KI in der Qualitätssicherung des Apfelbusiness
Je mehr Daten vorhanden sind, desto effektiver kann KI eingesetzt werden. Das ist zumindest eine wichtige Erkenntnis von Patrizia Gufler und Michael Gurschler. Auf der Netzwerk-Veranstaltung „Trends, Tech & Tapas“ im MIND teilten sie ihre Erfahrungen mit der praktischen Anwendung von KI zur digitalen Qualitätssicherung im Apfellabor.
Eine schlanke Lösung, die die Mitarbeiter nicht ausbremst, die automatische Erkennung von Äpfeln und die effiziente Klassifizierung ihres Reifegrades waren die Anforderungen an Patrizia Gufler und Michael Gurschler. Die beiden Entwickler des Softwareunternehmens Fuxware haben für eine Südtiroler Obstgenossenschaft den Qualitätssicherungsprozess mit KI digitalisiert, der bisher ausschließlich manuell erfolgte. Angesichts einer jährlichen Ernte von durchschnittlich 320.000 Tonnen Äpfeln und über 1000 täglich zu klassifizierenden Früchten war dies keine leichte Aufgabe für den Qualitätsbeauftragten.
Der Reifegrad ist entscheidend für die vorausschauende Planung der Erntefenster. Während für drei der dafür erforderlichen Parameter – Fruchtfleischfestigkeit, Zuckergehalt und Apfelsäure – ein Standard gegeben war, gab es bei der Bestimmung des Stärkewertes bedingt durch die rein manuelle Abwicklung Abweichungen. Die Digitalisierung basierte auf einer Analyse des bestehenden manuellen Prozesses und der Identifizierung digitalisierbarer Schritte. Große Datenmengen waren entscheidend: Im Frühjahr 2023 begann die Analyse, im Juli war der Prozess digitalisiert und im Oktober 2023 erfolgte das KI-Training. Über den Zeitraum von zwei Monaten wurden Bilder von mehr als 27.000 einzelnen Äpfeln gesammelt, um das KI-Modell zu trainieren.
Überzeugende Vorteile
Die Vorteile dieser digitalen Qualitätssicherung sind vielfältig: Der Prozess ist vollständig digitalisiert, was eine transparente Dokumentation ermöglicht. Qualifizierte Daten wurden gesammelt, die als Grundlage für weitere Anwendungen dienen können. Die Qualitätssicherung bietet Transparenz, Nachvollziehbarkeit und Rückverfolgbarkeit. Ein Standard für die Bewertung des Reifegrades wurde etabliert, und die Unabhängigkeit von individuellen Experten reduziert potenzielle Fehlerquellen. Die Einarbeitung neuer Mitarbeiter gestaltet sich schnell und einfach, da keine speziellen Vorkenntnisse erforderlich sind. Zudem bildet dieses Projekt eine solide Grundlage für zukünftige Automatisierungen.
Wertvoller Erfahrungsaustausch
Einen wichtigen Tipp gaben die beiden Referenten den Anwesenden mit auf den Weg: Man sollte klein anfangen und einen Prozess mit KI durchführen, um das Verständnis im Betrieb zu fördern. Denn solche Projekte bergen Risiken, daher ist es entscheidend, internes Know-how aufzubauen und zu verstehen, wie man es nutzen kann. Es ist wichtig zu erkennen, dass viele Gegebenheiten nicht vorhersehbar sind. Schnelle Reaktionen sind daher entscheidend, um die Qualität der Daten zu gewährleisten. Ein Umtrunk bei Häppchen bot dann noch Gelegenheit zum Fachsimpeln über die gewonnenen Erkenntnisse.
