Rezeptur-Optimierer
Bildet eine Referenzrezeptur so günstig wie möglich aus Ihren verfügbaren Rohstoffen nach, zeigt, ob es bei Ihnen schon eine sehr ähnliche Rezeptur gibt, prüft das Ergebnis gegen Ihre Erfahrungswerte und erklärt es in verständlicher Sprache.
60 Minuten Erstgespräch sichern So arbeitet der BausteinViele neue Rezepturen gibt es eigentlich schon
Eine Anfrage kommt herein: ein Zielprodukt, eine Deklaration, eine Vorgabe vom Kunden. Also rechnet jemand von Hand nach, welche eigenen Rohstoffe das abbilden könnten, und legt zur Sicherheit einen Puffer drauf.
Dass es in der eigenen Datenbank längst eine fast gleiche Rezeptur gibt, fällt dabei oft niemandem auf. Und ob die neue Rezeptur in der Praxis machbar und verträglich ist, zeigt sich erst, wenn sie gefahren wird.
So entstehen Doppelentwicklungen, Sicherheitszuschläge, deren Größe niemand beziffern kann, und ein Rezepturwissen, das in wenigen Köpfen steckt.
Woran Sie es im Betrieb merken
- Neue Anfragen werden von Hand nachgerechnet, oft über Tage
- Ähnliche Rezepturen existieren schon, aber niemand findet sie
- Sicherheitszuschläge, deren Größe niemand genau beziffern kann
- Ob eine Rezeptur machbar und verträglich ist, zeigt sich spät
- Zwei, drei Mitarbeiter halten das gesamte Rezepturwissen
Vier Stufen mit klarer Arbeitsteilung
Die Rezeptur selbst rechnet ein mathematisches Verfahren, weil es nachweislich zulässige Ergebnisse liefert. Machine Learning prüft die Vorschläge an Ihren Erfahrungswerten, ein Sprachmodell erklärt sie. Entschieden wird bei Ihnen.
Nachbilden
Eine Referenz, etwa eine Produktdeklaration oder Zielspezifikation, wird nur mit Ihren verfügbaren Rohstoffen nachgebildet. Je Nährstoff wählt die Optimierung das günstigste Substitut und hält alle Grenzen für Region und Tierart ein.
Abgleichen
Parallel sucht der Baustein in Ihrer Rezepturdatenbank nach bestehenden, sehr ähnlichen oder gleichen Rezepturen. Doppelte Neuentwicklungen fallen so auf, bevor sie entstehen.
Prüfen
Ein Machine-Learning-Verfahren bewertet die Vorschläge anhand Ihrer historischen Rezepturen, zum Beispiel auf physiologische Machbarkeit und allgemeine Verträglichkeit.
Erklären
Ein in der EU gehostetes Sprachmodell fasst Ergebnis, Prüfwerte und Auffälligkeiten verständlich zusammen und formuliert Empfehlungen. Es rechnet nicht und entscheidet nichts.
Optimierung als lineares Programm, Matching per Nearest-Neighbor über Nährstoffprofile, Qualitätsprüfung als mehrschichtiges Stacking-Verfahren, darüber ein Sprachmodell zur Verbalisierung (Explainable AI, kein RAG). Vorschläge, Kennzahlen und Erklärungen stehen als Datei zur Verfügung, etwa Parquet oder CSV, oder fließen direkt in Ihr Data Warehouse.
Schneller zur fertigen Rezeptur, ohne doppelte Arbeit
Der Effekt entsteht an drei Stellen: Eine Referenz ist in kurzer Zeit nachgebildet statt von Hand nachgerechnet. Die Zusammensetzung ist kostenminimal aus dem, was Sie tatsächlich haben. Und eine bestehende, fast gleiche Rezeptur fällt auf, bevor jemand sie neu entwickelt.
Wie groß der Effekt ausfällt, hängt von Rohstoffvielfalt, Enge Ihrer Spezifikationen und Umfang Ihrer Rezepturhistorie ab. Bei engen Spezifikationen und wenigen Alternativen ist bei den Kosten wenig zu holen. Das sagen wir im Erstgespräch.
- Referenzrezepturen nachgebildet statt tagelang von Hand gerechnet
- Kostenminimale Zusammensetzung aus verfügbaren Rohstoffen
- Bestehende, fast gleiche Rezepturen fallen vor der Neuentwicklung auf
- Vorschläge sind gegen Ihre Erfahrungswerte geprüft, nicht nur rechnerisch zulässig
- Jedes Ergebnis ist in verständlicher Sprache begründet
- Rezepturwissen ist im System dokumentiert statt in zwei Köpfen
Was wir von Ihnen brauchen
Der Baustein braucht vier Dinge: welche Rohstoffe verfügbar sind, was sie kosten, welche Grenzen gelten und Ihre bisherigen Rezepturen, am besten mit der Erfahrung, was sich bewährt hat und was nicht. Das liegt in Ihrem Betrieb meist schon vor, verteilt auf ERP, Labor und Rezepturverwaltung.
Es müssen nicht alle Punkte erfüllt sein.
Der Normalfall: Ein Teil Ihrer Grenzen ist dokumentiert, ein Teil Gewohnheit, ein Teil Sicherheitspuffer. Diese drei zu trennen, ist der erste Schritt der Machbarkeitsprüfung und schon für sich wertvoll, unabhängig davon, ob Sie danach weitermachen.
An Rezepturen, deren Ergebnis Sie kennen
Wir testen nicht an Beispieldaten, sondern an Ihren eigenen Rezepturen. So sehen Sie, wie nah die Nachbildung kommt, was sie kostet, ob das Matching die passenden Bestandsrezepturen findet und ob die Prüfung dieselben Rezepturen als kritisch erkennt wie Ihre Fachleute.
- Aufnahme der Grenzen für eine ausgewählte Rezepturgruppe
- Anbindung von Rohstoffen, Preisen und Rezepturhistorie (Export genügt)
- Nachbildung ausgewählter Referenzen und Abgleich mit Ihrer Datenbank
- Qualitätsprüfung der Vorschläge gegen Ihre historischen Bewertungen
- Prüfung durch Ihre Fachverantwortung, ob die Ergebnisse fahrbar wären
- Ergebnis als Tabelle, auf Wunsch direkt in Ihrem Data Warehouse
Häufige Fragen zu diesem Baustein
Beides, mit klarer Arbeitsteilung. Die Rezeptur rechnet ein mathematisches Optimierungsverfahren, weil es nachweislich zulässige Ergebnisse liefert und begründen kann, warum keine günstigere existiert. Machine Learning prüft die Vorschläge an Ihren Erfahrungswerten.
Das Sprachmodell steht ganz oben und erklärt nur. Es rechnet nicht, und es entscheidet nichts.
Der Baustein schlägt vor, Ihre Fachverantwortung gibt frei. Die hinterlegten Grenzen hält die Optimierung technisch ein: Sie sind harte Nebenbedingungen, eine unzulässige Lösung kann das Verfahren nicht ausgeben. Existiert keine zulässige Mischung, meldet es das und benennt die Grenze. Ob die hinterlegten Grenzen vollständig und aktuell sind, prüfen Ihre Fachleute.
Er ordnet Ergebnisse ein und weist auf Punkte hin, die geprüft werden sollten, etwa Gehalte, die nahe an einer Grenze liegen. Das ist eine Orientierung, keine Rechtsberatung. Ob eine Rezeptur verkehrsfähig ist, entscheiden Ihre Fachleute anhand der aktuellen Vorgaben.
Optimierung, Matching und Prüfung laufen auf Wunsch vollständig in Ihrem Netz. Für die Erklärungen gehen Auswertungen an ein in der EU gehostetes Sprachmodell. Wer das nicht möchte, verzichtet auf diese Stufe. Details auf der Plattform-Seite.
Bei den Kosten möglicherweise nicht: Je weniger Substitute und je enger die Spezifikation, desto kleiner der Spielraum. Das Matching kann trotzdem helfen, wenn Sie viele Bestandsrezepturen haben. Beides lässt sich im 60-Minuten-Gespräch grob abschätzen, und wenn es sich nicht lohnt, sagen wir es dort.
Eine Stunde, eine ehrliche Einschätzung
Nicht Technik, sondern eine Frage: Wo drückt der Schuh in Ihrer Produktion, und was kostet Sie das ungefähr? Wir kennen die Antworten aus vergleichbaren Betrieben und sagen offen, wenn sich ein Einstieg nicht rechnet.
Kein IT-Aufwand, keine Vorbereitung, keine Unterlagen nötig. Wenn es passt, folgt die Machbarkeitsprüfung an einer Linie oder einem Datensatz, mit vorab festgelegtem Umfang und Preis.
Jürgen Bruns
Geschäftsführer und Data Scientist. Baut seit 2016 KI-Systeme in Produktionsprozessen
und führt das Erstgespräch selbst.
Industriering 4
49393 Lohne (Oldenburg)