Nachhaltige Lebensmittellieferketten durch Künstliche Intelligenz

Treiber für nachhaltige Lebensmittellieferketten

Zum einen können die Entwicklungen durch Künstliche Intelligenz (KI) als „Technology Push“ verstanden werden. In der Lieferkette wird KI derzeit vor allem für Optimierungen in den Bereichen Design, Planung, Terminierung sowie zur Vorhersage von Produktionsmengen eingesetzt [1, 2]. So wurden in den vergangenen Jahren vor allem Zeitreihen- oder Big-Data-Analysen durchgeführt, um Anomalien in Produktionsdaten zu erkennen. Die Anwendungen umfassen also vor allem strategische Bereiche, weniger operative. Außerdem ist festzustellen, dass KI-Anwendungen bisher punktuell angelegt sind und weniger übergreifend entlang der gesamten Lieferkette realisiert werden. Um das zu ändern, sind Daten, Vertrauen sowie ein Kulturwandel erforderlich [1]. Der Einsatz einer nachvollziehbaren KI (XAI) kann den Nutzern die Ergebnisse der KI erklärbar darstellen und das Vertrauen fördern [3].

Zum anderen wird Entwicklungspotenzial basierend auf einem „Market Pull“ erkannt. Stakeholder wie politische Entscheidungsträger, Lieferanten, Produzenten und Verbraucher interessieren sich vermehrt für nachhaltige Lebensmittellieferketten. Mögliche Maßnahmen zu deren Erzielung wären umweltverträgliche Entscheidungen, Optimierung der Vertriebswege und Umstrukturierung [4]. Konsumententrends zeigen auf, dass Transparenz als stärkster Trend zu verstehen ist. Sie hat bedeutenden Einfluss auf die Logistik, da dieser Trend die gesamte Wertschöpfungskette beeinflusst. Zudem wird Food Waste Awareness (Vermeidung von Lebensmittelverschwendung), welches entsorgte Lebensmittel sowie durch ineffiziente Prozesse und Verarbeitungsschritte verursachte Verluste innerhalb der Logistikkette umfasst, ebenfalls durch starkes Wachstum in Konsumententrends bedeutsam [5].

Ganzheitliche Datenvernetzung in Lieferketten

In der Automobilindustrie wird durch das eigene Datenökosystem Catena-X, das auf GAIA-X basiert, eine Zusammenarbeit innerhalb eines Industriezweigs ermöglicht [6, 7]. Dies fördert eine datengetriebene, sich den Herausforderungen der Branche stellende Wertschöpfungskette. Ein weiterer bestehender Lösungsansatz ist die Manufacturing-X-Initiative, welche mit einem intelligent vernetzten Datennetzwerk über Industriebranchen hinweg Nachhaltigkeit, Resilienz sowie Wettbewerbsfähigkeit der Industrie stärkt [8].

Lieferkette Nutztier Pute zum Lebensmittel Putenfleisch

Basierend auf der beschriebenen Ausgangssituation fokussiert das vorliegende Konzept die Parameter Produktionsprozesse und Ressourceneinsatz entlang der Wertschöpfungskette vom Nutztier Pute zum verarbeitenden Lebensmittel Putenfleisch, um eine nachhaltige Lebensmittellieferkette durch Einsatz von KI zu visualisieren. Nach Karwowska gibt es nur wenige Daten zur Verschwendung von Lebensmitteln in der Fleischindustrie. Gleichzeitig wird die Fleischindustrie durch einen negativen Einfluss auf die Umwelt charakterisiert [9]. Aus dem Fleischatlas des Jahres 2021 geht hervor, dass vermeidbare Verluste innerhalb der Lebensmittellieferkette von Nutztieren zum Lebensmittel vor allem in den Prozessschritten bis zur Schlachtung vorliegen [10].

Visualisierung nachhaltiger Lebensmittellieferketten

Das nachfolgende Bild 1 visualisiert eine klassische Lebensmittellieferkette, bestehend aus Akteuren unterschiedlicher Wertschöpfungsstufen, welche zusammenarbeiten. In der Lieferkette besteht ein Material sowie ein Informationsfluss [11] (gekennzeichnet durch die Transportprozesse). Die Visualisierung umfasst die Lebensmittellieferkette und schließt Produzenten, Verarbeitungs- und Produktionsstufen bis hin zum Vertrieb über den Handel an den Endverbraucher ein.

Eine mögliche Herausforderung innerhalb der ersten Prozesse der Lebensmittellieferkette, welche nicht prädiktiv erkannt wird, kann zur Folge haben, dass diese entlang des Materialflusses weitergeführt wird. Beim Erkennen einer solchen Eventualität ist ein nicht zentraler Informationsaustausch hinderlich. Gegebenenfalls werden Maßnahmen nicht ausreichend zeitnah eingeleitet, sodass das Problem nicht mehr behoben wird und der Verbraucher die eingeschränkt sicheren Lebensmittel verzehrt. Dies wird mittels Bild 2 visualisiert.

Die konzeptionell entwickelte nachhaltige Lieferkette basiert auf einem lieferkettenübergreifenden Vernetzen aller Akteure. In diesem Zusammenschluss besteht die Möglichkeit einer zentralen Speicherung und intelligenten Verknüpfung von Produktionsdaten der Prozessbeteiligten und die Möglichkeit zum Austausch der Akteure untereinander entlang der Lebensmittellieferkette.

Daneben kann ein Austausch aller Akteure über Prozessabläufe das Verständnis über die Bedürfnisse, Anforderungen und Abläufe anderer fördern. Durch den Einsatz von KI (sowohl der Lieferkette übergeordnet als auch in deren einzelnen Sektoren) werden zum einen dazu Möglichkeiten geschaffen, prädiktiv Herausforderungen zu erkennen und zu beheben. Zum anderen kann durch Vernetzung und Austausch von Daten ebenfalls ein zentraler Informationsfluss gefördert werden, sodass eingeschränkt sichere Lebensmittel frühzeitig aus dem Prozess entfernt und ein Verzehr dieser durch den Verbraucher eliminiert werden kann. Das vorliegende Bild 3 visualisiert den Ansatz.

Außerdem besteht die Möglichkeit, Daten entlang der Lebensmittellieferkette zentral zu speichern, ohne dass weitere Akteure Einsicht erhalten, wodurch die Datensouveränität der einzelnen Akteure in der Lieferkette gewahrt wird. Das heißt, dass jedes Glied in der Wertschöpfungskette über den Erhalt und den Nutzen entscheiden kann [12]. Eine Standardisierung, Kompatibilität und Interoperabilität der Systeme sowie Prozesse fördern jedoch die Effektivität innerhalb der Lieferkette [13]. Der sich daraus ergebene Nutzen wird im folgenden Bild 4 dargestellt.

Visualisiert wird, wie beispielsweise ein erkranktes Tier, welches nach weiteren Verarbeitungsprozessen eine nicht akzeptable Lebensmittelqualität darstellen würde, durch den Einsatz von KI in der landwirtschaftlichen Produktion erkannt wird. Durch einen direkten Informationsaustausch zur Verarbeitung wird so veranlasst, dass dieses Tier nicht verarbeitet und aus der Lieferkette entfernt wird. Die KI kann sich hierbei an optischen Merkmalen orientieren, indem mit Bildklassifikation, Bildsegmentierungen und Objekterkennung gearbeitet wird. So können nichtkonforme Vorkommnisse effizient und frühzeitig erkannt werden. Für die KI relevant sind ebenfalls Produktions- und Verbrauchsparameter, um rechtzeitig Prozesse zu erkennen, welche außerhalb des idealen Bereiches liegen. Dies kann durch Regression, Zeitreihenanalysen oder Erkennung von Anomalien erreicht werden.

Effekte einer nachhaltigen Lebensmittellieferkette

Durch Implementierung nachhaltiger Lebensmittellieferketten anhand des Beispiels vom Nutztier Pute zum verarbeiteten Lebensmittel Putenfleisch werden vier mögliche Effekte abgeleitet. Diese Effekte können als Förderung von Transparenz, Prozessoptimierung, Lebensmittelqualität und Lebensmittelsicherheit sowie von Tierwohl und Tiergesundheit zusammengefasst werden. Bild 5 visualisiert diese und stellt dar, dass die Kompatibilität und Interoperabilität der Systeme und Prozesse entlang der Lieferkette erfüllt werden sollen, um eine möglichst hohe Effektivität sicherzustellen [13].

Mögliche Effekte der Transparenzförderung können das Durchführen eines zentralen Informationsaustausches oder die Reduzierung von Arbeitsaufwand aufgrund des Vorliegens stetiger Informationen sein. Anhand einer erhöhten Datentransparenz können entlang der Lebensmittellieferkette Prozessschritte optimiert geplant und durchgeführt werden.

Als Beispiel sei die Distribution von Puten aus der Mastphase zum Schlachthof angeführt. Die Transparenz über die Gewichtsdaten der Tiere ermöglicht eine effiziente Routenplanung innerhalb der Lieferkette. Hierdurch können Puten mit idealem Schlachtgewicht ausgestallt werden, was nicht nur die Kosten senkt, sondern die Mast zudem nachhaltiger gestaltet und somit auch dem Tierwohl zuträglich ist.

Als Argumente für die Förderung der Lebensmittelqualität können das prädiktive Erkennen von möglichen Herausforderungen sowie die Reduzierung von Ausschüssen entlang der Lieferkette ins Feld geführt werden. Die Verbesserung von Tiergesundheit und Steigerung von Tierwohl forciert vor allem die landwirtschaftliche Produktion sowie weiterführende Prozesse. Als messbare Größe für diesen Effekt dient beispielsweise die frühzeitige Erkennung möglicher Erkrankungen.

Dieser Beitrag entstand im Rahmen des Projekts „Künstliche Intelligenz für nachhaltige Lebensmittelqualität in Lieferketten (KINLI)“ das von dem Bundesministerium für Ernährung und Landwirtschaft (BMEL) unter dem Kennzeichen 28DK124C20 gefördert wird.

Das könnte Sie auch interessieren

Förderung digitalen Vertrauens im grünen Wasserstoffmarkt Vertrauensbildende Informationssysteme und Mechanismen Johanna Voß, Jens Pöppelbuß

Der Aufbau einer globalen Wasserstoffwirtschaft erfordert mehr als technologische Innovationen und finanzielle Investitionen – er erfordert vor allem Vertrauen zwischen den beteiligten Akteuren. Da Informationssysteme (IS) zunehmend die Zusammenarbeit zwischen zuvor unbekannten und geografisch verteilten Akteuren vermitteln, gewinnt die Frage, wie Vertrauen gezielt aufgebaut und aufrechterhalten werden kann, erheblich an Bedeutung. Die vorliegende Studie zeigt systematisch auf, wie unterschiedliche Arten von IS verschiedene Formen von Vertrauen fördern und durch welche digitalen Vertrauensmechanismen dies geschieht. Darüber hinaus verdeutlicht sie, wie diese Mechanismen genutzt werden können, um vertrauensbasierte Zusammenarbeit und Koordination in entstehenden Wertschöpfungsketten für grünen Wasserstoff zu unterstützen.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 4 | Seite 82-90 | DOI 10.30844/I4SD.26.4.9

Typisierung digitaler Plattformen im Supply Chain Management Überprüfung vorhandener Typisierungsansätze aus der Perspektive der Circular Economy Sophia Botsch , Eva Mante , Marcel Papert , Alexander Pflaum

Die Beurteilung der Wirkung digitaler industrieller Plattformen auf Dynamik und Resilienz von Versorgungsketten erfordert eine klare Typisierung solcher Plattformen. Der vorliegende Beitrag prüft, inwieweit ein aktueller Typisierungsvorschlag aus dem Bereich des Supply Chain Managements (SCM) im Zusammenhang mit digitalen Plattformen für die Umsetzung der Circular Economy (CE) weiterentwickelt werden muss. Die Autoren kommen zum Ergebnis, dass eine grundsätzliche Weiterentwicklung nicht erforderlich ist, da die betrachteten digitalen CE-Plattformen sich in die vorhandene Typisierungssystematik gut einordnen lassen. Neue Forschungsfragen ergeben sich allerdings bezüglich der Abgrenzung digitaler Service-Plattformen und digitaler datenorientierter Plattformen sowie der Verknüpfung von Circular Economy und Supply Chain Management, insbesondere im Zusammenhang mit den in der SCM-Praxis zunehmend etablierten Supply Chain Control Towers.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 4 | Seite 62-70 | DOI 10.30844/I4SD.26.4.7

Industrie 4.0 – Fortschritt und Digitalisierung in der Schwebe Status der nachhaltigen Transformation und Digitalisierung in der Produktionstechnik Christian Donhauser , Daniel Riepl

Digitalisierungsprojekte helfen dem Anwender, komplexe Prozesse einfacher und effizienter darzustellen. Allerdings gibt es viele Hemmnisse, welche die Umsetzung deutlich erschweren. Zurückhaltung bei der Umsetzung ist spürbar. Dies trifft unter anderem Arbeitgeber und Arbeitnehmer, die durch das Warten oder Vermeiden ins ökonomische Abseits geraten können. Diese Beobachtungen lassen sich auf eine übergeordnete wissenschaftliche Leitfrage zurückführen: Welche Barrieren und systemischen Herausforderungen erschweren eine nachhaltige Transformation im Rahmen von Industrie 4.0, insbesondere unter Berücksichtigung menschlicher Arbeit in der Produktionstechnik? Welche Fragen stellen sich die betroffenen Akteure? Das wesentliche Ziel dieser langfristig ausgelegten Forschungsarbeit ist es, diese Fragen dezidiert und im Detail zu konkretisieren, um daraus ein konzeptionelles Fundament zu entwickeln, das Forschung, Lehre und technologische Entwicklung integriert und die Potenziale ...

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 3 | Seite 56-60

Digitale Zwillinge zur Emissionsreduktion Ex-ante Fallstudie an einem Pumpenprüfstand in der industriellen Produktion Felix Bischoff, Ingela Tietze , Peter Hertweck, Nina van Hasz

Digitale Zwillinge werden häufig als vielversprechender Hebel zur Reduzierung von Treibhausgas-Emissionen (THG-Emissionen) in der industriellen Produktion diskutiert, belastbare empirische Nachweise zu ihrem tatsächlichen Nutzen unter Praxisbedingungen fehlen jedoch weitgehend. In dieser Fallstudie werden die Emissionseinsparpotenziale eines Digitalen Zwillings als konzeptionell beschriebenes Zielsystems am Beispiel eines Prüfstands für Hydraulikpumpen ex-ante quantifiziert. Hierzu werden die THG-Emissionen des ursprünglichen Prüfplans für das Jahr 2025 auf Basis real gemessener Energieverbräuche der geprüften Pumpen und zeitlich aufgelöster Emissionsintensitäten des Strombezugs ermittelt. Anschließend erfolgt eine regelbasierte Umplanung, bei der energieintensive Prüfprozesse in emissionsärmere Zeitintervalle verlagert werden. Die Umplanung berücksichtigt dabei betriebliche Praxisrestriktionen. Prozesse und Anlagen werden nicht verändert. Das Einsparpotenzial wird ...

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 3 | Seite 16-24 | DOI 10.30844/I4SD.26.3.2

Serious Gaming und die Energiewende Kollaborativ Wissen erzeugen und interaktiv komplexe Zusammenhänge begreifen Janine Gondolf , Gert Mehlmann, Jörn Hartung, Bernd Schweinshaut, Anne Bauer

Die Vermittlung der Komplexität und Vielschichtigkeit der Energiewende an ein breites Publikum ist eine Herausforderung. Dieser Beitrag zeigt auf, wie interaktive Serious Games auf einem Multitouch-Tisch dazu beitragen können, Zusammenhänge erfahrbar und begreifbar zu machen. Spiele und Tisch wurden in verschiedenen Gesprächskontexten eingesetzt. Diese werden hier in drei Fallvignetten dargestellt, die auf teilnehmender Beobachtung der unterschiedlichen Einsätze, situierter und gemeinsamer Reflexion basieren. Die Vignetten zeigen, wie Interaktion epistemische Prozesse anstoßen, Perspektivwechsel ermöglichen und kollektives Denken fördern kann, das für gesamtgesellschaftliche Zukunftsgestaltung notwendig ist.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 2 | Seite 62-69 | DOI 10.30844/I4SD.26.2.62

Wandel in einer Lernfabrik für die zerspanende Fertigung Ein Lernmodul zur Kompetenzförderung für eine nachhaltigkeitsorientierte Transformation Oskay Ozen , Victoria Breidling , Matthias Weigold , Stefan Seyfried

Nachhaltigkeitsfördernde Transformationsprozesse sind in allen Sektoren notwendig, wenn wir innerhalb der planetarischen Grenzen bleiben wollen. Dies gilt auch für den Industriesektor als bedeutender Emittent von Treibhausgasen. Mitarbeiter benötigen neue Kompetenzen, um diese komplexe Aufgabe der industriellen Transformation zu bewältigen. Diese reichen von der CO2-Äquivalenzbilanzierung bis zur Entwicklung und Bewertung von Transformationsszenarien einschließlich technischer Maßnahmen. Das hier entwickelte Lernmodul greift diese Kompetenzanforderungen auf und zeigt am Beispiel der ETA-Fabrik, wie ein kompetenzorientiertes Lernmodul für die industrielle Transformation aufgebaut sein kann. Es umfasst im Wesentlichen vier Phasen: Datenerhebung und CO2-Äquivalenzbilanzierung, Ursachenanalyse, Maßnahmenentwicklung und Maßnahmenbewertung.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 2 | Seite 38-47 | DOI 10.30844/I4SD.26.2.38