Neue Datenplattform beschleunigt und vereinfacht die Zertifizierung der Lebensmittelsicherheit
Die Menschen müssen wissen, dass die Lebensmittel, die sie kaufen, gebrauchstauglich sind. Die Zertifizierung der Lebensmittelsicherheit ist jedoch ein komplexer Prozess, an dem viele Interessengruppen beteiligt sind und bei dem sensible Informationen ausgetauscht werden. „Für die Ausstellung eines Zertifikats werden viele Daten benötigt, an denen oft auch Dritte beteiligt sind. Lebensmittelunternehmen können entweder die Zertifizierung von Analysen an ein Labor auslagern oder müssen sensible Informationen zur Lieferkette bereitstellen“, sagt Manos Karvounis, stellvertretender Projektkoordinator von TheFSM.
Digitalisierung der Lebensmittelzertifizierung
Dieses EU-finanzierte Projekt hat eine innovative, auf Blockchain-Technologien basierende Datenplattform entwickelt, die der Zertifizierung von Lebensmitteln in Europa einen digitalen Schub verleihen kann. Damit soll ein Verfahren, das bisweilen noch mit Scannern und Papierbögen durchgeführt wird, an Schnelligkeit, Effizienz und Sicherheit gewinnen. „Diese Plattform ist das Herzstück des Datenaustauschs und stellt sicher, dass die Daten direkt vom Zertifizierungskunden oder von Dritten stammen und nur für die Zertifizierungsstelle zugänglich sind“, erklärt Karvounis, Leiter für Forschung und Innovation beim projektführenden Unternehmen Agroknow in Marousi, Griechenland.
Daten lassen sich zurückverfolgen
Auf diese Weise kann die Integrität, Vertraulichkeit und Rückverfolgbarkeit der Daten gewährleistet werden. Da das System auf der Blockchain basiert, kann auf einen Dritten als Garantiegeber verzichtet werden, was den Prozess der Zertifikatsausstellung beschleunigt. Das Team hat eine Reihe von Instrumenten entwickelt, die in die Plattform integriert werden können und sich an verschiedene Interessengruppen richten, wie etwa AGRIVI für die Landwirtschaft und Sachverständige der Lebensmittelinspektion für Anbieter von Inspektions- und Zertifizierungsdiensten. FOODAKAI, ein weiteres Instrument, hilft bei der Bewertung von Lieferantenrisiken in der Lebensmittelverarbeitung. „Nehmen wir an, ein Lebensmittelunternehmen hat viele Lieferanten in seiner Lebensmittelkette und möchte wissen, ob es bei einem bestimmten Lieferanten zu Zwischenfällen gekommen ist“, erläutert Karvounis. „Dieses Instrument ermöglicht es ihnen, alle Lebensmittelvorfälle im Zusammenhang mit dem betreffenden Lieferanten im Laufe der Zeit einzusehen und eine fundierte Entscheidung zu treffen, ob sie mit diesem zusammenarbeiten wollen.“ „Dies ist das erste Mal, dass ein auf Blockchain basierendes Modell und eine sichere Datenplattform in diesem Sektor eingesetzt werden, so dass verschiedene Anwendungsfälle und Arten von Apps zusammenarbeiten können“, fügt Karvounis hinzu.
Risikobewertungen von Lieferanten sind gefragt
Bei der Erprobung der Instrumente war das Team überrascht, wie groß die Nachfrage nach Risikobewertungen für Lieferanten war. „Es ist uns gelungen, hochkarätige Unternehmen mit sehr komplexen Lieferketten zu gewinnen. Diese Unternehmen nutzten die Plattform auch nach Abschluss des Pilotprojekts weiter“, so Karvounis. Agroknow arbeitet mit diesen Unternehmen zusammen, während ein anderes Konsortiumsmitglied, TÜV Austria Hellas, die Plattform als Teil seiner kommerziellen Zertifizierungsdienste integriert. Das Agroknow-Team baut in seinem nächsten Projekt, EFRA, auf den Ergebnissen von TheFSM auf. In Zusammenarbeit mit Lebensmittelunternehmen wird im Rahmen des Projekts untersucht, wie extreme Datengewinnung, -verdichtung und -analyse zur Verbesserung der Lebensmittelsicherheit eingesetzt werden können. Dabei wird föderiertes KI-Lernen genutzt, um KI-Modelle zu trainieren, die das Risiko einer Kontamination durch Krankheitserreger wie Salmonellen vorhersagen. So können die Unternehmen ihre Informationen bündeln, ohne direkt sensible Daten auszutauschen.
Schlüsselbegriffe
TheFSM, Lebensmittelsicherheit, Blockchain, Zertifizierung, Lieferantenrisiko, Risikobewertung, Datenplattform, Datenaustausch, föderiertes KI-Lernen
