Das Projekt FreshIndex endete im März 2020, geht jedoch mit FreshAnalytics in die 2. Runde. Das Folgeprojekt wurde im Rahmen des Programms „Smarte Datenwirtschaft“ des Bundesministeriums für Wirtschaft und Energie ausgewählt. Ziel ist eine Plattform zur KI Optimierung der Lebensmittellieferkette vom Produzent bis Konsument. Konsortium: arconsis, GS1, Technische Hochschule Deggendorf, tsenso GmbH, Universität Siegen.

FreshIndex – ein Echtzeit-Haltbarkeitsindikator, um die Versorgung mit Lebensmitteln ökonomisch und ökologisch zu optimieren.

Der Index basiert auf den Hygienedaten der Hersteller und den tatsächlichen Lagerbedingungen und wird in einer Cloud-Applikation umgesetzt. Er wird nicht als fixes Datum aufgedruckt, sondern lässt sich per App auslesen sowie digital anzeigen, z.B. auf digitalen Preisschildern und im Online-Lebensmittel-Shop. Dadurch bleibt das System dynamisch: Solange das Produkt temperaturüberwacht wird, aktualisiert sich der Index automatisch.

Ein Drittel aller Nahrungsmittel der Welt werden verschwendet. Insbesondere verderbliche Güter wie Obst, Gemüse, Fisch, Fleisch und Milchprodukte sind davon betroffen, da die frische und sichere Lagerung und die Transportbedingungen eine große Herausforderung darstellen. Die Temperatur ist hier der Schlüsselfaktor.

Je nach den Bedingungen, unter denen das Produkt gelagert und transportiert wird, hat dies einen erheblichen Einfluss auf die Haltbarkeit. Das aktuell verwendete “Best-Before” -Datum liefert hier keine Informationen, führt aber häufig zu einer frühzeitigen Entsorgung von essbaren und sicheren Lebensmitteln.

Der FreshIndex mit seinem dynamischen Haltbarkeitsdatum (DHD) soll das statische Mindesthaltbarkeitsdatums (MHD) nicht ersetzen, sondern als Ergänzung dienen und tatsächliche Produktfrische transparent machen .

Mit der Realisierung des FreshIndex wäre jederzeit eine Beurteilung möglich, ob ein Lebensmittel sicher

und zum Verkauf und Verzehr geeignet ist. Dafür haben wir gemeinsam mit starken Partnern aus

Wirtschaft, Forschung & Entwicklung ein vom BMBF gefördertes Projekt ins Leben gerufen.

DIE PROJEKTZIELE

Lückenlose Überwachung der Lager- und Transportbedingung ab Produktionszeitpunkt

Transparente Produkthygiene, aufgelöst nach Charge, Palette oder Einheit

Berücksichtigung der entlang der Lieferkette anfallenden qualitätsrelevanten Daten

Aufbau einer Hochleistungs-Cloud für den branchenübergreifenden Austausch von Qualitätsdaten

 Die wesentlichen Vorteile für Industrie & Handel durch den Einsatz des FreshIndex sind:

VERTRAUEN schaffen durch Steigerung der TRANSPARENZ entlang der Lebensmittel-Lieferkette

+

GESTEIGERTE PROFITABILITÄT aller Akteure der Lebensmittelbranche durch INTELLEGENTE BUSINESS ANALYTICS

=

REDUKTION DER LEBENSMITTELVERSCHWENDUNG

Das Projekt wird über die Fördermaßnahme KMU-NetC des Bundesministeriums für Bildung und Forschung mit mit 1 m€ gefördert (Förderkennzeichen 03VNE2107B).

Erforschung einer Big Data Cloud für die Lebensmittel Lieferkette

Um für Verbrauer einen spürbaren Mehrwert zu bieten, ist als Vision die Berechnung des FreshIndex für eine möglichst große Anzahl von Produkten zu unterstützen. Im Falles eines deutschlandweiten Rollouts liegt das zu erwartende Datenvolumen im Bereich von jährlich 250 Milliarden Produkten mit typischerweise je 2.000 Messwerten über die Produktlebenszeit. Bei einem internationalen Rollout erhöht sich das Volumen entsprechend. Die zur Berechnung des FreshIndex benötigten Daten werden teilweise schon in existierenden Systemen gesammelt (z.B. Produkt-Stammdaten). Diese Systeme sind zumindest länderspezifisch. Das zu erstellende System muss daher saubere Schnittstellen definieren um eine Integration und Orchestrierung innerhalb unterschiedlicher Technologielandschaften zu gewährleisten.

Erforschung der Informationsversorgung in der Lieferkette mit digitalem Food Labeling

Eine der wesentlichen Innovationen des Fresh Index besteht darin, bestehende Informationsquellen entlang der Wertschöpfungskette über mehrere Organisationen zu nutzen, um hieraus einen dynamischen Fresh Index zu generieren. Ein Arbeitsziel der H-BRS ist die systematische Ermittlung der Anforderungen der verschiedenen Stakeholder. Dazu gehören die Analyse bestehender Praktiken zur Informationserhebung und -verarbeitung sowie die Analyse individueller und organisationaler Motivationen und Vorbehalte, um hierauf aufbauend praxistaugliche Lösungskonzepte zu entwickeln.

Erweiterung der wissenschaftlichen Lebensmittelmodelle um die Berücksichtigung der industriellen Parameterstreuung

Im Rahmen des Projekts wird untersucht, mit welcher Genauigkeit sich der Verderb von Lebensmitteln unter realen Anwendungsbedingungen durch wissenschaftliche Lebensmittel-Modelle beschreiben lässt. Damit die Berechnung der Frische einer einzelnen Wareneinheit unter Berücksichtigung der Streuung und Unsicherheit der Modellparameter sowie der unterschiedlichen realen Einsatzbedingungen aussagekräftig ist, wird eine statistische Abbildung der Anfangskeimbelastung, d.h. der Hygiene der industriellen Produktion, der Unsicherheit der Modellparameter (z.B. der genauen Temperaturmessung) und der Varianz mikrobiologischer Prozesse, in einem mathematischen Modell vorgenommen.

Die FreshIndex APP

Die Frische des Produkts ist in der tsenso Cloud gespeichert und kann dort jederzeit mit Hilfe der FreshIndex App abgerufen werden.

Durch Scannen des Barcodes bekommen Endkunden folgende Informationen:

1. aktuelle Frische
2. Anzahl der verbleibenden Tage bis DHD
3. DHD und DVL als Datumsanzeige
4. wie sich das dynamische Haltbarkeitsdatum und Verderbslimit verändert, wenn über die Regler die eigene Transportdauer/Temperatur sowie die Kühlschranktemperatur eingestellt werden
5. Details zum Produkt, Hersteller, Nachhaltigkeit und Lebensmittelsicherheit.

Validierung des Fresh Index Konzepts im realen Industriebetrieb

Die Validierung des Gesamtsystems wird in einem ausführlichen EU-weiten Praxistest im Industrieeinsatz sowohl für die Lieferung von Lebensmitteln vom Produzenten in den Lebensmittelmarkt, als auch für die Überwachung der Zustellung von Lebensmitteln durch einen Lieferservice an den Endkunden vorgenommen. Dabei wird das System insbesondere auf die Lebensmittelsicherheit, d.h. die Zuverlässigkeit der hygienischen Simulationsergebnisse, sowie auf Sicherheitsaspekte (vorsätzliche Manipulation von Daten, Fehlbedienung durch das Personal etc.) geprüft.