Projekte aus der Praxis

Quelle: BMEL

Ob neue Produktideen, Startups oder Vereine und Initiativen – die hier vorgestellten Best-Practice-Beispiele zeigen, dass Lebensmittelabfälle und -verluste auf ganz unterschiedliche Weise reduziert werden können. Über die Filteroptionen werden die verschiedenen Projekte aus ganz Deutschland angezeigt.

Delicious Data bietet eine technische Lösung für das Problem der Lebensmittelüberproduktion an. Mit einer Künstlichen Intelligenz-basierten Prognose-Software setzen sie sich für einen nachhaltigen Ressourceneinsatz in der Außer-Haus-Versorgung ein.

Wirkungsfeld

bundesweit

Wo

Bayern

Kategorie

Außer-Haus-Verpflegung

Ansprechpartner:in
Delicious Data GmbH

Delicious Data bietet eine technische Lösung für das Problem der Lebensmittelüberproduktion an. Mit einer Künstlichen Intelligenz-basierten Prognose-Software setzen sie sich für einen nachhaltigen Ressourceneinsatz in der Außer-Haus-Versorgung ein.

Die KI Plattform zur Prozessoptimierung in der Außer-Haus Verpflegung Auf einem Desktop sind Grafiken der Software Delicious Data zu sehen
Herausforderung und Problematik

Kurz vor Schließung der Mensa liegen noch große Mengen an frisch gekochtem Essen an der Ausgabe, jedoch sind keine Gäste mehr vor Ort. Um dieses Problem von Lebensmittelabfällen in der Gastronomie zu beheben, entwickelten Valentin Belser und Jakob Breuninger die Idee von Delicious Data.

Studien zeigen, dass im Bereich der Außer-Haus-Versorgung 1,7 Mio Tonnen, also rund 14% der Lebensmittelabfälle entstehen.

Umsetzung und Maßnahmen

Delicious Data hat eine Künstliche Intelligenz (KI)-basierte Prognose-Software entwickelt, die das Problem der Ressourcenverschwendung im Lebensmittelsektor speziell für die Außer-Haus-Verpflegung optimiert. Der Kern der Software ist der Deep-Learning-Algorithmus, der aus der Historie der Kundendaten, den geplanten Mahlzeiten/Menüplan sowie weiteren externen Faktoren (wie Wetter, Ferienzeiten, Feiertage, etc.) eine präzise Absatzprognose errechnet und damit die Grundlage für eine bedarfsgerechte Einkaufsplanung liefert.

Neben den auf künstlicher Intelligenz basierenden Prognosen ergänzt das Food Waste Monitoring die Software und ermöglicht es, Lebensmittelabfälle genau zu erfassen und grafisch in einem Dashboard auszuwerten. Die Anwender:innen können ablesen, an welcher Stelle und in welcher Menge der Lebensmittelabfall (z.B. als Überproduktion, Tellerrücklauf, Produktionsabfall oder Lager-/MHD-Abfall) entsteht und können so gezielt entsprechende Maßnahmen ableiten.

Mit Hilfe des Intelligenten Tagesplaners können Warenproduktionen präzise über den Tag prognostiziert und als terminierte Aufgaben angezeigt werden. Auf diese Weise können die Prozesse bei der Zwischenverpflegung oder in Bäckereien vereinfacht und digitalisiert werden, sodass Lebensmittel-Retouren möglichst gering ausfallen.

Erfolge und Einsparungen

Mit der Nutzung des Systems von Delicious Data liegt die Reduktion vermeidbarer Lebensmittelabfälle bei ca. 30% pro gastronomischen Betrieb. Durch den Einsatz der präzisen KI-basierten Prognosen werden weniger Ressourcen entlang der Lebensmittelproduktion verbraucht und gleichzeitig der Lebensmittelabfall reduziert.

Mit Bezug auf einen Referenzkunden nennt Delicious Data die folgenden Einsparungen: In vier Betriebskantinen eines Industrieunternehmens konnten in einem Jahr 52 Tonnen CO2 reduziert werden. Dies entspricht 41.500 “geretteten” Mahlzeiten und einem verringerten Wareneinsatz von über 82.000€ pro Jahr. Die Planungsgenauigkeit wurde dabei um 48% exakter.


"

Eine digitale Erfassung des Food Waste Aufkommens ist für Unternehmen immer spannend, um zu sehen, wo sie stehen und welche Potenziale sie für einen schnellen Impact für klimabewusstes Wirtschaften nutzen können.

"
Delicious Data
Filteroptionen
schließen
Gefiltert nach:
Filter zurücksetzen

Kategorie

Wirkungsfeld

Bundesland

Kategorie

Schlagwort

 

 

 

 

Ist Ihnen ein Projekt bekannt, welches gut in unsere Sammlung an Best-Practice-Beispielen passen könnte? Hier erfahren Sie, wie Sie das Projekt vorstellen können.