Während Künstliche Intelligenz (KI) längst in unserem Alltag Einzug gehalten hat, ist ihr Potenzial in vielen Bereichen noch lange nicht ausgeschöpft. Das haben auch die ACR-Institute GET, LVA, IWI, OFI, VG, V-Research und ZFE erkannt und mit „Samira“ ein Forschungsprojekt ins Leben gerufen, das mikrobiologische Analysen mittels maschineller Bilderkennung auf das nächste Level heben möchte. Geht es nach den Forscher*innen, soll das manuelle Auszählen von Mikroorganismen bald der Vergangenheit angehören, auch die Qualitätsbestimmung von Getreide könnte dann weitgehend automatisiert erfolgen. Es sind zwei Beispiele, die verdeutlichen, wie sehr Routinearbeiten im Labor derzeit oft noch auf rein menschlicher Arbeitskraft basieren. Mit der richtigen KI-Lösung sind Effizienzgewinne im wahrsten Sinn des Wortes vorprogrammiert.
Mangelnde Ambition kann man den Forscher*innen hinter „Samira“ jedenfalls nicht vorwerfen, soll das neue Bilderkennungsmodell doch nicht nur mit minimalem Trainingsaufwand und vielfältigen Einsatzmöglichkeiten punkten, sondern auch durch seine Zuverlässigkeit. Zwar setzen einige Labore bereits jetzt auf automatisierte Bilderkennung, in der Regel lassen sich damit allerdings nur Bakterien auszählen, während Hefen oder Schimmelpilze unerfasst bleiben. Gleichermaßen fehlt es in der Getreideverarbeitung an Datenmaterial, um qualitätsmindernde Eigenschaften wie Schädlingsfraß, Fremdkörner, Verfärbungen oder Krankheiten eindeutig identifizieren zu können.
