Künstliche Intelligenz

KI in der Lebensmittelbranche – was Sie über die Zukunftstechnologie und ihre Einsatzmöglichkeiten wissen sollten

Interview mit Prof. Stephan Schneider und Anna Dhungel

Künstliche Intelligenz (KI) – kaum ein Thema ist so allgegenwärtig, wird so viel diskutiert und wird dabei doch so missverstanden wie dieser Teilbereich der Informatik. Höchste Zeit, etwas Licht ins Dunkel zu bringen. Wir haben mit zwei Experten darüber gesprochen, was KI eigentlich ist, was sie leisten kann und wo ihre Grenzen liegen. Besonderer Fokus liegt dabei auf den Einsatzmöglichkeiten von KI in der Lebensmittelbranche.


Stephan Schneider ist Professor für Allgemeine Betriebswirtschaftslehre und Wirtschaftsinformatik an der Fachhochschule Kiel. Zu seinem Forschungsgebiet zählen Data Science, KI sowie Business Analytics und Intelligence. Anna Dhungel hat in ihrer Masterarbeit im Rahmen einer Kooperation mit agiles und der Reichenau Gemüse eG untersucht, wie mit KI die Erntemengen von Paprika in Gewächshäusern vorhergesagt werden können.

Es gibt nicht die eine Begriffsdefinition für KI

Das Thema KI ist in aller Munde. Doch was sich hinter dem beliebten Schlagwort verbirgt, ist oft nicht ganz klar. Könntet ihr den Begriff für uns definieren?

Anna: Da muss ich etwas ausholen. Es gibt nicht die eine Begriffsdefinition für KI. Schon allein für die menschliche Intelligenz gibt es kein einheitliches Verständnis, deshalb kann man nicht definieren, dass eine Maschine, die sich wie ein Mensch verhält, intelligent sei. Der Ansatz, Maschinen seien intelligent, wenn sie etwas schaffen, das bisher nur der Mensch konnte, ist ebenfalls umstritten. Was ich ausschlaggebend finde, ist Lernfähigkeit. Daten verarbeiten und daraus Rückschlüsse über zukünftiges Verhalten ziehen, das trifft auf Menschen und KI zu.

Außerdem unterscheidet man zwischen enger und weiter KI. Enge KI bezeichnet Maschinen, die in einem ganz bestimmten Bereich eingesetzt werden, z. B. Sprachassistenten. Weite KI ist das, was wir aus Science-Fiction-Filmen kennen, also Roboter mit sämtlichen Fähigkeiten. Es wird diskutiert, ob und wann wir diesen Punkt erreichen. Momentan ist ausschließlich enge KI im Einsatz, d.h. Machine-Learning-Modelle und Algorithmen, die für spezielle Zwecke trainiert werden.

Wie siehst du das, Stephan?

Stephan: Das hat Anna sehr schön erklärt. Natürlich ist es in wissenschaftlicher Hinsicht unbefriedigend, wenn sich etwas nicht genau definieren lässt. Hier ist es hilfreich, die beiden Begriffe künstlich und Intelligenz getrennt zu betrachten. Künstlich ist definiert als ein von Menschenhand geschaffenes Artefakt, abgegrenzt von natürlichen Systemen. Eine verbreitete Definition für Intelligenz stammt von dem US-amerikanischen Psychologen David Wechsler. Demnach ist Intelligenz „die zusammengesetzte oder globale Fähigkeit des Individuums, zweckvoll zu handeln, vernünftig zu denken und sich mit seiner Umgebung wirkungsvoll auseinanderzusetzen“.

Intelligenz bedeutet u.a., Informationen durch sinnliche, geistige und emotionale Wahrnehmung zu verarbeiten, bestimmte Denkprozesse auszuführen und abzurufen, abstrakt, assoziativ, analytisch, kreativ, analog und adaptiert zu denken. Ganz wichtig ist dabei, dass die abgerufenen Informationen zu etwas nütze sind. Das sind sie dann, wenn man zielbestimmt handelt. Übertragen auf Maschinen stellt sich die Frage, welche Informationsverarbeitungsprozesse und Handlungsweisen sie ausführen können müssen, um als intelligent bezeichnet zu werden.

Stephan Schneider ist Professor für Allgemeine Betriebswirtschaftslehre und Wirtschaftsinformatik an der Fachhochschule Kiel

Stephan Schneider ist Professor für Allgemeine Betriebswirtschaftslehre und Wirtschaftsinformatik an der Fachhochschule Kiel.

Die Speerspitze der KI sind künstliche neuronale Netze

Bei KI denken viele an Science-Fiction, dabei ist sie bereits heute Teil unseres Alltags. Wo kommt KI denn schon zum Einsatz? Könntet ihr ein paar Anwendungsbeispiele nennen?

Anna: Mir fallen da spontan Sprachassistenten ein, Chatbots bzw. Bots allgemein, autonomes Fahren, Bilderkennung, Gesichtserkennung, Fault Detection Erkennung.

Stephan: Das hängt wieder damit zusammen, wie wir KI definieren. Man verbindet natürlich gerne Science-Fiction damit, etwas mit einem Wow-Effekt, nach dem Motto „it’s magic“. Aber wissenschaftlich und streng definitorisch gesehen, sind auch einfachste IT-Systeme, in denen Zusammenhangsanalysen gemacht werden, schon KI. Bei der Rubrik „Kunden, die diesen Artikel gekauft haben, kauften auch“ auf der Amazon-Website ist z. B. KI im Einsatz. Denn die Anwendung solcher Assoziationsregeln ist intelligentes Verhalten. Die meisten verbinden das aber nicht mit KI und tun sich schwer damit, das als KI anzusehen.

Das Thema KI ist also ein sehr weites Feld. Was genau ist denn euer Forschungsschwerpunkt?

Stephan: Ich kümmere mich in meiner Forschung um die sogenannte Speerspitze der KI, und das sind künstliche neuronale Netze. Maschinelles Lernen ist dabei ein ganz wichtiger Punkt. Auch wenn die Begrifflichkeiten unscharf sind und sich der Akademiker in mir dagegen sträubt, hat sich in der Praxis eine Einteilung in drei große Bereiche etabliert. Erstens Regression, zweitens Klassifizierung und drittens Clustering.

Die Regression kümmert sich um metrische Zielgrößen, wie z. B. Prognosen über den Absatz eines Produktes. Bei der Klassifizierung werden bestimmte Objekte bereits bestehenden Gruppen zugeordnet. Beim Clustern gibt es noch keine Gruppen, diese werden erst aufgedeckt. Ein Beispiel wäre die Zielgruppenanalyse. So können künstliche neuronale Netze lernen, bestimmte Merkmale derart zu platzieren, dass homogene Gruppen herauskommen. In all diesen Bereichen tummeln wir uns mit unserer Forschung.

Ein künstliches neuronales Netz, das die Erntemenge von Paprika prognostiziert

Eines eurer aktuellen Forschungsprojekte beschäftigt sich mit der Erntevorhersage mittels künstlicher neuronaler Netze. Könntet ihr uns mehr darüber erzählen?

Anna: Im Rahmen meiner Masterarbeit haben wir ein künstliches neuronales Netz trainiert, das die Erntemenge von Paprika im Gewächshaus prognostiziert. Dabei haben wir mit unterschiedlichen Architekturen experimentiert, und auch mit den Daten, die berücksichtigt werden sollen. Unser endgültiges Modell hat gute Ergebnisse geliefert. Fraglich ist bei solchen Problemstellungen, welche Daten man nutzt. In Gewächshäusern werden heutzutage sehr viele Daten aufgezeichnet, durch moderne Klimacomputer zum Beispiel. Aber es ist nicht unbedingt das Beste, diesen ganzen Batzen an Daten zu nehmen und in das Netz zu werfen. Man muss schauen, welche Daten Einfluss auf das Ergebnis haben und welche Daten das Netz braucht, um zu lernen.

Welche Grundvoraussetzungen müssen in einem Betrieb überhaupt gegeben sein, damit der Einsatz eines neuronalen Netzes zur Erntevorhersage möglich ist?

Anna: Auf jeden Fall braucht man die Erntemengen der letzten Jahre für eine bestimmte Fläche. Die wollen wir schließlich prognostizieren. Bei den anderen Daten kann man diskutieren. Natürlich sind Klimadaten wie Temperatur und Luftfeuchtigkeit hilfreich, vielleicht auch der pH-Wert, außerdem die Sonnenstunden. Die Gärtner wissen aber oft selber besser, welche Faktoren entscheidend sind.

Gewisse Managementdaten können auch hilfreich sein, wenn z. B. Zählstationen vorhanden sind und gezählt wird, wie viele Blüten bzw. Früchte dort sind. Das wird ja ohnehin von den Gärtnern immerfort beobachtet. Eine nicht zu unterschätzende Voraussetzung ist außerdem die Offenheit der betroffenen Mitarbeiter gegenüber der Technologie. Deutschland ist eher als technikskeptisch bekannt, gerade beim Thema KI. Man kann die tollsten Modelle bauen, aber sie müssen dann auch in der Praxis berücksichtigt werden. In unserem Bereich kommt uns aber sehr viel Interesse entgegen.

Mittels KI können z. B. die Erntemengen von Paprikapflanzen vorhergesagt werden

Mittels KI können z. B. die Erntemengen von Paprikapflanzen vorhergesagt werden.

Die Anwendungsmöglichkeiten sind gigantisch

Gibt es neben der Erntevorhersage noch weitere Anwendungen von KI in der Lebensmittelbranche, die in Zukunft eine Rolle spielen werden?

Stephan: Ja, die Anwendungsmöglichkeiten sind gigantisch. Man muss den Einsatz von KI hier deutlich weiter fassen. Die Prognose von Erntemengen ist nur ein kleines Beispiel. Genauso kann man die Absatzmengen von Produktsortimenten im Lebensmitteleinzel- oder Großhandel prognostizieren. An solchen Produktabsätzen einschließlich ihrer Herstellung und Lieferung hängt auch der Endkunde, d.h. man spannt die komplette Supply Chain auf. Bei Produkten wie Brot oder Käse gibt es natürlich nochmal andere Faktoren, die einbezogen werden müssen.

Vielleicht möchte man auch eine Stufe höher gehen und untersuchen, wie sich Preisänderungen eines Produkts auf andere Produkte auswirken. Gibt es da Kreuzpreiselastizitäts- oder Kannibalisierungseffekte? Es bringt z. B. nichts, den Preis von Apfelsaft zu senken, wenn dann zwar sein Absatz in die Höhe geht, die Leute aber weniger andere Getränke kaufen. Mit dieser Aktion würde sich der Anbieter ins eigene Fleisch schneiden. Das alles aufzudecken, ist ein gigantischer Tummelplatz für KI.

Inwiefern können Erzeugerbetriebe bzw. die Lebensmittelbranche von KI profitieren?

Stephan: Die Erzeuger verpflichten sich ja zur Lieferung bestimmter Mindestmengen. Einzel- und Großhandel müssen gewährleisten, dass die nachgefragten Produkte tatsächlich vorrätig sind. Da gibt es gigantische Ansatzpunkte für intelligentes Verhalten. Denn hier besteht nicht nur eine ökonomische, sondern auch eine ökologische und sozial-moralische Verpflichtung. Man möchte so wenig Ausschussmengen wie möglich produzieren. Überschüssige verderbliche Lebensmittel könnten an Hilfsbedürftige gespendet werden.

Anna: Einer der Gärtner hat erzählt, dass sie bestimmte Verpackungen einkaufen müssen, ohne zu wissen, ob sie diese ganzen Verpackungen benötigen werden. In der nächsten Saison soll die Verpackung dann anders aussehen und die alten Plastikverpackungen bleiben liegen. Das könnte man optimieren.

Stephan: Meiner Erfahrung nach merken die Protagonisten, dass sich da ein multilaterales Geflecht auftut. Man kann die einzelnen Aspekte wie Absatzmengen und Preisgestaltung nicht mehr losgelöst von anderen Mengen sehen, weil man die komplette Supply Chain im Auge haben muss, vom Urerzeuger bis zum Endabnehmer.

Gibt es noch weitere Vorteile auf der gesellschaftlichen oder ökologischen Ebene von KI in der Lebensmittelbranche?

Anna: Speziell im Lebensmittelbereich könnten die Regierungen von Staaten, in denen die Lebensmittelversorgung der Bevölkerung nicht immer sichergestellt ist, mittels KI eventuell rechtzeitig erkennen, wenn es zu Engpässen kommt und schneller darauf reagieren, um zu verhindern, dass Teile der Bevölkerung hungern müssen.

Ohne Mensch keine KI

Der Mensch ist Grenze, Chance und Risiko bei KI

Der Mensch ist Grenze, Chance und Risiko bei KI.

Was kann KI eurer Meinung nach leisten und wo liegen ihre Grenzen?

Stephan: Hier kommt es natürlich wieder auf die Definition von KI an. Ich persönlich glaube, dass KI eine ganz natürliche Grenze im Faktor Mensch hat. Das gilt vielleicht nicht uneingeschränkt. Ich lehne mich da jetzt mal aus dem Fenster und behaupte: eine vernünftige KI kann Stand heute nicht ohne den Menschen. Der Mensch ist ein ganz wichtiger Treiber für KI und mehr als nur schmückendes Beiwerk. Ich würde vielleicht sogar so weit gehen zu sagen: ohne Mensch, keine KI.

Anna: Ich würde sogar sagen, dass das auch das Risiko ist. Denn der Mensch entscheidet, welche Daten am Ende verwendet werden. Diese Daten haben konkrete Auswirkungen darauf, wie die KI entscheidet und zu welchen Ergebnissen sie kommt.

Der Mensch als Risiko. Könntest du das genauer erklären?

Anna: An amerikanischen Gerichten kommt z. B. ein Algorithmus zum Einsatz, der vorhersagt, ob ein Angeklagter wieder straffällig wird. Man hat jetzt schon festgestellt, dass er diese Wahrscheinlichkeit bei afroamerikanischen Angeklagten signifikant höher einschätzt. Das liegt daran, dass eine Gesellschaft, in der es strukturell zu Rassismus kommt, auch Daten erzeugt, die diese Verzerrung enthalten. Wenn wir die KI damit füttern, kommt sie zu entsprechenden Ergebnissen. Die ethnische Zugehörigkeit des Angeklagten wurde nicht direkt von der KI abgefragt. Es gibt viele solcher Fälle, z. B. Gesichtserkennung, die bei asiatischen Menschen keine Unterschiede erkennt. Vom Thema Frauen und Diskriminierung im KI-Bereich möchte ich gar nicht erst anfangen (mehr zum Thema Frauen und KI finden Sie übrigens auf Annas Blog).

Wie schätzt du das ein, Stephan?

Stephan: Der Mensch ist natürlich ein sehr limitierender Faktor, nicht nur als Anwender, sondern auch als Entwickler von KI. Viele Unternehmen heften sich Buzzwords wie KI ans Revers, aber das macht sie nicht zu Experten. Erfahrung und Know-how spielen eine große Rolle. Anna hat ja schon Beispiele erwähnt, wie Algorithmen arbeiten. Es gibt da auch harmloser anmutende Beispiele aus dem Bereich der Bilderkennung. Man hat sich z. B. gewundert, wie unglaublich gut eine KI Pferde erkannt hat. Dann fand man heraus, dass sie nicht die Körper- oder Gesichtsformen gelernt hatte, sondern das Wasserzeichen des Herstellers, das auf allen Pferdebildern zu sehen war. Was ich damit sagen möchte: Erfahrung und Expertise spielen eine große Rolle, um solche Fehler zu vermeiden.

Wenn wir wüssten, welche Rolle KI spielen wird…

Gibt es weitere Schwierigkeiten, vor denen wir beim Thema KI stehen?

Anna: Eine Sache, die ich beobachte, ist, dass das Recht im Bereich KI hinterherhängt. Natürlich liegt das in der Natur der Sache, weil sich alles sehr schnell entwickelt und immer wieder neue Anwendungsfälle dazukommen. Das Recht kann ja gar nicht im Vorfeld alles definieren und klären. Das kann aber auch bedenklich sein, wie z. B. bei Cambridge Analytica. Auch da wurde KI eingesetzt, um Nutzerprofile von Facebook auszuwerten. Die Grenze, inwieweit das erlaubt ist, ist nicht klar. Wir haben zwar Datenschutzregeln, aber der Sachverhalt ist so komplex, dass es für den Einzelnen schwer zu durchschauen ist. Dass das Recht hinterherkommt, ist ein Thema, auf das man ein Auge werfen muss.

Wenn wir 20 Jahre in die Zukunft schauen – was meint ihr: Welche Rolle wird KI in der Lebensmittelbranche spielen?

Anna: Puh. In der Vergangenheit wurden immer so falsche Aussagen auf solche Fragen getroffen. Ich glaube, Anfang der 90-er Jahre hat jemand gesagt, das Internet sei nur ein Trend und würde sich nicht durchsetzen. Schwierig. Ich weiß nicht, Stephan, was meinst du?

Stephan: Da erinnere ich mich an eine Dokumentation über die Anfänge im Silicon Valley, bei der einzelne Protagonisten zu Wort kamen, u.a. auch ein Freund von Steve Jobs. Der erzählte, dass Steve Jobs ihn gefragt habe, ob er ihm 1000 Dollar leihen könnte. Er würde ihm dafür 10 Prozent von Apple überschreiben. Der Freund meinte, er habe lange darüber nachgedacht und sich dagegen entschieden. Den Rest der Geschichte kennen wir ja. Wenn wir wüssten, welche Rolle KI spielen würde…

Vielen Dank, Anna und Stephan, für das spannende Interview. Wir wünschen euch viel Erfolg und Freude mit euren zukünftigen Forschungsprojekten.

Mehr zum Thema KI in der Lebensmittelbranche

Sie sind auf der Suche nach einer modernen Software-Lösung für Lebensmittelhandel und -produktion? Wir beraten Sie gerne.

Kontaktieren Sie uns!