Ulrich Reincke
Ist die Pizza weich genug? Schmeckt die Schokolade zu süß? Stimmt ihre Textur und schmilzt sie angenehm im Mund? Fragen über Fragen, mit denen die Experten der Lebensmittelhersteller bei der Qualitätskontrolle tagtäglich konfrontiert sind. Schließlich sollen Fertigpizza, Schokolade und Co. den Appetit des Verbrauchers wecken. Und: Die Produkte müssen auch immer mit dem gleichen Geschmack und Geruch, der gleichen Konsistenz und Farbe aufwarten, damit der Käufer keine unliebsamen Überraschungen erlebt.
Um der Forderung nach konstanter Qualität verlässlich nachzukommen, haben die Unternehmen Kontrollnetze gespannt, die alle Schritte der Produktion engmaschig auf Abweichungen von der Norm überprüfen. Diese Sicherheitssysteme ruhen in der Regel auf zwei Säulen: auf sensorischen Tests einerseits sowie auf der Überwachung von zentralen Produktionsparametern wie etwa der Koch- und Backtemperatur, der Dosierung oder der Knet-, Rühr-, Hack-, Schnetzel-, Walk- oder Walzdauer der Zutaten andererseits. Bei allen diesen Kontrollen wird eine Vielzahl von Daten generiert, die Rückschlüsse auf die Qualität der Endprodukte geben. Allerdings werden diese Daten heute in der Regel nur genutzt, um augenfällige Abweichungen vom festgelegten Produktionsprozess zu erkennen, etwa wenn ein Rührwerk nicht die vorgesehene Leistung erbringt oder ein Förderband die Backstraße zu schnell durchläuft. Weichen die Ist-Daten von den Soll-Daten ab, können die verantwortlichen Mitarbeiter ohne Zeitverlust Korrekturen an der Einstellung der Maschinen vornehmen, sodass die Qualität gesichert bleibt. Zugleich verraten die Daten den Unternehmen bei Produktmängeln, ob und an welcher Stelle der Herstellungsprozess verändert werden muss, um das gewünschte Ergebnis zu erzielen: Monieren Testesser zum Beispiel, dass Kekse „nicht richtig durch“ sind, können die Mitarbeiter die Backtemperatur erhöhen oder die Backdauer verlängern. Schwieriger wird es jedoch bei Qualitätsmängeln, deren Ursache nicht so offensichtlich ist – etwa weil sich mehrere minimale Abweichungen bei der Herstellung wechselseitig verstärken, weil sich sensorische oder optische Fehler nicht auf Anhieb auf Fehler in einem einzelnen Produktionsschritt zurückführen lassen oder weil es mehrere mögliche Gründe für die unzureichende Produktqualität gibt. Die traditionelle Auswertung der Daten reicht hier nicht aus, denn die Ursache-Wirkungs-Beziehungen bei der Herstellung der Lebensmittel sind zu komplex: Die indirekten Folgen einzelner Abweichungen von den Produktionsvorgaben bleiben oft verborgen, weil sie sich nicht mit den herkömmlichen Reporting-Instrumenten abbilden lassen, die von vielen Unternehmen zur Qualitätssicherung eingesetzt werden.
Deshalb integrieren mehr und mehr Lebensmittelhersteller für diese Aufgabe sogenannte Analytics-Software in den Produktionsprozess. Diese Lösungen, wie sie beispielsweise von SAS angeboten werden, machen versteckte Zusammenhänge innerhalb großer Datenmengen sichtbar und identifizieren Muster, die bei einer einfachen Datenauswertung verborgen bleiben. Um beim Beispiel des Kekses zu bleiben, der nicht kross genug ist: Der Fehler liegt nicht zwangsläufig im Backofen. Möglicherweise ist die im Testlabor überzeugende Rezeptur für die Großproduktion nicht optimal geeignet. Werden die Keksdaten mit den Daten anderer, qualitativ zufriedenstellender Keksprodukte zusammengeführt und analysiert, lässt sich die wahre Fehlerquelle schnell entdecken – ohne dass aufwändige Backversuche mit verschiedenen Rezeptvarianten notwendig sind. Dabei bedienen sich die Analytics-Lösungen ausgefeilter statistischer Verfahren, unter anderem aus dem Data Mining.
