Research and Transfer

News detailpage research and transfer

 

Lebensmittelqualität und Tierwohl mit Hilfe von Künstlicher Intelligenz optimieren

Die Hochschule Offenburg beteiligt sich an einem vom Bundesministerium für Ernährung und Landwirtschaft (BMEL) geförderten Projekt.

Gruppenbild der Projektbeteiligten vor einem Bildschirm auf dem ein online zugeschalteter Projektbeteiligter zu sehen ist
© Fraunhofer FIT

Die Projektbeteiligten trafen sich zum Start am Campus Birlinghoven.

KINLI-Logo Die Buchstaben KI sind blau, NLI grün. Auf den Buchstaben ist mit Linien und Punkten ein übergreifensdes Netzwerk angedeutet
© Fraunhofer FIT

Im Rahmen von „Künstliche Intelligenz für nachhaltige Lebensmittelqualität in Lieferketten“ (KINLI) möchten die Beteiligten eine Datenplattform und KI-Services entwickeln, die die Lebensmittelqualität und das Tierwohl in der Fleischindustrie durch die KI-basierte Erkennung von besonders kritischen Stellen steigern sollen. Denn die Konsumentinnen und Konsumenten von Frischfleisch und verarbeitete Fleischwaren reagieren zunehmend sensibel auf negative Nachrichten zu Lebensmittelsicherheit und -qualität. Außerdem wird vielen Menschen eine artgerechte und ethisch vertretbare Aufzucht, Haltung und Schlachtung von Tieren immer wichtiger. Zu den Projektpartnern bei KINLI gehören neben der Hochschule Offenburg auch das Fraunhofer-Institut für Angewandte Informationstechnik (FIT), die Hochschule Niederrhein, Sauels Frische Wurst GmbH Fleischwaren & Co. KG sowie die Kolsert KG. Die Förderung durch das zuständige Bundesministerium beläuft sich auf etwa 1,6 Millionen Euro für die kommenden drei Jahre.

Auffälligkeiten im Produktionsprozess vorhersagen

Bestehende Ansätze für Lebensmittelsicherheit und -qualität, Tierwohl und -gesundheit kombinieren bislang häufig eher präventive und reaktive Elemente. Es werden Grenzwerte, zum Beispiel 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 beim 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 GmbH & Co. KG und Kolsert KG 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 unterstützt diese Arbeiten und fokussiert sich auf die Analyse der echtzeitnahen Daten entlang der Lieferkette. Gemeinsam erlauben diese Daten eine Aussage über den Gesamtprozess. Dazu werden die Erkenntnisse in einen entsprechenden KI-Service implementiert, der erklärbare Ergebnisse generiert. Das IMLA unterstützt zudem bei der Umsetzung der Datenplattformarchitektur, die das koordinierende FIT leitet.

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 der Verbraucherinnen und Verbraucher nicht genügt. Im einem zweiten Anwendungsfall geben Raumgasanalysen, Bilddaten, Fragebögen und gesundheitliche Maßnahmen Aufschluss über das Wohl der Tiere während der Aufzucht. 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 genauere Beschreibung der Projektpartner finden Sie unter dem folgenden Link: https://websites.fraunhofer.de/kinli/.