Essen, Restaurants, Lieferdienste – was kann Data Science leisten?

Wenn man die Bilder auf Instagram nach ihrem Inhalt clustern würde, kämen Bilder von Speisen und Getränken wahrscheinlich an einer der ersten Stellen. Essensbilder sind das perfekte Beispiel, wie sie künstlerische und funktionale Aspekte überschneiden und ihre Häufigkeit und Beliebtheit ist direkt durch ihre Beziehung zum Alltag angetrieben. Wie es die Natur des menschlichen Körpers so will, müssen wir alle regelmäßig Nahrung zu uns nehmen – unabhängig vom sozioökonomischen Standard. Aus Investorensicht: Der Markt ist riesig.

Im Geiste des berühmten Investors und Unternehmers Peter Thiel muss jedoch darauf hingewiesen werden, dass nur weil es eine große Anzahl Restaurants gibt und der Markt offensichtlich riesig ist, es nicht zwangsläufig auch ein attraktiver Markt ist: Wettbewerb ist für Verlierer. Neue Technologie könnte jedoch dafür sorgen, Wettbewerb zu vermeiden. Neue und innovative Geschäftsmodelle rund um das Thema Nahrung tauchen mit hoher Frequenz auf – unterstützt mit viel Risikokapital. In der Tat: Data Science hilft dabei, die Nahrungsmittelindustrie zu transformieren.

Neue Rezepte entdecken

Wir alle haben unsere Lieblingsrestaurants, unsere Lieblingsrezepte, um zu Hause leckere Mahlzeiten zuzubereiten. Die Möglichkeit, Zutaten miteinander zu kombinieren ist schier endlos. Ebenso die Zubereitungsmöglichkeiten. In den letzten Jahren wurden Online-Rezeptdatenbanken eingerichtet, die eine extensive Analyse der vorherrschenden Zutatenkombinationen in verschiedenen geographischen Zonen ermöglichen. Indem Zutaten mit ihrem assoziierten Geschmack kombiniert wurden, war es Forschern möglich, die Gemeinsamkeiten verschiedener Küchen zu ermitteln. Nordamerikanische und westeuropäische Gerichte beruhen tendenziell auf Zutaten, die verschiedene Geschmackskomponenten teilen. Dies steht im Gegensatz zu ostasiatischen und südeuropäischen Rezepten, deren Mahlzeiten dazu neigen, Zutaten mit ähnlichem Geschmack zu vermeiden. Data Crunching (oder eher: Recipe Crunching) erlaubt es Nahrungsmittelexperten und Wissenschaftlern endlich herauszufinden, wovon Geschmack und Beliebtheit tatsächlich abhängen. Auf einem tieferen Verständnis basierend, können intelligente Algorithmen Restaurants, Köchen und Nahrungsmittelenthusiasten helfen, neue Rezeptkombinationen zu entdecken. Smarte Unterstützungssysteme für den kreativen Prozess sind ein aufregendes Ergebnis.

Online Food Delivery – innovative Lieferungsmodelle?

Neben der Unterstützung von Diversifizierungen von Rezepten, kann Data Science auch weitere Schritte in der Wertschöpfungskette transformieren. Mehrere big player der Industrie wie Foodora, Deliveroo und Lieferando.de – unterstützt von Venture Capital – liefern sich einen intensiven Wettkampf um die Vormacht als Lieferservice. Einen zentralen Kontaktpunkt für Lieferungsanfragen zu schaffen, die Angebote einer Vielzahl von Restaurants bündeln und ihnen Lieferservices zur Verfügung zu stellen, wodurch ihnen ermöglicht wird höhere Erträge zu erzielen als durch das gewöhnliche Vor-Ort-Geschäft, sind zentrale Aufgaben der Online Food Delivery Plattformen. Wie sind diese Services möglich, ohne dass der Endkonsument einen hohen Preisaufschlag zahlen muss?

Primär ist dies momentan möglich, da die VCs noch auf das Wachstum fokussiert sind und die Rentabilität erst in späteren Planungsphasen an Wichtigkeit gewinnen wird. Generell sammeln Online Food Delivery Plattform eine Menge Information über Bestellungsmuster und Präferenzen ihre Kunden. Algorithmen aus dem Bereich des maschinellen Lernens befähigen sie zudem, ihre Fahrer (meist mit dem Fahrrad) effizient auszusenden und mit ihnen einen maximalen Nutzen zu generieren. Ihr „Rezept“ um Innovation in den Nahrungsmittelsektor zu bringen ist es, die Konkurrenz in Komfort und Lieferzeit zu übertreffen und gleichzeitig im Hintergrund sehr kosteneffizient zu arbeiten. Während ihre Kernhypothese über die Zeit noch validiert werden muss, ist die Tatsache, dass Data Science ihnen das Spiel um die Marktdominanz ermöglicht, hochgradig faszinierend. Und erlaubt es uns, an einem regnerischen Freitagabend bei einem leckeren Rinderragout von unserem Lieblingsrestaurant gemütlich einen Film zu gucken.

Verbindung von Geschmack und Geschäftsentscheidungen

Das moderne Nahrungsmittelunternehmen ist eine Technikfirma meint Ooshma Garg, der Gründer von Gobble im a16z Podcast (Podcast des berüchtigten VCs Andreessen Horowitz). Obgleich das eine recht kühne Äußerung ist, ist sie sicherlich in der Hinsicht wahr, dass Technik und Data Science die bedeutsamsten Hebel sind, die Optimierung in verschiedenen Geschäftsbereichen antreiben. Gobble ist ein Service, der vor allem junge Familien mit frischen Zutaten für 10-Minuten-Mahlzeiten beliefert.

Da Gobble mehr als 1000 Kunden regelmäßig mit stark variierenden Gerichten beliefert, ist die richtige Planung hinsichtlich der Nachfrage essentiell für die Beschaffung der Zutaten. Das Unternehmen kann sowohl die Erkenntnisse zu den Geschmackskompositionen der Zutaten als auch über das Kundenverhalten nutzen. Durch historische Bestellungen je Kunde und individuellen Präferenzen kann Gobble ihre Produktpalette verbessern und auf Kundenwünsche eingehen sowie das Produktdesign und die Beschaffung optimieren und auf die Nachfrage abstimmen.Das Verbinden von Geschmack und Vorlieben bei Nahrungsmitteln entlang aller Unternehmensfunktionen ist eine aufregende Anforderung an Data Science und könnte den Weg für kontinuierliche Innovationen in der Nahrungsmittelbranche ebnen.

Sind das also die Grundsteine für Unternehmer, um „dem Wettbewerb zu entgehen“ und Monopole in der Nahrungsmittelindustrie zu gründen, wie Peter Thiel anstrebt? Für echte Resultate werden wir wahrscheinlich noch ein paar Jahre warten müssen, aber bisher sind Unternehmer mit der richtigen „Zutat“ ausgerüstet, um es wahr werden zu lassen: Data Science. Die Definition der richtigen Bereiche, um das Potenzial von Data Science auszuschöpfen um Innovationen anzutreiben und Veränderungen im Nahrungsmittelbereich in Gang zu setzen, wird eine der Hauptherausforderungen der involvierten Data Scientists sein.

Contact the author
Niels Reinhard
+49 (30) 814 513-13
Subscribe
Share

Leave a Comment

Your email address will not be published. Required fields are marked *