APPETITE - AI-driven collaborative supply and demand matching platform for food waste reduction in the perishable food supply chain

Im Gegensatz zu bestehenden Ansätzen, die das Problem der Lebensmittelverschwendung am Ende der Versorgungskette angehen, konzentriert sich APPETITE auf die Vermeidung, die durch fortschrittliche datenbasierte Technologien ermöglicht wird. Ein wesentlicher Beitrag zur Nutzung heterogener Daten für eine (nahezu) Echtzeitumgebung wird geleistet.

Verschiedene Methoden zur KI-basierten Prognose und Optimierung von Logistikprozessen werden auf ihr ökonomisches, ökologisches und soziales Potenzial hin bewertet und ihre Vor- und Nachteile in den Projektrichtlinien für künftige Nutzungsmöglichkeiten dokumentiert.

Ausgangssituation

Lebensmittelverschwendung ist eine der größten Herausforderungen unserer Zeit, die ökonomische, ökologische und soziale Probleme verursacht. Weltweit werden jährlich 1,3 Milliarden Tonnen essbarer Lebensmittel im Einzelhandel und beim Konsum verschwendet (FAO 2021). Rund 20 % entstehen in den Stufen Distribution und Einzelhandel (Parfitt et al. 2010). Zudem stieg der Anteil der leer gefahrenen Lkw-Kilometer im Jahr 2020 in AT auf 24,3 Millionen (Eurostat und V.C.Ö. 2020). Ökonomisch überproduzieren Lieferanten, um Out-of-Stock-Situationen und Umsatzeinbußen zu vermeiden.

Ineffiziente Lagerhaltung und Transporte verursachen weitere Kosten. Aus ökologischer Sicht führen diese Ineffizienzen zu höheren CO²-Emissionen und mehr Abfällen. Initiativen zur Umverteilung existieren, setzen aber am letzten Punkt der Lebensmittelversorgungskette an.

Gesellschaftlich stellt dies ein immenses ethisches Problem dar - da noch verwertbare Lebensmittel ohne Berücksichtigung von Potenzialen der Kreislaufwirtschaft verloren gehen und die Zahl der Menschen, welche an Hunger leiden, steigt (UN 2021). Lebensmittelverschwendung muss durch Prävention und den integrierten Einsatz fortschrittlicher datenbasierter Technologien reduziert werden - das ist die Motivation hinter APPETITE.

Ziel

Das Ziel von APPETITE ist es, die Lebensmittelverschwendung durch Prävention, wie in der Lebensmittelverschwendungshierarchie beschrieben, um 10 % bis 2030 zu reduzieren (Ciccullo et al. 2021). Weiters werden Logistikprozesse transparenter und die Effizienz gesteigert durch Reduzierung der Transportkosten. Dies wird ermöglicht durch Zusammenarbeit und die Integration von KI-gesteuerten Prognose- und Logistikoptimierungsmethoden.

Heterogene Datenintegration und (nahezu) Echtzeit-Fähigkeiten sind die Schlüsselinnovationen in von APPETITE, die in Zukunft eine signifikante Reduzierung von Lebensmittelabfällen ermöglichen werden. Es ist ein starkes Konsortium notwendig, bestehend aus Forschern und Forscherinnen, Experten und Expertinnen, drei großen europäischen Lebensmitteleinzelhändlern und einem Implementierungspartner. Zusammen mit LOI-Partnern aus den Bereichen Wiedergebrauch, Recycling, Wiedergewinn und Entsorgung von Lebensmittelabfällen verfügt APPETITE über die Voraussetzungen, um dieses anspruchsvolle Unterfangen erfolgreich zu meistern.

Vorgehen

Um eine (nahezu) echtzeitfähige Prognoseumgebung zu schaffen, werden sowohl unternehmensinterne Daten als auch externe Daten herangezogen. Zunächst werden im Projekt die Lebensmittelversorgungsprozesse ermittelt sowie Kriterien, welche die Frische und Lieferzeit der Lebensmittel beeinflussen, identifiziert (z.B. Wetter, Bewegungsdaten von Personen, Ferien und Feiertage).

Aus den historischen Absatzdaten der Einzelhandelsfilialen und der Großmärkte werden Saisonalitäten auf regionaler Ebene ermittelt. In einem nächsten schritt werden Zusammenhänge und Wechselwirkungen zwischen den ermittelten externen Einflussfaktoren und den regionalen Absatzdaten untersucht und auf Basis derer innovative Prognosemodelle entwickelt.

Angestrebte Ergebnisse

Das Hauptergebnis von APPETITE ist ein demonstrativer Prototyp einer kollaborativen Supply und Demand Matching-Plattform für Lebensmitteleinzel- und -großhändler. Es wird ein signifikanter Beitrag zur effizienten Integration, Analyse und Visualisierung von heterogenen Daten in (nahezu) Echtzeit geleistet.

Die generierten Teilergebnisse sind eine Methodik zur Integration und Analyse heterogener Daten, eine KI-basierte Prognoseplattform, ein Dashboard zur Überwachung und Transparenz in (nahezu) Echtzeit, ein Konzept zur Lebensmittelallokation unter Berücksichtigung der Prinzipien der Kreislaufwirtschaft sowie eine insgesamt skalierbare Systemarchitektur.

Anbindung an strategische Vorhaben

APPETITE soll einen wesentlichen Beitrag zur Reduktion von Lebensmittelverschwendung durch Prävention leisten. Durch akkuratere Prognosen auf regionaler Ebene können Überschüsse in einem ersten Schritt durch die eigenen Fuhrparks der Lebendmittelhändler umverteilt werden.

Die Berechnungen ermöglichen des Weiteren, diese Überschüsse den zahlreichen bereits existierenden Initiativen gegen Lebensmittelverschwendung frühzeitig mitzuteilen, damit diese die Verwertung und Vergabe besser planen können (bspw. Too Good To Go).

Projektleitung

Alexandra Birkmaier, MSc. - Frauenhofer

Projektpartner

• Dr. Christof Bernsteiner - Invenium Data Insights GmbH
• Clemens Zauchner - IT-Power Services GmbH
• Jörg Grafeneder - Kastner Großhandelsgesellschaft m.b.H
• Paul Amtmann - METRO Cash & Carry Österreich GmbH
• Franz Zagler - SPAR Österreichische Warenhandels-Aktiengesellschaft
• Nysret Musliu - Technische Universität Wien, Institut für Logic and Computation
• Gerald Reiner - Wirtschaftsuniversität Wien, Institut für Produktionsmanagement

Frauenhofer
Logistik und Supply Chain Management
Alexandra Birkmaier
Theresianumgasse 7
A-1040 Wien
Tel.: +43 (676) 88 861 638
E-Mail: alexandra.birkmaier@fraunhofer.at