Dienstag, 7. Juli 2026 von Oliver Schwartz Künstliche Intelligenz verändert die Lebensmittelindustrie
Der Algorithmus ißt mit
Die Lebensmittelindustrie galt lange als eine der analogsten Branchen überhaupt. Neue Produkte entstanden in Versuchsküchen, Sensorik-Laboren und durch die Erfahrung von Lebensmitteltechnologen, die oft über Jahre hinweg Rezepturen entwickelten, testeten und wieder verwarfen. Geschmack, Textur und Konsumentenakzeptanz ließen sich nur begrenzt vorhersagen. Am Ende entschied häufig ein Mix aus wissenschaftlichem Know-how, Intuition und Markterfahrung darüber, ob ein neues Produkt erfolgreich wurde oder nicht.
Doch diese Logik beginnt sich grundlegend zu verändern. Künstliche Intelligenz hält Einzug in die Forschungs- und Entwicklungsabteilungen der großen Lebensmittelkonzerne ebenso wie in die Labore junger Food-Tech-Unternehmen. Dort analysieren Algorithmen inzwischen Millionen möglicher Zutatenkombinationen, simulieren Geschmackserlebnisse, berechnen Nährwerte und prognostizieren Marktchancen. Die Vision vieler Unternehmen ist klar: Lebensmittel sollen künftig nicht mehr primär durch Versuch und Irrtum entstehen, sondern durch datengetriebene Vorhersagen.
Für die Branche könnte dies eine ähnlich tiefgreifende Veränderung bedeuten wie die Digitalisierung für die Medienindustrie oder die Automatisierung für die Automobilproduktion. Die Frage ist nicht mehr, ob KI die Lebensmittelbranche verändern wird, sondern wie weit dieser Wandel reicht – und welche Folgen er für Unternehmen, Beschäftigte und Verbraucher haben wird.
Traditionell dauert die Entwicklung eines neuen Lebensmittels oft viele Monate oder sogar mehrere Jahre. Von der ersten Idee über die Auswahl geeigneter Rohstoffe bis hin zu Konsumententests und regulatorischen Prüfungen sind zahlreiche Schritte erforderlich. Viele Produktideen scheitern dabei bereits in frühen Phasen, weil Geschmack, Konsistenz oder Produktionskosten nicht überzeugen.
Künstliche Intelligenz verspricht, diesen Prozess erheblich zu beschleunigen. Statt einzelne Zutaten nacheinander zu testen, können moderne Systeme Millionen möglicher Kombinationen simulieren und bewerten. Dabei berücksichtigen sie nicht nur Geschmack und Textur, sondern auch Nährwerte, Nachhaltigkeitskriterien, Rohstoffpreise oder regulatorische Anforderungen.
Vom Geschmack zur Datenwissenschaft
Besonders sichtbar wird der Einfluß von Künstlicher Intelligenz bei pflanzlichen Alternativen zu Fleisch- und Milchprodukten. Hier besteht die Herausforderung darin, Produkte zu entwickeln, die geschmacklich und sensorisch möglichst nah an tierische Vorbilder herankommen. Genau an diesem Punkt stößt die klassische Produktentwicklung oft an Grenzen. Die Zahl potenzieller Pflanzenproteine, Fette, Aromastoffe und Verarbeitungstechniken ist so groß, dass sie sich experimentell nur begrenzt erforschen lässt. KI-Systeme können dagegen riesige Datenbanken analysieren und Zusammenhänge erkennen, die für menschliche Entwickler kaum sichtbar wären. Statt nur bekannte Rohstoffe zu kombinieren, identifizieren sie ungewöhnliche Zutaten oder Molekülstrukturen, die ähnliche Eigenschaften wie tierische Produkte besitzen könnten. Die Folge ist eine neue Rolle des Lebensmittelentwicklers. Er wird weniger zum Erfinder einzelner Rezepturen und stärker zum Kurator, der Vorschläge bewertet, testet und weiterentwickelt.
Zu den bekanntesten Vorreitern gehört das chilenische Food-Tech-Unternehmen NotCo. Dessen KI-Plattform analysiert Eigenschaften tausender pflanzlicher Rohstoffe und sucht nach Kombinationen, die tierische Produkte möglichst exakt nachbilden können. Die Idee dahinter klingt zunächst simpel: Wenn man die chemischen und sensorischen Eigenschaften eines Lebensmittels kennt, müsste sich theoretisch eine pflanzliche Alternative entwickeln lassen. In der Praxis ist dies jedoch hochkomplex. Milch beispielsweise besteht nicht einfach aus Proteinen und Fett, sondern aus einem komplexen Zusammenspiel zahlreicher Moleküle, die Geschmack, Mundgefühl und Verarbeitungseigenschaften beeinflussen. KI-Systeme sollen diese Komplexität beherrschbar machen. Sie durchsuchen riesige Datensätze nach Mustern und schlagen Zutatenkombinationen vor, die menschliche Entwickler möglicherweise nie in Betracht gezogen hätten. Auch andere Unternehmen verfolgen ähnliche Ansätze. Das US-Unternehmen Climax Foods nutzt maschinelles Lernen, um pflanzliche Käsealternativen zu entwickeln. Das Startup Shiru wiederum setzt KI ein, um neuartige Proteine zu identifizieren, die künftig als funktionelle Inhaltsstoffe eingesetzt werden könnten. Damit verschiebt sich die Innovationslogik der Branche. Während früher die Suche nach neuen Zutaten oft im Labor begann, startet sie heute zunehmend am Computer.
Die Entwicklung neuer Lebensmittel wird dadurch zu einer datenwissenschaftlichen Disziplin. Algorithmen analysieren nicht nur Zutaten, sondern auch Verbrauchertrends, Social-Media-Daten, Einkaufsverhalten und Marktforschungsergebnisse. Sie sollen erkennen, welche Geschmacksprofile künftig gefragt sein könnten oder welche Gesundheitsversprechen besonders attraktiv erscheinen. Einige Unternehmen experimentieren bereits mit der Vorhersage künftiger Ernährungstrends. Welche Proteinquellen werden in fünf Jahren gefragt sein? Welche Kombinationen aus Geschmack und Gesundheitsnutzen haben die größten Erfolgschancen? Welche Zutaten werden durch Klimawandel oder geopolitische Krisen knapp und teuer? Die Hoffnung vieler Hersteller besteht darin, Produktentwicklungen stärker an vorhergesagter Nachfrage auszurichten und Fehlentwicklungen zu vermeiden. Kritiker sehen darin allerdings auch Risiken. Wenn Algorithmen zunehmend bestimmen, welche Produkte entwickelt werden, könnte Innovation stärker von historischen Daten geprägt werden. Radikal neue Ideen entstehen häufig gerade nicht aus Datensätzen, sondern aus Kreativität, Zufall und kulturellen Veränderungen.
Die Jagd nach dem perfekten Fleischersatz
Besonders intensiv wird KI derzeit im Markt für Fleischalternativen eingesetzt. Die erste Generation pflanzlicher Produkte konzentrierte sich vor allem auf den Verzicht auf tierische Zutaten. Die zweite Generation versucht nun, Fleisch möglichst exakt nachzuahmen. Dabei spielt die Textur eine zentrale Rolle. Verbraucher akzeptieren pflanzliche Produkte häufig dann, wenn Geschmack und Mundgefühl möglichst nah an bekannte Fleischprodukte herankommen. Genau hier eröffnen KI-Modelle neue Möglichkeiten. Forscher nutzen maschinelles Lernen, um Zusammenhänge zwischen molekularen Strukturen und sensorischen Eigenschaften zu identifizieren. Ziel ist es, vorherzusagen, welche Proteinmischungen die gewünschte Konsistenz erzeugen. Für die Branche geht es dabei um Milliardenmärkte. Viele Unternehmen betrachten die sensorische Optimierung als entscheidenden Hebel, um neue Zielgruppen zu erreichen. Denn zahlreiche Verbraucher lehnen Fleischalternativen bislang nicht aus ideologischen Gründen ab, sondern weil Geschmack oder Textur nicht überzeugen.
Noch weiter reicht die Vision einer personalisierten Ernährung. Schon heute sammeln Fitness-Tracker, Smartwatches und Gesundheits-Apps große Mengen individueller Daten. Hinzu kommen genetische Analysen, Blutwerte und Untersuchungen des Mikrobioms. Befürworter sehen darin die Grundlage für eine neue Generation personalisierter Lebensmittel. Künstliche Intelligenz könnte individuelle Stoffwechselmuster erkennen und Ernährungsempfehlungen erstellen, die auf einzelne Personen zugeschnitten sind. Lebensmittel würden dann nicht mehr für breite Zielgruppen entwickelt, sondern für spezifische biologische Profile. Denkbar wären Frühstücksprodukte für Menschen mit erhöhtem Diabetesrisiko oder individuell angepasste Proteinmischungen für bestimmte Altersgruppen. Die wissenschaftliche Evidenz für solche Ansätze wächst zwar, bleibt aber in vielen Bereichen noch begrenzt. Zahlreiche Experten warnen davor, den Nutzen personalisierter Ernährung bereits als gesichert darzustellen. Mit der zunehmenden Nutzung von KI entstehen neue ethische und gesellschaftliche Fragen. Eine zentrale Debatte betrifft die Transparenz. Wenn Algorithmen maßgeblich an der Entwicklung von Lebensmitteln beteiligt sind, sollten Verbraucher darüber informiert werden? Während die Kennzeichnung genetisch veränderter Organismen seit Jahren kontrovers diskutiert wird, existieren für KI-entwickelte Produkte bislang kaum vergleichbare Regelungen. Hinzu kommt die Frage nach der Nachvollziehbarkeit. Moderne KI-Systeme funktionieren oft als sogenannte Black Boxes. Selbst Entwickler können nicht immer vollständig erklären, warum ein Modell bestimmte Zutaten empfiehlt oder bestimmte Vorhersagen trifft. Für Regulierungsbehörden könnte dies zu einem Problem werden. Sicherheitsbewertungen basieren traditionell auf nachvollziehbaren wissenschaftlichen Begründungen. Je stärker KI in Entwicklungsprozesse eingebunden wird, desto wichtiger wird die Frage nach Transparenz und Reproduzierbarkeit.
Die Auswirkungen auf Beschäftigte werden bislang vergleichsweise wenig diskutiert. In der Produktion setzt die Lebensmittelindustrie seit Jahren auf Automatisierung. Neu ist, dass KI nun auch Wissensarbeit erfasst. Produktentwicklung, Qualitätsmanagement, Marktforschung und Lieferkettenplanung könnten künftig teilweise automatisiert werden. Einige Tätigkeiten dürften dadurch an Bedeutung verlieren. Routinemäßige Analysen oder standardisierte Rezepturtests könnten zunehmend von Algorithmen übernommen werden. Gleichzeitig entstehen neue Berufsbilder. Unternehmen benötigen Fachkräfte, die Datenwissenschaft, Lebensmitteltechnologie und regulatorisches Wissen miteinander verbinden können. Der klassische Lebensmittelchemiker arbeitet künftig möglicherweise Seite an Seite mit Machine-Learning-Spezialisten. Ob die Zahl der neu entstehenden Arbeitsplätze die wegfallenden Tätigkeiten kompensieren wird, bleibt offen. Neben Effizienz und Innovation wird Nachhaltigkeit häufig als wichtigstes Argument für den KI-Einsatz genannt. Die Landwirtschaft steht weltweit unter Druck. Klimawandel, Wasserknappheit und steigende Bevölkerungszahlen erhöhen den Bedarf an ressourcenschonenden Produktionsmethoden. KI könnte dabei helfen, alternative Rohstoffe zu identifizieren, Produktionsprozesse effizienter zu gestalten und Lebensmittelverluste zu reduzieren. Auch die Suche nach Ersatzstoffen für besonders ressourcenintensive Zutaten gewinnt an Bedeutung. Ein prominentes Beispiel ist Kakao. Aufgrund steigender Preise und klimabedingter Ernteausfälle suchen Unternehmen nach Alternativen oder Ergänzungen. KI-Systeme können dabei helfen, geeignete Rohstoffe zu identifizieren und neue Rezepturen zu entwickeln.
Die vielleicht grundlegendste Frage betrifft das Verhältnis zwischen Mensch und Nahrung. Lebensmittel waren lange kulturelle Produkte. Geschmack entstand aus Traditionen, regionalen Besonderheiten und handwerklichem Wissen. Mit der zunehmenden Nutzung von KI könnte Ernährung stärker zu einem datengetriebenen Optimierungsproblem werden. Befürworter argumentieren, dass dadurch gesündere und nachhaltigere Produkte entstehen können. Kritiker warnen dagegen vor einer weiteren Industrialisierung des Essens. Sie verweisen darauf, dass dieselben Algorithmen, die gesündere Produkte entwickeln könnten, auch genutzt werden können, um Produkte maximal attraktiv, konsumfördernd und profitabel zu machen. Die Grenze zwischen gesundheitlicher Optimierung und kommerzieller Manipulation könnte dabei zunehmend verschwimmen.
Noch befindet sich die Entwicklung in einer frühen Phase. Viele Anwendungen sind experimentell, zahlreiche Versprechen müssen sich erst in der Praxis bewähren. Dennoch zeichnet sich bereits ab, dass Künstliche Intelligenz weit mehr sein wird als ein weiteres digitales Werkzeug. Sie verändert die Art und Weise, wie Lebensmittel entstehen, welche Produkte auf den Markt kommen und welche Kompetenzen künftig in der Branche gefragt sein werden. Für Unternehmen eröffnet sich die Aussicht auf schnellere Innovationen, geringere Entwicklungskosten und neue Märkte. Für Verbraucher könnten individuellere, nachhaltigere und möglicherweise gesündere Produkte entstehen. Gleichzeitig wachsen die Anforderungen an Transparenz, Regulierung und gesellschaftliche Kontrolle. Die zentrale Frage lautet deshalb nicht, ob Algorithmen künftig bei der Entwicklung von Lebensmitteln mitentscheiden werden. Sie tun es bereits. Entscheidend wird sein, wer diese Systeme kontrolliert, nach welchen Kriterien sie arbeiten und welche Werte in die digitale Rezeptur der Ernährung von morgen einfließen.
#künstlicheintelligenz #ki #lebensmittelindustrie #foodtech #algorithmen #maschinelleslernen #machinelearning #produktentwicklung #lebensmittel #pflanzlichealternativen #fleischalternativen #pflanzenproteine #nachhaltigkeit #datenwissenschaft #innovation #ernährung #personalisierteernährung #geschmack #textur #nährwerte #lebensmitteltechnologie #notco #climaxfoods #shiru #protein #mikrobiom #diabetes #gesundheit #automatisierung #klimawandel #transparenz #regulierung #verbraucher #rezeptur #foodinnovation
