FLY4FOOD
KI-gestützte Kreislauf-Bioproduktion mit Schwarzen Soldatenfliegen
FLY4FOOD entwickelt eine digitale, KI-gestützte Lösung zur Optimierung der Zucht der Schwarzen Soldatenfliege (BSF, Hermetia illucens), um organische Abfälle effizient in hochwertige Proteine, Fette und biobasierte Produkte umzuwandeln. Ziel ist es, eine klimafreundliche, standardisierte und skalierbare Proteinproduktion zu ermöglichen, die sowohl Ressourceneffizienz als auch Ernährungssicherheit unterstützt.
Durch die Kombination von Sensorik, Digital Twin-Technologie und Künstlicher Intelligenz werden Umweltbedingungen und Futtersubstrate präzise gesteuert, Zuchtprozesse stabilisiert und Erträge maximiert. Biotechnologische Analysen der Larven ermöglichen die gezielte Gewinnung hochwertiger Produkte für Lebensmittel, Futtermittel und industrielle Anwendungen. Das Projekt schafft so eine digital überwachte, ressourcenschonende und nachhaltige Produktionskette für Insektenproteine.
Unsere Rolle im Projekt
Das August-Wilhelm Scheer Institut leitet die Digitalisierung und KI-gestützte Optimierung der BSF-Zucht. Dies beinhaltet folgende Kernaufgaben:
Entwicklung einer skalierbaren Systemarchitektur für datengesteuerte Insektenproduktion
Aufbau eines Digital Twin zur Simulation und Steuerung der Zuchtbedingungen
Integration von IoT-Geräten zur Echtzeitüberwachung und Datenerfassung
Entwicklung von KI-Modellen zur prädiktiven Steuerung von Fütterung, Klima und Erträgen
Unterstützung bei der technischen Evaluation und Übertragung in reale Betriebsumgebungen
Damit schafft das Institut die technologische Grundlage für eine präzise, nachhaltige und wirtschaftlich tragfähige Insektenzucht, die weltweit skalierbar ist.
Projektmanagement und Koordination
Ziel: Überwachung der Projektdurchführung, Sicherstellung der termingerechten Fortschritte und Förderung der Kommunikation zwischen Partnern.
Aufgaben des Instituts:
Organisation monatlicher Treffen zur Fortschrittskontrolle und zur Lösung von Problemen (in Zusammenarbeit)
Durchführung von Partnerbesuchen zur Sicherstellung der Abstimmung und Wissensaustausch (in Zusammenarbeit)
Koordination und Konsolidierung der Fortschrittsberichte für Stakeholder
Datenerfassung und Analyse biologischer Grundlagen
Ziel: Aufbau eines umfassenden Datensatzes zu BSF-Biologie, Fütterung und Umweltbedingungen zur Unterstützung von Precision-Farming-Systemen. Analyse der Nährstoffprofile und Entwicklung schneller, nicht-invasiver Methoden zur Qualitätsvorhersage mittels FT-IR-Spektroskopie.
Aufgaben des Instituts:
- Beteiligung an der Datenerfassung zur Larvenentwicklung
- Unterstützung bei der Analyse der BSF-Proben
KI-basierte Softwareentwicklung und Training zur Optimierung von Futterkombinationen und Biomolekülanalyse
Ziel: Entwicklung KI-gestützter Tools zur Optimierung der BSF-Aufzuchtprozesse und Integration von Futter, Umweltparametern und Biomolekülanalysen in ein Digital-Twin-System.
Aufgaben des Instituts:
Anforderungs- & Architekturdesign
Definition von Systemanforderungen, Schnittstellen und Gesamtarchitektur
Spezifikation von Datenquellen, Verarbeitungspipelines und Integration mit IoT-Sensoren, KI-Modellen und Dashboard (in Zusammenarbeit)
Festlegung von Kommunikationsprotokollen und Datenformaten
Datenverarbeitung & Integration
Entwicklung einer modularen Datenpipeline für Sammlung, Harmonisierung und Speicherung von Umgebungs-, Biologie- und Prozessdaten
Sicherstellung von Datenqualität, Metadatenannotation und Interoperabilität (in Zusammenarbeit)
KI-Modelltraining zur Futteroptimierung
Training von ML- und DL-Modellen zur Vorhersage von Larvenwachstum, Ertrag und Biomolekülprofilen
Anwendung von Optimierungstechniken zur Identifikation optimaler Fütterungsstrategien (Validierung in Zusammenarbeit)
Vorhersage der Umweltkontrolle
Entwicklung multivariater Modelle für Umweltparameter und deren Einfluss auf Larvengesundheit und Prozessstabilität
Ermöglichung proaktiver Steuerung der Aufzuchtbedingungen
Implementierung des Digital Twins
Aufbau eines hybriden Simulationsmodells (mechanistisch + ML)
Echtzeit-Simulation der BSF-Aufzuchtdynamik, Integration von IoT-Daten
Virtuelles Testen von Substrat- und Umweltbedingungen
Backend-Entwicklung Dashboard
Design des Backends für Datenspeicherung, KI-Modellmanagement und Integration der Digital-Twin-Ergebnisse
Bereitstellung von RESTful APIs und Prozessmonitoring
Frontend-Entwicklung
Implementierung eines webbasierten Dashboards für Echtzeit-Überwachung, Visualisierung von Wachstumsvorhersagen und Digital-Twin-Simulationen
Systemvalidierung & Verfeinerung
Validierung von KI-Modellen, Digital Twin und Dashboard in Pilotexperimenten (in Zusammenarbeit)
Iterative Optimierung von Algorithmen, Schnittstellen und Benutzerfreundlichkeit
Validierung, Dissemination und Ergebnistransfer
Ziel: Bewertung der ökologischen, wirtschaftlichen und sozialen Nachhaltigkeit der BSF-Farmwirtschaft durch eine umfassende LCA-Methodik. Anwendung und Verfeinerung der Ergebnisse in industriellen BSF-Farmen und Validierung des Marktpotenzials. Breite Kommunikation der Projektergebnisse, Förderung der Zusammenarbeit und Erhöhung des gesellschaftlichen Impacts.
Aufgaben des Instituts:
Unterstützung bei der Bereitstellung und Auswertung von Daten für LCA (in Zusammenarbeit)
Implementierung und Testen der Ergebnisse in Partner-Anlagen (in Zusammenarbeit)
Feedback an KI-Modelle und Dashboards für iterative Verbesserungen (in Zusammenarbeit)
Veröffentlichung von Ergebnissen in hochrangigen Fachzeitschriften (in Zusammenarbeit)
Präsentation auf internationalen Workshops/Webinaren (in Zusammenarbeit)
Die Ausgangssituation
Der Handlungsbedarf im Überblick
Die weltweite Nachfrage nach Protein wächst rasant. Klassische Quellen wie Viehzucht oder Sojaanbau verursachen erhebliche Treibhausgasemissionen und Flächenverbrauch. Gleichzeitig entstehen weltweit jedes Jahr über 2 Milliarden Tonnen kommunaler Abfälle, davon etwa 44 % organische Stoffe – ein ungenutztes Potenzial.
Die Schwarze Soldatenfliege bietet hier eine vielversprechende Lösung: Ihre Larven können organische Reststoffe in hochwertige Proteine, Fette und biobasierte Materialien umwandeln. Dennoch ist die Produktion bislang schwer standardisierbar, da die Qualität und Zusammensetzung der Futtersubstrate stark variieren. Die Folge: schwankende Erträge, unvorhersehbare Wachstumsraten und ineffiziente Ressourcennutzung.
Weltweiter Proteinbedarf steigt
Zuchtprozesse sind aktuell schwer kontrollierbar
Hohe Mengen ungenutzter organischer Abfälle
Eure Kontaktperson
FLY4FOOD
Optimizing Circular Bio-Production through AI: Precision Farming of Black Soldier Flies for valuable biomolecules
Shreyas Mysore Guruprasad
shreyas.mysoreguruprasad@aws-institut.de
+49 162 2485 049
Eure Kontaktperson
FLY4FOOD
Optimizing Circular Bio-Production through AI: Precision Farming of Black Soldier Flies for valuable biomolecules
Shreyas Mysore Guruprasad
shreyas.mysoreguruprasad@aws-institut.de
+49 162 2485 049
Unser Lösungsansatz im Fokus
FLY4FOOD verbindet modernste Digitalisierung, KI und Biotechnologie, um die Zuchtbedingungen der Schwarzen Soldatenfliege präzise zu steuern und zu optimieren.
Digitale Prozesssteuerung und KI-Optimierung
IoT-Sensoren erfassen kontinuierlich Umweltparameter wie Temperatur, Feuchtigkeit, Beleuchtung und Belüftung. Diese Daten fließen in einen Digital Twin, der die Zuchtbedingungen in Echtzeit abbildet.
Mithilfe von Machine-Learning-Modellen werden optimale Futterzusammensetzungen, Nährstoffprofile und Wachstumsbedingungen berechnet. So können Produktionsprozesse automatisiert, Kosten reduziert und Erträge maximiert werden.
Biotechnologische Analytik
Ergänzend kommen spektroskopische und synchrotronbasierte Methoden zum Einsatz, um die Zusammensetzung der gewonnenen Biomasse detailliert zu charakterisieren – von Amino- und Fettsäuren bis hin zu Biopolymeren. Die Erkenntnisse fließen in die präzise Entwicklung von Protein- und Ölextrakten für Nahrungsmittel, Futtermittel und kosmetische Anwendungen ein.
Nachhaltigkeitsbewertung
Eine ökologische Lebenszyklusanalyse (LCA) bewertet die Umweltwirkungen der optimierten Zuchtprozesse und verknüpft die Ergebnisse direkt mit der KI-Steuerung. Damit stellt FLY4FOOD sicher, dass Effizienzsteigerung und ökologische Nachhaltigkeit Hand in Hand gehen.
Partnerunternehmen
Förderhinweis
Das Projekt FLY4FOOD wird im Rahmen des Programms Bioökonomie International des Bundesministerium für Forschung, Technologie und Raumfahrt gefördert und vereint Partnerinstitutionen aus Deutschland und Thailand.
Förderkennzeichen: 031B1676A
Laufzeit: 01.11.2025-31.10.2027
