Recepturen met behulp van KI

Het SmartBakeChain-project (SBC) van NEURA GmbH uit Bremen heeft een duidelijke doelstelling: ambachtelijke bakkerskennis systematisch digitaliseren en toepasbaar maken met behulp van kunstmatige intelligentie. Tegen de achtergrond van schommelende grondstofkwaliteit, toenemende kwaliteitseisen en een groeiend tekort aan vakmensen wil SBC een nieuwe, wetenschappelijk onderbouwde basis creëren voor stabiele en reproduceerbare bakprocessen.

Uitgangssituatie en probleemstelling

De bakkerijsector wordt gekenmerkt door heterogene en vaak geïsoleerde digitaliseringsaanpakken. Gangbare softwaresystemen richten zich voornamelijk op receptbeheer, productieplanning of documentatie. De complexe wisselwerking tussen grondstoffen, procesparameters en productkwaliteit wordt echter nauwelijks gemodelleerd. Essentiële ervaringskennis blijft daardoor impliciet, met directe gevolgen voor efficiëntie, kwaliteitsborging en innovatiekracht.

Kern van het SBC-project

SmartBakeChain speelt hier direct op in. Binnen een haalbaarheidsstudie wordt een modulair, AI-gestuurd kwaliteitsmodel voor bakprocessen ontwikkeld. Als voorbeeld wordt sandwich-toastbrood op labschaal onderzocht. Met behulp van Design of Experiments (DoE) worden relevante invloedsfactoren systematisch vastgelegd, terwijl 3D-scanning nauwkeurige gegevens levert over volume, vorm en structuur. Op basis hiervan worden AI-modellen ontwikkeld die productkwaliteit kunnen voorspellen en procesvariabiliteit beheersbaar maken. Het doel is een stabiele productkwaliteit, ondanks variaties, door ambachtelijke kennis te vertalen naar digitale modellen.

Methodiek, partnerrollen en perspectief

NEURA GmbH leidt het project als domeinexpert en is verantwoordelijk voor de behoefteanalyse, methodische opzet, datakwaliteit en de praktijkgerichte integratie van de resultaten. Industriële partners uit de installatietechniek en een universiteit versterken het consortium met productie-infrastructuur, grondstoffen, machine- en proceskennis en de uitvoering van de proeven.

De haalbaarheidsstudie wordt gefinancierd binnen het ZIM-programma van het Duitse federale ministerie voor Economische Zaken en Klimaatactie (BMWK) (kenmerk 16DS250961). Zij vormt een robuuste data- en methodologische basis voor vervolgonderzoek en industriële R&D-projecten. Het doel is om de ontwikkelde AI-modellen stapsgewijs toe te passen op andere bakproducten en processen en deze op termijn ook inzetbaar te maken voor andere sectoren van de levensmiddelenverwerking.