AI gør op med overproduktion i bagerierne
Med machine learning kan bagerier forudsige morgendagens salg langt mere præcist og reducere spild af råvarer, energi og arbejdstimer.
“Førhen kiggede vores system fem uger tilbage i tiden og tog gennemsnittet for at finde ud af, hvor meget bagerne skulle bage til næste dag. Det kunne bagerne så krydstjekke med deres egne notesbøger. Men AI-modellerne har vist sig at være langt bedre til at forudsige de udsving, som vi ser i branchen”, siger Thomas Bjørk, CEO i Baker POS. Foto: Alexandra Instituttet
De fleste forbinder duften af nybagt wienerbrød og tebirkes med klassisk, analogt håndværk. Men bag kulisserne i 300 bagerbutikker på tværs af Danmark, Sverige og Tyskland er en teknologisk transformation i gang.
Softwarevirksomheden Baker POS, der leverer betalingssystemer til bagerbranchen, har i samarbejde med Alexandra Instituttet udskiftet mavefornemmelser og støvede ringbind med avancerede machine learning-modeller. Det betyder, at bagerne nu kan forudsige morgendagens salg med hidtil uset præcision. I en branche med smalle marginer har det en direkte effekt på bageriernes forretning.
“Førhen kiggede vores system fem uger tilbage i tiden og tog gennemsnittet for at finde ud af, hvor meget bagerne skulle bage til næste dag. Det kunne bagerne så krydstjekke med deres egne notesbøger. Men AI-modellerne har vist sig at være langt bedre til at forudsige de udsving, som vi ser i branchen”, siger Thomas Bjørk, CEO i Baker POS.
Når et brød eller wienerbrød ender i skraldespanden, taber bageren ikke bare salget. Forretningen mister hele den bagvedliggende investering i mel, smør og sukker samt den strøm, der er brugt på at opvarme ovnene. For ikke at nævne arbejdstiden i de tidlige morgentimer.
Historisk har bagere derfor altid kæmpet med ét centralt spørgsmål: Hvor meget skal vi bage i morgen? Men de har tilsyneladende ikke fundet svaret endnu. Danske bagerier smider årligt 2.500 tons brød og kager ud. Faktisk udgør bagværk 12 procent af det samlede nationale madspild.
"Som bager er det meget værdifuldt at undgå at producere for meget. Der er faktisk mere værdi i at minimere spild end at lave marketingindsatser for at få flere kunder ind i butikken. Så det er en helt central øvelse for bagerne, som vi optimerer”, siger Thomas Bjørk.
Læs også: Nyt samarbejde skal gøre genanvendelse af tekstiler muligt i stor skala
Samarbejdet mellem Baker POS og Alexandra Instituttet blev grebet an efter en klar og tryg proces. Alexandra Instituttet fik adgang til bagernes salgsdata, som blev fodret ind i Googles avancerede TimesFM-model. Det er en open source-model, som er trænet på omtrent 100 milliarder datapunkter inden for trafik, detailhandel, finans og vejr. Hurtigt leverede modellen ekstremt præcise forudsigelser uden behov for en langvarig og omkostningstung træningsperiode.
"Modellen kunne forudsige salget bedre end de tidligere metoder, uden at den overhovedet var fine-tunet. Den viste, at bageriernes egne beregninger ofte fejlestimerer antallet af kunder, fordi de er baseret på meget få datapunkter”, siger Freja Thoresen, AI Specialist hos Alexandra Instituttet.
Efter det indledende forløb er Baker POS i gang med selvstændigt at berige modellen med flere parametre såsom lokale begivenheder og dagens skydække.
"Vi har virkelig fået øjnene op for, at AI kan gøre en forskel for branchens udvikling. Jeg håber, at teknologien på sigt kan styrke bagernes forretning endnu mere”, afslutter Thomas Bjørk.
Kilde: Alexandra Instituttet
/ PiB
