Open Source: Kraut- und Rüben-Software
Im Supermarkt einfach schnell den Strichcode eines Lebensmittels mit dem Smartphone scannen und herausfinden, ob und wie gesund das Produkt ist - das will das Projekt Open Food Facts mit Hilfe einer eigenen Open-Source-App und auf Basis von Crowdsouring ermöglichen, was die Beteiligten auf der Fosdem-Konferenz in Brüssel(öffnet im neuen Fenster) vorgestellt haben. Das wohl wichtigste Detail der App soll dabei eine Lebensmittel-Ampel sein.
Sogenannte Lebensmittel-Ampeln sollen Käufern in Supermärkten durch Farbcodes schnell signalisieren, wie viel Zucker, Salz oder gesättigte Fette in bestimmten Nahrungsmitteln stecken. Denn nur wenige Verbraucher machen sich die Mühe, die Tabellen mit dem Nährwertgehalt auf den Produkten zu studieren. Und wenn sie es tun, bleibt oft die Frage, ob die angegebene Menge an Zucker oder Fett nun dem Durchschnitt entspricht oder besonders hoch ist. Verschiedene Versuche, eine solche Ampel einzuführen, scheiterten in der Vergangenheit(öffnet im neuen Fenster) an Politik und Lebensmittelindustrie, dabei sehen Ärzte einen starken Einfluss schlechter Ernährung auf die Gesundheit der Bevölkerung.
Seit kurzem können europäische Hersteller immerhin freiwillig einen Nutriscore(öffnet im neuen Fenster) auf ihren Produkten anbringen. Die fünfstufige Farb- und Buchstabenskala zeigt für ein Lebensmittel als Durchschnitt an, wie gesund dieses ist. Allerdings haben viele Hersteller wenig Anreiz, so eine Ampel zu verwenden.
Offene Daten, offene Ampel
Hier kommen die Entwickler von Open Food Facts ins Spiel. Nach dem Motto: Wenn die Industrie es nicht macht, machen wir es halt selbst, bieten sie Apps an, mit denen Käufer europaweit den Nutriscore von Produkten ermitteln können, selbst wenn dieser nicht auf den Verpackungen steht. Die Daten sollen, wie bei Wikipedia und Openstreetmap, von den Verbrauchern selbst kommen. Die gemeinnützige Organisation will dabei neben Fett, Zucker oder Salz auch Zusätze in Produkten anzeigen. Zugleich unterstützt das Projekt Informationen der Nova-Ampel(öffnet im neuen Fenster) , die signalisiert, wie stark ein Produkt von der Industrie verändert wurde.
In der Datenbank des in Frankreich gestarteten Projekts stecken bereits 1,1 Millionen Produkte, die Daten selbst stehen unter der Open Database License. Die gescannten Produkte haben die bislang 25.000 registrierten Benutzer in 182 Ländern mit Hilfe der Projekt-Apps zusammengetragen - aus Nordkorea fehlten noch Produktinformationen, scherzte einer der Entwickler in seinem Vortrag. Es gibt Apps für Android, iOS und Windows Mobile, beim Kategorisieren der Produkte hilft eine KI. Neben Open Food Facts arbeitet das Projekt bereits an einer weiteren App: Open Beauty Facts soll die zahlreichen Inhaltsstoffe in Schönheitsprodukten entschlüsseln.
Auf der Fosdem-Konferenz haben Entwickler aber auch darüber hinaus noch viele weitere Landwirtschaftsprojekte vorgestellt: zur besseren Organisation oder zum Verbessern des Anbaus.
Open Source für Solawi
Gute Bewertungen in der Open-Food-Facts-Datenbank würden vermutlich die Produkte vieler Solawis (englisch CSA, für Community Supported Agriculture) erhalten. Die Idee hinter der solidarischen Landwirtschaft: Eine Community legt zusammen und finanziert Bauern mit festen monatlichen Beträgen vor. Das schützt den Bauern vor Verlust bei schlechten Ernten, im Gegenzug erhalten die Mitglieder die angebauten Produkte, meist Bio-Lebensmittel.
An solche Solawis, von denen es europaweit geschätzt 3.000 gibt, richtet sich Open Olitor(öffnet im neuen Fenster) . Das auf der Fosdem vorgestellte Tool(öffnet im neuen Fenster) steht unter der AGPLv3 und soll den Gemeinschaften bei den organisatorischen Aufgaben helfen. Zum Einsatz kommen ein Scala-Server mit Maria-DB- und AWS-S3-Anbindung. Als Frontend kommt Angular.js zum Einsatz. Die 15 Entwickler rund um das Projekt streben dabei eine Refinanzierung nach dem Solawi-Modell an. Sie haben verschiedene Organisationen und Stiftungen gegründet, die Software-Entwicklung und Ressourceneinsatz refinanzieren sollen. Auch dieses Projekt ist offen für Helfer, etwa zum Übersetzen von Texten.
Pflanzen stapeln
Auch aus dem Vertical-Farming-Bereich stellten sich Projekte auf der Fosdem vor. Dabei geht es darum, Gemüse und Kräuter in einer geschlossenen Umgebung effektiv anzubauen. Ein Pariser Projekt namens Agricool(öffnet im neuen Fenster) baut etwa Erdbeeren in Containern an, unter künstlichem Licht, in Nährlösung und beobachtet von Kameras und Sensoren, wie es das Team auf der Fosdem beschreibt(öffnet im neuen Fenster) . Der Clou beim Vertical Farming besteht darin, dass die Anbauer einerseits Schädlinge aussperren, andererseits die Anbaubedingungen für die Pflanzen weitgehend kontrollieren: Bewässerung, Benetzung, Dünger und so weiter. Das steigert die Effizienz, weshalb Agricool nach eigenen Angaben 15 bis 20 Kilogramm Erdbeeren pro Quadratmeter im Jahr ernte.
Die vom Unternehmen verwendete Technologie ist noch nicht Open Source, soll es aber in Zukunft werden. Zumindest einen Blick auf die verwendeten Werkzeuge erlaubten die Erdbeerbauern aber in ihrem Fosdem-Vortrag. Demnach greifen sie über ein Debian-System auf einen Controller zu, der Aktoren und Sensoren steuert. Dazu gehört zum Beispiel ein Drucksensor in den Wasserleitungen, um Lecks zu entdecken. Die verwendeten Dienste setzen sie in einer Microservice-Architektur ein, Monitoring macht das Projekt über Prometheus. Ebenso setzt das Team AWS, Grafana, Slack, InfluxDB und Redash ein. Vieles sei allerdings noch handgemacht, künftig wolle das Projekt daher womöglich stärker auf KI- und Automatisierungsprozesse setzen.
Ein anderes Projekt macht dies bereits: Der französische Forscher Alexis Duque betreibt Indoor-Farming(öffnet im neuen Fenster) mit Hilfe von OpenCV und Tensorflow Lite auf Raspberry Pis. Seine Arbeit mit dem vertikalen Gemüse ist allerdings noch eher eine Forschungsarbeit, um die Möglichkeiten von Machine Learning in diesem Bereich zu evaluieren. Mit OpenCV wird die Größe des Gemüses überwacht, die Daten landen dann in der Cloud, um sie auszuwerten. Dieser Aufbau soll einen hochautomatisierten vertikalen Anbau ermöglichen, aus den Daten lassen sich Erkenntnisse über weitere Optimierungen ziehen. In seinem Vortrag zeigte Duque auch eine kurze Demo mit Tensorflow Lite(öffnet im neuen Fenster) , die auf Github zu finden ist.