
Der Innovationscluster für Verpackung der Region Valencia hat einen Bericht zum Einsatz künstlicher Intelligenz in der Branche vorgelegt, erstellt in Zusammenarbeit mit Nunsys. Dafür befragte der Cluster Mitgliedsunternehmen unterschiedlicher Größe, von Verpackungsherstellern und Verarbeitern über Materialhändler bis zu technischer Beratung und Design, und bewertete ihre technologischen und organisatorischen Fähigkeiten. Das Ergebnis sind sieben Felder, in denen KI etwas beitragen kann: Verwaltung und Auftragsabwicklung, Produktionsplanung, Qualitätskontrolle, Vertrieb, Wissensmanagement, Entwicklung und Pflege von Anwendungen sowie Energieeffizienz.
Am nützlichsten ist nicht die Liste, sondern das Fazit. Bisher haben die Unternehmen KI vor allem genutzt, um Dokumente vorzubereiten, Informationen auszuwerten, Vorschriften nachzuschlagen oder interne Werkzeuge zu bauen; in der Fertigung erkunden sie erst die Planung, die bildbasierte Fehlererkennung und die Analyse von Betriebsparametern. Der Cluster schlägt vor, von einzelnen Versuchen zu konkreten, messbaren Projekten überzugehen: vorrangige Anwendungen auswählen, Prozesse und Teams vorbereiten und Pilotprojekte fahren, bevor man ausweitet. Sein Direktor fasst es in einem Satz zusammen: Die Einführung muss konkreten Bedürfnissen entsprechen. Der Bericht ergänzt, dass Technik allein nichts garantiert: Es braucht praktische Schulung, verlässliche Daten, festgelegte Abläufe und Ressourcen.
Das ist kein Einzelfall. Ende Oktober stellte das Technologieinstitut ITENE FLEXIA vor, ein Projekt, das von Juli 2026 bis Dezember 2027 läuft und von IVACE+i sowie aus EFRE-Mitteln gefördert wird. Es soll mit maschinellem Lernen die Eigenschaften flexibler Lebensmittelverpackungen vorhersagen, bevor sie hergestellt werden, und kritische Prozessgrößen mit Sensoren überwachen, um Abweichungen zu erkennen und Fehler sowie Materialverluste zu verringern.
Was das für einen Verpackungsbetrieb bedeutet
Der Bericht handelt von denen, die Verpackungen herstellen, doch die Lehre gilt ebenso auf der anderen Seite, im Betrieb, der abfüllt, verschließt und etikettiert. Drei der sieben Felder spürt man direkt an der Linie: Qualitätskontrolle, Produktionsplanung und Energieeffizienz. Und bei allen dreien ist der Ausgangspunkt derselbe: ein Problem, dessen Kosten man bereits kennt.
In der Qualität ist das deutlichste Beispiel die bildbasierte Inspektion. Manche Fehler löst die klassische Bildverarbeitung gut mit festen Regeln, etwa ein fehlendes Datum oder ein hoch sitzender Verschluss. Andere ändern von Packung zu Packung Form und Aussehen, etwa eine Falte in einer Siegelnaht oder ein schlecht sitzendes Etikett auf einer flexiblen Verpackung; dort bringt ein Deep-Learning-Modell etwas, das mit Bildern der eigenen Linie trainiert wurde. Bevor man aber über KI spricht, sollte man wissen, wie viele Packungen heute ausgeschleust werden, wie viele davon Fehlausschleusungen sind und wie viele Reklamationen eingehen.
Bei den Prozessdaten gilt, was ITENE für die Verpackungsherstellung beschreibt: Eine Siegelbackentemperatur, eine Bahnspannung oder ein Druck, der abdriftet, warnt, bevor der Fehler entsteht. Um das zu nutzen, muss man diese Größen mit Charge, Format und Schicht erfassen und wissen, wie sich die Linie verhält, wenn sie gut läuft. Genau das erklären wir auf unserer Seite zur angewandten künstlichen Intelligenz: die vorhandenen Daten verbinden und ihnen konkrete Fragen stellen. Und es ist derselbe Gedanke, den wir anlässlich der Alimentaria FoodTech 2026 vertreten haben: KI wird wie jede andere Maschine beurteilt, nach dem, was sie misst und was sie löst.
Praktische Punkte
- Mit einem Problem bekannter Kosten beginnen: Ausschleusungen, Fehlausschleusungen, Ausschuss oder Stillstände, nicht „KI einsetzen“ im Allgemeinen.
- Messen, bevor man ändert: Erst die Ausgangslage zeigt, ob das Pilotprojekt funktioniert hat.
- Daten mit Kontext: jedes Bild und jeder Messwert mit Charge, Format und Schicht.
- Ein Pilot an einer einzigen Linie: an der, die die meisten Probleme macht, mit vorher schriftlich festgelegtem Erfolgskriterium.
- Die Nutzer schulen: Bediener und Instandhaltung müssen verstehen, was das System tut und was bei einer Warnung zu tun ist.
KI ersetzt nicht das Wissen über die Linie: Sie baut darauf auf. Wenn Sie über ein erstes Projekt nachdenken, sprechen wir darüber.
OK

