Veranstalter:
Website Messe Berlin
Datum der Veranstaltung:
4.-6. FEB 2026
FRUIT LOGISTICA
4.-6. FEB 2026
Zur Übersicht

Bessere Daten, zufriedenere Verbraucher:innen

Wie durch Nahinfrarot-Messungen gesammelte Informationen die Zukunft der Qualitätskontrolle bestimmen und damit Millionen an Kosten einsparen, zeigt Galen George von Felix Instruments.

Ein Mann Galen George, Director of Applied Science, steht am Messestand seines Unternehmens Felix Instruments

Galen George, Director of Applied Science bei Felix Instruments, ist Experte für NIR-Messgeräte und Datenanalyse

Höhere Erträge, bessere Qualität, anspruchsvollere Verbraucher:innen – der Druck auf die Fruchthandelsbranche ist groß. Traditionelle Qualitätsmessverfahren im Obst- und Gemüsehandel kommen da an ihre Grenzen. Galen George, Director of Applied Science bei Felix Instruments, hat eine Lösung, die er am Donnerstagvormittag auf der Farming Forward Stage der FRUIT LOGISTICA 2026 vorstellte: Big Data.

Unter dem Titel „Eine halbe Million Obstqualitätsscans: Was die Daten über die Zukunft der Frische aussagen“ sprach der Experte über Echtzeit-Gasanalyse mit NIR (Nahinfrarot)-Geräten, die die zu messende Frucht schonend und breitflächig auf entsprechende Reifeparameter wie Trockenmasse, Brix, titrierbare Säure und Innenfarbe testen. Ideal etwa für Mango, Avocado oder Kiwi.

Zu geringe Stichprobengrößen

Mit dieser Methode, angewandt entlang der ganzen Wertschöpfungskette, vom Anbau über die Verpackung und Logistik bis zum Einzelhandel, hat Felix Instruments Massen an Daten gesammelt. „Diese sehr diversen, breit aufgestellten Datensätze aus aller Welt zeigen das große Problem der Qualitätskontrolle bislang“, erklärte George. Durch die kleinen Stichprobengrößen würden vor allem die Parameter im Mittelbereich gemessen. Die Extreme fallen durchs Raster. „Dabei machen die dann die Probleme, weil sie frühzeitig reifen oder unreif bleiben“, so der Experte.

Mit großen, repräsentativen Datensätzen aus verschiedensten Regionen und von verschiedensten Akteur:innen, über mehrere Erntezyklen hinweg gemessen, sei die Variabilität und damit Fehler und Verluste wesentlich geringer. KI und Machine Learning ermöglichten zudem eine fortlaufende Gegenprüfung und Vorhersagemodellierung.

Millionenverluste verhindert

Das spare nicht nur unnötige Massen an Abfall, sondern habe auch reale wirtschaftliche Auswirkungen, sagte Galen George. „Mehrere große Einzelhändler haben uns direkt berichtet, dass einzelne Waren einen jährlichen Verlust von mehreren Millionen bis zu mehreren zehn Millionen Dollar verursachen können.“ Big Data ermögliche es, bessere Entscheidungen zu treffen. „Mehr Daten bedeuten bessere Ernten, mehr Konsistenz entlang der Wertschöpfungskette – und am Ende mehr Vertrauen bei den Verbraucher:innen.“

Zur Übersicht
Teilen: