Heute bieten große Cloud-Anbieter wie AWS, GoogleCloud, Microsoft Azure, Snowflake und andere nicht nur die Möglichkeit, riesige Datenmengen sicher in einem Data Lake oder Warehouse zu speichern, sondern sie bieten auch anpassbare Modelle und Tools an, um diese Daten für ihre Kunden nutzbar zu machen.

„Anbieter wie AWS haben sogenannte Grundmodelle entwickelt [Groß angelegte maschinelle Lernmodelle, die mit riesigen Datenmengen trainiert werden und für eine Vielzahl von Aufgaben entwickelt sind]. Und sie haben Kundensupport-Teams, die helfen können, die Snackverarbeiter-Daten zu bewerten, sodass diese in die Grundmodelle einspeisen und als Basis für die Entwicklung eines einzigartigen Modells für den Verarbeiter verwendet werden können.

Das ist wirklich wichtig, denn die Verarbeiter haben nicht die Kapazitäten oder die Expertise, um ihre eigenen Modelle von Grund auf zu entwickeln. Durch die Nutzung von Diensten, die jetzt von diesen großen Unternehmen angeboten werden, können Snack-Verarbeiter die bereits entwickelten KI-Modelle leicht integrieren und KI-Lösungen in ihr Geschäft implementieren, ohne große Teams von Datenwissenschaftlern rekrutieren zu müssen.”

„Ich denke, das ist eine echte Veränderung, die wir in den letzten 12 Monaten gesehen haben, und sie wird sich in den nächsten drei bis vier Jahren noch weiter entwickeln“, sagt Cullen. „Ich bin wirklich begeistert davon.”

Was könnte das für Snackhersteller bedeuten?

In Bezug auf Produktionsanlagen haben KI und maschinelles Lernen bereits einen der stärksten Investitionsgründe geschaffen, indem sie vorausschauende Wartung ermöglichen. Durch die Anwendung von KI auf Produktionsanlagendaten können Unternehmen Maschinenausfälle besser vorhersagen und verhindern, Ausfallzeiten verringern und Wartungsressourcen optimieren.

Eine breitere Anwendung von KI kann jedoch ein völlig neues Niveau der Prozess- und umfassenden Geschäftsoptimierung ermöglichen, so Cullen: „Wenn man über KI spricht, liegt der ganze Fokus darauf, die Frage zu stellen, was braucht Ihr Kunde und wann braucht er es? Und auch, welche Lebensmittelspezifikation versuchen Sie zu erreichen und wie können wir die Nutzung jedes Rohstoffstücks, das in den Produktionsprozess eintritt, maximieren, um diese Spezifikation zu erfüllen?”

Betrachten wir das Beispiel eines Herstellers von Eigenmarken-Snacks, der Produkte mit unterschiedlichen Spezifikationen für verschiedene Marken oder Kunden herstellen möchte. „Typischerweise haben sie einige Informationen über die heutigen Rohstoffeingänge und erwarten bereits, was das für die Fertigwaren bedeuten wird“, sagt er. „Aber mit KI versuchen die Verarbeiter jetzt, die Workflows zu optimieren und den gesamten Prozess zu kartieren, basierend auf großen Datenmengen, KI-Vorhersagen der Rohstoffqualität und dem Kaufverhalten der Kunden.”

Die jüngste Entscheidung der EU, die Genehmigung der am häufigsten verwendeten Rauchgeschmacksstoffe aus Sicherheitsgründen zurückzuziehen, stellt eine weitere Veranschaulichung dar: „Stellen Sie sich vor, Rauchgeschmackchips sind nicht mehr erhältlich, aber Sie haben historische Daten darüber, wer diese gekauft hat – die Marktdaten, die Käuferdaten der Kunden und die makroökonomischen Daten der tatsächlichen Zielmärkte – und Sie können diese in Ihre Kapazitätsplanung mit einbeziehen. Beispielsweise könnte ein britischer Snackverarbeiter hypothetisch weniger Garnelen-Cocktail im Vergleich zu Käse und Zwiebel produzieren wollen. Oder vielleicht bedeutet das europäische Fußballturnier, dass Sie in Deutschland mehr große Chipspackungen benötigen. Diese Daten sind tatsächlich jetzt ein wesentlicher Bestandteil des Produktionsprozessflusses“, erklärt Cullen.

Eines der Probleme, das den Fortschritt verlangsamen könnte, ist die Besorgnis, dass KI menschliches Fachwissen aus der Gleichung herausnehmen könnte. Aber Cullen glaubt, dass Sorgen um die Arbeitsplatzsicherheit fehl am Platz sind: „Prozessexperten sollten keine Angst haben, dass ihre Jobs verschwinden. Sie sollten verstehen, dass jetzt, wo Sie mehr Daten und prädiktive KI-Modelle haben, Sie mehr Entscheidungen zu treffen haben. Also, die Jobs der Prozessexperten existieren weiterhin, aber ihre Aufgabenbereiche entwickeln sich.”

Judith Lammer, die Leiterin der F&E, glaubt, dass Geräteanbieter wie INSORT für Hersteller als wichtige Datenquellen von entscheidender Bedeutung werden. „Wir sammeln riesige Datenmengen. In der Vergangenheit mangelte es den Snackverarbeitern an der Kapazität, um all die gesammelten Daten zu analysieren und daraus Sinn zu machen. Jetzt kann die Automatisierung diese Daten bewerten und auf Trends, Cluster und Verbindungen hinweisen, die sie möglicherweise nie in Betracht gezogen haben.”

Während viele Arten von Produktionsausrüstungsanbietern darauf vorbereitet sind, mehr Daten- und Prozessinformationen anzubieten, bietet die Sortiertechnologie eine besonders gute Veranschaulichung, warum die KI ein so großes Potenzial darstellt.

„Mit unseren Augen können wir nur bestimmte Farben sehen, aber stellen Sie sich vor, Sie könnten gleichzeitig weitere 240 Farben im Infrarotbereich sehen. Und nun bedenken Sie, dass das, was Sie sehen, chemische Informationen sind, nicht nur Farben. Das verändert völlig, was beim Sortieren von Lebensmitteln möglich ist, sodass wir Eigenschaften wie Bitterkeit oder Ranzigkeit erkennen können“, erklärt Lammer.

Was mich wirklich begeistert, ist, dass es nicht nur möglich ist, das Unsichtbare zu sehen, sondern es auch in Millisekunden zu sehen“, sagt Lammer. „Wir haben jetzt die Fähigkeit, kleinste Defekte wie kleine Flecken oder Insektenbisse zu identifizieren. Wenn Sie das mit der Fähigkeit kombinieren, die Daten richtig zu analysieren, optimieren Sie den Prozess in ein einfaches Sortierprogramm und eine Zielvorgabe. INSORT-Kunden nutzen bereits diese Daten, um ihre eigenen KI-Modelle zu entwickeln“, sagt sie.

Dies wird den Verarbeitern ermöglichen, viel dynamischer in Bezug auf die Beschaffung und die Bezahlung von Lieferanten zu sein, da sich die Qualität im Laufe der Zeit subtil ändern kann.