Toggle Navigation

Apfel, Brot und Käse für Machine Learning

Machine Learning ist mittlerweile bei fast allen ein Begriff. Kein Wunder: Fast jeden Tag lesen, hören oder sprechen Menschen über die fortschreitende Technik. Kann diese Technologie vielleicht unsere Lebensmittel retten?

Eine Erhebung von Bitcom kam zur Erkenntnis, dass jede vierte Maschine in der deutschen Industrie bereits „smart“ und vernetzt ist. Dabei nutzt jedes zweite Unternehmen aus dem produzierenden Gewerbe demnach schon Anwendungen für die sogenannte Industrie 4.0 mit ihrer breiten Vernetzung von Technik.

„In den vergangenen Jahren hat sich in Sachen Industrie 4.0 viel getan“, so Achim Berg, Präsident des Digitalverbands. Die Kommunikation unter vernetzten Maschinen sei „in den Fabriken Realität“.

Achim Berg, Präsident des Digitalverbands

Mit Hilfe von Sensoren und der Analyse riesiger Datenmengen ist der digitale Wandel in der Industrie inzwischen weit fortgeschritten. Die Unternehmen erhofften sich vor allem, Fertigungsprozesse zu optimieren, Kosten zu senken und damit wettbewerbsfähig zu bleiben.

Auch im Lebensmittelhandel!

Gerade im Lebensmittelhandel müssen großen Informationsmengen im Alltagsgeschäft gehandelt werden. Ein gut sortierter, durchschnittlicher Supermarkt in Deutschland hat etwa 12.000 Artikel. Dabei hängen die Haltbarkeit und Verfügbarkeit vieler Lebensmittel wie Obst, Gemüse und Fleisch stark von externen Faktoren wie Wetter, Promotionen oder Feiertagen ab.

Machine Learning in der Lebensmittelindustrie (Foto: Denise Heller).

Diese äußeren Faktoren machen die Planung für Mengen und Kaufverhalten der Kunden schwieriger. Die Folge ist entweder Abschreibung der Lebensmittel (Stichwort: Lebensmittelverschwendung) oder ein fehlendes Angebot, was die Kundenzufriedenheit und den Umsatz negativ beeinflusst.

Es gibt also einen klaren Bedarf, die Vorhersehbarkeit zu verbessern. Dabei sind bisher zum Beispiel Absatzplaner verantwortlich, den Einfluss der externen Faktoren, mithilfe ihrer Erfahrung über den zukünftigen Abverkauf, einfließen zu lassen. Diese komplexe Einschätzung ist damit abhängig von der Erfahrung des Planers, wodurch diese Prozess durch die menschlichen Faktoren oft fehlerbehaftet ist.

Algorithmus nahezu perfekt?

Algorithmen hingegen können im Grunde alles berücksichtigen, was sich in Daten abbilden lässt. Das Problem was sich hier ergibt ist eher die fehlenden Daten aus dem Handel. Wenn die Daten fehlen, wie kann dann Machine Learning dem Lebensmittelhandel weiterhelfen? Im Grunde müssten die Stärken von Menschen (Bauchgefühl) und Maschinen (Handling von Komplexität) kombiniert werden. Bisher gibt es allerdings wenig Technologie in diesem Bereich.

Blue Yonder hat den Versuch gewagt und bei Unternehmen wie Kaufland, Otto oder Orsay dieses Vorhaben in die Tat umgesetzt. Mit dem Projekt First Mover, das auf Machine Learning basiert, verspricht sich die Firma, dass die Probleme bezüglich Haltbarkeit und Menge speziell im Frischebereich gelöst werden. Spannend bleiben der zukünftige Einsatz und der Erfolg mit dieser Technologie.

Mehr zu künstliche Intelligenz hier.

Über den Autor

Denise Heller

Denise Heller

Meine Artikel:

Kommentiere