KINLI

Der Anspruch von Verbrauchern an Lebensmittel steigt. Sie reagieren zunehmend sensibler auf Meldungen zu Sicherheitsvorfällen und erwarten hohe Lebensmittelqualität sowie Transparenz entlang von Lebensmittelketten.
Hintergrund sind immer wieder auftretende Skandale, wie zuletzt in der Fleischverarbeitung, aber auch das Bedürfnis nach nachhaltigen Lebensmitteln. Nachhaltige Lebensmittelqualität ergibt sich diesem Sinne aus zwei Aspekten, die sich in der Fleischbranche ergänzen:

• Artgerechte und ethisch vertretbare Aufzucht, Haltung und Schlachtung von Tieren, was auf Seiten der Verbraucher zu Qualitätsempfinden und zur Eigenwahrnehmung einer nachhaltigen, mit dem Tierwohl verträglichen Lebensweise beiträgt,
• Zuverlässige Lebensmittelsicherheit, die nicht nur auf Probleme reagiert und durch präventive Maßnahmen den Ressourcenverbrauch erhöht, sondern nachhaltig und vor allem als proaktive, prädiktive Lebensmittelsicherheit implementiert ist, welche auch das Ziel der Ressourcenschonung beinhaltet.

Hierbei trägt die KI-basierte prognostische Einschätzung zu Lebensmittelsicherheitsvorfällen auch zur Reduktion von Lebensmittelverschwendung bei. Die in existierenden Systemen zur Rückverfolgung und Sicherstellung der Lebensmittelsicherheit gesammelten Daten erlauben Aussagen über die Rohstoffherkunft und ermöglichen schnelle und sichere Aufklärung. Der Ansatz ist jedoch reaktiv. Probleme können erst mit Eintreten nachvollzogen werden. Prädiktive Ansätze, die Probleme erkennen bevor sie eintreten bzw. relevant werden, werden nicht unterstützt.

Ziel des Vorhabens KINLI ist es, einen durch KI ermöglichten prädiktiven Ansatz zur Sicherstellung nachhaltiger Lebensmittelqualität zu konzeptionieren, diesen in einer Plattform zu implementieren sowie das Konzept und die Plattform in praxisrelevanten Anwendungsfällen (Use Cases) zu demonstrieren und zu validieren.
Dies unterstützt die nachhaltige Gestaltung von Lebensmittelketten. Das Vorhaben fokussiert die Fleischbranche, das Konzept wird aber übertragbar gestaltet. Es wird demonstriert anhand der Verknüpfung von Produktionsdaten und der KI-basierten frühzeitigen Erkennung von Problemfällen, die relevant für die Lebensmittelsicherheit sind, sowie der Erkennung und Bewertung der Aufzucht- und Haltungsbedingungen durch Deep-Learning-Verfahren.

Das Gesamtvorhaben unterteilt sich in Arbeitspaketen.
Das erste Arbeitspaket umfasst die Erstellung eines Konzepts, das KI nutzt, um eine nachhaltige Lebensmittelqualität in Lieferketten zu sichern. Dazu wird die nutzerzentrierte Entwicklung des KINLI-Systems unter Berücksichtigung aller relevanten Stakeholder als Grundlage für die technische Umsetzung geplant und kontrolliert.
Anschließend wird die notwendige technische Plattform zur Unterstützung der entwickelten KI-Dienste erstellt.
Dazu wird zunächst das Datenmodell, anschließend die Datenplattform und zuletzt das Datenmanagement umgesetzt. Im dritten Arbeitspaket wird das entwickelte Konzept prototypisch in KI-Dienste umgesetzt. Validiert wird die KI-Lösung mit Hilfe von zwei konkreten Anwendungsfällen (Use Cases) innerhalb der fleischverarbeitenden Industrie. Es folgt eine Feinkonzeption sowie die Datenerfassungund Aufbereitung zur Durchführung von Machine-Learning-Modellen. Im fünften Arbeitspaket findet die Evaluierung des Systems statt. Untersucht wird das System hinsichtlich der Erfüllung der technischen Anforderungen, der Nutzerfreundlichkeit sowie der Praxistauglichkeit.

Durch das Forschungsprojekt KINLI konnte ein prädiktiver Ansatz zur Gewährleistung nachhaltiger Lebensmittelqualität durch Einsatz von KI konzeptioniert und anhand von zwei Use Cases entlang der Lieferkette in der Fleischverarbeitung, umgesetzt werden. Die entwickelten Lösungen demonstrieren die Möglichkeit zum frühen Erkennen von Herausforderungen und dem frühen Eingreifen in Prozesse. Dadurch schafft KINLI ein ressourcenschonendes Produzieren in der Agrar- und Lebensmittelwirtschaft. 

Zum einen  demonstriert KINLI ein KI-gestütztes Managementsystem/ Assistenzsystem in der Tierhaltung am Beispiel Puten unter Berücksichtigung der Darstellung von Klima- und Verbrauchswerten in Echtzeit, der Ermittlung der Kotqualität, des durchschnittlichen Lebendgewichts der Herde sowie der allgemeinen Herdenaktivität. Zum anderen demonstriert KINLI eine KI-gestützte Lösung zur automatisierten Prozessoptimierung in der Lakedosierung im Rahmen der Kochschinkenproduktion sowie das Erkennen von optischen Abweichungen, in Form von destrukturierten Stellen, Blutpunkten, zu viel Fett- und zu viel Sehnenanteil, in der Rohware in der Lebensmittelproduktion.

• KÖTERS, Corinna, Lena KÖPPEN, Lena BRÜCH, Maik SCHÜRMEYER und Alexander PRANGE, 2023. KINLI: Lieferketten optimieren mit künstlicher Intelligenz zur prädikativen Förderung von Tierwohl und Lebensmittelsicherheit = eCommerce - challenges from the perspective of official control : eCommerce - challenges from the perspective of official control. Amtstierärztlicher Dienst und Lebensmittelkontrolle. 2023. Bd. 30, Nr. 2, S. 63–64
• KÖTERS, Corinna, Lena KÖPPEN, Maik SCHÜRMEYER und Alexander PRANGE, 2023. Künstliche Intelligenz in der Lieferkette Nachhaltige Lebensmittelqualität im gesamten Produktionszyklus. Fleischwirtschaft. 16 August 2023. Nr. 8, S. 32–34
• KÖTERS, Corinna, Maik SCHÜRMEYER, Alexander PRANGE, 2024. Sustainable Food Supply Chains Through Artificial Intelligence Conceptual visualization using the example of turkeys to promote animal welfare and food quality. Industry 4.0 Science. 7 Februar 2024. Nr. 1, S. 70–75
• KÖTERS, Corinna, Maik SCHÜRMEYER und Alexander PRANGE, 2024. Von Puten und Daten: Wie die nachhaltige Logistik intelligenter wird. (German). Industry 4.0 Science. 2024. Nr. 1, S. 57–57. DOI 10.30844/I4SD.24.1.70
• ZEISER, Tim, Theo LUTZ, Corinna KÖTERS et al. (2024). Parameteroptimierung für einen Lakeinjektor Entwicklung einer KI-Pipeline an einem Beispiel aus der Fleischindustrie. Industry 4.0 Science DE, 6, 42–46.

sowie Posterbeiträge: 

• KÖTERS, Corinna, Maik SCHÜRMEYER, Alexander PRANGE: Sustainable food supply chain: promoting animal health and welfare of turkeys. Konferenz Agrarforschung zum Klimawandel der DAFA, 2023.
• KÖTERS, Corinna, Maik SCHÜRMEYER, Alexander PRANGE: Künstliche Intelligenz zur Förderung von Tierwohl und Lebensmittelqualität in der Lieferkette. Konferenz KIDA-KON24, 2024.