KI-basierte Prognosen für Lebensmittelproduktion
Brammibal‘s Donuts, ein Feinbackwarenhersteller aus Berlin sowie Foodtracks, ein Softwareanbieter für Bäckereien und Bio-Supermärkte aus Münster, planen mittels einer KI-Lösung Lebensmittelabfälle einzusparen und die Umwelt zu schonen. Dazu werden im KI-Pilotprojekt mit dem Green-AI Hub Mittelstand Forecasting-Algorithmen entwickelt, die die täglichen Bedarfe von Backwaren vorhersagen können.
Softwareentwicklung und Backhandwerk
Brammibal's Donuts, bekannt für seine veganen Feinbackwaren, insbesondere Donuts, wurde 2015 gegründet und betreibt mehr als 10 Einzelhandelsstandorte in Berlin und Hamburg. Die veganen Donuts werden jeden Morgen frisch und handgefertigt in der eigenen Bäckerei hergestellt. Da die Donuts keine Konservierungsstoffe enthalten, sind diese leichter verderblich und sollten idealerweise noch am selben Tag verzehrt werden. Das KI-Pilotprojekt wird gemeinsam mit Foodtracks umgesetzt. Foodtracks entwickelt Software, die es Bäckereien ermöglicht, tägliche Empfehlungen zur Optimierung der Mengenplanung abzugeben. Das 2017 gegründete Unternehmen beliefert über 70 Bäckereien und Bio-Supermärkte in ganz Deutschland. Insgesamt betreut das Unternehmen rund 2.800 separate Einzelhandelsstandorte.
Herausforderung: Vorhersage des Bedarfs
Wegen der kurzen Haltbarkeit vieler Backwaren enden in der Bäckereibranche durchschnittlich fast 36 Prozent der hergestellten Waren als Lebensmittelabfall. Für die effiziente und nachhaltige Produktion ist es daher notwendig, die zu produzierenden Mengen für den lokalen Bedarf so genau wie möglich vorherzusagen. Doch die Nachfrage nach Backwaren variiert stark und wird von zeitlichen sowie lokalen Faktoren beeinflusst, wie beispielsweise vom Wochentag oder vom Standort der Filiale. Zudem unterscheiden sich die angebotenen Bäckereiprodukte wie auch die Bedürfnisse der Kund*innen von Geschäft zu Geschäft. Das erschwert es, Bestellmengen vorherzusagen. Eine weitere Herausforderung: die regionalen Filialleiter*innen, welche für die Bestellungen verantwortlich sind, müssen den KI-Modellen und deren Vorhersagen vertrauen. Wenn diese die Bestellmengen nachträglich anpassen, kann dies langfristig zu Überbestellungen und Lebensmittelverschwendung führen.
Nachhaltiges Wirtschaften mit Hilfe von KI
Foodtracks nutzt bereits KI-Modelle, die zum Beispiel die optimale Menge an Backwaren vorhersagen und bei der Entscheidung über die Herstellungsmenge unterstützen. Die Modelle ermöglichen eine intelligente tägliche Volumenplanung und unterstützen Bäckereien dabei, nachhaltiger zu wirtschaften. Ähnliche KI-Techniken nutzt Brammibal's Donuts derzeit für die eigene interne Auftragsabwicklung.
Das neue KI-Pilotprojekt mit dem Green-AI Hub Mittelstand zielt darauf ab, die KI-Modelle der KMU zu verbessern. Ausgangspunkt dafür sind die KI-Modelle der einzelnen Filialen: Mittels externer Daten und dem Einsatz neuer Deep-Learning-Techniken sollen die KI-Modelle weiter optimiert werden.
Zusätzlich zu den Modellverbesserungen sollen die neuen KI-Techniken mit neuen intelligenten Designschnittstellen kombiniert werden. Das soll das Vertrauen und das Verständnis der Filialleiter*innen für die KI-Modelle stärken, wenn sie ihre täglichen Bestellungen aufgeben. Die KI-Modelle werden gemeinsam mit Expert*innen des Deutschen Forschungszentrum für Künstliche Intelligenz GmbH (DFKI) entwickelt.
Verringerung der Umweltbelastung durch eine Reduktion von Lebensmittelabfällen
Brot ist ein Grundnahrungsmittel und doch eines der am meisten verschwendeten Lebensmittel. Diese Verluste bedeuten eine hohe Umweltbelastung, die durch eine bessere Vorhersage und Verwaltung von Lebensmittelbestellungen reduziert werden kann.
Ebenso hat die Genauigkeit der Lebensmittelbestellung eine hohe wirtschaftliche Auswirkung. Bei einer Überbestellung kommt es zu Arbeits- und Materialverschwendung, während eine Unterbestellung zu einem frühen Ausverkauf führen kann, welcher sich negativ auf die Kundenzufriedenheit auswirken kann. Weitere Probleme eines frühen Ausverkaufs sind das frühzeitige Schließen von Einzelhandelsgeschäften, wodurch Mitarbeitende vorzeitig ihren Arbeitstag beenden müssen und möglicherweise Umsätze verloren gehen.
Ein optimiertes Bestellsystem mit einfachem Design und präziseren Vorhersagen kann dazu beitragen, die Abfälle von Brot, Donuts und anderen Backwaren zu minimieren und die ökologischen und wirtschaftlichen Auswirkungen der Verschwendung zu reduzieren. KI-Lösungen, die für Bäckereien mit begrenzten Daten entwickelt werden, könnten auch anderen KMU in verschiedenen Sektoren zugutekommen.
Backwarenbereich bietet großes Potenzial Ressourcen einzusparen
In Deutschland werden jedes Jahr mehr als 18 Millionen Tonnen Lebensmittel weggeworfen. Knapp 10 Prozent davon stammen aus dem Backwarenbereich. Diese Abfälle entsprechen dem Verbrauch von 398 000 Hektar wertvollem Ackerland und dem Ausstoß von 2,46 Millionen Tonnen Treibhausgasen (WWF, 2018).
Allein bei Brammibal's Donuts wurden im vergangenen Jahr 438 508 Donuts verschwendet, was 17 Prozent aller produzierten Donuts (2,58 Millionen Stück) entspricht. Das Ziel ist, die Zahl der weggeworfenen Donuts um mehr als 200 000 zu reduzieren, was in etwa dem Verbrauch von organischen und biologischen Materialien wie 5 500 kg Weizenmehl, 4 000 kg Zucker, 1 000 l Rapsöl, 222 kg Hefe, 200 kg Schokolade und 134 kg Mandeln entspricht.
Und noch mehr als das: Mit der im KI-Pilotprojekt neu entwickelten KI-Lösung könnte Foodtracks den Backwarenabfall in den insgesamt 2 800 Filialen seiner Kund*innen innerhalb eines Jahres um 3 500 Tonnen reduzieren.
Vorstellung des Green-AI Hub-Pilotprojekts „KI-basierte Prognosen in der Lebensmittelproduktion“ - 10:14 min.
- Bram van Montfort, Brammibal's Donuts GmbH
- Tobias Pfaff, Foodtracks (Antegon GmbH)
- Aeneas Stankowski, Deutsches Forschungszentrum für Künstliche Intelligenz GmbH
Technologie
Fähigkeit der KI: analysieren, Forecasting optimization
KI-Modell: Deep Learning, Time-Series Forecasting
Wertschöpfung
Phase: Produktion
Ziel der KI: Forecasting der täglichen Bestellmenge
Ressourceneffizienz
Einsparung von 3 500 t Lebensmittelabfällen pro Jahr, was einem THG-Minderungspotenzial von 478 t CO2e entspricht
Einsparung von 200 000 Donuts pro Jahr
