KINLI

Heutige Lieferketten in der Lebensmittelbranche sollen eine transparente Rückverfolgung und schnelle Reaktionen möglich machen. Die Qualität von Produkten proaktiv zu prüfen, ist das Anliegen von KINLI (Künstliche Intelligenz für nachhaltige Lebensmittelqualität in Lieferketten). Im Rahmen des Projekts arbeitet Fraunhofer FIT mit Partner*innen aus Wirtschaft und Forschung an einer Standort-übergreifenden Datenplattform.

Steigende Ansprüche an Lebensmittel

Im Zuge des Klimawandels entsteht die Verantwortung für nachhaltigere Lebensmittel. Insbesondere die Kontrolle von ethischen Haltungsbedingungen in der Fleischindustrie nimmt einen großen Stellenwert ein. Jedoch stehen bislang nur aufwändige Möglichkeiten zur Verfügung, um die Hochwertigkeit von Produkten entlang mehrerer Lieferketten zu verfolgen und zu prüfen. KINLI möchte diesen Prozess vereinfachen und wichtige Ressourcen einsparen, indem Missstände so früh wie möglich erkannt und behoben werden können. Die damit einhergehende Sicherung von Qualitätsstandards und Tiergesundheit fördert die Nachhaltigkeitsziele des Bundesministeriums für Ernährung und Landwirtschaft.

Prädiktiver Lösungsansatz dank Künstlicher Intelligenz

Als Grundlage für die zentrale Plattform dient ein sogenannter Data Lake, der eine Sammlung verschiedenster Bild- und Textdaten beinhaltet. Sowohl die wirtschaftlichen Praxispartnern als auch die bereits bestehende Cloud-Plattform CERES unterstützen das Projekt mit ihren Messwerten. An ausgewählten Schnittstellen setzen KI-Dienste an: Methoden des Maschinellen Lernens verhelfen der KI dazu, Probleme zuverlässig zu prognostizieren, bevor sie eintreten. Dazu eignet sie sich ein intelligentes Systemmuster und Gesetzmäßigkeiten aus Trainingsdaten an, welche mehrmals auf Schwachstellen getestet werden Fraunhofer FIT übernimmt dabei die Koordination des Projekts, die Entwicklung einer Plattformarchitektur und beteiligt sich an einer umfangreichen Anforderungserhebung bei den Praxispartnern. Für den Umgang mit realen Daten hat KINLI starke Projektpartnerschaften mit Unternehmen und Hochschulen geknüpft.  Dabei stellt die Sauels GmbH ihre Produkte für Qualitätsanalysen zu Verfügung und gibt Einblicke in deren Produktionsabläufe. Kolsert KG liefert zentrale Daten zum Wohl ihrer Tiere, Das Institute for Machine Learning and Analytics (IMLA) der Hochschule Offenburg konzentriert sich auf die Analyse echtzeitnaher Daten entlang der Lieferkette und die Entwicklung entsprechender KI-Services. 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.

Flexible Anwendungsmöglichkeiten

Um technische Vorteile für den Lebensmittelsektor und die Fleischindustrie im Fokus sicherzustellen, orientiert sich KINLI an zwei praxisnahen Use Cases. Anwendungsbereich I umfasst die Gewährleistung von Lebensmittelqualität am Beispiel von Kochschinkenprodukten der Sauels GmbH. Künstliche Intelligenz soll Unregelmäßigkeiten automatisch markieren und Faktoren sichtbar machen, die am stärksten zur Überschreitung eines Schwellwertes beitragen.  So würde weniger Fertigware aussortiert, die den Ansprüchen der Verbraucher*innen nicht entspricht.

Im Mittelpunkt eines zweiten Anwendungsfalls steht das Tierwohl: Eine Bilddatenanalyse bewertet die Gesundheitssituation von Nutztieren der Kolsert KG. Auch Raumgasanalysen, Fragebögen und andere gesundheitliche Maßnahmen sollen in die Beurteilung fließen. Davon erhofft sich das Projekt, mitunter die krankheitsbedingte Vergabe von Antibiotika zu reduzieren.

Effektive Vernetzung von Lieferketten

Auf der Ebene der Produktion kann KINLIs Bewertung des Risikos von Mängeln und Fehlern dazu beitragen, Ressourcenverschwendung zu verringern. Dank des Wissens über einzelne Transportketten lässt sich zudem das Verpackungsmaterial optimieren, bevor Produkte in den Vertrieb gelangen. So ist eine Gesamtverbesserung des Produktionsprozesses im Sinne der Nachhaltigkeit möglich.

Aktuelle Entwicklungen sowie eine Beschreibung des Konsortiums sind auf der offiziellen Projektseite https://websites.fraunhofer.de/kinli/ einsehbar.