Allein in Deutschland müssen Händler*innen 500.000 Tonnen Lebensmittel pro Jahr entsorgen. Und das nur, weil die Waren es nicht rechtzeitig bis zu den Endverbraucher*innen schaffen, sondern auf dem Weg dorthin verderben. Insbesondere bei Früchten, Salaten oder Gemüse lässt sich bisher nur unzureichend bestimmen, wie lange sie noch transport-, lager-, und verkaufsfähig bleiben. Sensorik und Künstliche Intelligenz aber können wertvolle Informationen zum Zustand der Frischwaren liefern. Das schafft Transparenz und trägt merklich zur Verringerung der Ressourcenverschwendung bei.

Wer kennt es nicht: Die gerade im Supermarkt gekaufte Avocado entpuppt sich beim Aufschneiden zu Hause in der Küche als angefault. Oder die am Vorabend am Obststand erstandenen Himbeeren haben über Nacht die ersten angegorenen Stellen bekommen, auf denen sich Schimmelsporen breit machen. Beide Male wurde das Obst zwar frisch gekauft, ist aber nach kürzester Zeit bereits nicht mehr zum Verzehr geeignet. Denn bei Obst, Gemüse und Salaten gibt es in der Regel kein Mindesthaltbarkeitsdatum. Als Auswahlkriterium bleibt damit nur der Augenschein. Mit dieser Unwägbarkeit bezüglich Frische und Lagerfähigkeit müssen die Kund*innen leben. Aber nicht nur sie.

Frische nach Augenschein

Auch für die Händler*innen ist die Einschätzung von Reifegrad und verbleibender Haltbarkeit der Frischwaren schwierig. Das gilt für alle Akteure entlang der gesamten Lieferkette – von der Anlieferung im Sammellager über die Transporte zu Verteilzentren und Großmarkthallen bis zur Abholung oder Auslieferung an den Einzelhandel. Die einzig nutzbaren Hinweise sind auf den Augenschein des Inhaltes der Transportsteigen, die Frachtpapiere mit dem Erntedatum und einzelne Stichproben beschränkt. Für das Abschätzen der verbleibenden Lagerfähigkeit bis zum Beginn des Verderbs von Früchten, Gemüse und Salaten müssen deshalb weitere Kriterien hinzugezogen werden. Dazu gehören vor allem die Bedingungen und Belastungen, denen die Waren auf ihrem bisherigen Handelsweg ausgesetzt waren. »Werden zum Beispiel Beeren oder Salat beim Umladen oder Zwischenlagern erhöhten Temperaturen oder höherer Luftfeuchtigkeit ausgesetzt, werden sie schneller überreif und beginnen zu verderben. Und bei einer Steige Äpfel oder Avocados können Erschütterungen während des Transports Druckstellen verursachen, die die Fäulnisbildung begünstigen«, erklärt Benedikt Fischer vom Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB. All das müsse zwar in die Berechnungen mit einfließen. Andererseits aber ist damit die Frage noch nicht beantwortet, ab welchem Erschütterungsgrad einzelne Lieferungen tatsächlich Schaden nehmen könnten und ob dieser Fall auch tatsächlich eingetreten ist. Erschwerend komme hinzu, dass die Erzeugnisse bereits zum Erntezeitpunkt sehr unterschiedlich sind. Reifegrad, der Gehalt an Wasser, Säuren, Mineralien und Zucker oder die Festigkeit der Gewebestrukturen im Inneren und auf der Außenhaut variieren von Charge zu Charge und teils sogar von Stück zu Stück erheblich. Und von diesem individuellen Ausgangszustand hängt auch ab, wie stark und mit welchen Folgen sich die Einflüsse während der Lagerung und des Transports auf die Frischwaren auswirken. Händler*innen bräuchten also deutlich mehr Informationen, um die Verderbsgeschwindigkeit der Paletten einigermaßen gut zu prognostizieren. Denn nur dann könnten sie rechtzeitig gegensteuern, um ein Wegwerfen verderbender Ware zu verhindern. 

Zu wenig Informationen

»Mit entsprechenden Vorwarnungen wäre es beispielsweise möglich, Früchte mit Druckstellen auszusortieren bevor es zu Fäulnisbildung kommt. Und Früchte im kritischen Zustand könnten zumindest zu Marmeladen, Aufstrichen oder für Konserven weiterverarbeitet werden«, sagt Fischer. Außerdem könnten Chargen, die, obwohl sie später geerntet wurden, schneller an Haltbarkeit verlieren, bei der Verteilung priorisiert werden und damit rechtzeitig in den Verkauf kommen. Und es ließen sich Bestellungen und Lagerbestände so optimieren, dass Fehlkalkulationen weitgehend vermieden werden.

Doch woher soll das fehlende Wissen zu Frische und Haltbarkeit der Erzeugnisse kommen? Bei den rund 72 Kilo Obst und 109 Kilogramm Gemüse, die jeder Deutsche und jede Deutsche jährlich verbraucht, wäre es Unsinn, die Frische der Paletten lediglich per Augenschein und durch Schätzungen zu möglichen äußeren Einflüssen zu kategorisieren. Deshalb wollen Forschungsinstitute und Unternehmen der Lebensmittellogistik gemeinsam mit dem Fraunhofer IOSB in dem vom Bundesministerium für Ernährung und Landwirtschaft geförderten Projekt »FriDa – Frische Daten« andere Antworten finden. Ihr Ansatz: Den Frischezustand von Lebensmitteln digital abzubilden und zwar entlang der gesamten Lieferkette – von der Ernte bis zum Verkauf. Diese »digitalen Zwillings-Früchte« sollen dann jederzeit über das Internet anwählbar sein, damit sich alle Marktakteure in der Lieferkette jederzeit informieren können: Wo ist die Ware? Wie ist das Klima im Lagerraum? Wie frisch ist die Ware? Wie lange wird sie sich noch frisch halten? Und mit welchen Qualitätsmängeln müssen die Verkäufer*innen rechnen?

Spotlight auf Frische und Qualität

Doch um den Zustand der Früchte tatsächlich darzustellen, müssen zunächst die Eckdaten bekannt sein: Bei FriDa wird deshalb jede Obststeige, jede Gemüsecharge und teils sogar jedes einzelne Frischeobjekt mit einem Spektrometer untersucht werden. Ein Nahinfrarot-Spektrometer strahlt breitbandiges Licht auf die Probe. Je nach seiner inneren Zusammensetzung reflektiert das Objekt nun das Licht verschiedener Wellenlängen unterschiedlich stark. Das reflektierte Spektrum wird durch den Sensor schnell und zerstörungsfrei gemessen. So ist es beispielsweise auch möglich, unter die »Haut« eines Lebensmittels zu sehen. Mittels maschineller Lernverfahren kann das reflektierte Spektrum interpretiert werden. Dadurch lässt sich beispielsweise der Anteil von Wasser, Zucker, Stärke, Fett und Proteinen bestimmen oder auch auf abstraktere Eigenschaften wie die Frische der Ware schließen. 

Aktuell testen die Forscher*innen am Fraunhofer IOSB den Einsatz von zwei verschiedenen Systemen: erstens einem Punktspektrometer und zweitens einem hyperspektralen Kamerasystem. »Beide Analyseverfahren haben spezifische Vorteile«, erklärt Fischer. Weil Punktspektrometer sehr kompakt sind, seien sie ideal, um Objekte einzeln zu untersuchen. Deshalb werden sie vor allem genutzt, um stichprobenartig Qualitätschecks noch während der Ernte auf dem Feld vorzunehmen oder die Früchte und Gemüse am Lagerplatz in der Großmarkthalle zu analysieren. »Aus den Ergebnissen lässt sich der generelle Zustand der Ware ablesen«, sagt Fischer, der für das Fraunhofer IOSB die Projektleitung übernommen hat. Schadhafte Stellen in inhomogenen Produkten allerdings würden nicht erkannt. 

Eine spektrale Kamera dagegen sieht auch diese möglichen Mängel. Allerdings ist sie weitaus weniger für den mobilen Einsatz geeignet. Aber sie lässt sich gut über einem Transportband im Bereich des Wareneingangs eines Verteilzentrums installieren, um Transportsteigen am Stück zu begutachten: Sie scannt den Zustand der gesamten Oberfläche aller nebeneinander liegenden Objekte, also beispielsweise jeder Grapefruit und jeder einzelnen Avocado. Sie sieht damit, wenn eine Frucht Druckstellen aufweist, die einen beschleunigten Verderb verursachen könnten.

Umfangreiche Lagerversuche als Frischereferenz

Das Spektrometer allein liefert allerdings noch keine Erkenntnis über den Frischezustand des untersuchten Objekts. Es misst lediglich die spektrale Zusammensetzung des reflektierten Lichts. Zu erkennen, was solch ein Spektralbild über die Zusammensetzung und die Frische eines Lebensmittels aussagt, ist Aufgabe einer KI und einer speziellen Analysesoftware. Aber dafür benötigt das System Trainingsdaten. Nur so lassen sich neu aufgenommene Spektralmessungen einordnen und bewerten. 

Im Rahmen des FriDa Projektes wurden dafür aufwendige Lagerungsszenarien mit Himbeeren, Avocados, Feldsalat, Rucola und verschiedenen Blattgemüsen durchgeführt. Sie lagerten die Frischwaren bei unterschiedlicher Temperatur und Luftfeuchtigkeit bis zu ihrem Verderb. Während der gesamten Versuchszeit wurden die Objekte nicht nur regelmäßig mit dem Spektrometer gescannt. Parallel dazu führten Forscher*innen der Universität Bonn umfangreiche chemische und mikrobiologische Analysen durch. »Auf diese Weise haben wir den gesamten Entwicklungsprozess von der Ernte bis zum Verderb abgebildet und eine Datenbasis aufgebaut, die es in dieser Vollständigkeit und Detailliertheit für die untersuchten Produkte bisher nicht gab«, so Fischer. Anhand dieser Referenzdaten sei es möglich KI Algorithmen zu trainieren, welche in der Lage sind, den aktuellen Frischezustand der Lebensmittel zuverlässig zu bestimmen.

Smarte Transportbehälter

Die Messungen der Spektrometer liefern das Wissen, wie der Zustand der Frischwaren zu einem konkreten Zeitpunkt zu bewerten ist. Zum Beispiel unmittelbar bei der Ernte und noch einmal in der Mitte der Lieferkette. Allein: daraus lassen sich noch keine zuverlässigen Haltbarkeitsprognosen ableiten. Denn diese sind maßgeblich auch davon abhängig, was auf dem weiteren Lieferweg passiert. Um die Transporteinflüsse monitoren zu können, haben die FriDa-Verantwortlichen auch hier eine smarte Lösung gefunden: Der Projektpartner Euro Pool System hat eine Reihe seiner europaweit eingesetzten Transportbehältnisse für Frischwaren mit Sensoren ausgestattet, die kontinuierlich die Temperatur messen. An der Integration weiterer Sensoren, beispielsweise zur Messung der Luftfeuchtigkeit, wird geforscht. »Die smarten Behältnisse liefern uns nun ein lückenloses Bild der Transportbedingungen. Durch die Fusion dieser Daten mit den Momentaufnahmen der Spektralanalysen erreichen wir dann einen Wissensstand, der uns in die Lage versetzt, das Verderbrisiko der Waren jederzeit abzuschätzen«, sagt Fischer.

IoT-Lösung für Frischevorhersagen

Von den Spektralanalysen und intelligenten Transportboxen bis zur Künstlichen Intelligenz, deren Haltbarkeits- und Risikomodelle aus den erhobenen Daten die verbleibende Zeit bis zum Verderb der Frischwaren bestimmen können: Das FriDa-Konzept funktioniert. Das haben die bisherigen Labortests gezeigt. »Aktuell entwickeln wir nun Demonstratoren, mit denen wir der Lebensmittelbranche unser System vorstellen, um es noch weiter zu verbessern«, erklärt Fischer. Parallel dazu läuft bereits ein Feldversuch mit den smarten Transportbehältnissen. Sie wurden dafür in den normalen Umlauf gebracht. Insbesondere die Projektpartner tsenso und das Institut für angewandte Systemtechnik Bremen (ATB) entwickeln und erproben zudem IoT- und Softwarekonzepte dafür, wie FriDa in die bestehenden Strukturen des Lebensmittelhandels integriert werden kann. Und bis zum Projektende in einem Jahr wollen die Projektpartner zusätzlich zu den Haltbarkeitsprognosen für Obst, Gemüse und Salat noch ein Frischemonitoring für Frischfisch entwickeln und erproben.

(ted)

Keine Kommentare vorhanden

Das Kommentarfeld darf nicht leer sein
Bitte einen Namen angeben
Bitte valide E-Mail-Adresse angeben
Sicherheits-Check:
Drei + = 6
Bitte Zahl eintragen!
image description
Experte
Alle anzeigen
Benedikt Fischer
  • Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB
Weitere Artikel
Alle anzeigen
Ganz entspannt cool bleiben
Ein Prosit dem Energiemanagement​  
Wohlig warm und wirtschaftlich
Stellenangebote
Alle anzeigen