SHIELD

Bayerischer Forschungsverbund Sichere heimische (Bio-) Lebensmittel durch sensorische Detektionsverfahren

Teilprojekt 3: Maschinelles Lernen für Haltbarkeits- und Absatzprognosen und Bestimmung der Authentizität

Arbeitsfeld:

Ziel dieses Teilprojekts ist es, datengetriebene Vorhersagen über Absatz und Haltbarkeit der Produkte unserer Industriepartner zu treffen, um Nahrungsmittelverluste zu reduzieren, während der Umsatz erhöht wird. Eine besondere Herausforderung von frischen Lebensmitteln stellt ihre kurze Haltbarkeit da, welche eine besonders präzise Absatzprognose notwendig macht. Wir adressieren dieses Problem mit einem auf Bayes‘schen maschinellen Lernen basierenden Ansatz. Bayes‘sche Methoden liefern zusätzlich zu einer punktuellen Vorhersage (z. B. über den Absatz) auch ein Maß über die Unsicherheit dieser Vorhersage.