferketten« (KINLI) an. Das Projekt beabsichtigt, durch eine KI-basierte Erkennung von kritischen Stellen im Produktionsprozess die Lebensmittelqualität und das Tierwohl in der Fleischindustrie zu steigern. In diesem Artikel werden die Ziele und Methoden des Projekts vorgestellt.
KI-basierter, prädiktiver Ansatz zur Verbesserung von Lebensmittelsicherheit und -qualität Der KINLI-Ansatz basiert auf einem prädiktiven Modell, das mithilfe von KI potenzielle Probleme im Zusammenhang mit Lebensmittelqualität und Tierwohl frühzeitig erkennt. Dies ist ein wichtiger Schritt weg von reaktiven Ansätzen, die lediglich Grenzwerte definieren und darauf reagieren, wenn diese verletzt werden. Die KI-basierte Lösung soll das Management von Problemen in der Lebensmittelindustrie proaktiv unterstützen. Dazu setzt das Projekt auf eine zentrale Datenplattform und mehrere KI-Services, die auf Basis von Trainingsdaten und realen Werten der Praxispartner Sauels Frische Wurst GmbH & Co. KG und Kolsert KG entwickelt werden. Das KINLI-Konsortium hat einen umfangreichen Arbeitsplan präsentiert, um potenzielle Problemfälle frühzeitig zu erkennen. Ziel ist es, Maßnahmen zu ergreifen, bevor Probleme tatsächlich eintreten.
Konnektivität und Analyse in Echtzeit
Eine zentrale Datenplattform bildet das Herzstück des Projekts. Sie umfasst eine vielfältige Struktur aus Bild- und Textdaten entlang mehrerer Produktionsschritte. Die Analyse der Daten erfolgt an ausgewählten Schnittstellen durch KI-Services, die von den Hochschulen Niederrhein und Offenburg entwickelt werden. Der Fachbereich Oecotrophologie der Hochschule Niederrhein ist für die Erstellung eines Konzepts für KI in der Fleischindustrie verantwortlich und untersucht gemeinsam mit den beteiligten Unternehmen Anwendungsfälle. Das Institute for Machine Learning and Analytics (IMLA) der Hochschule Offenburg fokussiert sich auf die Analyse der Echtzeitdaten entlang der Lieferkette und die Entwicklung entsprechender KI-Services. Das Fraunhofer FIT koordiniert das Projekt und leitet die Umsetzung der Plattformarchitektur sowie die Anforderungserhebung bei den Praxispartnern.
Verbesserung der Lebensmittelqualität und des Tierwohls in der Praxis
Die KI-basierte Lösung soll dazu beitragen, Probleme im Zusammenhang mit der Lebensmittelqualität und dem Tierwohl frühzeitig zu erkennen und zu lösen. Das Projektteam wird hierfür auch eng mit den Praxispartnern Sauels Frische Wurst GmbH & Co. KG und Kolsert KG zusammenarbeiten, um die Anwendung der KI-Lösung in der Praxis zu testen und zu optimieren. Ziel ist es, die Lebensmittelqualität und das Tierwohl entlang der gesamten Lieferkette zu verbessern. Durch die Nutzung von Echtzeitdaten und prädiktiven Analysen sollen potenzielle Probleme frühzeitig erkannt und behoben werden, bevor sie Auswirkungen auf die Qualität und das Wohlbefinden der Tiere haben oder sich auf die Lebensmittelproduktion auswirken. Die Anwendung von KI in der Fleischindustrie kann somit dazu beitragen, die Nachhaltigkeit und Zukunftsfähigkeit der Lebensmittelproduktion zu verbessern.
Quellen Angabe „Presseinformation / 08. März 2023 https://www.fit.fraunhofer.de/de/presse/23-03-08_projektstart-kinli-lieferketten-optimieren-mit-kuenstlicher-intelligenz.html„
