Forschungsprojekte, die wir realisieren.

Resource-Efficient, Economic and Intelligent Foodchain: Verschwendung in der Lebensmittelindustrie durch Künstliche Intelligenz verringern.

Ausgangssituation:

In Deutschland werden jährlich circa 18 Millionen Tonnen Lebensmittel entsorgt. 60 Prozent der entsorgten Lebensmittel stammen jedoch nicht aus Privathaushalten, sondern aus Unternehmen der Lebensmittelproduktion. Auch in der Fleischindustrie besteht diese Problematik. Folglich soll
die KI-basierte Liefersteuerung verhindern, dass es zu überschüssiger Ware kommt und diese teilweise wegen des Mindesthaltbarkeitsdatums entsorgt oder tiefgekühlt werden muss. Somit gilt es die Einfriermenge zu minimieren.

Im Rahmen des Teilprojekts V zur Entwicklung ressourcenschonender Produktionsprozesse durch den Einsatz von KI-Modellen, optimiert das Projektteam, bestehend aus Mitarbeitenden der Westfleisch SCE mbH, der Jade Hochschule, dem Fraunhofer IGCV sowie der CompanyMind GmbH & Co. KG, den bestehenden Produktionsplanungsprozess hinsichtlich einer ressourcenschonenden Konzeption. Darüber hinaus wurden die Geschäftsprozesse im Sinne einer optimierten Produktionsplanung neu entworfen.

Status Quo:

Mit dem entwickelten KI-Service “Bedarfsgerechte Produktionspläne“ ist es insbesondere durch die Senkung des Anteils tiefgekühlter Fleischmengen möglich, die Lebensmittelverschwendung zu reduzieren und Überproduktion zu vermeiden.

Hierfür wurde ein Reinforcement Learning Algorithmus mit historischen Daten zu den qualitätsbezogenen Lieferungen und den daraus resultierenden Lagerbeständen trainiert. Dabei wurde ebenfalls die produzierte Menge berücksichtigt. Durch das Training mit diesen Daten können über einen bestimmten Planungshorizont konkrete Vorhersagen über den Bedarf von Produkten in der kommenden Woche getroffen werden.

Das Ergebnis des KI-Services besteht in diesem Fall aus einem Plan für die nächsten acht Tage, der die Summe an Bedarfen, der Zugangsmenge, der Nettomenge, der Einfriermenge, der verfallenen Kundenaufträge und der Entwicklung dieser Größen während des Planungshorizonts darstellt. Darüber hinaus werden durch den Reinforcement Learning Algorithmus explizit Vorschläge für Lieferterminverschiebungen gemacht, die sich immer auf alle Positionen einer Lieferung beziehen. Da die Qualitätsanforderungen des Einzelhandels divergieren, wird auch dies bei den Lieferterminverschiebungen berücksichtigt.

Somit wird für die Kunden immer die geforderte Menge in der richtigen Qualität geliefert und gleichzeitig die Einfriermenge reduziert