KI für Brotrezepturen: Mehlqualität ausgleichen

TL;DR

Schwankende Mehlqualität verursacht in mittelständischen Bäckereien 4–8 % Ausschuss und ungleichmäßige Produktqualität. KI-basierte Rezepturanpassung analysiert Mehlparameter (Fallzahl, Feuchtigkeit, Klebergehalt) und korrigiert Wassermenge, Knetzeit und Gehzeit automatisch. Bäckereien mit 3–10 Filialen sparen damit 18.000 € Ausschuss pro Jahr bei 6.200 € Investition.

Warum jede Mehllieferung anders backt

Mehl ist ein Naturprodukt. Selbst bei gleichem Lieferanten und gleicher Typenbezeichnung (z. B. Type 550) schwankt die Backqualität von Charge zu Charge erheblich:

• Fallzahl: 220–340 Sekunden (Enzymaktivität, beeinflusst Kruste und Frischhaltung)
• Feuchtigkeit: 13,2–15,1 % (beeinflusst Wasseraufnahme um bis zu 4 %)
• Klebergehalt: 24–31 % (beeinflusst Teigstabilität und Volumen)
• Aschegehalt: 0,50–0,63 % bei Type 550 (Mineralstoffgehalt, Geschmack)

Ein Bäckermeister mit 20 Jahren Erfahrung gleicht diese Schwankungen intuitiv aus. Das Problem: In einer Backstube mit 3 Schichten und 8 Mitarbeitern haben nicht alle dieses Gespür. Die Folge: 4–8 % Ausschuss durch zu flache Brote, zu dunkle Krusten oder eingerissene Oberflächen.

Kostenrechnung: Was Mehlschwankung wirklich kostet

Bäckerei mit 5 Filialen, Tagesproduktion 1.200 Brote:

• 6 % Ausschuss = 72 Brote/Tag × 1,80 € Herstellkosten = 129,60 €/Tag
• Bei 300 Backtagen: 38.880 €/Jahr Ausschuss
• Davon 46 % durch Mehlschwankung verursacht: 17.885 €/Jahr vermeidbar

So funktioniert die KI-Rezepturanpassung

Das System besteht aus einem NIR-Sensor (Nahinfrarot-Spektroskopie) am Mehlsilo, einer KI-Software und einer Anbindung an die Backstuben-Steuerung.

ki_brotrezeptur_system:
  nir_sensor:
    typ: "Inline NIR-Spektrometer"
    messung: "Feuchtigkeit, Protein, Kleber, Stärke"
    messzeit: "3 Sekunden"
    genauigkeit: "±0,15 % Feuchtigkeit, ±0,3 % Protein"
    position: "Mehlsilo-Auslauf oder Dosierschnecke"
    kosten: "3.800 €"
  ki_software:
    plattform: "Edge-basiert, kein Cloud-Zwang"
    modell: "Regression + Reinforcement Learning"
    parameter_optimiert:
      - wassermenge_ml: "Anpassung ±3-5 %"
      - knetzeit_min: "Anpassung ±15-30 Sek."
      - gehzeit_min: "Anpassung ±5-12 Min."
      - ofentemperatur_c: "Anpassung ±5-10 °C"
      - dampfstoss: "Dauer und Zeitpunkt"
    kosten: "1.200 €/Jahr"
  steuerungsanbindung:
    kompatibel: ["Diosna", "Kemper", "WP Bakery", "Bäko"]
    schnittstelle: "Modbus TCP oder OPC UA"
    kosten: "1.200 € Integration"
  gesamtinvestition: "6.200 € + 1.200 €/Jahr"

Der Algorithmus: Vom Mehlwert zur Rezepturkorrektur

Wenn eine neue Mehlcharge im Silo landet, misst der NIR-Sensor automatisch die Schlüsselparameter. Die KI vergleicht diese mit den Sollwerten der hinterlegten Rezepturen und berechnet Korrekturen.

Praxisbeispiel Weizenmischbrot 70/30:

Sollwerte Mehl: Feuchtigkeit 14,0 %, Kleber 27 %, Fallzahl 280 s

Aktuelle Charge: Feuchtigkeit 14,8 %, Kleber 25,2 %, Fallzahl 245 s

KI-Korrektur:

• Wassermenge: von 620 ml auf 598 ml (–3,5 %) wegen höherer Mehlfeuchtigkeit
• Knetzeit: von 8:00 auf 7:30 Min. (–6,3 %) wegen schwächerem Kleber
• Gehzeit: von 45 auf 52 Min. (+15,6 %) zum Ausgleich der geringeren Triebkraft
• Ofentemperatur: von 230 °C auf 235 °C (+2,2 %) wegen niedrigerer Fallzahl

Das Ergebnis: gleichmäßiges Brotvolumen (±4 % statt ±12 %), konsistente Krustenfarbe, identischer Geschmack – unabhängig von der Mehlcharge.

ROI: 18.000 € Einsparung bei 6.200 € Investition

Ausschussreduktion: Von 6 % auf 2,8 % = 3,2 Prozentpunkte × 38.880 € Gesamtausschuss = 12.442 €/Jahr.

Mehlkostensenkung: Präzisere Dosierung reduziert Mehlverbrauch um 1,8 % = 3.240 €/Jahr bei 180.000 € Mehlkosten.

Energieeinsparung: Optimierte Backzeiten und -temperaturen = 2.400 €/Jahr.

Gesamteinsparung: 18.082 €/Jahr. Amortisation der 6.200 € Erstinvestition in 4,1 Monaten.

Berechnen Sie den ROI für Ihre Bäckerei mit dem KI-ROI-Rechner.

Einführung in der Backstube

Woche 1: NIR-Sensor montieren. Am Mehlsilo-Auslauf oder an der Dosierschnecke. Installation dauert 3 Stunden, kein Produktionsstillstand. Der Sensor misst jede Charge automatisch beim Befüllen.

Woche 2–3: Basislinie erfassen. Das System misst 10–15 Mehlchargen und korreliert die NIR-Daten mit den Backergebnissen. Der Bäckermeister bewertet Volumen, Kruste und Krume auf einer 5-Punkte-Skala.

Woche 4: Erste Empfehlungen. Die KI schlägt Rezepturanpassungen auf dem Tablet in der Backstube vor. Der Bäcker entscheidet, ob er die Empfehlung übernimmt.

Ab Woche 6: Automatische Korrektur. Bei Vertrauen in das System: automatische Übertragung der korrigierten Rezeptdaten an Kneter und Ofen.

Der KI-Implementierungsleitfaden beschreibt die stufenweise Einführung im Detail.

Praxisbeispiel: Bäckerei Schuster, Augsburg

Handwerksbäckerei mit 6 Filialen, 14 Mitarbeiter in der Backstube, Tagesproduktion 1.800 Brote und 3.200 Brötchen. Vor der KI-Einführung: 7,2 % Ausschuss, regelmäßige Kundenbeschwerden über schwankende Brotqualität.

Ergebnisse nach 4 Monaten:

• Ausschuss: von 7,2 % auf 2,4 % (67 % Reduktion)
• Kundenbeschwerden Brotqualität: von 12 auf 2 pro Monat
• Mehlverbrauch: 2,1 % Einsparung
• Mitarbeiterzufriedenheit: Neue Bäckergesellen erreichen Meister-Qualität ab Tag 1
• Amortisation: 3,8 Monate

Details zur KI-Budgetplanung finden Sie im verlinkten Beitrag.

Erweiterte Anwendungen: Über die Rezeptur hinaus

Das NIR-Sensorsystem liefert Daten, die sich für weitere Optimierungen nutzen lassen:

Lieferantenbewertung: Objektiver Vergleich der Mehlqualität verschiedener Mühlen über Monate hinweg. Preisverhandlung auf Datenbasis statt Bauchgefühl.

Saisonale Anpassung: Die KI erkennt jahreszeitliche Schwankungen (neue Ernte ab August) und passt Rezepturen proaktiv an.

HACCP-Dokumentation: Automatische Protokollierung aller Mehlparameter und Rezepturanpassungen. Lückenlose Rückverfolgbarkeit ohne manuellen Aufwand.

Der KI-Leitfaden für Unternehmen zeigt weitere Anwendungsfelder für die Lebensmittelbranche.

FAQ

Funktioniert die KI auch für Brötchen und Feingebäck?

Ja. Das System wird pro Produktgruppe kalibriert. Brötchenteige reagieren empfindlicher auf Klebergehalt, Feingebäck auf Feuchtigkeit. Nach 2 Wochen Kalibrierung pro Produktgruppe liefert die KI zuverlässige Empfehlungen.

Was passiert, wenn der NIR-Sensor ausfällt?

Der Bäcker arbeitet mit den Standard-Rezepturen weiter – wie vor der KI-Einführung. Der Sensor hat eine Verfügbarkeit von 99,4 %, typische Ausfallzeit ist unter 2 Stunden für Lampenwechsel.

Brauche ich einen Cloud-Zugang?

Nein. Die KI läuft vollständig auf einem lokalen Edge-Device in der Backstube. Für Software-Updates und optionalen Rezepturaustausch zwischen Filialen kann ein VPN-Zugang eingerichtet werden.

Wie genau ist die NIR-Messung?

±0,15 % bei Feuchtigkeit, ±0,3 % bei Proteingehalt. Das reicht für die Rezepturanpassung, ersetzt aber nicht die offizielle Laboranalyse nach ICC-Standard für die Lieferantenfreigabe.

Akzeptieren die Bäckergesellen das System?

Erfahrungsgemäß ja, nach 1–2 Wochen. Der Schlüssel: Die KI gibt Empfehlungen, überstimmt aber nicht den Bäcker. Wenn der Meister sagt "heute braucht der Teig mehr Wasser", kann er die Empfehlung jederzeit übersteuern.