Künstliche Intelligenz in der Kennzeichnung von Lebensmitteln

Viele kleine und mittelständische Unternehmen nutzen zur Erstellung fremdsprachiger Etikettenelemente automatisierte Übersetzungsdienste. Diese Systeme basieren meist auf tiefen neuronalen Netzwerken und operieren als sogenannte “Blackbox”, deren Ausgaben weder transparent noch nachvollziehbar sind. Im Bereich der Lebensmittelkennzeichnung können ungenaue Übersetzungen jedoch nicht nur zu regulatorischen Verstößen, sondern im schlimmsten Fall zu gesundheitlichen Risiken führen.

Die IMERO Technologies GmbH aus Halle (Saale) entwickelt eine Softwarelösung zur Unterstützung der lebensmittelrechtlich konformen Etikettenerstellung. Der Fokus liegt auf der automatisierten Erkennung relevanter Kennzeichnungspflichten in verschiedenen Ländern sowie auf der rechtssicheren Übersetzung von Zutatenlisten, Nährwerttabellen und weiteren Etikettenelementen. Der Ansatz verbindet Elemente der künstlichen Intelligenz mit transparenten, statistisch gestützten Entscheidungsprozessen.

Zentral ist dabei der Aufbau einer dynamischen Übersetzungsdatenbank, die mittels optischer Zeichenerkennung (OCR) aus öffentlich verfügbaren Etikettenbildern extrahiert wird. Statt auf intransparente Kl-Systeme zurückzugreifen, basiert die Übersetzung von Begriffen auf deren empirischer Häufigkeit in der jeweiligen Sprachregion („statistischer Ansatz”). Dadurch erhalten Nutzer Rückmeldung über alternative Übersetzungen und deren relative Verbreitung. Dieser datengestützte Ansatz erhöht die Nachvollziehbarkeit und bietet Anwendern ein höheres Maß an Entscheidungssicherheit. Weitere Kl-gestützte Module der IMERO-Software sind in Entwicklung, darunter ein automatisiertes Monitoring internationaler Regierungsquellen zur frühzeitigen Identifikation gesetzlicher Änderungen sowie ein Prüfmodul zur finalen Kontrolle gestalteter Etiketten. Dieses überprüft - basierend auf OCR, der Etikettendatenbank und aktuellen Rechtsvorgaben - ob alle Pflichtangaben korrekt und vollständig umgesetzt wurden.

Der vorgestellte Ansatz adressiert zentrale Herausforderungen der modernen Lebensmittelkennzeichnung: Er erhöht die Übersetzungsqualität, reduziert regulatorische Risiken und stärkt die Transparenz KI-gestützter Systeme - ein wesentlicher Fortschritt im Spannungsfeld zwischen Automatisierung und rechtlicher Verantwortung.