Wie KI die Forschung & Entwicklung in der Lebensmittel- und Getränkeindustrie beschleunigt, ohne den Lebensmittelwissenschaftler zu ersetzen

Die Lebensmittel- und Getränkeindustrie (F&B) sah sich noch nie so vielen konkurrierenden Drucksituationen ausgesetzt. Verbraucher erwarten gesündere Produkte, klarere Etiketten und nachhaltigere Zutaten. Einzelhändler wollen schnellere Innovationszyklen. Regulatorische Anforderungen entwickeln sich weiter in den globalen Märkten. Gleichzeitig bleiben die Kosten für Zutaten und die Lieferketten unvorhersehbar.

Für Forschungs‑ und Entwicklungsteams (F&U) treten diese Herausforderungen selten isoliert auf. Entscheidungen in der Neuproduktentwicklung (NPD) erfordern das Abwägen von Dutzenden Variablen – von Ernährung, Geschmack und Funktionalität bis hin zu Kosten, Beschaffung, Kennzeichnung und regulatorischer Konformität. Das Ergebnis ist ein zunehmend komplexer Produktentwicklungsprozess, bei dem schon kleine Änderungen wochenlange Zusatzarbeit auslösen können.

KI beginnt, diese Gleichung zu verändern. Während sich vieles in der Diskussion um KI auf Inhaltserstellung oder Büroproduktivität konzentriert, liegt die größte Chance für F&B‑Marken darin, Lebensmittelwissenschaftlern zu helfen, bessere und frühere Entscheidungen über die Markteinführung von Produkten zu treffen. Anstatt wissenschaftliche Expertise zu ersetzen, kann KI die Produktentwicklung beschleunigen, indem sie F&U‑Teams mehr Zeit lässt, um Probleme zu lösen, die menschliches Urteilsvermögen nicht durch Technologie ersetzen lassen.

Vom Suchen nach Informationen zum Bewerten von Möglichkeiten

Für uns in der Branche ist klar, dass der Großteil der Formulierungsarbeit noch immer das Suchen nach Informationen beinhaltet. Wissenschaftler müssen häufig zwischen Zutaten‑Spezifikationen, Lieferantendokumentationen, Ernährungsdatenbanken, regulatorischen Referenzen, früheren Formulierungen und internen Notizen hin‑und herwechseln, nur um relativ einfache Fragen zu beantworten. Kann diese Zutat ersetzt werden? Erreicht das Produkt weiterhin die Nährwertziele? Wie wirkt sich das Entfernen von Zucker auf die Textur aus? Gibt es einen alternativen Lieferanten? Die Suche nach diesen Antworten erfordert häufig die Konsultation mehrerer Systeme und Fachleute, bevor eigentliche Experimente beginnen. KI kann diesen Prozess dramatisch verkürzen.

Statt Stunden mit der Informationsbeschaffung zu verbringen, können Wissenschaftler mehrere Szenarien in Minuten bewerten. Anstatt manuell Dutzende von Zutaten‑Attributen zu vergleichen, verstehen sie schnell die Kompromisse verschiedener Ansätze und konzentrieren sich darauf, welche Option die Produktziele am besten erfüllt. Der größte Nutzen entsteht, wenn KI auf den eigenen Daten eines Unternehmens basiert und nicht nur auf öffentlich verfügbaren Informationen. Sobald KI an die Zutaten‑Spezifikationen, Rezepte, Versuchsergebnisse, das Lieferantennetz, Standardarbeitsanweisungen und historischen Daten eines Unternehmens angeschlossen ist, kann sie Möglichkeiten im Kontext der tatsächlichen Produktentwicklung des Unternehmens evaluieren. Dieser Wandel – vom Suchen nach Informationen zum Bewerten von Möglichkeiten – könnte einer der bedeutendsten Beiträge der KI zur Lebensmittelinnovation sein.

Bessere Entscheidungen früher treffen

Eine der kostenintensivsten Realitäten der NPD ist die Zeit, die benötigt wird, um Einschränkungen zu entdecken. Ein vielversprechendes neues Produkt kann letztlich scheitern, weil eine Zutat nicht kommerziell verfügbar ist, nicht den Kennzeichnungsanforderungen entspricht, die Kostenziele überschreitet oder unerwartete Herstellungsprobleme verursacht. Wenn diese Probleme erst auftreten, haben die Teams bereits erhebliche Laborzeit und Ressourcen investiert. KI kann viele dieser Einschränkungen deutlich früher identifizieren. Aktuelle Forschung von McKinsey hat herausgefunden, dass ein F&B‑Unternehmen seine Innovationsrate vervierfacht und die durchschnittlichen Projektkosten um 70 % reduziert hat, nachdem es seinen F&U‑Ansatz mit KI transformiert hat.

Indem KI gleichzeitig die Endproduktziele mit Ernährung, Allergen‑Bedenken, Zutatenfunktionalität, Beschaffungsaspekten und regulatorischen Vorgaben berücksichtigt, kann sie Teams dabei helfen, potenzielle Hindernisse zu erkennen, bevor sie zu teuren, zeitintensiven Problemen werden. Da diese Empfehlungen auf den eigenen Lieferantenbeziehungen, genehmigten Zutaten und früheren Formulierungen des Unternehmens basieren, können Wissenschaftler neue Ideen mit größerem Vertrauen erkunden.

Dies eliminiert nicht die Notwendigkeit von Labortests, sensorischen Bewertungen oder regulatorischen Prüfungen. Diese Schritte bleiben unverzichtbar. Doch wenn man mit stärker ausgearbeiteten Vorentwicklungen in diese Phasen einsteigt, lassen sich unnötige Iterationen reduzieren und die Ressourcen dort einsetzen, wo sie den größten Mehrwert liefern.

Bewahrung institutionellen Wissens

Erfahrene Wissenschaftler bauen im Laufe ihrer Karriere ein enormes praktisches Fachwissen auf – sie wissen, warum ein bestimmter Ersatz fehlgeschlagen ist, welche Verarbeitungsbedingungen bessere Ergebnisse liefern oder wie frühere Reformulierungsversuche regulatorische Hürden gemeistert haben. Zu oft lebt dieses Wissen in Notizbüchern, Tabellenkalkulationen oder im Kopf einzelner Personen. Wenn Organisationen wachsen und erfahrene Mitarbeitende in den Ruhestand gehen oder Rollen wechseln, wird dieses Wissen schwer zugänglich oder geht vollständig verloren.

KI‑Systeme, die finale Rezepte und die dahinterstehende Entscheidungslogik erfassen können, haben das Potenzial, ein lebendiges institutionelles Gedächtnis zu schaffen. Zukünftige Projektteams können auf früheren Arbeiten aufbauen, anstatt unwissentlich erfolglose Ansätze zu wiederholen oder Analysen von Grund auf neu zu starten. Dieses institutionelle Wissen wird besonders wertvoll, wenn es auf neue Aufgaben angewendet wird. Anstatt ausschließlich auf generisches KI‑Wissen zu setzen, können Teams Systeme nutzen, die den organisatorischen Kontext weit über die Kapazität eines einzelnen Wissenschaftlers oder Einkaufsleiters hinaus einbeziehen. In einer Branche, in der Produktentwicklungszeiten die Wettbewerbsfähigkeit direkt beeinflussen, kann die Bewahrung und Wiederverwendung von Organisationswissen ebenso wertvoll werden wie die Generierung neuer Ideen.

Innovation innerhalb realer Rahmenbedingungen

Ein Missverständnis über KI ist, dass sie lediglich Ideen generiert. Doch Ideen allein sind in der Lebensmittelwissenschaft nicht besonders wertvoll. Erfolgreiche Innovation erfordert ein Gleichgewicht zwischen Kreativität und Praktikabilität. Ein neuartiges Produkt hat wenig Wert, wenn Zutaten nicht konsequent beschafft werden können, Kosten die kommerziellen Ziele überschreiten oder regulatorische Vorgaben den Markteintritt verhindern.

In Wirklichkeit liegt das größte Versprechen der KI darin, Wissenschaftlern zu helfen, mehr *machbare* Möglichkeiten zu erkunden, nicht nur mehr Möglichkeiten. Durch die gleichzeitige Bewertung mehrerer Einschränkungen kann KI zu breiterer Experimentation anregen, dabei aber stets in der kommerziellen Realität verankert bleiben. Wissenschaftler können Kombinationen von Zutaten oder Reformulierungsstrategien entdecken, die sie sonst nicht in Betracht gezogen hätten, und gleichzeitig sicher sein, dass diese Optionen realistisch zur Kommerzialisierung führen können. Dieses Gleichgewicht zwischen Kreativität und Durchführbarkeit wird immer wichtiger, da Hersteller gesündere Formulierungen, alternative Proteine, Zuckerreduktion und nachhaltigere Zutaten anstreben.

Menschliche Expertise bleibt der Wettbewerbsvorteil

Trotz der rasanten Fortschritte der KI wird die Entwicklung von Lebensmittelprodukten weiterhin auf menschlicher Expertise beruhen. Kein Algorithmus kann sensorische Bewertung, Verbraucherverständnis, Kreativität oder das praktische Urteilsvermögen, das erfahrene Lebensmittelwissenschaftler in Formulierungsentscheidungen einbringen, ersetzen. Ebenso wenig kann KI die feinen Abwägungen vollständig berücksichtigen, die bei Kommerzialisierung und Fertigung entstehen.

Stattdessen wird KI schnell zu einem Entscheidungs‑Support‑Tool, das Wissenschaftlern hilft, Optionen schneller zu bewerten, Risiken früher zu erkennen und weniger Zeit mit der Informationsbeschaffung zu verbringen. Marken, die im KI‑Bereich erfolgreich sind, werden diejenigen sein, die KI nicht als automatisierten Ersatz für wissenschaftliche Expertise sehen, sondern als Erweiterung derselben.

Die Zukunft von F&B‑F&U wird nicht von Maschinen definiert, die Produkte völlig eigenständig entwickeln. Sie wird von Wissenschaftlern bestimmt, die mit besseren Werkzeugen, mehr Informationen und mehr Zeit ausgestattet sind, um das zu tun, was sie am besten können: komplexe Probleme lösen, die innovative Produkte schneller auf den Markt bringen.