Toepassing van kunstmatige intelligentie in de voedingsindustrie

De noodzaak van AI in de voedingsindustrie

Naast het bieden van kansen om complexe industriële uitdagingen op te lossen, verandert AI ook het algehele bedrijfslandschap. Bedrijven spelen in op consumententrends en brengen producten sneller dan ooit op de markt, en consumenten beginnen dit te verwachten. Om trends bij te houden en hun marktintroductiestrategieën te laten slagen, moet productinnovatie sneller gaan dan ooit.

*Investeringen in AI in de periode 2000-2023*

Traditioneel worden de ontwikkelingscycli van nieuwe producten in de voedingsmiddelenindustrie, van begin tot eind, geplaagd door beperkte informatie en gefragmenteerde data. Deze complexiteit komt voort uit verschillende aspecten van de procescyclus, waaronder marketing, onderzoek en ontwikkeling (R&D) en verkoop. Deze uitdagingen leiden tot trage besluitvorming en lange innovatiecycli.

Het is dan ook geen verrassing dat zo'n 80% van de productlanceringen mislukt, grotendeels door een gebrek aan acceptatie door de consument. AI helpt deze uitdagingen effectief aan te pakken door de noodzaak van uitgebreide tests te verminderen en samenwerking tussen afdelingen te bevorderen met behulp van krachtige datanetwerken. Het kan het hele proces stroomlijnen door productformuleringen en procesparameters te optimaliseren en markttrends te analyseren.

"De hele digitale agenda is relevant en spannend, want als het goed wordt uitgevoerd, versnelt het de processen enorm. Het vermijdt veel van de trial-and-error die een traditionele R&D-organisatie doormaakt en het maakt snellere voorspellingen mogelijk", aldus Miriam Überall, voormalig R&D-directeur bij Kraft Heinz en Unilever.

De rol van AI bij het stimuleren van de innovatiecyclus in de voedingsindustrie

Verbeter de inzichten van consumenten en genereer ideeën . AI verandert de ontwikkeling van nieuwe producten door gebruik te maken van een multidimensionale, datagestuurde aanpak.

Ten eerste interpreteert AI realtime trends uit externe bronnen en verzamelt informatie over de meningen en sentimenten van consumenten. Dit omvat social media-analyse, het volgen van trefwoorden, het gebruik van chatbots voor enquêtes en beeldanalyse.

Ten tweede breidt AI zich ook uit naar sensoren van het Internet of Things (IoT), die consumentengegevens verzamelen over productkeuzes en kookvoorkeuren. Daarnaast voert AI analyses uit, waarbij gebruik wordt gemaakt van historische verkoopgegevens en markttrends om de behoeften en voorkeuren van consumenten nauwkeurig te voorspellen, de lanceringstijd van nieuwe producten te optimaliseren en in te spelen op marktveranderingen.

*TasteGPT is het generatieve AI-programma van Tastewise, dat is ontworpen om gebruikers sneller dan ooit gepersonaliseerde inzichten te geven.*

De startup Tastewise is een goed voorbeeld van hoe AI kan worden ingezet ter inspiratie voor nieuwe productontwikkeling. Het bedrijf heeft software ontwikkeld die enorme hoeveelheden data verzamelt uit diverse bronnen (sociale media, reviews, menu's, recepten...) om inzicht te krijgen in opkomende foodtrends en de smaak van consumenten.

Deze software is een waardevol hulpmiddel voor voedingsmiddelenbedrijven, omdat het hen helpt producten te creëren die gewild en gewenst zijn bij consumenten.

Het ontdekken van nieuwe voedingsingrediënten . In de ontwikkelingscyclus van nieuwe producten kan AI ook de ontdekking van nieuwe voedingsingrediënten versnellen en de screening en karakterisering van ingrediënten verbeteren. Startups over de hele wereld onderzoeken en ontwikkelen een efficiënt algoritme ter ondersteuning van het voedselontdekkingsproces. Ginkgo Bioworks en Arzeda gebruiken bijvoorbeeld een combinatie van computationeel ontwerp en AI om nieuwe eiwitten en enzymen te creëren. Amai Proteins gebruikt AI om nieuwe eiwitten te ontwerpen die geoptimaliseerd zijn om verschillende eigenschappen en smaken te produceren.

Onderzoek, ontwikkeling en optimalisatie . AI speelt een centrale rol bij het voorspellen en verbeteren van de eigenschappen van diverse voedingsproducten. Het suggereert ingrediëntenverhoudingen die passen bij smaakprofielen en biedt gezondere alternatieven met behoud van smaak.

Bovendien helpt AI bij het beoordelen van de textuur van voedselproducten, zodat de producteigenschappen aan de verwachtingen voldoen. Op voedingsgebied optimaliseert AI recepten om specifieke doelen te bereiken, of het nu gaat om het verlagen van het suikergehalte of het verhogen van het eiwitgehalte, terwijl het ook de voedingssamenstelling voorspelt om te voldoen aan de etiketteringseisen.

Recentelijk hebben voedingsmiddelenbedrijven AI toegepast in hun R&D-processen, waardoor de productontwikkelings- en verwerkingstijd van maanden naar dagen werd teruggebracht. Unilever gebruikte AI om zoutarme producten te creëren, waardoor het smaakanalyseproces van maanden naar dagen werd versneld. Kraft Heinz testte AI-algoritmen om kosten, suiker en zout te optimaliseren en behaalde opmerkelijke resultaten. Kwantitatieve beschrijvende analyse behaalde een nauwkeurigheid van 94% bij het reproduceren van het originele tomatenproduct.

Optimalisatie van productiviteit en kosten . Na het ontwikkelen van voedselproducten op laboratoriumschaal staan voedingsmiddelenbedrijven voor de uitdaging om machines en productielijnen in te richten voor grootschalige productie en tegelijkertijd de concurrentiekracht en kwaliteit van de producten op laboratoriumschaal te waarborgen. AI biedt een oplossing door data te analyseren om de optimale omstandigheden voor opschaling van de productie te bepalen.

Baanbrekende startups zoals Animal Alternative Technologies en Umami Bioworks lopen voorop in deze sector en ontwikkelen intellectueel eigendom en schaalbare technologie door gebruik te maken van data science . Een andere opvallende startup in deze sector is Eternal, die AI en robotica gebruikt om testen, analyses en optimalisatie van biomassafermentatie te automatiseren. Deze ontwikkelingen komen ook grote fabrikanten ten goede die op zoek zijn naar een levensvatbare en duurzame weg naar grootschalige alternatieve eiwitproductie.

Uitdagingen voor de toepassing van AI in de voedingsindustrie

De toepassing van AI in de voedingsmiddelenindustrie biedt vele voordelen, waaronder kostenefficiëntie, snelheid, maatwerk, voorspellende mogelijkheden en datagedreven inzichten. Het proces kent echter ook een aantal uitdagingen.

Beperkte historische data : Een opkomend vakgebied zoals voedingstechnologie mist historische data om algoritmes te voeden, waardoor het moeilijker wordt om zinvolle resultaten te genereren. Indien beschikbaar, zijn deze vaak te vinden in verschillende ongestructureerde en uiteenlopende dataformaten. Daarom is er behoefte aan ontwikkeling om relevante invoergegevens in een meer herkenbare vorm te gieten.

Hoge implementatiekosten : Het opzetten en onderhouden van een AI-systeem kan duur zijn, vooral voor kleine bedrijven. Aan de andere kant zijn de huidige systemen van grote bedrijven mogelijk niet toekomstbestendig en vereisen ze daarom aanzienlijke investeringen om te blijven groeien.

Juridische en ethische complexiteit : De toenemende complexiteit van AI-systemen, met name in voorspellende toepassingen, vergroot de uitdaging van verantwoording vanuit juridisch en ethisch perspectief om mogelijke AI-fouten en -gevolgen aan te pakken. Bovendien is het beoordelen van de impact van AI op de traditionele eetcultuur cruciaal om de algehele impact ervan te begrijpen.

Problemen met gegevensbeveiliging : Het beschermen van bedrijfseigen gegevens, zoals geheime recepten, en tegelijkertijd het delen van gegevens bevorderen om AI-toepassingen te optimaliseren, is een complexe uitdaging die effectieve governancemechanismen vereist. Bovendien is bescherming tegen digitale aanvallen cruciaal.

Veranderende regelgeving : Voedselwetten veranderen regelmatig, waardoor AI-systemen deze veranderingen moeten bijbenen. Bovendien moeten regels vaak worden geïnterpreteerd, waar de huidige AI mogelijk niet geschikt voor is.

Multidisciplinaire samenwerking en het delen van vaardigheden : Het combineren van AI- en voedingsexpertise vereist effectieve communicatie tussen experts uit verschillende vakgebieden (voedingswetenschappers, ingenieurs en datawetenschappers). Dit vereist versnelde vaardighedenuitwisseling en cross-functionele ontwikkeling om geïntegreerde, datagedreven beslissingen te nemen.

Consumentenacceptatie : Het wegnemen van de zorgen en angsten van consumenten over door AI geproduceerd voedsel vereist grondig en diepgaand onderzoek. Het is een lang, rigoureus en kostbaar onderzoeksproces.

Milieu-impact : Naast efficiëntie moet ook de milieu-impact van AI worden overwogen en afgewogen tegen de voordelen van het verminderen van de milieu-impact. Het aanpakken van deze uitdagingen is cruciaal om de voedingsindustrie te helpen het potentieel van AI te benutten en tegelijkertijd proactief de beperkingen en maatschappelijke gevolgen ervan aan te pakken.

Vooruitzichten voor AI-toepassing in de voedingsindustrie

Sinds eind jaren 2010 is er wereldwijd een toename te zien in het aantal startups dat zich specialiseert in de ontwikkeling van AI-gebaseerde voedingsproducten. De kern van de zaak ligt in het leveren van AI-gebaseerde oplossingen voor taken zoals marktanalyses, prognoses van consumenteninzichten en voorspellende modellen voor product- en procesparameters.

Op AI gebaseerd startup-ecosysteem voor de voedingsindustrie.

Startups fuseren steeds vaker met voedingsbedrijven om innovatie te stimuleren – een trend die naar verwachting in de nabije toekomst aan kracht zal winnen. Er ontstaan uitdagingen op het gebied van datakwaliteit, verwerkingskracht en ethiek, maar AI-toepassingen zijn al diep doorgedrongen in de voedingsindustrie. Zodra een harmonieus toepassingsmechanisme is vastgesteld, zal AI naar verwachting een revolutie teweegbrengen in de voedingsindustrie.

De krachtige synergie tussen AI en levensmiddelentechnologie is een onmisbare schakel om te voldoen aan de groeiende vraag naar voedsel en de eisen op het gebied van duurzaamheid. Van inspiratie voor nieuw productontwerp op basis van gegevens over de consumentenvraag tot suggesties voor nieuwe procesparameters die de productiviteit kunnen verbeteren en kosten kunnen verlagen, AI zal de komende tijd bijdragen aan het optimaliseren van elke stap in de nieuwe productontwikkelingscyclus van de voedingsmiddelenindustrie.

(Volgens peakbridge.vc, ieeexplore.ieee.org)

Bron