Die HDG Survey Group geht davon aus, dass künstliche Intelligenz (KI) bei der Qualitätskontrolle eine bedeutende Rolle spielen wird. Viele Nutzer sind jedoch noch nicht bereit für diesen Schritt. Auch die Qualität der KI ist noch nicht ausreichend. "Wir haben festgestellt, dass die verfügbaren Anwendungen die Qualität nicht angemessen und korrekt erfassen können. Außerdem ist die Digitalisierung nicht überall auf der Welt so weit fortgeschritten wie in Europa. Um in anderen Ländern ein Bewusstsein zu schaffen, braucht es manchmal einen Zwischenschritt im Digitalisierungsprozess der Landwirte", beginnt Bas Lok, Direktor für Innovation und Analytik bei HDG.
Deshalb konzentriert sich das in Europa ansässige Unternehmen darauf, den ersten Schritt richtig zu gestalten: die Datenerfassung. Dabei ist die Qualität der Daten von entscheidender Bedeutung. "Die Datenerfassung ist von entscheidender Bedeutung. Wenn sie falsch durchgeführt wird, verlieren die Daten an Wert, was den Wert einer Vorhersage durch eine KI-Anwendung verringert. Daher muss sichergestellt werden, dass die Mitarbeiter vor Ort wissen, wie sie die Software richtig einsetzen."
Die HDG Survey Group konzentriert sich daher zunächst auf grundlegende Analysen als Sprungbrett für fortgeschrittenere Lösungen. "Dashboards werden für Landwirte immer wichtiger, um Einblicke in die Entwicklung eines Produkts im Laufe der Zeit zu erhalten. Allerdings haben nicht alle Landwirte das Geld, um die teuerste Analysesoftware zu kaufen", sagt Bas.
"Durch das Angebot grundlegender Analysen, die nach Qualitätsbewertung, Sorte, Erzeuger und Herkunft aufgeschlüsselt werden können, erwarten wir, dass die Erzeuger allmählich in eine tiefere technologische Entwicklung einsteigen werden. Das ist der erste Schritt zu viel umfassenderen Analysen und einer besseren Grundlage für die Verbesserung der Lebensmittelqualität und -sicherheit."
Fotos sammeln
Bas erklärt, dass sich das Unternehmen auch auf die Einführung von KI-Technologie vorbereitet. "Nehmen wir zum Beispiel die Beurteilung, ob eine Banane grün oder gelb ist. Es werden viele Fotos benötigt, um dem KI-System beizubringen, die genaue Farbe anhand eines Fotos zu bestimmen. Wir katalogisieren derzeit alle diese Fotos nach Beobachtungen. Sobald die richtige Technologie verfügbar ist, können Tausende Fotos direkt in das System hochgeladen werden, sodass es schnell einsatzbereit ist. Unsere Inspektoren verfügen über mehr als 40 Jahre Erfahrung, und wir haben daher die richtigen Experten im Haus, um die KI fehlerfrei zu trainieren", sagt er.
Diese Fehlervermeidung ist beim Training von KI von entscheidender Bedeutung, da die Fehlerquote in direktem Zusammenhang mit dem Vertrauen in die KI steht, so Bas. "KI steckt noch in den Kinderschuhen, daher ist es schwierig, ihr zu vertrauen. Derzeit gibt es kaum Feldinstrumente, die auf variable Bedingungen ausgerichtet sind und immer mit 80- bis 90-prozentiger Sicherheit korrekte Vorhersagen treffen. Deshalb werden Korrekturen vorgenommen, damit der Bericht immer noch korrekt ist. Idealerweise möchte man jedoch Berichte, die immer zu 100 Prozent korrekt sind."
Eingriffe mit dem richtigen Know-how
Ein KI-System zu optimieren ist riskant, betont Lok. "Man benötigt Leute mit dem richtigen Know-how, um in das System einzugreifen. Wenn man falsche Korrekturen vornimmt, und das passiert zu oft, führt dies dazu, dass das System falsche Annahmen trifft. Das verschlimmert das KI-System nur noch", erklärt er. Man benötigt also Fachwissen, um ein KI-System zu trainieren oder zu korrigieren. "Wenn man nicht das richtige Fachwissen einsetzt, besteht die Gefahr, dass die vom System generierten Berichte immer unzuverlässiger werden. Und wenn KI-Berichten nicht mehr vertraut wird, weil sie zu oft falsch sind, stellt dies ein Risiko für die gesamte Obst- und Gemüseversorgungskette dar."
"Das ist es, woran es der KI noch mangelt: unzureichendes Fachwissen, das in Funktionen integriert ist, die Menschen direkt anwenden können. Wenn ein Tool einen negativen Bericht erstellt, könnten die Leute sagen: "Ich vertraue der KI-Technologie nicht." Das ist im Moment das Wichtigste: Vertrauen in diese Art von Technologie und die verschiedenen Softwareanbieter, die sie anbieten (werden)", meint Bas.
Koordination in der internen Kette
Deshalb sieht er vor allem bei Unternehmen, die große Teile der Kette kontrollieren, das Potenzial, KI zumindest kurzfristig für die Qualitätskontrolle einzusetzen. "Ein Unternehmen, das beispielsweise den Anbau und den Import übernimmt, kann diese Technologie viel schneller anwenden. Der Einsatz von KI für die interne Qualitätskontrolle schafft gegenseitiges Vertrauen. Ich glaube, dass sich der Einsatz auf diese Weise in den nächsten zwei Jahren durchsetzen wird, aber für den Rest des Marktes wird es wohl noch viel länger dauern. Ich denke, es wird eher fünf Jahre oder sogar länger brauchen, bis einzelne Erzeuger, Importeure und Einzelhändler die KI-Technologie wirklich flächendeckend einsetzen werden."
Bas ist der Meinung, dass dies eine bessere und umfassendere Kommunikation in der gesamten Kette erfordert. Er sieht diese Notwendigkeit unabhängig von KI, beispielsweise um die Folgen der immer kleiner werdenden Packungsgrößen von Pflanzenschutzmitteln zu überwachen. Und um die Qualität und Sicherheit von Lebensmitteln langfristig zu gewährleisten. Finanzielle Margen sollten Teil dieser Diskussion sein.
"Kleine Margen haben vielleicht keine unmittelbaren kurzfristigen Auswirkungen, aber sie bedeuten, dass die Erzeuger nicht in der Lage sein werden, in das zu investieren, was beispielsweise in fünf Jahren benötigt wird. Das könnte die Qualität und Sicherheit von Lebensmitteln gefährden. Letztendlich ist eine viel stärkere Kommunikation in der gesamten Kette erforderlich, um sicherzustellen, dass die Qualität und Sicherheit von Lebensmitteln langfristig auf dem von uns allen gewünschten Niveau gehalten werden kann", so Bas abschließend.
Weitere Informationen:
HDG Survey Group
Marconistraat 33
3029 AG Rotterdam
Tel.: +31 10 2441414
lok@hdg-surveygroup.com
www.hdg-surveygroup.com