Der offizielle Titel des Projekts lautet: Digitales Prozess-Abbild durch maschinelles Lernen zum prädikativen Erkennen kritischer Prozess-Zustände und Qualitätsparameter am Beispiel eines fermentierten und eines haltbaren Lebensmittels. Im Folgenden werden die einzelnen Elemente des Projekts kurz erläutert.
Die Digitalisierung in der Lebensmittelindustrie kann zur Umsetzung verschiedener Trends genutzt werden. Dazu gehören flexible Auftragsfertigung in Echtzeit und individualisierte Lebensmittel. Daraus ergibt sich ein Bedarf an Echtzeitanalysen von Produktionslinien, um Veränderungen von Rohstoffen, Zutaten und/oder Prozessparametern zu überwachen. Die Herausforderung besteht jedoch darin, dass die Herstellung von Lebensmitteln sehr komplex ist und sich von Hersteller zu Hersteller unterscheidet. Eine weitere Hürde ist die mangelnde IT-Kompetenz des Personals.
Ein digitaler Zwilling (digital twin) könnte in Zukunft zur Abbildung und Analyse von Prozessen eingesetzt werden (siehe Abbildung 1). Daten aus der gesamten Lebensmittelwertschöpfungskette und theoretisches Wissen werden benötigt, um Lebensmittel und ihre Herstellung zu überwachen und zu verbessern. Dies ist bei Lebensmitteln aufgrund ihrer Veränderungen auf chemischer, physikalischer und mikrobiologischer Ebene sehr komplex. Bei der Analyse der Prozesse mangelt es derzeit oft an der Verknüpfung von Daten und theoretischen Modellen. Daher soll anhand von zwei Beispiellebensmitteln die Verknüpfung von Daten und theoretischem Wissen hergestellt werden.
Konkret sollen in diesem Projekt Daten von Unternehmen analysiert werden, bei denen ein kritischer Zustand hinsichtlich des Prozesses oder von Qualitätsparametern vorliegt oder wiederholt auftritt. Dazu sollen maschinelle Lernverfahren eingesetzt werden, um Modelle mit den Daten zu trainieren, so dass die kritischen Muster von den Modellen gelernt und vorhergesagt werden können (siehe Abbildung 2). Die Vorhersagen der Modelle sollen z.B. durch Experimente im Technikum validiert werden.
