FreshTwin

Hybride Grey-Box-Modelle zur Bestimmung und Prognose der Qualitätsattribute am Beispiel von Lebensmitteln

Motivation

Mit der Bekanntmachung „Erforschung, Entwicklung und Nutzung von Methoden der Künstlichen Intelligenz in KMU“ vom 9. März 2020 verfolgt das BMBF das Ziel, risikoreiche industrielle Forschungs- und vorwettbewerbliche Entwicklungsvorhaben von kleinen und mittleren Unternehmen (KMU) in Deutschland auf dem Gebiet der Künstlichen Intelligenz (KI) zu unterstützen. Insbesondere sollen KMU beim beschleunigten Technologietransfer aus dem vorwettbewerblichen Bereich in die praktische Anwendung gestärkt werden. Technologien der KI sind wesentliche Treiber der Digitalisierung, die gegenwärtig den gesamten Mittelstand vor große Herausforderungen stellt. Dabei nimmt die Bedeutung von Daten als wichtige Ressource kontinuierlich zu. Mit der Förderung soll erreicht werden, dass deutlich mehr KMU eigene Forschungsergebnisse und neue wissenschaftliche Erkenntnisse in innovative industrielle und gesellschaftlich relevante Anwendungen umsetzen und ihre Wachstums- und Wettbewerbsfähigkeit stärken.
KI-basierte Bestimmung und Prognose der Qualitätseigenschaften von Lebensmitteln
Die deutsche Lebensmittelindustrie investiert jährlich 350 Mio. € für die Qualitätssicherung. Im Rahmen dieser Qualitätssicherung werden die Qualitätsattribute von Lebensmitteln wie Säure/Süße Verhältnis, Reifegrad, Festigkeit, usw. erfasst. Dies geschieht in einer sehr vereinfachten Form, z. B. mittels Farbtabellen zur Abschätzung des Reifegrades und Metallschablonen zur Vermessung der Größe. Trotz dieser Anstrengungen erleidet die Branche jährlich Lebensmittelverluste in Höhe von über 2 Mrd. €.

Ziele und Vorgehen

Ziel des Projekts FreshTwin ist es, die tatsächlichen Eigenschaften von Lebensmitteln entlang der Lieferkette, vom Produzenten bis zum Konsumenten, mithilfe von modernen Mess- und KI-Methoden automatisiert bestimmen und testen zu können. Hierzu werden bestehende Logistikdaten und Daten der Qualitätssicherung sowie sekundäre Datenquellen, wie z. B. die Wetterbedingungen am Ernteort verwendet. Diese Daten werden durch den Einsatz moderner, schneller Mess- und Analyseverfahren, wie die Spektroskopie und Bilderkennung, ergänzt. In der FreshTwin Cloud-Infrastruktur werden diese beiden Ansätze, die Daten zusammenzuführen und innovative Messmethoden, kombiniert, womit der IST-Zustand präzise und hinreichend beschrieben werden kann. Die Arbeiten werden in einem Demonstrator umgesetzt und umfassend evaluiert.

Innovationen und Perspektiven

Der Digitalisierungsgrad der deutschen Lebensmittelindustrie liegt deutlich niedriger als in anderen Branchen, aber auch unterhalb von anderen Ländern wie beispielsweise Frankreich, Israel, Südkorea und insbesondere den USA. Die starke Marktposition der Branchenführer und das niedrige Preisniveau von Lebensmitteln machen die Branche sehr anfällig für Risiken. Das Forschungsprojekt kann somit die Digitalisierung der deutschen Lebensmittelindustrie nachhaltig vorantreiben – für eine wettbewerbsfähigere deutsche Lebensmittelindustrie, mehr Steuereinnahmen und Arbeitsplätze.

Projektinformation

Projektleitung

tsenso GmbH
Johannesstr. 19
70176 Stuttgart

Volumen

1.233.773,40 €

Laufzeit

12/2022 – 05/2025

Projektpartnerinnen und -partner

tsenso GmbH benelog GmbH & Co. KG Cubert GmbH Albert-Ludwigs-Universität Freiburg