Winnow

Kurzfazit

Winnow ist nach eigener Angabe das KI-System gegen Lebensmittelabfall, das in mehr Standorten eingesetzt wird als jedes andere, vor allem in der internationalen Hotellerie und Großgastronomie. Die Vision-Engine ist nach Anbieterangaben mit über 1 Milliarde Bildern trainiert und erkennt über 1.000 Speisen, ein Wurf wird in unter einer Sekunde erfasst. Wer eine Küche mit ernsthaftem Volumen betreibt (Hotel, Klinik, Kantine, Catering) und konkrete Abfallreduktion als KPI verfolgt, bekommt mit Winnow ein etabliertes System mit Referenzen wie IKEA und Hilton. Die Kehrseite: eine einmalige Konfigurationsgebühr plus Abo ohne öffentliche Preisliste (was Verhandlungen erschwert), ein nicht genannter Verarbeitungsort der Bilddaten und ein klassischer Lock-in über die Hardware-Lieferung. Für kleine Küchen ist ein Vision-System überdimensioniert, dafür gibt es bei Winnow die kleineren Produkte Track und Foresight.

Für wen ist Winnow?

Hotelküchen und Hotelketten: Winnows klassische Heimat. Frühstück- und Buffet-Betrieb produziert viel Abfall, der gut erkennbar ist (definierte Speisen, wiederkehrende Mahlzeiten). Hilton, Marriott, Accor und IKEA nennt der Anbieter als Kunden. Wenn dein Küchenkonzept standardisiert ist und du mehrere Häuser betreibst, ist Winnow eines der wenigen Systeme, das skaliert.

Klinik- und Pflegekantinen: Hier ist der Wareneinsatz hoch, das Speisenangebot strukturiert (Diätküche, Standard-Mahlzeiten, klar abgrenzbare Komponenten), ideale Bedingungen für Vision-Erkennung. Zusätzlich sind ESG-Anforderungen in Trägerorganisationen und gemeinnützigen Klinikverbünden mittlerweile fest etabliert; objektive Abfalldaten sind Reporting-relevant.

Betriebskantinen und Mensa-Betreiber: Studierendenwerke, Industriegastronomie, Cateringunternehmen mit Großküchen, überall dort, wo täglich Hunderte bis Tausende Mahlzeiten produziert werden, ist Winnow rechnerisch sinnvoll. Voraussetzung: Akzeptanz beim Küchenpersonal und ein Sustainability-Manager auf der Treiber-Seite.

Catering-Unternehmen mit ESG-Reporting: Wer als Caterer für Großkonzerne arbeitet, sieht in Ausschreibungen zunehmend Sustainability-Kennzahlen als Pflichtangabe. Winnow liefert die Daten, die in der Bewerbung den Unterschied machen können, Foto-belegte Tagesberichte sind belastbarer als Selbstauskunft.

Hotelgruppen mit Nachhaltigkeits-Strategie: Wenn deine Marke explizit Sustainability adressiert (z. B. „Carbon-neutral by 2030”), ist Winnow ein Werkzeug, das Datenpunkte für Berichte und Marketing-Aussagen liefert. Die Zahlen sind belastbar, etwas, das bei reinen Selbstauskunfts-Systemen fehlt.

Weniger geeignet für: Kleine Restaurants und Cafés (ein Vision-System rechnet sich kaum, Track oder Foresight sind die kleineren Winnow-Produkte), reine Pop-up- oder Fine-Dining-Konzepte mit täglich wechselnder Karte (Modell kann nicht zuverlässig erkennen), Küchen mit hoher Speisen-Variabilität in der Vorbereitung (Mischabfall, Suppen, Saucen), Unternehmen mit harten EU-Daten-Anforderungen (der Verarbeitungsort der Bilddaten ist nicht öffentlich), und alle, die ein reines Reporting-Tool ohne Hardware-Investition suchen, dafür sind Wasteless oder reine Software-Lösungen besser.

Preise im Detail

Plan	Preis	Was du bekommst
Track	nicht öffentlich	Nur Tablet, keine Kamera, keine Waage. Für kleinere Küchen und Grab-‘n’-Go-Betrieb.
VisionAI	nicht öffentlich	Kamera und Waage, Throw & Go, erkennt über 1.000 Speisen. Für die meisten Küchen gedacht.
VisionAI+	nicht öffentlich	Alles aus VisionAI plus Menü-Anpassung, unbegrenzter Customer Success und Datenspezialist.
Foresight (Zusatz)	nicht öffentlich	Produktionsprognose pro Service, mobil, ohne Hardware. Auch einzeln erhältlich.
VisionPW (Zusatz)	nicht öffentlich	Misst Tellerabfall der Gäste (Post-Consumer).
Konfigurationsgebühr	nicht öffentlich	Einmalig pro System: Einrichtung, Team-Training, Anfangssupport.
Abo	nicht öffentlich	Laufend, pro Standort: System, Winnow Hub, Reporting, Coaching-Sessions.
Onboarding	inklusive	Strukturiertes 100-Tage-Programm bei Einführung.

Einordnung: Winnow gibt keine öffentliche Preisliste an, alles läuft über ein individuelles Angebot, abhängig von Küchengröße, Produkt, Anzahl der Standorte und Einführungsaufwand. Auf der Produktseite sind die Größenstufen in britischen Pfund genannt (Small unter 100.000 £, Medium unter 250.000 £, Large ab 250.000 £ jährlicher Lebensmittelkosten). Der Hardware-Anteil sorgt dafür, dass jeder Wurf von Kamera und Waage erfasst wird. Wer ehrlich plant, kalkuliert mindestens 12 Monate bis zum ROI, Winnow selbst nennt 6 bis 12 Monate. Verhandle hart und vergleiche zwingend mit LeanPath (US-Konkurrent mit ähnlichem Modell), damit der Anbieter unter Wettbewerbsdruck steht. Lock-in über die Hardware ist real, wer aussteigt, muss neu installieren.

Stärken im Detail

Trainings-Datenbasis. Nach Anbieterangabe ist die KI mit über 1 Milliarde Bildern trainiert und erkennt über 1.000 Speisen, bei 80 % Datengenauigkeit über alle erfassten Würfe. Das spricht für Robustheit über Küchen und Beleuchtungssituationen hinweg. Eine unabhängige Messung der Erkennungsgenauigkeit nennt der Anbieter nicht, die Zahlen sind Herstellerangaben.

Touchless Throw & Go ist der Workflow-Hebel. Der größte Killer aller Food-Waste-Tools ist Mitarbeiter-Akzeptanz. Wenn jemand am Mülleimer erst auswählen muss „Was ist das? Wie viel? Welche Mahlzeit?”, bleibt im Stress vieles ungebucht. Winnow eliminiert diesen Schritt: Personal wirft normal weg, das System klassifiziert und wiegt automatisch. Laut Anbieter wird damit der gesamte Abfallstrom erfasst statt des Bruchteils, den Leute eintragen.

Reporting mit Foto-Beleg pro Vorfall. Jeder erkannte Abfall wird laut Anbieter gewogen, mit Zeitstempel versehen und fotografiert. Das liefert in Reports einen visuellen Anker, der bei Sustainability-Berichten oder Mitarbeiter-Schulungen erstaunlich wirksam ist. Eine Tabelle mit „4,2 kg Salat weggeworfen” ist eine Zahl; das Foto eines randvollen Salat-Mülleimers ist eine Botschaft.

Erprobtes Skalierungs-Modell. Über 3.500 Standorte in über 90 Ländern, darunter laut Anbieter mehrere Einführungen bei Kunden mit mehr als 100 Standorten. Eine Einheit ist nach Anbieterangabe in etwa 15 Minuten montiert, die KI ist vortrainiert und liefert vom ersten Tag an Daten. Wer aus IT- oder Operations-Perspektive Skalierung bewertet, findet bei Winnow weniger Überraschungen als bei kleineren Anbietern.

100-Tage-Coaching gegen den klassischen „Tool-stirbt-nach-3-Monaten”-Effekt. Winnow liefert nicht nur die Hardware, sondern begleitet die ersten 100 Tage mit dediziertem Coaching. Das adressiert direkt den häufigsten Misserfolgsgrund solcher Systeme: dass nach der Installation niemand die Daten anschaut und die Initiative versandet. Coaching zwingt die Küchenleitung, regelmäßig auf die Berichte zu schauen und Maßnahmen daraus abzuleiten.

Wirkungszahlen des Anbieters. Anbieter behaupten viel, Winnow nennt konkrete Zahlen: Kunden halbieren den Lebensmittelabfall typischerweise und senken den Wareneinsatz um 2 bis 8 %. Für IKEA nennt Winnow 54 % weniger Abfall in über 500 Küchen und 37 Millionen USD Einsparungen. Das sind Herstellerangaben, prüfe sie im Angebotsgespräch mit Referenzkunden aus deiner Branche.

Schwächen ehrlich betrachtet

Hardware-Lock-in ist real. Wer Winnow installiert, bekommt Winnow-spezifische Kamerasysteme und eine eigene Software-Plattform. Ein Wechsel zum Wettbewerber bedeutet komplette Neuinstallation. Daten lassen sich laut Anbieter herunterladen (nach Datum, Speisenart und mehr) und über eine REST-API anbinden, klär den Export trotzdem vertraglich. Plane das in deine Risikoabwägung ein; Verhandlung des Erst-Vertrags sollte Exit-Klauseln enthalten.

Verarbeitungsort der Bilddaten nicht öffentlich, DSGVO-Realität: Winnow Solutions ist in England und Wales eingetragen. Die Datenschutzerklärung nennt Büros und Einrichtungen der Gruppe in den USA und stützt Übermittlungen dorthin auf den Angemessenheitsbeschluss der EU-Kommission, Übermittlungen in andere Länder auf Standarddatenschutzklauseln oder verbindliche Unternehmensregeln. Wo die Bilddaten verarbeitet werden, nennt der Anbieter nicht öffentlich. Für deutsche/EU-Anwender bedeutet das: Auftragsverarbeitungsvertrag und Verarbeitungsort vor Vertragsabschluss schriftlich klären, eine eigene Datenschutz-Folgenabschätzung wegen Personen im Hintergrund-Bild ist sinnvoll.

Pricing-Intransparenz schwächt die Verhandlungsposition. Wenn Wettbewerber keine öffentlichen Preise haben (LeanPath ebenso), führt das zu langen Sales-Zyklen und Preisen, die stark vom Verhandlungsgeschick der Beschaffung abhängen. Hole mindestens drei Vergleichsangebote ein.

Erkennung schwächelt bei „Mischabfall”. Die Vision-Erkennung funktioniert gut bei klar abgrenzbaren Speisen (Brötchen, Kartoffeln, Fleischstück). Bei Suppen, Saucen, Eintöpfen, oder Mischabfall (mehrere Reste übereinander geschüttet) wird die Klassifikation deutlich unschärfer. In deutschen Küchen mit klassischen Eintopf-Kulturen ist das relevanter als in amerikanisch-britischen Buffet-Küchen.

Anpassung an deutsche Speisen ungeklärt. Der Anbieter nennt App und Support in über 15 Sprachen, ob Deutsch dabei ist, nennt die Seite nicht. Menü-Anpassung an die eigenen Gerichte führt der Anbieter nur bei VisionAI+ auf. Für Spätzle, Eintopf oder Maultaschen belegt er die Erkennungsqualität nicht, frag im Angebotsgespräch nach einer Erkennungs-Demo mit deinen Speisen.

Mitarbeiter-Akzeptanz braucht aktive Führungsarbeit. Auch wenn Throw & Go den Aufnahme-Workflow eliminiert, bleibt das Gefühl der Überwachung in der Küche. Wer das nicht offen adressiert, riskiert stille Sabotage (Personal stellt sich vor die Kamera, Abfall wird vorher ausgekratzt, etc.). Erfolgreiche Installationen kommunizieren explizit: „Wir messen Speisen, nicht Personen, Ziel ist Kostensenkung und Nachhaltigkeit, nicht Leistungsbewertung.”

Vision-System lohnt für kleine Küchen kaum. Die Kamera-Installation braucht ein Mindestvolumen, um über Wareneinsatz-Reduktion zu amortisieren. Für kleinere Standorte bietet Winnow selbst Track (nur Tablet) und Foresight (mobil, ohne Hardware) an.

Alternativen im Vergleich

Wenn du…	…nimm stattdessen
Direkten Winnow-Konkurrenten für Großküchen evaluieren willst	LeanPath
Verbrauchsprognosen statt Abfallmessung optimieren willst	Afresh
Rezeptkalkulation mit Foodcost-Steuerung verbinden willst	Apicbase oder FoodNotify
Dynamic Pricing für ablauffähige Ware brauchst (Retail)	Wasteless

Erwähnenswert ohne eigene Tool-Seite: Orbisk (niederländischer Wettbewerber, ähnliches Modell, weniger global verbreitet), Delicious Data (Münchener Anbieter mit AI-Prognosen für Mensen/Kantinen, EU-Hosting, deutschsprachig, gerade in deutschen Großküchen oft die DSGVO-pragmatischere Wahl), Too Good To Go (B2C-Marktplatz für überschüssige Speisen, anderer Lösungsansatz). Für globale Hotelketten ist Winnow nach Referenzlage eine ernsthafte Option. Für deutsche Großküchen mit DSGVO-Schwerpunkt lohnt der Blick auf Delicious Data, die Funktionsbreite ist geringer, aber das Hosting in der EU eliminiert eine wichtige Hürde.

So steigst du ein

Schritt 1: Demo anfordern. Winnow erstellt ein Angebot nach Küchengröße, Produkt, Standortzahl und Einführungsaufwand. Hole zwingend mindestens ein zweites Angebot (LeanPath, Delicious Data) ein, bevor du unterschreibst.

Schritt 2: Vor Vertragsabschluss DSGVO-Punkte klären: Auftragsverarbeitungsvertrag (AVV) mit Standardvertragsklauseln, Ort der Bildverarbeitung, Aufbewahrungsfristen, Recht auf Datenexport beim Vertragsende. Beziehe Datenschutzbeauftragten und Betriebsrat früh ein, die Kamera-im-Küche-Diskussion ist arbeitsrechtlich nicht trivial.

Schritt 3: Installation und 100-Tage-Onboarding aktiv nutzen. Das Programm läuft laut Anbieter unter Leitung von Chef Vojtech Vegh. Plane wöchentliche Team-Meetings mit der Küchenleitung zur Ergebnisbesprechung, die Berichte sind nur so viel wert, wie sie operativ in Rezepturen, Portionsgrößen und Produktionsplanung übersetzt werden.

Schritt 4: Nach 3 Monaten Baseline-Vergleich. Dokumentiere den Wareneinsatz vor und nach Winnow-Einführung, inklusive Faktoren, die nichts mit Winnow zu tun haben (Personalwechsel, Preisänderungen, neue Speisekarte). Ein sauberer Vorher-Nachher-Vergleich ist die Basis für ESG-Reporting und Investitionsrechtfertigung, ohne ihn bleibt der ROI eine reine Anbieter-Behauptung.

Ein konkretes Beispiel

Eine Klinikküche eines kommunalen Krankenhauses in Niedersachsen (480 Betten, durchschnittlich 1.200 Vollverpflegungen pro Tag, ca. 850.000 € jährlicher Wareneinsatz) führt Winnow in der Hauptküche und Cafeteria ein. Nach drei Monaten zeigen die Berichte: Beilagen (besonders Reis, Kartoffeln, Pasta) machen 42 % des Abfalls aus, Hauptursache ist eine systematische Überproduktion in der Mittagsschicht, weil das Küchenteam Risiko-aversiv kalkuliert. Mit den Daten konfrontiert, reduziert die Küchenleitung die Beilagen-Vorproduktion um 18 %, bei gleichbleibender Versorgungsqualität. Zusätzliche Maßnahme: Salatbar-Komponenten werden in kleineren Schüsseln und häufiger nachgefüllt, Abfall sinkt um 27 %. Resultat nach 12 Monaten: Wareneinsatz um 5,3 % reduziert (ca. 45.000 € jährliche Einsparung), CO₂-Bilanz für ESG-Bericht des Klinikträgers belastbar dokumentiert. Das Beispiel ist ein Szenario zur Veranschaulichung, keine Kundenangabe von Winnow. Trade-off: Der Datenschutzbeauftragte des Klinikträgers hat sechs Wochen für DSGVO-Klärung gebraucht, Aufnahme-Bereiche neu ausgeleuchtet, Bildausschnitt auf Abfall-Container reduziert, AVV verhandelt.

DSGVO & Datenschutz

• Datenhosting: Den Verarbeitungsort der Bilddaten nennt der Anbieter nicht öffentlich. Die Datenschutzerklärung zählt Bilder zu den möglichen Servicedaten, nennt das Hosting der Website in den USA und unterstützende Dienste in EU-Ländern, den USA oder der Schweiz. Für die USA und die Schweiz verweist sie auf Angemessenheitsbeschlüsse der EU-Kommission, für andere Länder auf Standarddatenschutzklauseln oder verbindliche Unternehmensregeln.
• Anbieter: Winnow Solutions Ltd., eingetragen in England und Wales, Hauptgeschäftssitz laut Datenschutzerklärung London (UK). Als eingetragenen Sitz nennt die Erklärung im Text Milton Keynes, ihr Seitenfuß dagegen 5 Baker’s Row in London.
• Datenarten: Bilder von Lebensmittelabfall (kann unbeabsichtigt Personen im Hintergrund enthalten), Mengen-/Gewichtsdaten, Speisenklassifikation. Personenbezug grundsätzlich nicht intendiert, technisch aber durch Bildaufnahmen möglich.
• Aufbewahrung: Die Datenschutzerklärung nennt für Website- und Service-Nutzerdaten höchstens 5 Jahre nach dem letzten Abonnement oder der letzten Interaktion. Löschfristen für Bilddaten individuell mit dem Anbieter vereinbaren.
• Auftragsverarbeitung (AVV): Ob und zu welchen Bedingungen Winnow einen AVV anbietet, nennt der Anbieter nicht öffentlich. Vor Vertragsabschluss anfragen.
• Betriebsrat / Mitbestimmung: Nach § 87 Abs. 1 Nr. 6 BetrVG bestimmt der Betriebsrat bei der Einführung und Anwendung technischer Einrichtungen mit, die dazu bestimmt sind, das Verhalten oder die Leistung der Arbeitnehmer zu überwachen. Ob eine Kamera am Abfallbehälter in deinem Betrieb darunter fällt, ist eine Rechtsfrage; binde den Betriebsrat vor der Einführung ein.
• Empfehlung für Unternehmen: Für Kliniken, Behörden und Großbetriebe in regulierten Branchen: DPIA durchführen, Bildausschnitt technisch auf Container/Spülstation begrenzen, Personal explizit informieren. Für stark DSGVO-sensible Anwendungsfälle EU-basierte Alternativen (Delicious Data) ernsthaft prüfen.

Gut kombiniert mit

• Apicbase, Apicbase managt Rezepte und Kalkulation, Winnow misst, was tatsächlich weggeworfen wird. Die Kombination erlaubt es, die kalkulierten Portionsgrößen aus Apicbase mit Winnow-Realdaten zu vergleichen und Rezepturen evidenzbasiert anzupassen.
• Afresh, Afresh prognostiziert Bestellmengen für frische Ware, Winnow misst Abfall. Wer beides verbindet, schließt den Kreis von „wie viel kaufe ich” zu „wie viel werfe ich weg” zu „wie viel kaufe ich nächste Woche”.
• FoodNotify, DACH-zentrierte Foodcost-Plattform. Wenn die Wareneinsatz-Daten dort liegen, sind Winnow-Abfalldaten der ergänzende Datenpunkt für vollständige F&B-Profitabilität pro Speise.

Unser Fazit

Winnow verdient 3 von 5 Sternen. In seinem engen Anwendungsbereich, Großküchen mit ernsthaftem Volumen und Sustainability-Fokus, ist es technisch ausgereift und mit konkreten Wirkungszahlen des Anbieters unterlegt. Den vierten und fünften Stern verlieren mehrere Punkte gleichzeitig: Pricing-Intransparenz, die Verhandlungen erschwert und faires Sourcing behindert; Hardware-Lock-in; ein nicht genannter Verarbeitungsort der Bilddaten, der in deutschen Kontexten zusätzliche Arbeit verlangt; und eine ungeklärte Erkennung deutscher Speisen. Wer in eine internationale Hotelkette gehört oder eine standardisierte Großküche betreibt: Winnow ist eine ernste Wahl. Wer in einer regionalen Klinikküche mit deutscher Speisekultur arbeitet: Delicious Data ist die wahrscheinlich pragmatischere Alternative.

Was wir bemerkt haben

• Oktober 2026, Die Produktseite nennt Track (nur Tablet), VisionAI und VisionAI+, dazu die Zusatzmodule Foresight (Produktionsprognose) und VisionPW (Tellerabfall); die FAQ nennt zusätzlich VisionControl für mittlere Standorte. Das Pricing bleibt individuell, es gibt keine Listenpreise.
• Oktober 2026, Die KI erkennt laut Anbieter über 1.000 Speisen und ist mit über 1 Milliarde Bildern trainiert.
• Oktober 2026, Über 3.500 Standorte in über 90 Ländern, Kunden wie Hilton, Marriott, Accor, Compass Group und ISS nennt der Anbieter namentlich.
• Oktober 2026, Zum Verarbeitungsort der Bilddaten findet sich auf den Anbieterseiten keine Angabe. Wer in regulierten EU-Branchen (Klinik, Behörde, kritische Infrastruktur) betreibt, muss das individuell klären.
• Oktober 2026, Winnow wirbt mit CSRD-tauglichen Daten: Bei der Vision-Reihe wird jeder Wurf gewogen, mit Zeitstempel versehen und fotografiert, die Daten sind nach Standort, Zeitraum und Kategorie exportierbar. Wer Winnow-Daten in Nachhaltigkeitsberichten nutzt, dokumentiert sie sauber als externe Datenquelle.