Projekt REIF: Resource-efficient, Economic and Intelligent Foodchain

Das ARXUM® Projekt REIF ist unter den Gewinnern des KI-Innovationswettbewerbs des BMWi

In Berlin hat Dr. Ulrich Nussbaum, Staatssekretär im Bundesministerium für Wirtschaft und Energie (BMWi), die Gewinner des Innovationswettbewerbs „Künstliche Intelligenz als Treiber für volkswirtschaftlich relevante Ökosysteme“ ausgezeichnet. Das ARXUM® Projekt REIF konnte sich durchsetzen und startet nun in eine dreijährige, vom BMWi geförderte Umsetzungsphase.

Im Forschungsprojekt REIF werden die Potenziale der Künstlichen Intelligenz zur Optimierung der Plan- und Steuerbarkeit der Wertschöpfung in der Lebensmittelindustrie untersucht. Ähnlich wie beim Maschinellen Lernen werden dabei fortlaufend Erkenntnisse generiert, vervielfältigt und mit dieser Wissensbasis Prozesse optimiert. Ziel des Projektes ist der Aufbau eines KI-Ökosystems, das Stakeholder aller Wertschöpfungsstufen derart integriert, dass Lebensmittelverschwendung nachhaltig und ganzheitlich mit Hilfe Künstlicher Intelligenz reduziert werden kann.

ARXUM® stellt hierbei die Blockchain Infrastruktur und Smart Contracts zur Ausführung der verschiedenen Use-Cases innerhalb des REIF Ki-Ökosystems zu Verfügung und entwickelt diese.

Eckdaten REIF

  • Laufzeit: 03/2020 - 02/2023
  • Projektpartner: 18 Partner aus Forschung und Industrie
  • Fördergeber: Bundesministerium für Wirtschaft und Energie (BMWi)

  • Projektwebseite REIF

    Künstliche Intelligenz gegen Lebensmittelverschwendung

    Im Forschungsprojekt REIFResource-efficient, Economic and Intelligent Foodchain werden die Potenziale der Künstlichen Intelligenz (KI) zur Optimierung der Plan- und Steuerbarkeit der Wertschöpfung in der Lebensmittelindustrie untersucht. Ziel dieses Forschungsprojektes ist der Aufbau eines KI-Ökosystems, welches Stakeholder aller Wertschöpfungsstufen derart integriert, dass Lebensmittelverschwendung nachhaltig und ganzheitlich mit Hilfe Künstlicher Intelligenz reduziert werden kann.

    Food

    Ausgangsituation

    In Deutschland werden jedes Jahr mehrere Millionen Tonnen an Lebensmitteln vernichtet, da diese aus verschiedenen Gründen nicht mehr für den Verzehr geeignet sind.Studien belegen, dass mit 60 %, also ca. 11 Mio. Tonnen, der überwiegende Teil der Lebensmittel bereits während des Herstellungsprozesses in der Wertschöpfungskette vernichtet wird.

    Die Komplexität der Lebensmittelindustrie – strenge Anforderungen an die Produktsicherheit, eine geringe Planbarkeit in der Landwirtschaft, unzählige produktspezifische Randbedingungen in der Lebensmittelverarbeitung, starke Nachfrageschwankungen und der Trend zu individualisierten Produkten, auch in der Lebensmittelindustrie, hat eine Verringerung dieser offensichtlich vorhandenen Defizite bisher verhindert.

    Zielsetzung des Projekts

    Das übergeordnete Ziel ist die Identifikation von Potenzialen und die Konzeptionierung von innovativen Ansätzen basierend auf KI für lernende Wertschöpfungsnetzwerke. Dazu soll im Ansatz von REIF ein Wertschöpfungsnetzwerk für die Lebensmittel-industrie konzeptioniert und als KI-Ökosystem genutzt werden. Durch diesen kom-binierten Ansatz ergeben sich zahlreiche Synergien, sodass der Forschungsbereich der KI, die Lebensmittelindustrie wie auch die Gesellschaft profitieren. Auf Grund der strengen gesetzlichen Regelungen werden in der Lebensmittelindustrie überdurch-schnittlich viele Daten generiert, die den Nährstoff eines jeden KI-Ansatzes bilden. Gleichzeitig hat die Wertschöpfungsentwicklung der Foodchain eine temporäre Sättigung erreicht, die nur durch disruptive Ansätze, wie die Verwendung von Künstlicher Intelligenz, überwindbar ist. Im Fokus des Ansatzes dieses Vorhabens steht daher die aktive Nutzung von KI-Verfahren durch beteiligte Partner in der Umsetzungsphase. Analog zum Maschinellen Lernen werden durch diese Anwendung fortlaufend Erkenntnisse generiert, vervielfältigt und mit dieser Wissensbasis Prozesse optimiert. Eine Struktur und ein Netzwerk für diesen Ansatz zu planen und vorzubereiten soll ein entscheidender Bestandteil der Wettbewerbsphase sein.