KI + BI für Ölmühlen und Hersteller kaltgepresster Öle

Vonadmin

Kaltgepresste Öle gehören zu den Lebensmitteln, bei denen Herkunft, Handwerk und Qualität besonders eng miteinander verwoben sind. Genau das macht die Herstellung aber auch besonders anspruchsvoll: schwankende Rohstoffpreise, hohe Dokumentationspflichten, wiederkehrende Kundenfragen zu Herkunft und Herstellung – und das alles oft in kleinen Betrieben ohne eigene IT-Abteilung. Dieser Artikel schaut auf die tatsächliche Ausgangslage der Branche und zeigt, wo KI- und BI-gestützte Systeme heute realistisch ansetzen können – ohne mehr zu versprechen, als sie halten.

Ein Hinweis zur Perspektive dieses Artikels: Kambas OleoPress UG, die Betreiberin von CI4U, betreibt selbst eine Ölmühle. Was hier über die Branche geschrieben steht, stützt sich auch auf diese eigene betriebliche Erfahrung – nicht auf interne Kennzahlen, die wir hier nicht nennen, sondern auf ein grundsätzliches Verständnis dafür, wie sich Rohstoffeinkauf, Dokumentation und Kundenkontakt in einem solchen Betrieb tatsächlich anfühlen.

Die Ausgangslage: kleine Teams, große Auflagen

Ölmühlen und kleinere Speiseölhersteller stehen strukturell vor einer Kombination aus Herausforderungen, die in dieser Form nur wenige Lebensmittelbranchen kennen. Der Rohstoffpreis ist tagesaktuell volatil: Nach Daten des Statistischen Bundesamts schwankten die Erzeugerpreise für Raps zuletzt deutlich – im Juli 2025 lag der Rapspreis noch 2,2 Prozent über dem Vorjahreswert, während der Gesamtindex für Handelsgewächse um 12,3 Prozent fiel; wenige Monate später, im November 2025, war der Rapspreis bereits 7,3 Prozent niedriger als im Vorjahresmonat. Solche Sprünge innerhalb weniger Monate sind für einen Betrieb, der Rohstoffe einkauft, verarbeitet und über Monate hinweg zu einem einigermaßen stabilen Endpreis verkaufen möchte, eine reale unternehmerische Herausforderung. Die Ölsaaten-Statistik des Bundesministeriums zeigt zugleich, wie dynamisch die Anbauflächen selbst sind: 2025 wurden in Deutschland rund 4 Millionen Tonnen Raps auf etwa 1,1 Millionen Hektar angebaut – etwa 7 Prozent der gesamten deutschen Agrarfläche –, während der Sonnenblumenanbau mit rund 61.900 Hektar deutlich kleinteiliger bleibt. Der Marktbeobachter Oil World rechnete in einem im Sommer 2025 veröffentlichten UFOP-Interview mit tendenziell steigenden Pflanzenölpreisen für 2026, unter anderem wegen rückläufiger Ernten in der Ukraine, Kanada und Australien – ein weiteres Signal dafür, dass Preisplanung in dieser Branche kein einmaliges, sondern ein fortlaufendes Geschäft ist.

Strukturell kommt hinzu, dass ein erheblicher Teil der Branche aus kleinen, oft regional verwurzelten Betrieben besteht. Der Verband UFOP hat wiederholt auf ein anhaltendes „Ölmühlensterben“ unter den dezentralen, kleineren Mühlen hingewiesen. Ältere Erhebungen des bayerischen Technologie- und Förderzentrums (TFZ) aus den 2010er-Jahren zeigten bereits damals einen deutlichen Rückgang: von rund 600 dezentralen Ölmühlen im ländlichen Raum auf zuletzt noch 274 aktive Betriebe im damaligen Berichtszeitraum – ein Trend, der sich nach Verbandseinschätzung fortsetzt, auch wenn keine ebenso detaillierte, aktuelle Zählung für 2025/2026 vorliegt. Für die verbliebenen Betriebe bedeutet das: kleine Teams, die neben der eigentlichen Produktion auch Einkauf, Qualitätssicherung, Dokumentation und Kundenkontakt selbst stemmen müssen – meist ohne eigene IT-Abteilung im Rücken.

Rohstoffeinkauf: Prognosen als Entscheidungshilfe, nicht als Autopilot

Eine der unternehmerisch schwierigsten Fragen für eine Ölmühle ist, wann und wie viel Rohstoff eingekauft und bevorratet werden soll. Wer zu früh und zu viel kauft, bindet Kapital und trägt das Risiko fallender Preise. Wer zu spät kauft, riskiert höhere Einkaufspreise oder sogar Lieferengpässe in Erntejahren mit geringerem Ertrag. Genau an dieser Stelle könnte eine KI-gestützte Prognose ansetzen, die historische Preisentwicklungen, saisonale Muster und – wo verfügbar – externe Marktdaten systematisch auswertet, um eine begründete Einschätzung statt einer reinen Bauchentscheidung zu liefern.

Wichtig ist hier eine ehrliche Einordnung: CI4U setzt ein solches Prognoseprinzip aktuell im Lebensmittelhandwerk ein – konkret für die Tagesbedarfsprognose in Bäckereien, auf Basis eines eigens konfigurierten statistischen Modells (ein verallgemeinertes lineares Modell, GLM), das bis zu 15 Faktoren einbezieht und im Live-Betrieb einen mittleren Prognosefehler von unter 12 Prozent erreicht. Eine vergleichbare Anwendung auf den Rohstoffeinkauf einer Ölmühle ist als Konzept naheliegend und methodisch übertragbar – sie ist aber aktuell keine bestehende, fertige CI4U-Funktion für Ölmühlen, sondern eine Anwendungsmöglichkeit, die sich aus dem gleichen Grundprinzip ableiten ließe. Wer diesen Weg gehen möchte, würde ihn gemeinsam mit dem eigenen Betrieb aufbauen müssen – nicht von der Stange kaufen.

Rückverfolgbarkeit und Dokumentation: die eigentliche Alltagslast

Deutlich konkreter wird es bei der Dokumentation. Lebensmittelhersteller unterliegen umfassenden Kennzeichnungs- und Rückverfolgbarkeitspflichten. Die EU-Lebensmittelinformationsverordnung (LMIV, Verordnung (EU) Nr. 1169/2011) schreibt seit Dezember 2014 verbindlich vor, welche Angaben auf einem Lebensmitteletikett stehen müssen – von der Bezeichnung über das Zutatenverzeichnis bis zu Nährwertangaben, in einer vorgeschriebenen Mindestschriftgröße. Für Bio-Produkte kommt die EU-Öko-Verordnung (EU) 2018/848 hinzu, die seit 2022 gilt und ein eigenes Zertifizierungssystem verlangt, über das sich regelkonforme Unternehmen ausweisen müssen. Hinzu kommen die allgemeinen Rückverfolgbarkeitspflichten in der Lebensmittelkette, die verlangen, dass sich Rohstoffe und Endprodukte im Zweifel bis zur Charge zurückverfolgen lassen.

In der Praxis bedeutet das für eine Ölmühle: Chargenprotokolle, Analysewerte wie die Peroxidzahl und der Säuregrad, Zertifizierungsunterlagen und Lieferantendokumente müssen über Jahre hinweg auffindbar und im Bedarfsfall – bei einer Kontrolle, einer Kundenanfrage oder einem Reklamationsfall – schnell zugänglich sein. Die Peroxidzahl gibt dabei Auskunft über beginnende oxidative Veränderungen eines Öls, umgangssprachlich das erste Anzeichen für ranzig werden, während der Säuregrad den Anteil freier Fettsäuren misst und ebenfalls ein zentraler Qualitätsindikator ist. Nach den Leitsätzen für Speisefette und Speiseöle der Deutschen Lebensmittelbuch-Kommission gelten für native, kaltgepresste Öle strengere Referenzwerte als für raffinierte Öle – diese Leitsätze sind zwar keine unmittelbar bindende EU-Verordnung wie etwa bei Olivenöl, gelten in der Praxis aber als maßgeblicher Prüfstein für die Lebensmittelüberwachung.

Wenn all diese Dokumente in Einzeltabellen, Aktenordnern oder verstreuten Dateien liegen, kostet ihre Auffindbarkeit im Ernstfall wertvolle Zeit – und genau hier ist die Dokumentensuche eine real existierende CI4U-Funktion, keine Zukunftsvision: Dokumente werden eingelesen, durchsuchbar gemacht und auf Anfrage mit exakter Quellenangabe wiedergefunden, statt dass jemand manuell durch Ordner blättern muss. Für einen Betrieb, der im Kontrollfall schnell ein bestimmtes Analyseprotokoll oder eine bestimmte Zertifizierungsunterlage vorlegen muss, ist das ein direkter, im Alltag spürbarer Nutzen – unabhängig davon, ob zusätzlich eine Prognosefunktion zum Einsatz kommt.

Kundenanfragen: dieselbe Frage, jeden Tag neu beantwortet

Wer kaltgepresste Öle direkt vermarktet – auf dem Wochenmarkt, im eigenen Hofladen oder online –, kennt die immer wiederkehrenden Fragen: Woher stammt der Rohstoff, bei welcher Temperatur wurde gepresst, wie lange ist das Öl haltbar, wie sollte es gelagert werden. Diese Fragen sind für die Kundschaft berechtigt und wichtig, kosten das Team aber, gerade in Stoßzeiten, immer wieder dieselbe Zeit. Ein KI-Chat, der auf das eigene Firmenwissen zugreift – Produktinformationen, Herstellungsdetails, Zertifikate – kann solche Standardfragen konsistent und jederzeit beantworten, ohne dass jede Anfrage eine Fachkraft von der eigentlichen Arbeit abhält. Wichtig bleibt dabei derselbe Grundsatz wie bei der Dokumentensuche: Die Antworten sollten auf echten, hinterlegten Firmendaten beruhen und nachvollziehbar bleiben, statt plausibel klingende, aber ungeprüfte Aussagen zu produzieren – gerade bei Angaben zu Herkunft und Zertifizierung ist das kein Detail, sondern eine Vertrauensfrage gegenüber der eigenen Kundschaft.

Saisonalität bei Spezialölen: dieselbe Logik wie beim Brot

Kürbiskernöl, Leinöl und andere Spezialöle unterliegen oft ausgeprägten saisonalen Nachfragemustern – etwa rund um die Herbst- und Wintermonate oder bestimmte kulinarische Anlässe. Diese Situation ähnelt strukturell der Tagesbedarfsprognose, die CI4U heute im Lebensmittelhandwerk für Bäckereien einsetzt: Auch dort schwankt die Nachfrage nach bestimmten Produkten saisonal und ereignisabhängig, und eine datengestützte Prognose kann diese Muster systematischer abbilden als eine rein erfahrungsbasierte Schätzung. Die Analogie ist an dieser Stelle bewusst als Analogie zu verstehen: Es handelt sich um ein übertragbares Prinzip, nicht um eine bereits für Spezialöle im Einsatz befindliche Funktion. Ob und wie sich dieses Prinzip für einzelne Ölsorten sinnvoll umsetzen lässt, hinge von den verfügbaren historischen Verkaufsdaten des jeweiligen Betriebs ab.

Datenhoheit: dieselbe Grundregel wie überall bei CI4U

Gerade für einen Betrieb, der eng mit sensiblen Lieferanten- und Rezepturdaten arbeitet, ist die Frage, wo diese Daten verarbeitet werden, keine Nebensache. CI4U ist so aufgebaut, dass der Betrieb selbst entscheidet: On-Premise im eigenen Netzwerk, in einer dedizierten Cloud-Infrastruktur oder als einfacher SaaS-Einstieg – es besteht keine Cloud-Pflicht. Für eine Branche, in der Rezepturen, Lieferantenbeziehungen und Analyseergebnisse zum unternehmerischen Kernwissen gehören, ist das kein Detail am Rande, sondern eine Grundvoraussetzung dafür, ein solches System überhaupt in Betracht zu ziehen.

Fazit: reale Ansatzpunkte, ehrlich eingeordnet

Ölmühlen und kleinere Speiseölhersteller stehen vor einer Kombination aus Rohstoffvolatilität, hohen regulatorischen Auflagen und begrenzten personellen Ressourcen, die sie von vielen anderen Lebensmittelbetrieben unterscheidet. Digitale Werkzeuge können an mehreren Stellen ansetzen – manche davon, wie die Dokumentensuche, existieren bei CI4U bereits und lassen sich direkt nutzen. Andere, wie eine Rohstoffpreis-Prognose oder eine saisonale Bedarfsprognose für Spezialöle, sind methodisch naheliegende Erweiterungen eines bestehenden Prinzips, aber keine fertigen Produkte von der Stange. Diese Unterscheidung ehrlich zu benennen, ist am Ende genau die Nachvollziehbarkeit, die auch bei jeder KI-Antwort gelten sollte: nicht mehr versprechen, als sich belegen lässt.

Quellen

Ähnliche Beiträge