In der heutigen globalisierten Welt sind Transparenz und Nachverfolgbarkeit in Lieferketten von entscheidender Bedeutung, insbesondere wenn es um nachhaltige Ressourcen wie Holz geht. Dies ist auch für ADH Mölltal-Möbel und Wood K Plus der Fall. Das sind Unternehmen, die nicht nur qualitativ hochwertige Möbel herstellen, sondern auch den Fokus auf die Herkunft des verwendeten Holzes legen. Die Ausgangssituation zeigt eine bisher fehlende Transparenz über die Herkunft von Holz in den Holzhandels- und Verarbeitungsketten, und diese Unternehmen möchte dies ändern, um die Kund:innen die „Geschichte“ ihrer Möbelstücke näher zu bringen.

Das Hauptziel besteht darin, eine durchgängige Transparenz von der Waldquelle bis zum Endprodukt zu schaffen. Der Lösungsansatz liegt in der Implementierung von Traceability-Maßnahmen, die eine fälschungssichere Identifizierung des Rundholzes ermöglichen. Ein entscheidendes Merkmal hierbei sind die Jahresringe und andere eindeutige Eigenschaften, die es erlauben, die Herkunft des Holzes zweifelsfrei nachzuverfolgen. Durch diese Maßnahmen wird sichergestellt, dass die Informationen über das Holz von Anfang an korrekt erfasst und während des gesamten Verarbeitungsprozesses erhalten bleiben.

Um diese Transparenz zu gewährleisten, ist die Schaffung einer umfassenden Dateninfrastruktur entscheidend.

Diese Dateninfrastruktur ermöglicht die nahtlose Verknüpfung der verschiedenen Schnittstellen entlang der gesamten Prozesskette, angefangen bei den Holzquellen bis hin zum Endkunden. Die Implementierung eines digitalen Produktpasses spielt dabei eine zentrale Rolle. In diesem digitalen Produktpass werden alle relevanten Informationen über das Holz und den Produktionsprozess festgehalten. Kund:innen erhalten somit die Möglichkeit, die Herkunft ihres Möbelstücks im Detail nachzuvollziehen und haben Zugang zu Informationen wie dem Ort der Holzgewinnung, den verarbeitenden Betrieben und den ökologischen Standards, die eingehalten wurden.

Die Einführung dieser Traceability-Maßnahmen bietet nicht nur für Mölltal Möbel, sondern für alle Akteur:innen in der Prozesskette erhebliche Wettbewerbsvorteile. Kund:innen werden zunehmend wert darauf legen, Produkte zu erwerben, die transparent und nachhaltig produziert wurden. Gleichzeitig können Unternehmen durch die Schaffung von Vertrauen und die Demonstration ihrer Verantwortung gegenüber Umwelt und Gesellschaft ihre Position im Markt stärken. Insgesamt stellt die Integration von Traceability-Maßnahmen im Holzhandel nicht nur eine Antwort auf aktuelle Herausforderungen dar, sondern trägt auch dazu bei, eine nachhaltige und verantwortungsbewusste Wertschöpfungskette in der Möbelindustrie zu etablieren.

Traceability

Best-Practice Beispiel: Rückverfolgung von Holz mittels Visual Computing

Das Zielbild der Rückverfolgung von Holz durch Visual Computing ist ambitioniert und zielt darauf ab, eine umfassende Transparenz entlang der gesamten Wertschöpfungskette zu schaffen. Hier wird ein Best-Practice Beispiel anhand der folgenden Punkte entwickelt:

  1. Die technische Grundlage für einen digitalen Produktpass schaffen: Die Grundlage für einen digitalen Produktpass wird durch die Integration von Visual Computing geschaffen. Mithilfe modernster Bildverarbeitungstechnologien wird es möglich, einzigartige Strukturmerkmale des Holzes zu identifizieren und diese als digitale Fingerabdrücke zu nutzen. Diese markierungsfreie Methode gewährleistet eine zuverlässige und fälschungssichere Identifikation des Holzes. Ein Funktionsnachweis erfolgt durch die Anwendung dieser Technologie auf im Mölltal geerntetes und verarbeitetes Holz, wodurch die Praxistauglichkeit und Effektivität des Systems unter realen Bedingungen nachgewiesen wird.
  2. Holz wird über individuelle Strukturmerkmale identifizierbar: Die Entwicklung einer markierungsfreien Methode zur Erzeugung und Wiedererkennung eines Produktfingerprints ist entscheidend für die Effizienz des Systems. Hierbei werden fortschrittliche Algorithmen des Visual Computing eingesetzt, um die einzigartigen Merkmale jedes Holzstücks zu extrahieren. Der Funktionsnachweis erfolgt anhand von im Mölltal geerntetem und verarbeitetem Holz, wodurch die praxisnahe Anwendbarkeit demonstriert wird. Dieser Ansatz ermöglicht nicht nur eine eindeutige Identifikation des Holzes, sondern bietet auch eine digitale Grundlage für den gesamten Lebenszyklus des Produkts.
  3. Demonstration einer Datenökosystemstruktur für die Rückverfolgung von Holz: Die Rückverfolgung von Holz erfordert die Schaffung eines umfassenden Datenökosystems. Metadaten, die Informationen wie GPS-Daten, Holzart, Qualität und CO2-Fußabdruck enthalten, werden mit der eindeutigen ID aller Teilprodukte verknüpft. Dies ermöglicht eine lückenlose Nachverfolgung von der Holzernte bis zum Endprodukt. Zudem können diese Metadaten zwischen den verschiedenen Akteuren in der Wertschöpfungskette ausgetauscht werden, was zu einer erhöhten Transparenz und Zusammenarbeit führt. Der Funktionsnachweis erfolgt sowohl mit eigenen Datensätzen als auch mit Open-Source-Datensätzen, um die Interoperabilität und Flexibilität des Systems zu unterstreichen.

Insgesamt demonstriert dieses Best-Practice Beispiel, wie Visual Computing dazu beitragen kann, die Rückverfolgung von Holz auf eine neue Ebene zu heben. Durch die Schaffung einer technischen Grundlage, die Identifikation über individuelle Strukturmerkmale und die Implementierung eines umfassenden Datenökosystems wird nicht nur die Transparenz in der Holzindustrie gesteigert, sondern auch ein bedeutender Beitrag zur nachhaltigen Bewirtschaftung von Ressourcen geleistet.

Markierungsfreie Methode zur Erzeugung und Wiedererkennung von Holz: Ein innovativer Ansatz

Die markierungsfreie Methode zur Erzeugung und Wiedererkennung von Holz basiert auf der Identifikation einzigartiger Strukturmerkmale, die Rundholz individualisieren. Diese Merkmale umfassen unter anderem Jahrringe, Äste, überwallte Verletzungen, Mikrostruktur und andere charakteristische Elemente. Der Ansatz kombiniert verschiedene Methoden, darunter biometrische Ansätze, datengetriebene Machine-Learning-Methoden, Convolutional Neural Networks (CNN) und One-Shot-Image-Recognition.

  1. Biometrischer Ansatz: Der biometrische Ansatz zielt darauf ab, Holz anhand seiner individuellen Merkmale zu identifizieren, ähnlich wie biometrische Technologien Gesichter oder Fingerabdrücke erkennen. Dies ermöglicht eine eindeutige Zuordnung und Verfolgung des Holzes über den gesamten Produktionsprozess hinweg.
  2. Datengetriebene ML Ansätze und CNN: Datengetriebene Machine-Learning-Ansätze, insbesondere unter Verwendung von Convolutional Neural Networks (CNN), spielen eine entscheidende Rolle. Diese Methoden ermöglichen es, komplexe Muster in Bilddaten zu erkennen und das System kontinuierlich zu verbessern. Der Einsatz von CNN ermöglicht eine effiziente Verarbeitung großer Mengen von Bilddaten und trägt dazu bei, die Erkennungsgenauigkeit zu optimieren.
  3. One-shot Image Recognition: Die One-Shot-Image-Recognition-Methode erlaubt die Identifikation von Holz anhand eines einzigen Bildes. Dies ist besonders relevant in Umgebungen, in denen nur begrenzte Bilddaten verfügbar sind. Diese Methode trägt zur Effizienz und Praxistauglichkeit des Systems bei. Die Erzeugung von Bilddatensätzen erfolgt von der Holzernte bis zur Möbelfertigung. Ein Teil der Datensätze wird vor Ort während der Holzernte gesammelt, während ein anderer Teil in der Technikumsumgebung erstellt wird. Dabei können verschiedene, jedoch marktfähige Techniken zur Datenerfassung verwendet werden, um die Vielfalt der Holzstrukturen abzudecken. Die Integration von OpenSource-Datensätzen erweitert die Vielfalt und Qualität der Trainingsdaten, was zu einer verbesserten Erkennungsleistung führt.

Ein wichtiger Aspekt dieses Ansatzes ist die Kooperation mit anderen Projektkonsortien, die ähnliche Ziele und Ansätze verfolgen. Durch den Austausch von Erfahrungen, Daten und Erkenntnissen wird nicht nur die Entwicklung beschleunigt, sondern auch die Robustheit und Anwendbarkeit des Systems verbessert. Die Zusammenarbeit ermöglicht es, branchenübergreifende Standards zu etablieren und gemeinsam an der Weiterentwicklung markierungsfreier Methoden zur Holzrückverfolgung zu arbeiten. Insgesamt präsentiert dieser Ansatz eine innovative und ganzheitliche Herangehensweise an die Rückverfolgung von Holz, die auf modernsten Technologien und Kooperationen basiert.

Das Panorama Festival in Linz ist für Interessierte eine ideale Gelegenheit, um alles rund um den digitalen Produktpass branchenübergreifend zu erfahren. Meet you there!

Panorama EDIH-Innovate Festival