„Die Entwicklungen in der generativen KI haben großes Potenzial, Effizienz und Innovationsfähigkeit in der Lebensmittelindustrie erheblich zu steigern“

Was verstehen Sie unter dem Begriff Künstliche Intelligenz?

Künstliche Intelligenz (KI) ist ein relatives Konzept, keine konkrete Technologie. Ihr Umfang und ihre Umsetzung verändern sich mit der fortschreitenden Entwicklung der Technologie. KI umschreibt dabei technologische Leistungsfähigkeit zur Erfüllung von Aufgaben, die wir der menschlichen Intelligenz zuschreiben, z. B. Schach spielen, Röntgenbilder analysieren, oder Texte schreiben.

Entsprechend wird, was gestern KI war, heute ggf. nur noch als Automatisierung wahrgenommen. Was morgen KI ist kann sich deutlich von dem unterscheiden, wie wir maschinelles Lernen als Kerntechnologie der KI heute verstehen.

Der einzige Fixpunkt ist die menschliche Intelligenz, die sich nur vergleichsweise langsam verändert.

Wie unterscheidet sich generative von diskriminativer KI?

Generative und diskriminative KI unterscheiden sich in ihrer Aufgabe und Herangehensweise.

Diskriminative KI erkennt und analysiert Daten bspw. durch Klassifikation. Ihr Ziel ist es, Unterschiede zu verstehen und Dinge klar einzuordnen oder Einordnungsraster zu schaffen. Ein Modell für Lebensmittelerkennung ist zum Beispiel diskriminativ, wenn es lernt, verdorbene Lebensmittel zu erkennen und von frischen zu unterscheiden.

Generative KI hingegen erzeugt Inhalte wie Texte oder Bilder. Sie lernt aus Beispielen und nutzt dieses Wissen, um neue, ähnliche Daten zu erzeugen. Ein Modell für die Bilderzeugung ist beispielweise generativ, wenn es neuartige erscheinende Bilder auf Basis des Erlernten erschaffen kann, zum Beispiel einen verschimmelten Apfel, weil es gesunde Äpfel und verschimmelte Bananen kennt und dies kombinieren kann.

Wie bewerten Sie die Entwicklungen in der generativen KI hinsichtlich ihres Potenzials zur Verbesserung der Effizienz und Innovationsfähigkeit in der Lebensmittelindustrie?

Die Entwicklungen in der generativen KI haben großes Potenzial, die Effizienz und Innovationsfähigkeit in der Lebensmittelindustrie erheblich zu steigern. Generative KI-Modelle, die auf riesigen Datensätzen trainiert werden, können helfen, neue Rezepturen zu entwickeln oder optimierte Produktionsprozesse vorzuschlagen. Generative KI ermöglicht es, Zutatenkombinationen und Produktionsmethoden zu entdecken, die den Wünschen der Verbraucherinnen und Verbraucher besser entsprechen und ggf. gleichzeitig kostengünstiger sind. Insbesondere gibt es kleinen und mittleren Unternehmen die Möglichkeit, auf Wissen zuzugreifen, welches früher teuer über Unternehmensberatung zur Ideation eingekauft werden musste.

Sie sagen, dass die digitale Transformation kontinuierlich und irreversibel ist. Wie wichtig ist diese Transformation für Unternehmen in der Lebensmittelbranche?

Digitale Transformation ist auch für Unternehmen in der Lebensmittelbranche essentiell, da sie die Wettbewerbsfähigkeit und Anpassungsfähigkeit in einem dynamischen Markt sichert. Durch digitale Technologien können Firmen z. B. Prozesse effizienter gestalten, Lieferketten transparenter machen und schneller auf Verbrauchernachfragen reagieren. Zudem ermöglicht die Digitalisierung nicht nur eine bessere Rückverfolgbarkeit von Produkten oder eine personalisierte Kundenansprache, sondern Datenanalyse und Automatisierung optimieren sowohl die Produktion als auch das Konsumverhalten. Da Marktveränderungen zunehmend digital getrieben sind, ist die kontinuierliche Transformation nicht nur vorteilhaft, sondern notwendig, um langfristig erfolgreich zu bleiben und Innovationen voranzutreiben.

Was verstehen Sie unter Mensch-Maschine-Interaktion?

Mensch-Maschine-Interaktion im weiteren Sinne beschreibt die unterschiedlichen Muster und Wege, wie Menschen mit Maschinen und technischen Systemen interagieren. Hierbei geht es um das Zusammenspiel von Handlungen des Nutzers und den Reaktionen der Maschine, die durch Programmierung und maschinelles Lernen immer dynamischer und intelligenter gestaltet werden. Solche Interaktionsmuster können reaktive Aktionen umfassen, wie das Auslösen einer Antwort auf einen Knopfdruck, aber auch proaktive Interaktionen, bei denen Maschinen den Nutzer antizipieren und vorausschauend unterstützen, etwa durch Sprachassistenz oder automatische Empfehlungen. Ziel ist es, Interaktionen menschgerecht, aber effizient zu gestalten. Dies ist meine prozessorientierte Sichtweise. Zusätzlich dazu gibt es auch viel Forschung im Bereich Human-Computer Interaction, die sich mehr mit User Interfaces und Modalitäten als den Abläufen beschäftigt.

Wie können Kollaboration und Co-Creation zwischen Mensch und Maschine die Entscheidungsfindung verbessern, zum Beispiel in der Qualitätssicherung oder Produktentwicklung?

Kollaboration und Co-Creation zwischen Mensch und Maschine verbessern die Entscheidungsfindung, indem sie menschliche Intuition und Empathie mit maschineller Präzision und Geschwindigkeit kombinieren. In der Qualitätssicherung können Maschinen etwa Fehler automatisch erkennen und Daten analysieren, während Menschen diese Ergebnisse interpretieren und komplexe Entscheidungen treffen. In der Produktentwicklung ermöglicht Co-Creation, dass Maschinen basierend auf großen Datenmengen innovative Vorschläge generieren, die Menschen dann verfeinern und an Marktbedürfnisse anpassen und ggf. zur weiteren Ideengenerierung zurückspielen. Diese Synergie kann zu besseren Entscheidungen und schnelleren Entwicklungszyklen mit einer höheren Produktqualität beitragen, da Mensch und Maschine gemeinsam Stärken einbringen und Schwächen ausgleichen.

Sie betonen, dass es entscheidend ist, die Technologie hinter der KI zu verstehen. Welche Kompetenzen sollten Unternehmen in der Lebensmittelbranche entwickeln, um KI erfolgreich zu nutzen?

Um KI erfolgreich zu nutzen, sollten Unternehmen (nicht nur in der Lebensmittelbranche) technische, analytische und organisational-strategische Kompetenzen entwickeln. Technische Fähigkeiten im Bereich Datenanalyse, maschinelles Lernen und Programmierung sind wesentlich, um KI-Modelle zu erstellen und anzupassen. Gleichzeitig ist Datenkompetenz wichtig, um relevante Daten zu sammeln, zu bereinigen und zu interpretieren. Strategisches und organisationales Denken hilft, KI-Anwendungen gezielt zur Wertschöpfung einzusetzen, etwa in der Produktion, Logistik oder Produktentwicklung ohne den Menschen zu vergessen. Wichtig dabei ist, dass KI-Dienstleistungen auch als AI-as-a-Service über die Cloud gibt, so dass nicht zwangsläufig sämtliche Kompetenzen und Rechenleistung in-house existieren müssen.