Mit KI und Citizen Science Lebensmittel zurückverfolgen
Stellen Sie sich vor, Sie kaufen im Supermarkt Bio-Bananen. Auf dem Etikett steht „Ecuador“, aber wie können Sie sicher sein, dass dies wirklich ihr Herkunftsland ist?
Forscher der Wageningen University & Research (WUR) entwickeln Modelle für Künstliche Intelligenz (KI), mit denen sich die Herkunft von Lebensmitteln überprüfen lässt. Mit Künstlicher Intelligenz und einem einzigen Foto könnten Sie bald überprüfen, woher Ihr Produkt stammt, so die WUR.
Lebensmittelbetrug ist ein weltweit wachsendes Problem, insbesondere bei hochwertigen und teuren Produkten wie Safran, Vanille, Olivenöl und Bio-Produkten. So stellen sich bspw. „Bio”-Bananen aus Ecuador manchmal als gar nicht biologisch, sondern lediglich falsch gekennzeichnet heraus. Oft sei das Motiv finanzieller Natur – billige Produkte werden zu höheren Preisen verkauft –, aber manchmal sei das Risiko noch größer, bspw. wenn Alkohol durch gefährliches Methanol ersetzt wird. Aus diesem Grund suchen Importeure und Kontrollbehörden weltweit nach intelligenteren Möglichkeiten, um betrügerische Produkte schneller aufzuspüren. „Allein in Europa wird der durch Lebensmittelbetrug verursachte Schaden auf 8 Mrd Euro bis 12 Mrd Euro pro Jahr geschätzt”, sagt der Forscher Yamine Bouzembrak.
KI, Bürgerwissenschaft und Bananen
Für Bouzembrak ist die Frage, wie Künstliche Intelligenz (KI) zu sicheren und fairen Lebensmitteln beitragen kann, Teil seiner täglichen Arbeit. Die Idee, KI-Technologien und Bürgerwissenschaft zu kombinieren, um Lebensmittelbetrug aufzudecken, entstand, als ein Kollege ihn auf iNaturalist aufmerksam machte, ein soziales Online-Netzwerk, in dem Nutzer weltweit Fotos und Biodiversitätsdaten austauschen. Bouzembrak verwendet ein System namens Convolutional Neural Network (CNN), das lernt, Muster in Farbe, Form und Textur von Bananen zu erkennen, „ähnlich wie Menschen Dinge mit dem Auge erkennen“, erklärt er. „Da wurde mir klar, dass ein solches System auch für Lebensmittelprodukte funktionieren könnte.“ Sein Team trainiere derzeit einen Prototyp mit Tausenden von Bananenfotos, um subtile regionale Unterschiede zu erkennen. Das sei eine wichtige Entwicklung, da herkömmliche Labortests teuer und langsam seien.
Bürger erstellen intelligente Datensätze
Die Forschung begann erst vor wenigen Monaten und in kleinem Maßstab. Mithilfe von iNaturalist baten Bouzembrak und seine Kollegen die Bürger auf der Plattform, Fotos von Bananen aus 20 Ländern zusammen mit grundlegenden Angaben wie dem Herkunftsland hochzuladen. Nach dem Sammeln und Verarbeiten der Bilder nutzte das Team die Daten, um die erste Version ihres Modells zu trainieren und zu validieren. Anschließend testeten sie es, indem sie das Modell allein anhand eines Fotos die Herkunft einer Banane vorhersagen ließen. „Die Genauigkeit war überraschend hoch – über 80 %“, sagt Bouzembrak. „Das ist sehr vielversprechend, aber für einen brauchbaren Prototyp streben wir mindestens fünfundneunzig Prozent an.“
KI als Werkzeug, nicht als Ersatz
Bouzembrak stellte seine Idee kürzlich auf der International Food Fraud Conference vor. Die Reaktionen reichten von Begeisterung bis zu leichter Zurückhaltung. „Eine der Fragen war, ob KI die Laboranalyse ersetzen wird“, sagt er. Das ist eine verständliche Sorge, aber laut Bouzembrak in diesem Fall nicht relevant. „Mit einem solchen KI-System kann man schneller erkennen, welche Bananenchargen besondere Aufmerksamkeit verdienen. Inspektoren und Labore bleiben unverzichtbar, um Betrug zweifelsfrei nachzuweisen.“
Das KI-Modell sei in erster Linie ein intelligentes Vorauswahl-Tool. „Anstatt jede Probe an das Labor zu schicken, können Inspektoren schnell scannen, welche Chargen verdächtig aussehen. Auf diese Weise bleiben teure Tests den Produkten mit dem höchsten Risiko vorbehalten.“ Und wenn ein Fall vor Gericht kommt, sind Laboruntersuchungen immer als formeller Beweis erforderlich.
Welche Produkte funktionieren (und welche nicht)
Der Prototyp sei noch nicht vollständig zuverlässig, und Bouzembrak möchte über Bananen hinausblicken. „Da das KI-Modell mit Fotos arbeitet, eignet es sich besonders für teure Produkte mit erkennbaren visuellen Merkmalen“, erklärt er. Produkte wie Safran, Vanille oder Nüsse eignen sich gut für die Bilderkennung, da sie deutliche visuelle Unterschiede aufweisen. „Safran z.B. ist ein teures Gewürz – zwischen 3.000 und 10.000 Euro pro kg –, das sich oft als nicht authentisch herausstellt.“
In der kommenden Zeit werden die Forscher untersuchen, welche Produkte sich am besten für die Aufnahme in die App eignen. Auch die Genauigkeit bleibe ein wichtiger Schwerpunkt. „Eine Sicherheit von 80 % ist gut, aber unser Ziel sind mindestens 95 %.“
Markteinführung des Tools
In den kommenden Monaten möchte Bouzembrak das Interesse von Importeuren, Inspektoren und anderen Akteuren, die täglich mit Lebensmittelbetrug zu tun haben, an der Weiterentwicklung des Tools ausloten. „Mein Schwerpunkt liegt auf der wissenschaftlichen Forschung“, sagt er, „aber ich hoffe, durch eine öffentlich-private Partnerschaft Finanzmittel zu erhalten, um das Projekt voranzubringen.“ Sein oberstes Ziel sei es, dass ein Start-up oder ein anderes privates Unternehmen das Tool schließlich auf den Markt bringe.
Und die potenziellen Auswirkungen gehen weit über die Aufdeckung von Betrug hinaus. „Langfristig könnten ähnliche KI-Techniken auch bei der Beurteilung von Frische oder Qualität helfen“, fügt Bouzembrak hinzu. „Auf diese Weise könnte sich die Technologie zu einem allgemein zugänglichen Tool entwickeln, das Verbrauchern hilft, bessere, zuverlässigere und fairere Entscheidungen zu treffen.“
