Der Tropf: KI-Innovationen im Lebensmittelbereich mit Ravi Karkara & Vinay Indraganti

Über den Gast 

Ravi Karkara und Vinay Indraganti sind führende Köpfe an der Schnittstelle zwischen künstlicher Intelligenz und Lebensmittelinnovation und stehen an der Spitze der AI For Food Global Initiative. Als Co-Autoren von The AI for Food Movement widmen sie sich der Frage, wie KI die Lebensmittelproduktion, Nachhaltigkeit und kulinarische Erlebnisse umgestaltet. In dieser Folge tauchen Ravi und Vinay in die transformative Rolle von KI in der Lebensmittelherstellung ein und gehen auf Herausforderungen wie Ängste vor der Einführung von KI, Datenintegration und ethische Überlegungen ein. Sie diskutieren auch die Auswirkungen von KI auf die Geschmacksentwicklung, personalisierte Essenserlebnisse und wie sie die Effizienz in der gesamten Lebensmittelindustrie steigern.

Abschrift

Zachary Cartwright :
Wie verändert KI die Lebensmittelbranche? Willkommen beim Drip, wo wir Ihren Geist mit Wissenschaft, Musik und einem Mantra auf Trab halten. Ich bin Ihr Gastgeber, Zachary Cartwright. Als leitender Lebensmittelwissenschaftler bei AQUALAB bin ich ständig neugierig darauf, wie neue Technologien die Zukunft der Lebensmittelindustrie gestalten. Vor kurzem habe ich auf einer Konferenz einen Vortrag darüber gesehen, wie KI den Produktentwicklungsprozess revolutioniert, indem sie riesige Datensätze analysiert, Erkenntnisse gewinnt, bei der Ideenfindung hilft und das optimale Verhältnis von Inhaltsstoffen ermittelt, um die Markteinführung zu beschleunigen. Ravi Karkara und Vinay Indraganti, die Mitbegründer der AI for Food Global Initiative, sind hier, um über die Rolle der KI in der Lebensmittelindustrie zu sprechen. Vielen Dank, dass Sie beide heute hier sind. Ich möchte diesen Podcast in verschiedene Abschnitte unterteilen, wobei der erste Abschnitt von der KI-Revolution in der Lebensmittelindustrie handelt. Meine erste Frage an Sie lautet: Wie verändert die KI die Lebensmittelindustrie vom Bauernhof bis zum Tisch? Und welche Auswirkungen hat dies auf die Zukunft unserer Mahlzeiten?

Gast 1 :
Wir alle wissen, dass KI ein Thema ist, für das sich jeder interessiert. Es ist auch ein Thema für den Kaffeetisch geworden. Was wir aber nicht wissen, ist, dass die meisten Menschen in der Öffentlichkeit und viele, die in der Branche selbst arbeiten, nicht wissen, wie verbreitet KI im Lebensmittel-Ökosystem ist. Bevor wir uns also mit KI und der, Sie wissen schon, was sie heute im Lebensmittel-Ökosystem anrichtet, möchte ich noch etwas sagen. Wenn man sich anschaut, wie wir Lebensmittel auf den Tisch bekommen, also vom Bauernhof zum Schweinefleisch, dann weiß man, dass die Lebensmittel auf dem Bauernhof angebaut werden, und zwar durch Saatgut, das in Versuchsfarmen gezüchtet wurde, das, wenn es gentechnisch verändert ist, wenn es hybrid ist, einen ganzen Prozess der Saatgutentwicklung durchläuft. Auf der Ebene des Saatguts findet heute also eine Forschung und Entwicklung statt. Und jetzt reden wir über die reine Landwirtschaft, richtig? Wir können uns also mit anderen Aspekten der Landwirtschaft befassen. Aber im Moment schauen wir uns das an. Und KI steht im Zentrum der genetischen Revolution.

Gast 1 :
Was wir also sehen, was wir über CRISPR hören, was in der medizinischen Industrie weit verbreitet ist, wird auch auf das Saatgut angewendet, das wir haben, das wir anbauen, das heute entwickelt wird. Alles fängt also dort an, richtig? Ein Teil der KI wird also eingesetzt, um einige der Ergebnisse dieser genetischen Veränderungen vorherzusagen. Wenn wir an Hybriden arbeiten, welche Art von Hybridkombinationen von Saatgut kann ein fruchtbares Ergebnis aus der Saatgutentwicklung selbst liefern? Das ist also die Saatgutforschung und -entwicklung, richtig? Wenn man die Saatgutforschung und -entwicklung als einen Teil der Landwirtschaft betrachtet, den eigentlichen Produktionsteil. So wie man sagen würde, dass eine Fabrik eine Produktion ist, aber für diesen Zyklus ist die Produktion eigentlich der Bauernhof. Diese Forschung und Entwicklung wird also in einen Testbetrieb umgewandelt und dann in eine weit verbreitete Produktion auf dem Bauernhof umgewandelt. Und wenn wir in die Produktion einsteigen, wird diese Saat mit Hilfe von Robotern gesät, und diese Roboter verwenden eine Menge Computer Vision. Sie verwenden heute vor allem KI, die auf Bildverarbeitung basiert. Außerdem gibt es eine Menge Bodenanalysen, also IoT-Informationen, die zurückgesendet werden.

Gast 1:
Heutzutage werden also eine Menge Big Data verwendet. Und diese Big Data werden dann für prädiktive Analysen und andere KI-Anwendungen genutzt, um die Bodenbeschaffenheit vorherzusagen und so weiter. Es handelt sich also um eine Kombination aus bildgebungsbasierter und IoT-basierter Datenerfassung und darauf aufbauenden KI-Algorithmen. Das ist also die landwirtschaftliche Seite, und sobald man erntet, kommt man in den gesamten Logistikzyklus. Die geernteten Lebensmittel werden also entweder an Lagerhäuser oder an Unternehmen, die Zutaten herstellen, geschickt, oder sie werden über diese Lagerhäuser an unsere Lebensmittelgeschäfte oder an Lebensmittelproduktionsunternehmen geschickt. Genau. Es gibt also vier verschiedene Wege der Nachernte. Entweder werden sie in einem Lagerhaus langfristig eingefroren und kommen später wieder zurück, oder sie werden zu Zutatenherstellern geschickt, die aus diesen Pulvern, Gewürzen und Aromen Zutaten herstellen, die direkt an den Verbraucher in den Lebensmittelgeschäften oder an die Hersteller verpackter Lebensmittel gehen.

Gast 1 :
Richtig. Die Kartoffeln gehen also entweder an einen Hersteller von Kartoffelstärke oder an einen Hersteller von Kartoffelchips oder etwas anderem. Sie geht in die Kartoffel. Also alles, alles von diesen Dingen. Jetzt kommt noch ein logistischer Aspekt hinzu. Es gibt jetzt also KI bei der Bedarfsermittlung in Bezug auf die Frage, wohin diese Ernte jetzt gehen soll. Soll sie ins Lager gehen und lange gelagert werden, weil es nicht genug Nachfrage gibt, soll sie ins Lebensmittelgeschäft gehen, weil es je nach Saison eine höhere Nachfrage gibt, oder soll sie zu den Zutatenherstellern oder den Lebensmittelherstellern gehen? Genau. Diese Erkennung findet also statt. Die KI schafft also dieses Bewusstsein oder hat dieses Bewusstsein und leitet es mithilfe der Logistik weiter.

Gast 1 :
Und dann gibt es, sobald es entweder in Unternehmen für Inhaltsstoffe oder in Lebensmittelherstellern ankommt, eine Reihe von KI in der F&E. Es gibt also die Entwicklung von Inhaltsstoffen, die Entwicklung neuer Inhaltsstoffe, die Formulierung. Ähnlich wie bei der Entwicklung von Saatgut gibt es auch hier Forschung und Entwicklung. Jetzt gibt es Forschung und Entwicklung in der Entwicklung von Inhaltsstoffen und Forschung und Entwicklung in der Produktentwicklung. Es gibt also eine KI-Komponente. Sie ist noch im Entstehen begriffen, aber sie gewinnt an Bedeutung. Wir haben bei BCD festgestellt, dass dieser Bereich von großem Interesse ist, vor allem bei der Suche nach neuartigen Inhaltsstoffen, der Entdeckung neuartiger Inhaltsstoffe, der Suche nach Ersatzstoffen, Ersatzstoffen zu unterschiedlichen Kosten, Nährstoffgehalten und so weiter. Es wird also viel Arbeit in dieser Branche insgesamt geleistet, und die künstliche Intelligenz gewinnt dort immer mehr an Bedeutung. Man nimmt also diesen Forschungs- und Entwicklungsbereich und geht dann in die Produktion über.

Gast 1:
Wenn Sie also Ihre Forschung und Entwicklung abgeschlossen haben, produzieren Sie jetzt. Die künstliche Intelligenz leistet eine Menge in der Fabrikhalle. Am weitesten verbreitet ist die prädiktive Analytik. Vorausschauende Analytik oder vorausschauende Wartung von Anlagen. Daran ist schon viel gearbeitet worden. Es ist ein sehr bekannter Anwendungsfall. Der andere Bereich, insbesondere in der Lebensmittel- und Getränkeindustrie, ist die Qualitätskontrolle, die auf Computer Vision basiert. Wir haben mit einigen unserer Kunden viele Projekte durchgeführt, bei denen wir an der Produktionslinie sehen können, ob die Chips, die herauskommen, oder der extrudierte Snack, der herauskommt, tatsächlich die richtige Form und Größe hat.

Gast 1 :
Und es gibt eine Menge bildgestützter Qualitätssicherung, die durch Computer Vision ersetzt wird, und es gibt eine gewisse Automatisierung und Robotik, die dort eingesetzt wird. Und wenn es dann produziert ist, geht es wieder um die Logistik. Lagere ich sie in Langzeitlagern oder versende ich sie direkt an meine Kunden, was mache ich? Und wenn es dann auf die Straße oder das Meer geht, welches Transportmittel ich auch immer habe, was ist das beste Transportmittel? Wenn ich die Nachfrage vorhersehen kann, würde ich sie lieber mit der Bahn verschicken. Das ist am billigsten. An zweiter Stelle steht die Straße, an dritter das Flugzeug. Richtig. Und dann ist C natürlich der Seeweg, wenn man den Ozean überqueren muss. So wird es also gemacht.

Gast 1 :
In diesem Sinne gibt es also auch eine Menge KI-Algorithmen. Und dann gibt es eine Menge Algorithmen auf der Einzelhandelsseite, die herausfinden, wo die Nachfrage ist und wie wir sie decken können. Es gibt also eine Menge Nachfragesensoren auf der Einzelhandelsseite. Sowohl Lebensmittelunternehmen als auch Einzelhandelsgeschäfte nutzen das, und sie fließen in die gesamte Logistiknachfrage ein, und was machen wir dann damit, wo wir sind. Es gibt also eine Menge Angst. Und dann wieder KI in Bezug auf Nachhaltigkeit, in Bezug auf die Frage, wie wir KI nutzen können, um weniger Energie und Ressourcen zu verbrauchen, um eine positive Auswirkung auf die Nachhaltigkeit zu erzielen und unseren CO2-Fußabdruck zu verringern. Einige Algorithmen arbeiten also auch in diesem Bereich. Also ja, ich meine, da gibt es eine Menge Arbeit.

Gast 1:
Was die Wettererfassung betrifft, so gibt es in vielen Bereichen schon seit langem KI.

Gast 2 :
Ich möchte nur hinzufügen, dass 30 % der Treibhausgasemissionen aus dem Lebensmittelsektor stammen. Das Hauptaugenmerk liegt auf Öl und Gas, aber es wird selten beachtet, dass die Emissionen vom Bauernhof bis hin zu den Lieferanten reichen. Vinay hat gesagt, dass es eine Menge Emissionen gibt. Und wie arbeitet man mit KI zusammen, um die Landwirtschaft von der Pflanzenproduktion bis zur Viehhaltung und wirklich den gesamten Weg der Kohlenstoffemissionen zu korrigieren oder das System effizienter zu machen. Ich denke, dass der gesamte Bereich der Landnutzung, also die Arbeit mit Drohnen, die Präzisionslandwirtschaft usw., wichtige Bereiche sind. Das ist ein riesiges Gebiet, über das wir auch in unserem Buch sprechen, das nächste Woche erscheinen wird.

Zachary Cartwright :
Also, ja, danke für diese Antwort. Wenn ich aufgrund meiner Arbeit bei AQUALAB an KI denke, sehe ich oft, dass sie in der Produktentwicklung eingesetzt wird oder eingesetzt werden soll. Aber es ist wirklich interessant, dass jeder Aspekt, vom Bauernhof bis zum Tisch und darüber hinaus, in vielerlei Hinsicht genutzt werden wird oder bereits genutzt wird. Und ich bin neugierig, wie sehen Sie den Einsatz für Geschmacksinnovationen? Vielleicht können Sie einige überraschende Wege aufzeigen, wie KI eingesetzt wird, um Aromen und unterschiedliche Texturen in Lebensmitteln zu verbessern. Und wie sieht das im Vergleich zu traditionellen kulinarischen Methoden aus?

Gast 1 :
Ja, schauen wir uns an, was heute mit KI möglich ist und wo sich die Dinge mehr und mehr durchsetzen. Wenn wir uns die Entwicklung von Aromen ansehen, müssen wir erkennen, dass wir die Nuancen des Geschmacks zusammen mit den Neurowissenschaften verstehen müssen. Es geht also nicht nur um die richtige Geschmacksrichtung. Es geht um den richtigen Geschmack für mich, für uns. In Monell und anderen Instituten wurde eine Menge Arbeit geleistet, die dies zum Hauptschwerpunkt ihrer Forschung und ihres Werkes gemacht hat. Das stimmt. Wenn wir uns also mit der Entwicklung von Aromen befassen, sollten wir vor allem zwei Aspekte betrachten. Der eine ist der molekulare Teil, also die reine Chemie. Wenn man sich also den Geschmack ansieht, dann ist es.

Gast 1 :
Normalerweise bezeichnen wir es als Aromachemie, weil es in erster Linie Chemie in diesem Sinne ist. Wie wir den Geschmack erhalten, könnte ein biochemischer Prozess sein. Wir könnten auch andere Dinge wie Enzyme und Bioenzyme verwenden und so weiter und so fort. Es gibt verschiedene Methoden, aber das Endergebnis ist meist rein chemisch. Es kommt also Aromachemie ins Spiel. Es gibt also einen molekularen Teil. In dem Moment, in dem man von Chemie spricht, spricht man von Molekularwissenschaft, richtig? Auf der zweiten Seite haben wir die Neurowissenschaft. Hier geht es um unsere Wahrnehmung in unserem sensorischen Geruchssystem und so weiter.

Gast 1 :
Wir sprechen also über zwei verschiedene Dinge. Wenn jetzt also von KI in der Aromachemie die Rede ist, wird KI in beiden Bereichen eingesetzt. In den Bereich der Neurowissenschaften gelangt KI auf viele verschiedene Arten. In den Neurowissenschaften wird das menschliche Geruchssystem modelliert, um zu verstehen, welche Menge einer Chemikalie welche Reaktion und Wahrnehmung in unserem System hervorruft, und um nun in der Lage zu sein, auf der Grundlage von Veränderungen in verschiedenen Kombinationen Vorhersagen zu treffen. Wir betrachten die Chemie also nicht auf molekularer Ebene, sondern über die Wahrnehmung, Rezeption und Veränderung. Wie wirkt sich das auf uns aus? Wir erstellen also Modelle und Modelle, KI-Modelle, um das nachzuahmen, richtig? Wenn wir also eine bestimmte Molekülverbindung an einer bestimmten Stelle unserer Zunge oder unserer Nase platzieren und dies kombinieren, was bewirkt sie dann? Es wird also viel an der KI gearbeitet, was den neurowissenschaftlichen Teil anbelangt. Eine interessante Arbeit, an der wir beteiligt waren, war die Salzreduzierung durch Umami und Kakumi. Und das ist ein Gebiet, das mich definitiv interessiert.

Gast 1:
Aber wie können wir ein KI-Modell erstellen, das in der Lage ist, dies vorherzusagen, indem wir Natrium reduzieren? Richtig? Das ist also ein Bereich der Neurowissenschaften und der Molekularwissenschaften. Es wurde also bereits viel Arbeit geleistet, die rein aus der Geschmackschemie stammt, um die Reaktion von Molekülen, verschiedenen Arten von Molekülen, verschiedenen Formeln vorherzusagen. Wie funktioniert das, und was für ein Ergebnis würde dabei herauskommen? Aus rein molekularer Sicht wissen wir, dass bestimmte Moleküle, wenn sie zusammenkommen, so und so viel ergeben, richtig? Das können wir heute in KI-Modelle einfließen lassen. Die Überschneidung von Molekularchemie und Neurowissenschaften ist der Bereich, in dem die KI jetzt schnell vorankommt. Wie können wir die Molekularchemie mit den Neurowissenschaften und der Reaktion darauf verbinden? Wir sind also dabei, ein kombiniertes KI-Modell zu entwickeln, bei dem Molekularchemie und Neurowissenschaften zusammengeführt werden. Und dann können wir durch diese molekularen Verbindungen neue, neuartige Verbindungen schaffen, die wir in der Welt noch nie gesehen haben, wie würde das reagieren? Diese Art von Modellen wird jetzt durchgeführt, würde ich hinzufügen. Wenn es um Textur geht, basiert ein Großteil der Textur auf Wahrnehmung und Feedback. Wenn wir also die Wahrnehmung und das Feedback betrachten, gibt es eine physische Komponente der Textur, und Textur könnte eine visuelle Textur sein.

Gast 1 :
Textur könnte ein Sinneseindruck sein, könnte ein Mundgefühl sein, könnte bestimmte andere Elemente sein, richtig? Also in diesem Sinne, wenn Sie über "Let's" sprechen. Nehmen wir eine sehr einfache Textur, nämlich das Mundgefühl und das Mundgefühl. Wenn ich ein volles Mundgefühl haben will, definieren verschiedene Leute ein volles Mundgefühl anders. Und während sie vielleicht im gleichen, einigermaßen ähnlichen Bereich liegen, könnte man sagen, es fühlt sich voll an, es ist etwas voll, nicht wirklich voll, aber Fülle ist es. Und manch einer definiert Vollmundigkeit vielleicht als etwas anderes. Diese Art von Textur. Und wenn Sie sich die Knusprigkeit ansehen, wissen Sie, wie knusprig ein Keks ist? Okay, man kann einen Keks zerbrechen und sagen, na ja, er sieht knusprig aus, aber ist er auch so knusprig, wie es die andere Person sieht, die ihn knusprig findet? Solche Dinge sind also sehr persönlich.

Gast 1 :
Und wenn wir das in ein Computermodell übersetzen, sprechen wir wirklich über ein Vokabular, das wir entwickelt haben. das wir aufgebaut haben, um diese Art der Übersetzung zu ermöglichen. Diese Art von Dingen sind also sehr einzigartig. Selbst wenn also zwei Unternehmen einen knusprigen Haferflocken-Rosinen-Keks herstellen wollen, kann die Knusprigkeit dieser Kekse unterschiedlich sein. Wenn man nun einige analytische Tests durchführt und sagt, okay, hier ist die Härte, hier ist der Knusprigkeitsgrad, und hier ist das sensorische, hier ist das Geräusch der Knusprigkeit, wenn man ihn bricht. Es gibt so viele verschiedene Variationen. Man kann also sagen, dass die Textur ein sehr interessanter Teil des Geschmacks ist. Wenn Sie von Textur sprechen, wie definieren Sie sie? Es gibt also verschiedene Möglichkeiten, das zu tun.

Gast 1 :
Sobald Sie das definiert haben, verwenden wir das so genannte "Reinforcement Learning", um die Modelle lernen zu lassen, wie diese Parameter von der KI wahrgenommen werden, und wir trainieren das Modell auf diese Weise. Das ist eine etwas anspruchsvollere Struktur, aber auch daran wird gerade gearbeitet.

Zachary Cartwright :
Das bringt mich zu meiner nächsten Frage, denn ich sehe, dass wir mit KI wirklich in der Lage sein werden, das Essenserlebnis zu personalisieren und für verschiedene Verbraucher zu individualisieren. Vinay, Sie haben auf der American Association of Candy Technologists ein Beispiel dafür genannt, dass man genau die Art von Snickers bestellen kann, die man haben möchte, und dass es bestimmte Geschmacksprofile oder andere Dinge in diesem Produkt gibt. Wie schafft KI dieses personalisierte Essenserlebnis, und wie wird sich das auf die Speisekarten der Restaurants und die Kundenzufriedenheit auswirken?

Gast 1 :
Wenn wir uns mit Personalisierung befassen, betrachten wir sie aus vielen verschiedenen Blickwinkeln. Wir betrachten sie aus dem Blickwinkel der Geschmackssinne. Wir betrachten sie aus dem Blickwinkel der Ernährung, wir betrachten sie aus dem Blickwinkel der Einhaltung von Vorschriften und aus einem ganzheitlichen Blickwinkel, der all dies umfasst. Und einige dieser Aspekte sind auch nachhaltig. Es wird viel Wert darauf gelegt, dass es nicht nur all diese Dinge gibt, sondern dass es auch nachhaltig ist, und nicht zu vergessen. Ich will, dass es erschwinglich ist. Wenn man also all das zusammennimmt, sind wir heute nicht in der Lage, ein Produkt zu schaffen, das sehr nahrhaft, extrem lecker, sättigend, sehr nachhaltig, biologisch, mit einem sauberen Etikett, aber auch sehr erschwinglich ist. Es ist schwierig, so etwas zu bekommen. Wenn man es von der Seite der Marke oder von der Seite der Gastronomie aus betrachtet, dann ist es schwierig, so etwas zu bekommen, oder? Wir alle versuchen heute, dies zu erreichen.

Gast 1 :
Am nächsten kommen uns Menüs. Ein sehr interessantes KI-Experiment, an dem wir wahrscheinlich alle schon einmal teilgenommen haben, ist das, was Coca Cola gemacht hat, oder? Man geht also zu einem Automaten und wir können dort alle möglichen Informationen haben. Und in dem Moment, in dem man sagt: Ich möchte ein bisschen von diesem Geschmack und ein bisschen von jenem Geschmack, und, wissen Sie, Sie möchten Ihre Orange und eine Limonade mischen, oder Sie mischen ein bisschen Cola dazu, wenn Sie wollen, wissen Sie, Sie können tun, was Sie wollen. Und diese Kombinationen, auch wenn sie fast unbegrenzt erscheinen, sind begrenzte Kombinationen. Vielleicht ist das menschliche Gehirn an diesem Punkt überfordert. Aber bei der KI ist alles an diesem Punkt moduliert worden. Es sind KI-Modelle enthalten. Ein ähnliches Konzept kann nun auch in einem Restaurant umgesetzt werden.

Gast 1 :
Also, wenn ich in einem Restaurant bin, kann ich. Ich kann mir eine Speisekarte ansehen. Ich kann sagen, ich kann die Speisekarte ein bisschen schärfer machen. Und das tun wir auch, oder? Wir bitten das Restaurant zu sagen, gib mir mehr Schärfe, gib mir weniger Schärfe. Und wenn wir das tun, bitten wir im Wesentlichen um eine Änderung der Menge oder einen Austausch der Zutaten. Okay, ich möchte diese bestimmte Geschmacksrichtung nicht. Füge stattdessen dies hinzu. Wir tauschen also nicht die Zutaten aus.

Gast 1 :
Wir ändern die Menge der Zutaten. All das, was wir verlangen, die Vorhersehbarkeit ist also auf den jeweiligen Küchenchef in dieser Schicht beschränkt. Wenn wir also die gesamte Erfahrung eines Restaurants ändern und sagen: "Ich möchte es vorhersehbarer machen", dann mag das manchen Leuten gefallen, manchen nicht. Aber wir sagen: Das ist meine Messlatte. Ich möchte mein Essen nach einem bestimmten Standard zubereiten. Das muss die ganze Zeit so sein. Man muss sich auf die Automatisierung verlassen. Wir verlassen uns nicht auf die Automatisierung.

Gast 1 :
Was Sie tun, ist, dass Sie ein gewisses Maß an künstlicher Intelligenz und ein gewisses Maß an Robotik einsetzen, die wiederum von der künstlichen Intelligenz übernommen wird, um all das zu tun. Auf diese Weise sagen wir: "Okay, wenn ich etwas weniger Salz oder mehr Gewürze, weniger Zucker und mehr Ballaststoffe haben möchte, dann sagen Sie der KI, wie hoch der Anteil dieser Zutaten sein sollte. Und das wird in ein KI-Modell übersetzt, das sagt: "Okay, hier ist dein Rezept, basierend auf dem Kunden. Und der Kunde könnte auf einer gleitenden Skala stehen, eine Zahl sein oder was auch immer, es wird Ihnen sagen, dass dies dem entspricht und so weiter. Jetzt haben wir also einen Rezepturprozess erstellt, der immer noch derselbe ist. Wir ändern nur die Formulierung, die Mischung der Inhaltsstoffe usw. Dieses Modell sagt nun entweder dem Koch oder dem Roboterarm an dieser Stelle: "Okay, so viel musst du hinzufügen. Und das war's.

Gast 1 :
Jetzt haben Sie eine wiederholbare Erfahrung mit dem Kunden in einem Restaurant geschaffen. Und man könnte dasselbe Konzept nehmen und sagen, okay, können wir das anwenden? Wenn, wissen Sie, auf einer Produktionslinie von Snickers, wo mein Snickers süßer ist als Ihres, oder, oder ich habe ein wenig Salz in mein Snickers getan und es ein wenig karamellisiert, was auch immer es ist, wenn dieser Parameter verfügbar ist, mir von der Marke in einer Art App zur Verfügung gestellt wird, mache ich das, ich mache diese Änderungen und heraus kommt ein auf mich zugeschnittener Turnschuh. Mein Traum ist es, so etwas in einer Produktionslinie zu haben, die Zach, du weißt schon, deine Sneaker, meine Sneaker und Ravis Sneaker und all diese hat. Und ich würde gerne eines Tages in der Lage sein, das zu tun und vielleicht eine Mikrofabrik daraus zu machen.

Zachary Cartwright :
Ravi, was sind Ihrer Meinung nach die größten Herausforderungen für Lebensmittelunternehmen bei der Integration von KI-Technologien?

Gast 2 :
Wir stehen noch ganz am Anfang, oder? Wir versuchen also immer noch zu verstehen, wie KI bereits Lebensmittelsysteme und Produktionslinien schafft, die das gesamte Lebensmittelsystem, oder wie Vinay sagte, erschwinglicher und gleichzeitig nahrhaft, nachhaltig machen. Und ich denke, dass wir einen Hut der Nachhaltigkeit tragen. Ich glaube, eines der größten Probleme, mit dem sich viele dieser Fabriken auseinandersetzen, ist der gesamte Kohlenstoff-Fußabdruck. Und ich glaube, dass KI hier wirklich helfen kann - ich habe hier eine Nachhaltigkeitsbrille auf -, den gesamten Herstellungsprozess umweltfreundlicher zu gestalten, z. B. in Bezug auf Energieeffizienz, Wassernutzung, Wasserrecycling, Abfallreduzierung, Verpackungsmaterial, das oft kritisiert wird, weil die Lebensmittelindustrie zu viel Plastik verwendet, z. B. Welche nachhaltigen Verpackungsmaterialien gibt es? Und dann geht es natürlich um den gesamten Bereich der Lieferkette und des Vertriebs. Das ist ein weiterer Bereich, in dem es darum geht, die Effizienz zu steigern. Ich denke also, wenn Sie mich fragen, wohin sich das entwickeln wird? KI kann wirklich dabei helfen, diese Schlupflöcher in der gesamten Produktion aufzuspüren und sie effizienter zu machen. Zweitens denke ich, dass BCD wirklich zusammenwächst, weil wir den gesamten Prozess betrachten, vom Anfang bis zum Ende. Richtig, vom Anfang bis zum Ende, wir denken, dass wir mit Ihnen zusammenarbeiten, um sicherzustellen, dass der Bereich, die neuen Bereiche der Effizienz, die Energienutzung, Sie wissen, viele dieser großen Gigafactories betreiben ihre Maschinen mit Diesel, zum Beispiel, richtig.

Gast 2 :
Wie kommt man also weg von Öl und Gas und hin zu grünen Kraftstoffen, die der Kraftstoff der Zukunft sein könnten, richtig? Biokraftstoffe, grüner Wasserstoff und so weiter und so fort. Aber ich denke, wenn es um bestimmte Bereiche geht, müssen wir wirklich zurückkommen, wissen Sie, wenn Sie zum Beispiel den Bereich der pflanzlichen Basis aufgreifen, der sich in einem völlig neuen Stadium befindet. Es bietet uns also eine große Chance, uns mit den verschiedenen Herausforderungen auseinanderzusetzen. Aber ich denke, ich werde wahrscheinlich mit dem Hut eines Lebensmittelexperten antworten. Und ich setze hier meine Nachhaltigkeitsbrille auf.

Gast 1 :
Vinay, ich verstehe vollkommen, dass Ravi sich auf diesen Bereich konzentriert. Und wenn man sich die Branche selbst ansieht, würde ich sagen, dass es drei verschiedene Bereiche gibt, die ich nennen würde. Erstens: Was sind die Herausforderungen für die Einführung von KI in der Branche? Zuallererst muss die Angst vor der Einführung von KI genommen werden. Richtig? Das größte Hindernis ist also unser Verständnis dafür, wie wir KI nutzen können, und dass wir die Angst vor dem Einsatz von KI überwinden müssen. Richtig? Es gibt also viele negative Assoziationen. Das ist einer der Gründe, warum Ravi und ich und Michael dieses Buch mit dem Titel "AI for Food" geschrieben haben, um zu zeigen, was KI heute in der Branche leistet. Was KI in der Zukunft, in naher Zukunft, mittelfristig bewirken kann, damit die Menschen verstehen, dass KI in der Lebensmittelbranche eine Menge Gutes bewirkt. Und so einen positiven Spin zu erzeugen.

Gast 1 :
Wenn man an künstliche Intelligenz denkt, gibt es eine Menge negativer Assoziationen dazu. Und wenn man über Lebensmittel nachdenkt und über verarbeitete Lebensmittel, die in Fabriken hergestellt werden, gibt es heute eine Menge negativer Assoziationen dazu, richtig? Mit verarbeiteten Lebensmitteln, ultra-verarbeiteten Lebensmitteln und ultra-ultra, wie viele Ultras sie jetzt reinpacken, aber es gibt ein ganzes Konzept von, hey, wenn es in einer Fabrik hergestellt wird, ist es wirklich gut. Wenn man jetzt also KI und Lebensmittel zusammenbringt, dann ist das wie eine Explosion. Die ganze Idee ist also, wie wir das Ganze schmackhafter und realistischer machen können, so dass es tatsächlich eine gute Sache ist. Das liegt also auf der Seite der Verbraucher. Das müssen wir schaffen. Und darum geht es bei der ganzen Afrofut-Initiative. Ravi und ich haben diese Initiative mitbegründet, um darüber zu sprechen, um das Bewusstsein dafür zu schärfen. Richtig? Bewusstseinsbildung ist also die Nummer eins auf der Seite der Verbraucher und der Industrie.

Gast 1 :
Hey, wissen Sie, wenn man mit Leuten spricht, die im Lebensmittel-Ökosystem arbeiten und heute in der, sagen wir mal, Logistik tätig sind, wissen sie nicht wirklich, wo KI in den landwirtschaftlichen Betrieben eingesetzt wird oder ob KI in der Forschung und Entwicklung von Saatgut verwendet wird. Und wie wirkt sich das auf ihre Arbeit in der Logistik aus? Ein gutes Beispiel wäre, dass man bei der Produktion von rundem Saatgut viel mehr Wasser benötigt, um das Saatgut wirklich aufzuziehen. Und irgendwie ist der Feuchtigkeitsgehalt immer hoch, auch noch nach X Monaten, nachdem man es geerntet hat. Und wenn der Wassergehalt hoch ist, schlägt sich das in einer höheren Tonnage nieder, die wir transportieren. Was machen wir also genau? Wir transportieren Wasser. Wollen wir Wasser transportieren? Vielleicht ist es eine gute Sache, vielleicht auch nicht. Wenn wir also erst einmal verstanden haben, wie wir alle miteinander verbunden sind, dann geht es auch um Daten. Daten sind immer etwas.

Gast 1 :
Wenn man über KI spricht, ist das nächste, worüber man spricht, Daten, richtig? Denn wenn man über KI spricht, spricht man auch über Datenwissenschaft, d.h. man spricht über einen Datenwissenschaftler, der mit allen Arten von Daten arbeitet und was wir tun. Daten und KI sind also untrennbar miteinander verbunden. In dem Moment, in dem man über KI und Wahrnehmung spricht, habe ich die Hürde überwunden, die Menschen mit KI vertraut zu machen. Der nächste unmittelbare Punkt ist: Wo sind die Daten? Daten sind also immer eine Herausforderung. Und je größer das Unternehmen ist, desto komplexer sind seine Daten, desto verteilter sind die Daten, desto vielfältiger sind die Daten. Und jetzt kommen wir zu den verschiedenen Arten von Daten: strukturierte Daten, unstrukturierte Daten. Wie bringe ich also all diese Daten zusammen, die sich in der Regel in ihren eigenen Silos, in ihren eigenen Bereichen und in ihren eigenen Anwendungen befinden? Wie bringe ich all diese Informationen zusammen, um meinem Modell, meinem KI-Modell, die Informationen zu liefern, die es braucht.

Gast 1 :
Jetzt kommen wir also zur Kunst der KI. Die Wissenschaft der KI ist also: Wo ist mein Modell, welches Modell, wie entwickle ich mein Modell? Und baue ich ein eigenes Modell? Nehme ich ein Open-Source-Modell? Das ist also wirklich eine Wissenschaft der Daten. Wie, wie bringe ich die Daten? Welche Art von Daten sollte ich mitbringen? Woher bekomme ich die Daten? Wie bearbeite ich diese Daten und bringe sie ein? Jetzt kommen wir also ein bisschen in die Kunst. Und das ist es, was meiner Meinung nach ein erfolgreiches von einem erfolglosen Projekt wirklich unterscheidet. KI-Projekt ist, wie gut man die Kunst der KI beherrscht. Richtig, also Bewusstsein, Daten, und das dritte wäre auf der Forschungs- und Entwicklungsseite. Wie können wir also KI in die Formulierung einbringen, so dass wir, wenn wir über Personalisierung sprechen, darüber reden, wie wir diese Formulierungen so echtzeitnah wie möglich machen können? Das ist also heute eine echte Herausforderung. Und warum machen wir das? Weil die vierte Möglichkeit darin besteht, KI in die Produktion einzubringen. Die größte Auswirkung, die KI in der Lebensmittelindustrie haben kann, ist also auf der Herstellungsseite.

Gast 1 :
Und wenn Sie in der Lage sind, unsere Pläne effizienter zu gestalten, wie Ravi sagte, dann bringen wir tatsächlich eine Menge Geld für andere Dinge auf, richtig? Also wirkt sich das tatsächlich auf das Endergebnis aus. Man spart also eine Menge Geld, und das gesparte Geld kann in andere Dinge investiert werden. Wie können wir also KI einsetzen, um dies zu ermöglichen? Wenn es uns gelingt, diese vier Dinge zu tun. Bewusstseinsbildung, Daten, kann KI diese in die Formulierung einbringen? Und dann, in der Fabrik, wird heute schon viel KI in der Logistik eingesetzt. Natürlich ist das nicht, nicht annähernd genug. Aber ich weiß, dass hier eine Menge Arbeit geleistet wird. Das ist im Bereich der Logistik eine Selbstverständlichkeit. Hier liegen meiner Meinung nach unsere größten Herausforderungen.

Gast 2 :
Wissen Sie, auf unserer Reise ist uns auch klar geworden, dass die KI Arbeitsplätze wegnehmen wird. Was bedeutet das wirklich? Wir haben im August eine globale Konferenz über KI, eine Lebensmittelbewegung in Chicago, organisiert, die erste ihrer Art. Und ich glaube, wir hatten ein sehr interessantes Panel über AI Skilling. Und ich denke, für uns ist es eine Herausforderung, wenn die Leute sagen, wir wissen nicht, was wir nicht wissen, aber wir wissen, dass KI mir den Job wegnimmt. Aber die Realität ist, dass KI die industrielle Revolution angetrieben hat, und besonders wenn wir diese Gespräche über die Schaffung von Amerika führen, wissen Sie, dass man nur ein Amerika schaffen kann. Wenn Sie Ihre Fabriken intelligenter machen, egal ob es sich um dunkle Fabriken oder Mikrofabriken handelt, was bedeutet, dass Sie sie effizienter machen. Fabriken, die rund um die Uhr laufen, mit weniger Menschen, aber mehr Robotern und Maschinen, die wirklich effizientere, nahrhaftere, erschwinglichere und nachhaltiger produzierte Lebensmittel herstellen können. Aber wer soll das tun? Wir brauchen die entsprechenden Fähigkeiten, oder? Eine der Partnerschaften, die wir eingegangen sind, war die Foundry Education Foundation in den USA, um herauszufinden, wo diese Studenten ausgebildet werden, um diese Fabriken zu betreiben, die von KI-Fachleuten betrieben werden.

Gast 2 :
Ähnlich verhält es sich mit der Arbeit, die wir mit Universitäten durchführen, sei es CSI oder Cornell, wo wir untersuchen, wie junge Fachleute, Lebensmittelwissenschaftler der Zukunft, KI wirklich als Vorteil nutzen können, um diese Lebensmittel zu entwickeln, die, wie Vinay sagte, gut schmecken und nahrhaft sind. Es ist auch gesünder. Wenn ich gesünder bin, bedeutet das für mich, dass weniger Menschen krank werden und dass die Lebensmittel nicht zu 30 bis 40 % der Treibhausgasemissionen beitragen. Das stimmt. Wie Sie schon sagten, besteht die Herausforderung darin, dass es wie bei der menschlichen Revolution viel Unbekanntes gibt. Die Menschen wissen also nicht, was wirklich passieren wird. Aber ich denke, wir müssen lernen, vor allem in Podcasts wie diesem, wo wir Bildung schaffen und daran arbeiten, Fähigkeiten zu entwickeln, damit die Menschen mitmachen können. Und es wird eine Menge an gemeinsamer Arbeit sein, wenn wir uns auf diese Reise begeben.

Zachary Cartwright :
Es gibt so viele verschiedene Themen, zu denen wir kommen könnten. Aber wir haben nur noch ein paar Minuten Zeit, und ich möchte nur kurz einige ethische Bedenken ansprechen. Welche ethischen Überlegungen sollten Unternehmen angesichts der zunehmenden Verbreitung von KI in der Lebensmittelproduktion anstellen, um Transparenz zu gewährleisten und das Vertrauen der Verbraucher zu erhalten?

Gast 1 :
Wenn man sich die öffentlich-private Partnerschaft anschaut, dann kommt die Regierung ins Spiel. Nun mag man das Gegenteil behaupten, aber in Wirklichkeit geht es hier um eine Infrastruktur, um eine grundlegende Frage der Gesellschaft, nicht wahr? Wenn wir also über gesellschaftliche Grenzen sprechen und darüber, wie diese aussehen sollten. Und jetzt reden wir darüber, okay, wir gehen jetzt auf die höchste Ebene, zu unseren grundlegenden Institutionen, zum Kongress, zum Senat, zur Justiz und sagen, okay, helft uns bei der Definition. Und einige dieser Leute sind vielleicht nicht die besten Kenner der Materie. Deshalb verlassen sie sich auf Experten und auf die Industrie. Und genau hier kommt die öffentlich-private Partnerschaft ins Spiel. Und wenn wir diesen Dialog in Gang bringen, dann war das einer unserer Kanäle beim Global Summit für Lebensmittel. Wir haben darüber gesprochen, wie das aussehen soll. Das ist ein gutes Forum für uns, um das herauszufinden. Unser Ansatz war also, dass wir herausfinden, was KI heute tun kann? Was ist sie? Ich meine, was kann sie leisten? Welche Arbeiten werden im Bereich der KI durchgeführt, von denen wir wissen, ob öffentlich oder nicht? Was wissen wir, und wie weit können wir es bringen? Richtig? Also erstellen wir jetzt eine eigene Vorhersagetabelle über die Fähigkeiten der KI.

Gast 1 :
Wenn wir also diese Art von Diagramm erstellen, dann sagen wir: Hey, wir sind da. Unsere Fähigkeit, unsere Fähigkeit als menschliche Wesen, unsere Fähigkeit als Gesellschaft, diese Art von Veränderung und Störung, die auf uns zukommt, zu absorbieren. Vielleicht ist es also die vollständige Grafik. Vielleicht können Sie das alles verkraften. Wir können das alles absorbieren. Oder vielleicht können wir das. Und diese Grenze muss jemand setzen, wenn wir als Gesellschaft gedeihen wollen. Wie sollte diese Grenze aussehen? Wo sollten diese Grenzen verlaufen? Um ehrlich zu sein, glaube ich nicht, dass wir hier im Podcast eine Antwort darauf finden werden.

Gast 1 :
Aber das ist doch ein Rahmen, oder? Wir sollten also diese Art von Rahmen haben, um zu sagen, können wir diese Grenzen setzen? Und sobald wir diese Grenzen gesetzt haben, müssen sie regelmäßig evaluiert werden, um zu sehen, ob wir gut arbeiten. Wie jeder andere Plan auch, nicht wahr? Ein Plan ist so gut wie das Gestern. Wir müssen also regelmäßig überprüfen, ob sich die Dinge ändern. Müssen wir mehr tun? Können wir mehr einbringen? Können wir dies und das einbringen? Ich denke, hier werden die gesellschaftlichen Grenzen gesetzt. Das würde die Fragen beantworten, die Sie gestellt haben: Wie ethisch sollte es sein? Sind wir. Ist. Ist das Ersetzen menschlicher Rollen in einigen Bereichen wirklich eine gute Sache? Ist es eine schlechte Sache? Und solche Dinge. Und einiges davon wird auch vom Markt bestimmt. Wie viel davon kann durch den Markt gesteuert werden? Denn jetzt geht es wirklich um gesellschaftliche Veränderungen. Sie wissen schon, wenn, wenn, wenn alles.

Gast 1 :
Nehmen wir das komplette. Das Szenario von allem in der Welt. Jede besondere Rolle Job ist absolut autonom. Ich spreche nicht von Automatisierung. Autonom wird von Robotern und Computern und KI und allem anderen in dieser Welt erledigt. Was werden diese Menschen tun, richtig? Was werden wir tun? Und sind wir auf diesem Weg? Sind wir in hundert Jahren dort? Sind wir in 300 Jahren dort? Sind wir in 50 Jahren dort? Können wir diese Art von Linie erkennen? Jetzt geht es also um die Auswirkungen auf die Gesellschaft. Und es geht nicht nur um uns hier in den USA, sondern um die ganze Welt. Deshalb brauchen wir diese Art von Foren, damit die Menschen darüber sprechen können.

Gast 1 :
Und es gibt ein Forum, einen Bereich, über den wir sprechen können. Das dachten wir auch, als wir den AI for Food Global Summit ins Leben riefen. Das war einer der Bereiche, von denen wir glauben, dass sie durch diese Dialoge in diesem Raum angesprochen werden können.

Gast 2 :
Ja, ich wollte nur hinzufügen, Vinay, dass ich neulich mit jemandem zu Mittag gegessen habe, der Vegetarier ist, richtig. Und er sagte: "Oh, ihr arbeitet ja in der Lebensmittelindustrie. Also hier ist eine Frage. Er sagte: "Sagen Sie mir, wenn im Labor Kuhfleisch gezüchtet wird und wir Hindus glauben nicht an den Verzehr von Rindfleisch und vor allem von Kühen, aber dieses Fleisch wird jetzt dort gezüchtet, richtig? Nehmen wir an, es ist immer noch Fleisch und immer noch eine Kuh? Das ist also eine Frage, über die jeder hier wirklich nachdenken sollte: Was bedeutet das wirklich? Und ich denke, was Vinay gesagt hat, ist, dass es so viele verschiedene Dimensionen, kulturelle Aspekte bei der Interpretation gibt. Es ist so sensibel und an manchen Orten ist das Essen mit der Religion verbunden. Ob es sich nun um Halal-Fleisch handelt oder um vegetarische oder pflanzliche Lebensmittel. Außerdem darf man nicht vergessen, dass die Lebensmittelindustrie, die Landwirtschaft und die Agrarindustrie auch eine sehr politische Industrie ist. Sie ist auch mit der politischen Ökonomie dieser Welt verbunden.

Gast 2 :
Ich denke also, dass es am besten ist, genau zu fragen, was Sie getan haben, um diese Fragen zu stellen. Und unser Bestreben in der globalen Initiative AI for Food ist es, Menschen online oder offline zusammenzubringen und zu versammeln. Deshalb veranstalten wir diese globalen Konferenzen, regionalen Konferenzen und nationalen Konferenzen, um diese Gespräche zu führen, denn wir können uns nicht davor drücken, wenn wir uns weiterentwickeln. Es ist besser definiert. Der zweite Punkt ist, dass die öffentlich-private Partnerschaft die Regierungen wirklich zusammenbringt. Im Moment gibt es nur sehr, sehr wenige Regierungen. Australien ist wahrscheinlich eine der wenigen Regierungen, die wirklich an einem Strang ziehen und sich darüber unterhalten, was der ethische Aspekt von KI-Programmen ist. Und ich denke, hier muss Amerika wirklich eingreifen, die FDA und andere müssen kommen und sagen, lasst uns ein Gespräch führen, lasst uns die Lebensmittelwissenschaftler, die Akademiker, die Industrie, die Verbraucher und die politischen Entscheidungsträger zusammenbringen und sagen, was das wirklich bedeutet. So wie wir es tun.

Gast 2 :
Und das ist es nicht, man kann nicht davor weglaufen. Wir befinden uns in diesem Moment bereits im KI-gestützten Wirtschaftsboom und wir haben gesehen, was er bewirkt. Also lasst uns das Beste daraus machen. Und wie wir schon sagten, unser Mantra ist nur eines. Wir wollen sicherstellen, dass Lebensmittel erschwinglich sind, denn wir arbeiten viel an der Ernährungssicherheit. Sie sind nahrhaft und gesund, so dass sie nicht, wie wir wissen, dass wir heute noch nicht über Lebensmittelsicherheit und künstliche Intelligenz gesprochen haben, also stellen wir wirklich sicher, dass dies geschieht, und sind auch ganz klar auf unserer Reise zur Nachhaltigkeit verpflichtet, die wirklich auf dem Prinzip des grünen Wachstums und, Sie wissen schon, Netto-Null basiert. Und das ist es, was wir mit dieser Initiative, diesem Buch und dieser Reise wirklich anstreben.

Zachary Cartwright :
Ja, vielen Dank dafür und danke, dass Sie beide heute hier sind. Es gibt so viel mehr, worauf wir eingehen könnten. Ich hatte gehofft, auf die Zukunft der Ernährungssicherheit zu sprechen zu kommen, aber ich werde das als eine Art Cliffhanger stehen lassen, damit die Leute Ihr Buch lesen und mehr über all die Dinge erfahren, die wir heute angesprochen haben, und sogar noch mehr. Ich möchte hier einen anderen Gang einlegen, um die Sache abzurunden. Ich wollte euch beide fragen, ob ihr eine Musikempfehlung habt oder ob es eine Musikrichtung, einen Künstler oder ein Lied gibt, das ihr nicht mehr aus dem Kopf bekommt. Welche Musik haben Sie heute mitgebracht?

Gast 1 :
Oh, Hard Rock. Mein Favorit aller Zeiten. Deep Purple. Ich glaube, ich habe meiner Tochter den Rock näher gebracht und sie ist jetzt ein ACDC-Fan. Trägt ihr T-Shirt mit Stolz.

Gast 2 :
Ich befinde mich hier auf dem entgegengesetzten Spektrum, denn ich stehe total auf Heilung und Mantras. Also beginne ich meinen Tag und beende meine Nacht mit vielen vedischen Mantras. Und für mich hat die Arbeit an der Nahrung wirklich viel mit dem Anupama Sutram zu tun, und ich freue mich, das mit euch zu teilen, damit die Leute es können. Denn für uns, weißt du, in unserer, in unserer. Zumindest in der Kultur, wo wir. Ich komme von dort, wo ich herkomme, wird Essen auch als Gott angesehen, richtig. Eine Göttin, die dir Essen gibt. Wir verehren das Essen also als ein Geschenk der Götter an die Menschheit.

Gast 2 :
Richtig. Es gibt also ein Sutra oder einen vedischen Vers, der zusammengestellt wurde, um wirklich die Schwingung der Nahrung zu feiern, die. Ohne sie wird niemand von uns sprechen können, denn sie ist der Treibstoff für den menschlichen Körper. Das ist also die Ebene der Verknüpfungen. Ich komme zurück zu den Fragen der Ethik, und wissen Sie, so persönlich kann es sein und eine Seelenreise sein. Solange ich also Rock und alles andere liebe, liebe ich all diese großartige Musik. Aber meine. Ich bin ein sehr, an diesem Punkt in meinem Leben möchte ich mehr mit den vedischen Glockenspielen und den Mantras schwingen.

Gast 2 :
So lebe ich mein Leben.

Zachary Cartwright :
Das ist großartig. Normalerweise frage ich meine Gäste nach Musik und Mantras, aber ich finde es toll, dass ihr euch das aufgeteilt habt, und ich schätze die Musik- und Mantra-Empfehlungen von jedem von euch. Also vielen Dank an euch beide, dass ihr hier seid. Ich weiß, dass dies ein langer Podcast ist, aber es ist ein so wichtiges Thema, und auch wenn wir nicht alles besprochen haben, so gibt es doch so viel, das unsere Hörer dazu inspirieren wird, sich Ihr Buch zu besorgen. Wir werden es in der Podcast-Beschreibung verlinken, damit unsere Hörer es finden und mehr erfahren können. Aber vielen Dank an Sie beide für Ihre Zeit, und ich freue mich wirklich darauf, wie es weitergeht, wie die Zukunft dieses Themas aussieht und wie Ihr Team bei dieser Entwicklung helfen kann. Also vielen Dank, Leute. Die heutige Folge wird von AQUALAB gesponsert.

Zachary Cartwright :
In dieser Folge haben wir darüber gesprochen, wie KI die Lebensmittelindustrie verändert. Wussten Sie, dass AQUALAB mit seinem intelligenten Trocknungs- und Automatisierungssystem namens Scala auch die Lebensmittelindustrie verändert? Dieses System besteht aus einem modellbasierten Steuerungsalgorithmus, der die Feuchtemessung von Produkten in einer Vielzahl von Trocknern ermöglicht, was zu einer geringeren Variabilität, höheren Erträgen, weniger Bedienerfehlern und einem geringeren Energieverbrauch mit einem durchschnittlichen ROI von 3 Monaten führt. In der Podcast-Beschreibung finden Sie einen Link, um mehr über Scala für die Feuchtigkeitskontrolle zu erfahren. Die heutige Song-Empfehlung ist Places to Be von Fred Again. Das ist einfach eine meisterhafte Mischung aus Ambient-Electronica und zarter emotionaler Tiefe. Der Track beginnt mit einem wirklich sanften, atmosphärischen Synthesizer, der sich allmählich zu einem hypnotischen Rhythmus aufbaut und eine fast meditative Stimmung vermittelt. Fred Again zeichnet sich dadurch aus, dass er Klanglandschaften erschafft, die sich sowohl intim als auch weitläufig anfühlen, und Places To Be ist da keine Ausnahme. Ich schätze die unaufdringliche Schönheit dieses Tracks und die emotionale Resonanz, die er durch seinen ganz eigenen Produktionsstil erreichen kann.

Zachary Cartwright :
Ein Link zu diesem Track wird in der Podcast-Beschreibung zu finden sein. Um diese Folge abzurunden, werde ich ein weiteres Mantra anbieten. Das ist etwas, das du dir selbst sagen kannst, um etwas auszudrücken, an das du glaubst, oder um dich vielleicht zu motivieren oder dich zu beruhigen. Das Mantra dieser Folge lautet: Wenn ich kämpfe, lerne ich immer etwas Neues. Ich werde es dreimal wiederholen, und vielleicht kannst du es dir selbst sagen oder sogar laut aussprechen. Und los geht's. Wenn ich kämpfe, lerne ich immer etwas Neues. Wenn ich kämpfe, lerne ich immer etwas Neues.

Zachary Cartwright :
Wenn ich kämpfe, lerne ich immer etwas Neues. Wenn Sie sich dieses Mantra vor Augen halten, fordere ich Sie auch auf, darüber nachzudenken, was Sie beim letzten Mal, als Sie wirklich zu kämpfen hatten, gelernt haben. Und wie Sie das nächste Mal, wenn Sie sich in einer ähnlichen Situation befinden, nutzen können. Vielen Dank, dass Sie sich eine weitere Folge angehört haben. Mein Name ist Zachary Cartwright und dies war eine Folge des Drip, die von AQUALAB für Sie bereitgestellt wurde. Bleiben Sie hydriert und bis zum nächsten Mal.