17.06.2024
GEGEN VERSCHWENDUNG

Wie ein Bio-Bäcker mit Data Science die Lebensmittelüberproduktion reduziert

Oftmals bleibt im Lebensmittelhandel einiges an Ware über, die dann den Weg in den Müll findet. Prognosen zu treffen, fällt aufgrund vieler Variablen den Beteiligten sehr schwer. Die Bio-Bäckerei brotsüchtig allerdings hat es in einem Projekt mit zwei Kooperationspartnern geschafft, die Lebensmittelverschwendung essentiell zu reduzieren.
/artikel/wie-ein-bio-baecker-mit-data-science-die-lebensmittelueberproduktion-reduzierte
brotsüchtig
(c) Simlinger - (v.l.) brotsüchtig-Gründer Oliver Raferzeder, Alois Keplinger, Projektberater Innovationsmanagement der WKOÖ, brotsüchtig-Gründer Stefan Faschinger, Volkmar Wieser, Area Manager Data Science bei SCCH.

Rund 500 Kilo Bio-Mehl verarbeitet die Bio-Bäckerei brotsüchtig täglich zu Brot und Gebäck. Dabei wird die Produktionslogistik zum Drahtseilakt. Einerseits sollen die Kunden bis zum Ladenschluss aus dem gesamten Sortiment wählen können. Andererseits soll danach möglichst wenig Brot und Gebäck übrigbleiben.

brotsüchtig: „Rettung nur die zweitbeste Lösung“

„Denn Lebensmittelrettung ist nur die zweitbeste Lösung“, sagt brotsüchtig-Gründer und -Geschäftsführer Oliver Raferzeder. Die beste wäre, exakt so viel zu backen, wie verkauft wird. Um diesem Ziel möglichst nahezukommen, hat das Innovationsmanagement der WKO Oberösterreich für brotsüchtig ein KI-Projekt beim EU-Digitalisierungsprogramm „Test before Invest“ eingereicht. In diesem hat das Software Competence Center Hagenberg (SCCH) unter anderem Verkaufs-, Produktions-, Kalender-, Wetter- und Veranstaltungsdaten aufbereitet, in einem Dashboard sichtbar gemacht und so die Produktionsplanung verbessert. Die Retouren-Quote konnte so um 20 Prozent reduziert werden.

„Wir verlieren doppelt, wenn wir zu viel Ware backen“, erklärt Stefan Faschinger, ebenfalls Mitgründer von brotsüchtig, das Dilemma der Produktionsplanung. „Wir verlieren die kostbare Arbeitszeit unserer Bäckerinnen und Bäcker. Und wir verlieren kostbare Rohstoffe.“

Ein schicksalhaftes Treffen

So sind die bei brotsüchtig verwendeten bio-Rohstoffe generell um 15 bis 20 Prozent teurer als herkömmliche – Mohn in Bioqualität sei sogar doppelt so teuer. Deswegen investiert der Co-Founder bis zu zwei Stunden täglich in die Produktionsplanung für den nächsten Tag, erzählt Raferzeder.

Dies mühsamen Umstand teilte Faschinger dem Projektberater Alois Keplinger vom Innovationsmanagement der WKOÖ bei einer zufälligen Begegnung im Verkaufsraum mit. Daraus entwickelte sich ein gemeinsames Forschungsprojekt. Keplinger stellte folglich einen Förderantrag bei „Test before Invest“, das Digitalisierungs-Projekte bis zu einem Volumen von 40.000 Euro zu 100 Prozent aus Mitteln der Europäischen Union und der Forschungs-Förderungs-Gesellschaft FFG finanziert. Als Partner für die nötige Daten-Wissenschaft holte man das SCCH an Bord.

Data Science als Strategiegeber

„Das Ziel der Daten-Wissenschaft ist es, oft zusammenhanglos wirkendes Datenmaterial so aufzubereiten, dass man daraus konkretes Wissen und Strategien ableiten kann“, so Keplinger weiter. „Mit Data-Science lassen sich in praktisch allen Branchen Effizienzsteigerungen erzielen oder bessere Entscheidungen treffen.“

Bei brotsüchtig hängen die Verkaufszahlen als wichtigste Datenbasis von einer Unzahl an Faktoren ab: „Dabei spielen die Jahreszeit, das Wetter, der Wochentag, die generelle Frequenz in der Stadt aber auch Veranstaltungen rund um unsere Shops eine große, nur schwer zu kalkulierende Rolle“, skizziert Raferzeder die produktionslogistische Herausforderung.

So hänge auch das Kaufverhalten stark davon ab, ob das Wetter zum Schlendern in der Stadt einlade, zu große Hitze oder Regen die Kunden vertreibe, ob Wochenendeinkäufe anstehen oder eine öffentliche Veranstaltung die Passantenfrequenz beeinflusst.

brotsüchtig: Daten statt Bauchgefühl

„All diese Faktoren haben wir immer sehr intensiv beobachtet und versucht, daraus Schlüsse zu ziehen“, erzählt Raferzeder. Das sei zwar meist ganz gut gelungen, war aber extrem zeitintensiv und habe vor allem auf seinem eigenen Bauchgefühl beruht. Dieses sollte durch eine wissenschaftlich fundierte Basis für die Produktionsplanung in der Backstube ergänzt – oder im Idealfall ersetzt – werden. „So wollten wir etwa wissen, bei welchem Wetter wir mehr „Drahdiwaberl“ (Anm.: veganes Brot) verkaufen und welche Faktoren dafür noch verantwortlich sind.“

Mit seiner Kernkompetenz, Daten in Wissen umzuwandeln, war bei diesem Projekt das SCCH ein Idealkandidat für dieses Digitalisierungs-Projekt. Für die Aufgabenstellung, mittels Data Science aus dem vorhandenen Datenmaterial möglichst treffsichere Vorhersagen für die Produktion zu machen, konnte sich Area Manager Data Science bei SCCH Volkmar Wieser vor allem auf umfassende Verkaufsdaten stützen.

Planungsaufwand halbiert

„Uns lagen für die vier brotsüchtig-Shops in Linz (Anm.: dort zwei), Steyregg und Wels ebenso umfassende wie detaillierte Verkaufsstatistiken vor“, erklärt er. Nach dem Datenexport aus den Kassensystemen sowie entsprechender Aufbereitung und Visualisierung konnte dann die Verkaufsdynamik für jeden einzelnen Artikel zu bestimmten Uhrzeiten an allen Tagen in jedem einzelnen Shop klar und übersichtlich dargestellt werden.

„Wir haben auch noch Wetterdaten und Feiertage in die Analyse einfließen lassen, um sichtbar zu machen, wie sich diese im Kaufverhalten bemerkbar machen“, so Wieser weiter. Mit dem Ergebnis, dass brotsüchtig-Chef Faschinger auf einem Dashbord jederzeit alle für die Produktionsplanung nötigen Daten tagesaktuell aufrufen und mit Referenzwerten vergleichen kann.

„Diese Klarheit und Übersichtlichkeit der Daten erleichtert die Produktionsplanung enorm“, sagt er. „Mein Planungsaufwand hat sich halbiert, die Präzision der Vorhersage gleichzeitig wesentlich verbessert. Jetzt haben wir um ein Fünftel weniger Retourware als zuvor.“

Deine ungelesenen Artikel:
15.09.2026

KI im Investmentprozess: Wie Viessmann sein Deal-Screening beschleunigt

Nach dem zwölf Milliarden Euro schweren Verkauf des Heizungsgeschäfts an Carrier investiert die Viessmann Generations Group mittlerweile langfristig in eine breit aufgestellte Unternehmensgruppe. Nun baut das Familienunternehmen gemeinsam mit iteratec ein Multi-Agenten-System, das die Qualität von Investmententscheidungen maßgeblich verbessern soll: Alexander Pöllmann, Director IT & Digital von Viessmann, und Michael Maier, Director Austria von iteratec, geben im brutkasten-Gespräch einen Einblick.
/artikel/wie-viessmann-sein-deal-screening-mit-ki-umbaut
15.09.2026

KI im Investmentprozess: Wie Viessmann sein Deal-Screening beschleunigt

Nach dem zwölf Milliarden Euro schweren Verkauf des Heizungsgeschäfts an Carrier investiert die Viessmann Generations Group mittlerweile langfristig in eine breit aufgestellte Unternehmensgruppe. Nun baut das Familienunternehmen gemeinsam mit iteratec ein Multi-Agenten-System, das die Qualität von Investmententscheidungen maßgeblich verbessern soll: Alexander Pöllmann, Director IT & Digital von Viessmann, und Michael Maier, Director Austria von iteratec, geben im brutkasten-Gespräch einen Einblick.
/artikel/wie-viessmann-sein-deal-screening-mit-ki-umbaut
Alexander Pöllmann, Director IT & Digital bei der Viessmann Generations Group, und Michael Maier, Director Austria von iteratec (v.l.) | (c) iteratec / beigestellt

Es war eine der bemerkenswertesten Transformationen der deutschen Industrie: 2023 verkaufte Viessmann sein Kerngeschäft, die Klimasparte Viessmann Climate Solutions, für zwölf Milliarden Euro an den US-Konzern Carrier (brutkasten berichtete). Seit Anfang 2024 agiert das Familienunternehmen als Unternehmensgruppe, die aus Deutschland ein globales industrielles Beteiligungsportfolio steuert. Und dieses Kernteam soll nun KI-nativ werden: Gemeinsam mit dem Technologieunternehmen iteratec baut Viessmann ein Multi-Agenten-System, das die Mitarbeiter:innen zu “Buildern von Agenten” verändert.

Vom Heizungsbauer zum langfristigen Unternehmensentwickler  

Das reinvestierte Kapital floss vor allem in industrielle Mittelständler mit Fokus auf nachhaltige Energietransformation: von Grid-Infrastruktur über Fernwärme- und Kühlungslösungen bis zu Kühlhäusern. Dazu zählt etwa die isoplus-Gruppe, ein Hersteller von Nah- und Fernwärmeleitungen mit großen Standorten in Österreich. Über Minderheitsbeteiligungen ist Viessmann außerdem unter anderem an Encavis sowie am Software-Unternehmen AMCS beteiligt, das Emissionen in der Recycling- und Abfallwirtschaft reduzieren soll. 

Beim Thema KI unterscheidet Pöllmann klar zwischen zwei Ebenen: „Wenn wir auf unsere Partner schauen, ist der Kerntreiber klassischerweise Effizienz, also Use Cases entlang der Wertschöpfungskette, um Top- oder Bottom-Line-Potenziale einzusammeln. Auf Ebene des Viessmann-Teams schauen wir viel stärker auf Effektivität: Wie können wir noch bessere Investmententscheidungen treffen und unsere zentrale Entscheidungsqualität maßgeblich erhöhen?“ 

Deal-Screening statt Deal-Sourcing 

Genau das sei allerdings die schwierigere Disziplin, so Pöllmann: „Effizienz-Use-Cases sind aus unserer Sicht häufig leichter, als die Qualität zu erhöhen. KI tendiert in ihrer ursprünglichsten Natur dazu, lieber zu halluzinieren und ungenau zu sein, als eine sehr klare Antwort auf die Frage zu geben: Sollte ich dieses Investment tätigen oder lieber nicht? Welche Risiken habe ich noch nicht gesehen?“ Dies bedingt vor allem den ganzen Kontext einer Transaktion zu kennen. 

Konkret setzt das Multi-Agenten-System deshalb dort an, wo Präzision zählt: beim Screening. Es gehe nicht darum, Deals zu sourcen, betont Pöllmann, sondern den Prozess „Ist ein Deal für uns wirklich relevant?“ deutlich zu verkürzen. Ein Letter of Intent könne so viel schneller analysiert und daraus ein Investmentmemo gebaut werden, angereichert mit weiteren Quellen. 

Dass das Viessmann-Team das System selbst baut, statt auf eine Fertiglösung zu setzen, ist für Pöllmann eine Grundsatzentscheidung: „Wir wollen die Governance in der eigenen Hand haben, aber auch den Prozess, wie wir zu Entscheidungen kommen.“ Fertige KI-Finanzlösungen von der Stange würden der Organisation wenig bringen: „Das ist zwar alles nett und funktioniert auch schnell, aber nicht in der Qualität, wie wir sie erwarten.“ 

Jede:r Mitarbeiter:in wird zum „Builder“ 

Der vielleicht radikalste Teil des Ansatzes: Alle Mitarbeiter:innen der Viessmann Generations Group sollen befähigt werden, selbst KI-Agenten zu bauen. Der Prozess dahinter ist mehrstufig: Ein Intake-Agent nimmt die Idee auf und schärft sie, ein Specification-Agent zieht anschließend das nötige Fachwissen aus den Mitarbeiter:innen heraus und gibt erst ab einem bestimmten Confidence Score grünes Licht. Danach erstellt ein weiterer Agent, der sogenannte Agent-Builder, den fertigen KI-Kollegen. 

Gestartet wurde Ende Jänner mit einem „Hypersprint“, die ersten Prozessagenten gingen im Frühjahr live. „Es ist schon verrückt, was wir in der Zeit entwickelt haben“, sagt Pöllmann. Die größte Herausforderung sei dabei nicht die Technologie: „Die Herausforderung ist wirklich, das Wissen der Kolleg:innen “freizulegen” und die Leute, die verantwortlich sind, in die Verantwortung zu bekommen. So können wir dann gemeinsam den Input, den wir brauchen, identifizieren, um daraus vernünftige Agenten mit hoher Output-Qualität zu bauen.“ 

„Die Rolle des Menschen in der KI-Transformation wird maßgeblich“ 

Bei aller Automatisierung bleibt die Verantwortung beim Menschen, stellt Pöllmann klar: „Am Ende braucht es immer einen Verantwortlichen, und das kann nicht die Maschine sein. Dadurch wird vor allem die Rolle des Menschen in der KI-Transformation maßgeblich gestärkt.“ Wer einen Agenten verantwortet, müsse dessen Ergebnisse kontrollieren, ihn testen und etwa bei der Abkündigung eines KI-Modells nachjustieren. „Damit bekommt jeder in gewisser Weise eine Führungsaufgabe“, so Pöllmann. 

Um den Rollenwandel greifbar zu machen, ließ Viessmann die Mitarbeiter:innen ein eigenes „Role Canvas“ ausfüllen: Was bleibt an Verantwortung beim Menschen, wenn KI-Agenten übernehmen? Das habe viel Verständnis für die Transformation geschaffen, auch bei jenen, deren Berufsbild sich am stärksten verändert. Denn das klassische Profil eines Investmentbankers werde sich fundamental drehen, so Pöllmann. Die Betroffenen hätten das Thema allerdings „sehr gut aufgeschnappt und zeigen große Begeisterung dafür“. 

iteratec: „Die Unschärfe reduzieren“ 

Auf der Umsetzungsseite steht mit iteratec ein Software-Dienstleister, der seit 30 Jahren Individualsoftware entwickelt und sich zunehmend auf KI-Transformation fokussiert. „Unser eigenes Geschäft ändert sich aktuell selbst radikal aufgrund von KI“, sagt Michael Maier, Director Austria von iteratec. Das Unternehmen setzt Multi-Agenten-Projekte unter anderem bei Banken um und hat mit dem Recycling-Konzern Ragn-Sells ein neues Recyclingverfahren auf Basis KI-gestützter Materialanalysen entwickelt. Das Viessmann-Projekt sei „mitunter eines der spannendsten, das wir gerade machen dürfen“, so Maier: „Das nimmt sicher eine Vorreiterrolle ein.“ 

Die Kunst liege darin, schnell voranzukommen und trotzdem verlässliche Resultate zu liefern: „Du musst die Unschärfe so weit reduzieren, dass du dort, wo es wichtig ist, belastbare Ergebnisse hast, mit denen du arbeiten kannst“, sagt Maier. Viessmann kam über einen klassischen Anbieterauswahlprozess zu iteratec. Ausschlaggebend sei das Team gewesen, so Pöllmann: „Ein sehr professionell aufgestelltes Team mit High-End-AI-Capabilities. Die Entwickler sind fast AI-native unterwegs.” 

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

Wie ein Bio-Bäcker mit Data Science die Lebensmittelüberproduktion reduziert

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie ein Bio-Bäcker mit Data Science die Lebensmittelüberproduktion reduziert

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie ein Bio-Bäcker mit Data Science die Lebensmittelüberproduktion reduziert

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie ein Bio-Bäcker mit Data Science die Lebensmittelüberproduktion reduziert

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie ein Bio-Bäcker mit Data Science die Lebensmittelüberproduktion reduziert

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie ein Bio-Bäcker mit Data Science die Lebensmittelüberproduktion reduziert

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie ein Bio-Bäcker mit Data Science die Lebensmittelüberproduktion reduziert

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie ein Bio-Bäcker mit Data Science die Lebensmittelüberproduktion reduziert

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie ein Bio-Bäcker mit Data Science die Lebensmittelüberproduktion reduziert