Die Entwicklung von Texturen alternativer Proteine für "Fleischersatz"
... steckt in einer Effizienzfalle: komplexe Prozesse, langsame Iteration, hohe Kosten.
"KI-Lösungen wie Machine Learning, Digital Twins und Flavor-AI helfen dabei, Rezepturen für Protein-Texturen schneller, präziser und marktnaher zu entwickeln."
Doch nur wer strukturell umdenkt – weg vom Bauchgefühl, hin zur datengestützten Entwicklung – wird von den Potenzialen profitieren.
Willkommen in der Welt der alternativen Proteine
Aus Verbrauchersicht ist es ein polarisierendes Thema:
Warum braucht es "Alternative Proteine" oder "Fleischersatz" wenn Veganer ohnehin Fleischverzehr ablehnen?
Nun ja, ein Fall für die Marketingstrategen, die passenden Argumente dort zu platzieren, wo es wahrscheinlich Sinn macht. Flexitarier, die z. B. aus gesundheitlichen Gründen den Fleischkonsum reduzieren wollen und ohne Fleischgeschmack nicht "klar" kommen?!
NEIN, das Kernthema dieses Artikels ist vielmehr eine KI-basierte Recherche via Perplexity, einfach aus Neugier, aus der Sicht F&E Leitung:
-
Welchen Zusammenhang gibt es zwischen KI-Anwendungen und der Produkentwicklung von sogenannten "Fleisch-Alternativen"?
-
Wie Machine Learning, Digital Twins und Flavor-AI die Produktentwicklung disruptiv beschleunigen – und was Unternehmen jetzt verstehen müssen
(C) Foto: Polina Tankelovitch/Pexels
Das große Patty-Paradox
„Was haben ein Gummiball, ein Kichererbsenpüree und ein Burnout gemeinsam? Richtig – sie alle können in der Produktentwicklung alternativer Proteine auftreten, wenn man sich auf Bauchgefühl statt Daten verlässt.“
Die Innovationsabteilung steht am Rande der kollektiven Sinnkrise: Der pflanzliche Burger ist optisch top, hat aber beim Biss die emotionale Resonanz eines feuchten Pappkartons.
In der Pilotanlage herrscht Scherkopf-Hopping auf Level Tetris‑Profi, und die Rohstoffkosten treiben dem Controlling Tränen in die Excel-Tabelle.
Doch statt einer Lösung gibt’s Feedback aus dem Sensorikpanel:
„Joah... ist halt okay.“
Willkommen in der Blackbox Produktentwicklung
– powered by „Trial & Error. Espresso“.
Grafik Satire AI animiert
Diagnose: Warum klassische Produktentwicklung an ihre Grenzen stößt
Komplexität als Innovationsbremse
Die Entwicklung von Produkten mit alternativen Proteinen ist nicht einfach eine neue Zutat im alten System – sie ist ein komplett neues System:
-
Textur entsteht nicht durch Muskelstruktur, sondern durch Extrusion, Scherkräfte, Feuchtigkeitsprofile.
-
Geschmack muss Off-Flavors wie Bohnennoten, Bitterkeit oder metallische Noten neutralisieren.
-
Die Anzahl der Variablen (Proteinquelle, pH, Temperatur, Enzyme, Feuchtegrad etc.) führt zu exponentiell vielen Kombinationen.
Trial & Error? Viel zu langsam. Sensorik?
Teuer und subjektiv. Und wenn dein größter Feind „die Zeit bis zur Marktreife“ heißt, brauchst du nicht nur ein neues Werkzeug
In dem Fall tatsächlich besser in einem Labor arbeiten, welches bereits digital transformiert ist.
ORGANISATION/ UNTERNEHMEN
FOKUS & KI‑USE‑CASE
ERFOLGSBEISPIELE/KI-LÖSUNGEN
SHIRU
KI‑basierte Protein‑Discovery & Ingredient‑Plattform (ProteinDiscovery.ai). AI scannt Millionen natürlicher Proteine, um funktionelle Bestandteile für Plant‑Based Foods zu identifizieren. (shiru.com)
uPro™ & OleoPro™ – kommerziell nutzbare funktionelle Proteine / Fette für Pflanzen‑Produkte, schnellere R&D‑Cycle. (Green Queen)
NOTCO
Einsatz von KI‑Algorithmus „Giuseppe“ zur Analyse von Pflanzen‑Ingredients für Geschmack, Textur und Nutrition in pflanzlichen Lebensmitteln. (seedtable.com)
Plant‑based Produkte mit AI‑Optimierung (z. B. Milch, Mayo, plant‑based Ice Cream; internationales Roll‑out & Partnerschaften, u. a. mit Unilever‑Magnum). (Reuters)
MULTUS + NEW WAVE BIOTECH
KI‑gestützte Bioprocess‑Optimierung für Cultivated Meat Growth Media (Nährmedien), Reduktion R&D‑Kosten, Scale‑Up‑Optimierung.
Zusammenarbeit zur Verbesserung der Effizienz von Wachstumsmedien für Zellkulturen, Ziel: Kostensenkung & bessere Skalierbarkeit. (multus.bio)
GOURMEY
KI für Prozess‑Optimierung bei kultiviertem Fleisch (Duck‑cell‑based Foie Gras), adressiert Skalierung & Kosten.
Nutzung datengetriebener Modelle zur Verbesserung Zellwachstum & Bioreaktor‑Performance. (Green Queen)
CRADLE BIO
Generative AI für Protein‑Engineering & Design (Machine Learning‑basierte Vorhersage Aminosäure‑Sequenzen).
Protein‑Design‑Software zur gezielten Anpassung von Sequenzen für gewünschte Funktionen; z. T. auch nutzbar für Lebensmittel‑Beyond Biology Anwendungen. (Wikipedia)
AGINOMATRIX
KI‑gestützte sensorische Software (Taste & Smell) zur digitalen Messung von Geschmack & Aroma.
Ansatz zur objektiven sensorischen Bewertung als Input in Formulierungs‑KI. (Foodentrepreneurs)
ANIMAL ALTERNATIVE TECHNOLOGIES (UNI‑SPINOUT)
KI‑Optimierung für cultivated meat, „Flesh‑like“ Strukturgeneratoren; generative Modelle zur Produktentwicklung.
Frühphase: Entwicklung zur Verbesserung Geschmacks‑Textur‑Match. (appsilon.com)
NETZWERK: BIG IDEA VENTURES/ PROTEIN ACCELERATOR
Accelerator‑Programme zur Unterstützung innovativer Startups mit KI‑/BioTech‑Ansätzen im Alternative Protein‑Sektor.
Cohorts mit Startups, die KI‑Methoden einsetzen, z. B. Mikro‑Fluidik, Bioreaktor‑Control, Proteindesign. (Labiotech.eu)
Perspektivwechsel:
Wenn Daten den kreativen Labor-Koch zu Textur-Innovationen inspirieren
- Was wäre, wenn Du als Leiter F&E oder Deine Produktentwickler nicht mehr raten müssten?
- Was wäre, wenn Du Rezepturen vor dem ersten Prototypen virtuell testen könntest?
- Was wäre, wenn Maschinen nicht nur mitarbeiten, sondern mitdenken?
Weite Teile der globalen Konzerne arbeiten bereits in der Ära der datengetriebenen Prozesse. Auch die Rezeptentwicklung und F&E in KMU-Betrieben der Lebensmittelwirtschaft werden mittelfristig dazugehören.
Nicht Zukunftsvision, sondern real einsetzbare KI-Werkzeuge, die bereits erfolgreich funktionieren!
Die Konvergenz von Food Science und Data Science ist keine Vision mehr – sie ist bereits Realität in führenden Unternehmen und Forschungsinstituten weltweit.
Grafiken mir KI Animation erstellt
Best Practices, die bereits funktionieren
1. GREEN PROTEIN AI: Textur-Prognose statt Prototypen-Marathon
Machine Learning-Modelle reduzieren die Iterationszeit um 60–70 %. Statt 30 Versuche reichen 10. Prediction Error sank von 61 % auf 24,5 %.
2. CLIMAX FOODS: KI-Flavor-Mapping für pflanzliche Käsealternativen
Die Plattform analysiert Millionen molekularer Zutatenkombinationen, um Off-Flavors gezielt zu umgehen und sensorisch akzeptierte Kompositionen zu erzeugen.
3. GOURMEY & DEEPLIFE: Zellkultur-Digital Twin
Zellwachstum, Nährstoffeffizienz und Geschmacksprofil werden digital simuliert. Ergebnis: 40 % weniger F&E-Zeit, weniger Zelllinienverlust.
4. WAGENINGEN UNIVERSITY + FLAVOUR-AI: KI in der Fermentationsoptimierung
Sensorik-KI kombiniert Enzym-, Mikroben- und Temperaturdaten, um gewünschte Aromen frühzeitig vorherzusagen – ein echter Durchbruch in der Präzisionsfermentation.
So startest Du in die KI-gestützte Produktentwicklung "Alternative Proteine"
(Handlungsanleitung für F&E-Leitungen & Innovationsverantwortliche)
-
Fokus wählen: Starte mit einem spezifischen Problem – z. B. Textur- oder Flavoroptimierung.
-
Digitale Infrastruktur klären: Welche Daten liegen wo vor? Welche fehlen? Sensorik digitalisieren!
-
Pilotprojekt definieren: z. B. Digital Twin für bestehende Extrusionslinie aufbauen.
-
Kompetenzpartner ins Boot holen: KI-Entwicklung ist kein Solo-Projekt. Denkbar: Partnerschaften mit Tech-Startups.
-
Akzeptanz schaffen: Intern früh kommunizieren, warum KI nicht ersetzt, sondern zu Next-Level-Kreativität pushen kann.
-
Messen & Lernen: KI ist kein Allheilmittel. Aber ein präziser Kompass, um schneller besser zu werden.
Grafiken mir KI Animation erstellt
Zudem gilt: KI-Tools für die Lebensmittelentwicklung von komplex gestalteten Alternativen Proteinen sind keine Plug-and-Play-Lösungen.
Viele Anwendungen (z. B. Digital Twins, Flavor-AI, Proteinmapping) erfordern hoch spezialisierte Software, leistungsfähige Hardware und oft auch externe Partner oder Open-Innovation-Modelle.
Kostenfaktor nicht unterschätzen:
Je nach Reifegrad und Zielsetzung bewegen sich Investitionen für KI-gestützte Lösungen im Lebensmittelbereich zwischen mittleren fünfstelligen Beträgen für modulare Toolkits bis zu sechsstelligen Summen bei maßgeschneiderten KI-Trainings oder Digital-Twin-Simulationen.
Doch solche Toolkits sind in diesem hoch technisierten Sektor der Foodbranche erforderlich, da sie als Basis für Forschungsprojekte, den dynamischen Markt der alternativen Proteine überhaupt zeitnah mit Innovationen bedienen können.
Wer KI smart einsetzt, spart nicht an der Entwicklung – sondern an ihren Umwegen.
Fazit: KI ist kein Zauberstab – sondern ein Verstärker für gut strukturierte F&E Daten
Künstliche Intelligenz kann die Produktentwicklung in der Proteinwende radikal beschleunigen – aber nur dann, wenn sie mit relevanten, strukturierten Daten gefüttert wird.
Ohne fundierte Rohdaten zu Textur, Sensorik, Prozessparametern oder funktionellen Eigenschaften bleibt selbst der beste Algorithmus eine theoretische Spielerei.
Wer also auf KI setzt, sollte zuerst in Datenqualität investieren.
Das bedeutet:
-
vorhandene Prozessdaten strukturieren,
-
Sensoriksysteme aufrüsten,
-
Fermentation, Extrusion & Rezepturentwicklung digital nachvollziehbar machen.
