OK
Vom 6. bis 8. Oktober findet auf dem Gelände Gran Via der Fira de Barcelona die Alimentaria FoodTech 2026 statt, die Messe für Maschinen, Technologie und Zutaten für die Lebensmittelindustrie. Laut El Demócrata kommen mehr als 330 Unternehmen aus 22 Ländern auf rund 15.000 m² zusammen, dazu 38 Start-ups und über 140 Fachleute im Programm. Zu den angekündigten Neuheiten gehören KI-gestützte Bildverarbeitungssysteme, die Verunreinigungen und Fehler auf der Linie finden, Sensoren zur Senkung von Produktverlusten und Wasserverbrauch sowie Kalt-Hochdruckverfahren zur Verlängerung der Haltbarkeit.
Messedirektor Ricardo Márquez fasst es in Oleo Revista so zusammen: Auf der Messe werde man sehen, wie die Lebensmittel der Zukunft hergestellt werden. Vinetur nennt außerdem digitale Zwillinge und Rückverfolgbarkeit als Themen, und Interempresas hebt KI für vorausschauende Wartung und Qualitätsprüfung hervor – vor dem Hintergrund fehlender Fachkräfte für spezialisierte Aufgaben.
Was das für einen Verpackungsbetrieb bedeutet
Neu ist nicht, dass über künstliche Intelligenz gesprochen wird, sondern dass sie in konkreten Geräten steckt: eine Kamera, die eine Packung ausschleust, ein Sensor, der einen Verlust meldet, ein Modell, das einen Ausfall vorhersagt. Das bringt sie näher an den Betrieb, verlangt aber auch, sie wie jede andere Maschine zu beurteilen: nach dem, was sie auf Ihrer Linie leistet, nicht am Messestand.
In der Bildverarbeitung lohnt sich KI dort, wo feste Regeln scheitern: Naturprodukte, die nie gleich aussehen, flexible Verpackungen, Fremdkörper mit unvorhersehbarer Form. Sie lernt jedoch aus Bildern, und die richtigen sind die Ihrer eigenen Fehler, bei Ihrer Beleuchtung und in Ihrem Takt. Vor dem Kauf sollte das Qualitätskriterium klar sein, und man sollte zwei Dinge gleichzeitig messen: die Fehler, die durchrutschen, und die guten Packungen, die ausgeschleust werden – denn ein System, das zu viel Produkt verwirft, ist ebenfalls ein Verlust.
Bei Verlusten und Verbräuchen nützt ein Sensor nur, wenn sich seine Daten mit Linie, Schicht, Artikel und dem auslösenden Stillstand verknüpfen lassen. Ein Wasserzähler oder ein Zähler für verlorenes Produkt ohne diesen Bezug liefert eine Zahl, aber keine Ursache, an der man ansetzen kann.
Bei der vorausschauenden Wartung lernt das Modell, wie sich Motoren, Getriebe und Lager normalerweise verhalten, und warnt bei Abweichungen. Es braucht Wochen sauberer Daten und zahlt sich zuerst bei den Anlagen aus, deren Ausfall die ganze Linie stoppt. Sinnvoll ist es, mit diesen wenigen zu beginnen, die mittlere Zeit zwischen Ausfällen und die mittlere Reparaturzeit zu messen und auszubauen, sobald die Warnung bewiesen hat, dass sie rechtzeitig kommt. Auf unserer Seite zur angewandten künstlichen Intelligenz erklären wir, wie sich jedes dieser Felder in einen Betrieb einfügt.
Fünf Fragen für die Messe
- Womit trainiert wurde: Welche Bilder oder Signale nutzt das Modell, und wie viele Beispiele von Ihrer eigenen Linie braucht es, damit es funktioniert?
- Fehlausschleusungen: Fragen Sie nach dem Wert in der realen Produktion, nicht in der Demo, und wer das System nachjustiert, wenn sich die Bedingungen ändern.
- Der Artikelwechsel: Was passiert bei einer neuen Packung oder einem neuen Format? Wenn neu trainiert werden muss: wie lange es dauert und wer es macht.
- Wohin die Daten gehen: ob sie im Werk bleiben und über welchen Weg (OPC UA, Modbus TCP, SQL) sie in Ihre Systeme gelangen.
- Wie das Ergebnis belegt wird: OEE, Verluste oder vermiedene Stillstände, gemessen vorher und nachher auf Ihrer Linie.
Die KI ist auf der Messe angekommen; die nützliche Frage ist, welches konkrete Problem Ihrer Linie sie löst und wie das gemessen wird. Wenn Sie ein solches Projekt prüfen, sprechen wir darüber.
