Bei Lebensmitteln muss die Qualität stimmen. Ist der Apfelsaft zu süß oder zu sauer, wird die Produktion gestoppt. Jede Abweichung muss sofort erkannt werden. Dafür entwickeln Forscher im Projekt QSFood digitale Modelle – gefördert vom Bundesforschungsministerium.

Das Bild zeigt Forscher im Lebensmittellabor bei der Diskussion.
Welche Qualitätsmerkmale von Lebensmitteln lassen sich aus sensorischen Daten der Produktionskette ableiten? Das erforscht die Hochschule Ostwestfalen-Lippe im Projekt QSFood. (Bild: Arthur Isaak)

Wie frischer Apfelsaft schmecken, riechen und aussehen muss, ist in der Lebensmittelproduktion genau festgelegt. Experten überprüfen Eigenschaften, wie etwa Farbe, Geruch, Geschmack und Reife, mit einer sensorischen Analyse. Dazu kommen chemisch-technische Untersuchungen. Zudem gibt es gesetzliche Vorgaben, wie beispielsweise Höchstmengen von Mikroorganismen.

Wenn die Qualitätskontrolleure an den Produkten etwas zu beanstanden haben, muss oft eine ganze Charge vernichtet werden. Das bedeutet den Verlust von Rohstoffen, Energie und Zeit. Hier setzt ein Forscherteam an der Hochschule Ostwestfalen-Lippe in Lemgo an: Die Idee ist, anhand von Rohstoff- und sensorischen Messdaten im Produktionsprozess die Abweichung von Qualitätsstandards frühzeitig zu erkennen. Daten aus unterschiedlichen Quellen werden auf einer Big Data-Plattform zusammengeführt. Ziel des Projektes ist es, mit selbstlernenden Algorithmen ein digitales Modell der Zwischenprodukte in der Produktionskette zu entwickeln, mit dem sich die Qualität feststellen lässt. Damit sollen die Produzenten noch vor den Lebensmittelprüfungen auf Abweichungen aufmerksam werden.


Die Forscher sehen dabei die Chance, mithilfe spezieller Algorithmen detailliertere Informationen als bisher aus Messdaten zu ziehen. So können beispielsweise aus den Messungen in einem Nahinfrarot-Spektrum der Zuckergehalt eines Getränks, möglicherweise sogar auch der Säuregehalt, die Trübung oder andere Qualitätsindikatoren abgeleitet werden. Die Forscher wollen diese Daten zusätzlich zur vorgeschriebenen Laboranalytik erheben. Dabei wird auch geprüft, ob aus den Daten der bereits installierten Sensorik ein Mehrwert gewonnen werden kann. Anhand digitaler Modelle von Zwischenprodukten sollen Fehlchargen bald in Echtzeit erkannt werden. Die ökonomischen Vorteile liegen auf der Hand: Die Rohstoffausbeute lässt sich durch die rechtzeitige Anpassung der Prozesse erhöhen. Auch Sicherheitsrisiken, wie etwa Fremdstoffe im Müsli, können sofort erkannt und behoben werden. Damit nutzen die Forschungsergebnisse insbesondere kleinen und mittleren Unternehmen, die ihre Produktion weniger schnell als große Firmen umstellen können.

Das Bundesministerium für Bildung und Forschung unterstützt das Forschungsprojekt QSFood im Rahmen der Förderlinie „FH-Impuls“ des Programms „Forschung an Fachhochschulen" mit etwas mehr als einer Million Euro.

 

Projekttitel
QSFood - Qualitätssicherung in der Lebensmittelproduktion durch Cyber-physische Systeme und Big Data

Zuwendungsempfänger
Hochschule Ostwestfalen-Lippe, Standort Lemgo

Projektleitung
Prof. Dr. rer. nat. Oliver Niggemann
E-Mail: oliver.niggemann@hs-owl.de

Projektlaufzeit
01.01.2017 - 31.12.2019

Weitere Informationen
https://www.hs-owl.de/foodtechnology-owl

Projektträger
VDI Technologiezentrum GmbH
Forschung an Fachhochschulen
www.forschung-fachhochschulen.de