Lebensmittelverschwendung
Diese KI rettet Essen vor dem Müll

Viele Lebensmittel können vor der Tonne bewahrt werden.
Viele Lebensmittel können vor der Tonne bewahrt werden. | Foto (Detail): © Adobe

Bis 2030 soll die Verschwendung von Lebensmitteln in Deutschland halbiert werden. Am Fraunhofer-Institut für Gießerei-, Composite- und Verarbeitungstechnik IGCV werden Methoden der künstlichen Intelligenz erforscht, die uns diesem Ziel näherbringen können. 

Rund 12 Millionen Tonnen Nahrungsmittel, etwa 40 Mal das Gewicht des Kölner Doms, landen in Deutschland jährlich im Müll, so eine Studie des Thünen-Instituts, dem Bundesforschungsinstitut für Ländliche Räume, Wald und Fischerei. Gut die Hälfte davon (6,1 Millionen Tonnen) wird in privaten Haushalten verschwendet – das sind im Durchschnitt 75 kg pro Kopf. Ein weiteres Drittel der Lebensmittel geht bereits während des Herstellungsprozesses verloren: 1,4 Millionen Tonnen verschwinden in der Produktion, weitere 2,2 Millionen Tonnen in der Verarbeitung.

In der Agenda 2030 der Vereinten Nationen hat sich Deutschland dazu verpflichtet, die Lebensmittelverschwendung hierzulande in den kommenden Jahren um die Hälfte zu reduzieren. Um dieses Ziel zu erreichen, setzt die Bundesregierung auf das Potenzial von Algorithmen: In einem vom Bundesministerium für Wirtschaft und Energie geförderten Projekt arbeitet das Fraunhofer IGCV in einem Konsortium von insgesamt 18 Partnern aus Industrie und Forschung daran, Methoden aus dem Bereich der künstlichen Intelligenz (KI) für einen nachhaltigeren Umgang mit Lebensmitteln einzusetzen.

Verschwendung systematisch vorbeugen

Überproduktion, Qualitätsschwankungen, hohe optische Anforderungen seitens der Verbraucher*innen – das sind nur einige der zahlreichen Ursachen dafür, dass Nahrungsmittel im Müll landen. Auch wenn manche Ursachen vermeidbar erscheinen, ist es bisher nicht gelungen, diesen Problemen systematisch Herr zu werden. Denn die Wertschöpfungskette von Lebensmitteln ist ein komplexes System: Von Rohstoffproduzenten und Agrarwirt*innen über die (meist industrielle) Verarbeitung bis zu Spediteuren und Händlern, sind viele Menschen und Schritte involviert, bis das Brötchen schließlich in unseren Händen landet. Möchte man den gesamten Prozess mit all seinen Faktoren verstehen, ist man schnell mit Datenmengen konfrontiert, welche die Kapazitäten des menschlichen Gehirns schlichtweg überfordern. Mit KI und maschinellem Lernen ist es hingegen möglich, die Daten sinnvoll zu erfassen und so selbst hochkomplexe Prozesse in der Produktionsplanung, Absatzplanung und Anlagensteuerung zu optimieren. Die Wertschöpfungskette von Lebensmitteln ist ein komplexes System: Von Rohstoffproduzenten und Agarwirt*innen über die Verarbeitung bis zu Spediteuren und Händlern, sind viele Menschen und Schritte involviert. Die Wertschöpfungskette von Lebensmitteln ist ein komplexes System: Von Rohstoffproduzenten und Agarwirt*innen über die Verarbeitung bis zu Spediteuren und Händlern, sind viele Menschen und Schritte involviert. | Foto (Detail): © Adobe „Eine KI ist in der Lage, Zusammenhänge in großen Datenmengen zu erkennen, die für einen Menschen nicht offensichtlich sind“, erklärt Patrick Zimmermann, Wissenschaftler am Fraunhofer IGCV und Mitentwickler der REIF-Plattform. REIF steht für „Resource-Efficient, Economic and Intelligent Foodchain“, also eine nachhaltige, ökonomische und intelligente Lebensmittelherstellungskette. Das REIF-Projekt untersucht die gesamte Wertschöpfungskette, von der landwirtschaftlichen Erzeugung bis zum Verkauf an der Supermarktkasse, auf Optimierungspotenzial. „Überproduktion und Ausschuss lassen sich vermeiden,“ ist auch sein Kollege Philipp Theumer überzeugt – etwa indem man den Lebensmittelbedarf besser prognostiziert oder Verluste verringert, die aus schlechter Qualität resultieren.

Dafür nutzt REIF verschiedene Softwaresysteme, welche Daten sammeln und abstrahieren. Neben den Daten aus der Wertschöpfungskette beispielsweise auch das Wetter, da es einen erheblichen Einfluss auf das Kaufverhalten der Konsument*innen hat. In Zukunft könnte die KI zum Beispiel die Schlachtmengen und Verkaufspreise für Grillfleisch flexibel regulieren, so dass bei einem verregneten Wochenende weniger davon im Regal liegen bleibt. „Für die Prognosen werden verschiedenste Datenquellen herangezogen, zum Beispiel auch Google-Trends und Daten aus dem Warensystem“, erklärt Zimmermann.

Ein Ökosystem für mehr Know-how

Auch in der Lebensmittelproduktion findet REIF Möglichkeiten, um Verschwendung zu minimieren. Das geschieht unter anderem durch die Optimierung der Haltbarkeit, wie Zimmermann an einem Beispiel erläutert: „Die Temperatur und die Dauer des Mischvorgangs von Rohfleisch beeinflussen das Mindesthaltbarkeitsdatum fertiger Fleischwaren. Indem wir mit KI-Algorithmen den Energieeintrag durch den Mischprozess minimieren, können wir das Mindesthaltbarkeitsdatum verlängern und dadurch die Verkaufszeit im Supermarkt optimieren.“
Auch Wetterdaten fließen in die Kalkulationen des REIF-Softwaresystems ein: In Zukunft könnte die KI etwa die Schlachtmengen für Grillfleisch flexibel regulieren. Auch Wetterdaten fließen in die Kalkulationen des REIF-Softwaresystems ein: In Zukunft könnte die KI etwa die Schlachtmengen für Grillfleisch flexibel regulieren. | Foto (Detail): © Adobe Die REIF-Projektpartner sind gerade dabei, ein IT-Ökosystem aufzubauen, also eine digitale Plattform und ein Netzwerk aus allen relevanten Partnern. Darüber sollen zum einen die verschiedenen KI-Anwendungen angeboten werden und zum anderen ein einheitlicher Austausch der Daten erfolgen. Nach einer Konzeptionierungsphase ist die Plattform nun bereit für den ersten Praxistest.

Langfristig sollen Unternehmen dazu in der Lage sein, auf dem REIF-Marktplatz Daten und eigene KI-Algorithmen zu teilen. Denn je mehr Daten zur Verfügung stehen, desto schneller und besser lernt die KI. So könnte durch diesen Austausch das Know-how jeder einzelnen Firma wachsen und immer effektivere Möglichkeiten für einen verantwortungsvollen, nachhaltigen Umgang mit Lebensmitteln entstehen.