Siegelnaht-Dichtheitsprüfung MAP

Das echte Ausmaß des Problems

Modified Atmosphere Packaging ist für weite Teile der Fleisch-, Käse- und Convenience-Industrie unverzichtbar: Die kontrollierte Gasatmosphäre, typischerweise CO₂, N₂ und O₂ in produktspezifischen Mischverhältnissen, verlängert die Haltbarkeit von Frischfleisch um das Zwei- bis Dreifache. Aber MAP ist nur so gut wie die Packung, die das Gas hält.

Die kritische Schwachstelle ist die Siegelnaht. Die Deutsche Landwirtschafts-Gesellschaft (DLG) beschreibt in ihrem Expertenbericht zur Dichtheitsprüfung von MAP-Verpackungen (Nr. 06/2016) die typischen Fehlerquellen präzise: Produktrückstände in der Siegelzone, Falten in der Folienführung, inkorrekte Siegelparameter, verschmutzte Siegelbacken. Was der Bericht besonders hervorhebt: Viele dieser Defekte entstehen nicht durch fehlerhafte Maschinen, sondern durch unvermeidliche Produktkontaminationen, Fleischsäfte, Fett, Gelatine, die sich bei laufender Produktion in den Siegelbereich verteilen.

Das Problem mit klassischen RGB-Kamerasystemen: Fett und Flüssigkeiten sind transparent. Bei bedruckter Oberfolie, Standard bei Markenartikeln, sind Kontaminationen in der Siegelzone optisch nicht erkennbar. Mikrolecks im Bereich von 20–200 µm entweichen der visuellen Prüfung vollständig. Die Folge: Eine Erkennungsrate von ~60 Prozent bei RGB-Vision, dokumentiert in industriellen Vergleichsmessungen, der Rest der defekten Packungen läuft durch.

Was ein Rückruf kostet, hat die Grocery Manufacturers Association gemeinsam mit dem Food Marketing Institute berechnet: durchschnittlich 10 Millionen US-Dollar an Direktkosten, Rückholung, Logistik, Entsorgung, Krisenmanagement. Die indirekten Kosten (Listungsverluste, Reputationsschaden, erhöhte Versicherungsprämien) liegen nach Einschätzung der Versicherungsindustrie um den Faktor 3–5 höher.

Für einen mittelständischen Verpackungsbetrieb liegt ein vollständiger Rückruf in der Regel im Bereich 50.000–500.000 Euro, je nach Produktionsvolumen, Vertriebsreichweite und Produktkategorie. Unternehmen mit Exportanteil oder Handelsmarkenproduktion für Discounter liegen regelmäßig im oberen Bereich dieser Spanne.

Das BVL veröffentlichte 2022–2023 rund 300 Rückrufmeldungen pro Jahr auf lebensmittelwarnung.de, knapp ein Drittel davon mit mikrobiologischer Ursache, die häufig auf unzureichende Verpackungsintegrität zurückzuführen ist.

Mit vs. ohne KI, ein ehrlicher Vergleich

Die Zahlen zur Erkennungsrate stammen aus industriellen Vergleichsmessungen mit dem Engilico-HyperScope-System sowie aus Specim-Publikationen zu Hyperspektral-Siegelnahtprüfung (2023). Die Stichprobenprüfungsquoten sind Erfahrungswerte aus der deutschen Lebensmittelindustrie.

Einschätzung auf einen Blick

Zeitersparnis, hoch (4/5) Die manuelle Stichprobenprüfung mit Wasserbadtest oder Drucktest entfällt vollständig. Was bisher ein Qualitätstechniker alle 30 Minuten manuell geprüft hat, übernimmt das System bei 100 Prozent der Packungen in Echtzeit. Für die Qualitätsabteilung bedeutet das: Statt reaktiver Fehlersuche können Mitarbeitende präventive Aufgaben übernehmen, Modellpflege, Prozessoptimierung, Lieferantenkommunikation. Nicht der höchste Zeithebel unter den verglichenen Anwendungsfällen, weil die Entlastung auf wenige Spezialpersonen konzentriert ist, nicht auf die gesamte Belegschaft.

Kosteneinsparung, mittel (3/5) Der direkte Kostenvergleich ist ambivalent: Setup-Kosten für ein vollständiges Inline-Prüfsystem liegen bei 40.000–80.000 Euro, laufende Wartungsverträge bei typisch 10–15 Prozent davon jährlich. Dem gegenüber stehen vermiedene Rückrufe (50.000–500.000 Euro pro Ereignis), reduzierte Retouren und geringerer Ausschuss. Für Betriebe mit seltenen Rückrufen und kleinem Produktionsvolumen ist der ROI-Pfad länger. Für Betriebe, die regelmäßig Reklamationen wegen Verderbs bekommen, amortisiert sich das System oft innerhalb des ersten Jahres. Die 3/5 spiegelt wider, dass die Investitionshöhe für kleinere Betriebe eine echte Hürde darstellt und die Einsparung stark von der individuellen Rückrufhistorie abhängt.

Schnelle Umsetzung, niedrig (2/5) Ein vollständiges Inline-Prüfsystem ist kein Softwareprojekt. Du brauchst: Kameraauswahl und mechanische Montage am Förderband, elektrische Integration in die SPS-Steuerung, Kalibrierung auf deine Folienarten und Produktvarianten, Modelltraining auf Defektbildern aus deiner eigenen Produktion, und eine Validierungsphase, bevor das System den Betrieb übernehmen darf. Realistische Gesamtlaufzeit: 3–6 Monate vom ersten Gespräch bis zum Produktivbetrieb. Das ist einer der langsamsten Einstiege in dieser Kategorie, aber für ein physisch installiertes Mess-System nicht ungewöhnlich.

ROI-Sicherheit, hoch (4/5) Was dieses System von vielen KI-Projekten unterscheidet: Der ROI ist direkt und klar messbar. Du kannst die Reject-Rate vor und nach Einführung vergleichen, die tatsächliche Defektquote im Produkt beobachten, Retouren verfolgen und Rückrufe zählen. Kein indirekter Nutzennachweis, kein Verhaltensänderungs-Proxy. Das ist der stärkste Vorteil dieses Ansatzes gegenüber vielen anderen KI-Anwendungen in der Lebensmittelproduktion.

Skalierbarkeit, hoch (4/5) Einmal installiert deckt ein System alle Produkte ab, die über dieselbe Linie laufen, Folienart und Produktwechsel erfordern eine Neukalibrierung des Modells, aber keine neue Hardware. Wächst dein Sortiment, wächst das System mit. Für Betriebe mit mehreren Linien bedeutet das: Jede zusätzliche Linie ist teurer als die erste, skaliert aber von dort linear und nicht exponentiell.

Richtwerte, stark abhängig von Liniengeschwindigkeit, Produktportfolio und vorhandenem Rückrufrisiko.

Was das System konkret macht

Computer Vision für Siegelnahtprüfung klingt wie ein Standard-Bildverarbeitungsproblem. Ist es aber nicht, jedenfalls nicht, wenn die Folie bedruckt ist.

Bei bedruckten Verpackungen liegt zwischen dem Prüfsystem und der Siegelzone eine Schicht Druckfarbe, die für das menschliche Auge und für normale RGB-Kameras die darunter liegenden Schichten verdeckt. Hyperspektral-Kameras im Nah-Infrarot-Bereich (NIR, 750–2.500 nm) durchdringen diese Druckschicht, weil verschiedene Materialien, Fett, Wasser, Folie, Luft, in NIR-Wellenlängen charakteristisch unterschiedliche Reflexionsmuster zeigen.

Das System arbeitet in drei Schritten:

1. Bilderfassung. Die Hyperspektral-Zeilenkamera scannt jede Packung im Millisekunden-Takt, wenn sie das Sichtfeld passiert. Bei 160 Packungen pro Minute bleibt für die Aufnahme einer typischen MAP-Schale weniger als eine halbe Sekunde. Die Kamera erzeugt dabei kein normales Farbbild, sondern einen Datenwürfel: für jeden Bildpunkt den vollständigen Reflexionsverlauf über Hunderte von Wellenlängen.

2. Klassifikation. Ein trainiertes Deep Learning-Modell (typischerweise ein Convolutional Neural Network) analysiert den Datenwürfel und klassifiziert die Siegelnaht als einwandfrei, verdächtig oder defekt. Das Modell unterscheidet dabei zwischen verschiedenen Defekttypen: transparente Flüssigkeitsreste, Fettkontamination, Feststoffpartikel, Luftblasen. Jeder Defekttyp hat sein eigenes NIR-Spektrum, das Modell lernt diese Spektren aus Trainingsbildern, die aus deiner eigenen Produktion stammen müssen.

3. Ausschleusung. Packungen, die als defekt oder verdächtig klassifiziert werden, erhalten ein Ausschleusekommando, das über die SPS-Schnittstelle an die Linie geht. Eine Druckluftdüse oder ein mechanischer Auswerfer schleust die Packung aus dem Förderband aus, die Linie läuft währenddessen weiter. Einwandfreie Packungen laufen durch.

Was das System nicht kann: Es ist kein Gasmessgerät. Es misst keine Schutzgaskonzentration in der fertigen Packung. Es erkennt Defekte, die zu einem Gasverlust führen würden, aber ob das Gas in einer defekten Packung bereits entwichen ist oder nicht, ist nicht der Detektionsgegenstand.

Kamerapositionen und Beleuchtungsgeometrie

Das ist die Designfrage, die den Unterschied zwischen einem funktionierenden und einem frustrierenden Prüfsystem macht.

Einbaupositionen am Förderband

Drei Positionen sind in der Praxis dokumentiert. Welche du wählst, hängt vom Verpackungstyp ab:

• Nach der Siegelstation, vor der Kühlung, optimal für Thermoform-Tray-Linien. Die Folie ist noch warm, was bestimmte Spektralcharakteristika verstärkt. Nachteil: höhere Temperaturschwankungen beeinflussen die Kamerakalibrierung.
• Am Ende der Linie, nach der Kühlung, Standard für Flow-Pack und Standbeutel. Gleichmäßigere Bedingungen, aber mehr Packungen sind bereits auf der Linie, bevor ein Problem erkannt wird.
• Integriert in die Verpackungsmaschine, Engilico bietet für Thermoform-Maschinen eine In-Machine-Variante des HyperScope®, die direkt in den Maschinenrahmen eingebaut wird. Das spart Stellfläche und minimiert den Abstand zwischen Defekterkennung und Ausschleusung.

Beleuchtungsgeometrie

NIR-Hyperspektralkameras benötigen eine homogene Beleuchtung ohne Schlagschatten. Standard ist eine Beleuchtungsleiste parallel zur Laufrichtung (koaxial) oder unter flachem Winkel (20–30 Grad). Kritisch: Edelstahl-Förderbänder reflektieren intensiv im NIR-Bereich, Abschirmbleche oder Mattierungen des Bandbereichs unter der Kamera sind bei den meisten Installationen notwendig. Das klingt nach einem Detail, ist in der Praxis aber der häufigste Anpassungsaufwand bei der Inbetriebnahme.

Kalibrierung und Modelltraining

Ein vortrainiertes Basismodell existiert bei guten Anbietern für die häufigsten Folientypen (PVDC, PE, PP, OPA). Dein eigenes Produkt und deine Folienkombination brauchen aber immer eine Anpassung. Dafür brauchst du: 50–200 absichtlich produzierte Defektmuster (Fettfleck im Siegelbereich, Krümel, kleiner Schnitt in der Naht) und gleich viele einwandfreie Packungen als Referenz. Diese Bilder beschaffst du aus einem kontrollierten Testlauf, das dauert typisch ein bis zwei Schichten.

Das MAP-Gasgemisch als Prüfindikator

Ein oft unterschätzter Aspekt: Die optimale Siegelnaht-Prüfkonfiguration hängt vom verwendeten Gasgemisch ab, und damit vom Produkt.

Für Frischfleisch (typisch 70–80 % O₂, 20–30 % CO₂) sind andere Defekttypen relevant als für Käse (typisch 30–70 % CO₂, Rest N₂) oder für Convenience-Produkte (reines CO₂ oder N₂). Der Grund: Das Gasgemisch beeinflusst, welcher Schaden ein Mikroleck tatsächlich anrichtet.

Bei sauerstoffreichen Gemischen, wie bei Frischfleisch, ist bereits ein Tunnel von wenigen Quadratmillimetern Fläche in der Siegelnaht ausreichend, um innerhalb von 24–48 Stunden einen messbaren Druckabfall zu erzeugen, der zur Verkeimung führt. Bei stickstoffbasierten Gemischen (Backwaren, Chips) sind die Leckagetoleranzen größer, dafür aber auch die Auswirkungen auf Produktaroma empfindlicher.

Für die Systemkonfiguration bedeutet das: Die Reject-Schwelle (ab welcher Defektgröße wird ausgeschleust?) muss produktspezifisch eingestellt werden. Ein System, das für Frischfleisch kalibriert ist, wird bei Chips zu viele Fehlausschleusungen produzieren, und umgekehrt bei Fleisch zu viele Defekte durchlassen.

Ruf beim Systemlieferanten nach, ob produktspezifische Schwellenwerte gespeichert und beim Formatwechsel automatisch geladen werden können. Bei modernen Systemen ist das Standard, bei älteren Installationen ein häufiger Nachbesserungspunkt.

HACCP-Integration und Rückverfolgbarkeit

Lebensmittelproduktion unter EU-Recht erfordert ein HACCP-Konzept mit lückenlosen Aufzeichnungen an kritischen Kontrollpunkten (CCPs). Die Verpackungsintegrität ist bei MAP-Produkten in fast allen HACCP-Plänen ein CCP, und damit nicht optional.

Ein KI-gestütztes Inline-Prüfsystem kann diese Anforderung direkt bedienen:

• Lückenlose Prüfaufzeichnung: Jede Packung wird geprüft, das Ergebnis (einwandfrei / ausgeschleust / Defekttyp) mit Zeitstempel und Chargennummer gespeichert.
• Automatischer Alarm bei Siegelparameter-Drift: Wenn das System innerhalb eines definierten Zeitfensters eine ansteigende Defektrate feststellt, löst es einen Alarm aus, bevor ein Mitarbeitender die Verschlechterung bemerkt. Das ist ein Frühwarnsystem für Siegelstempel-Verschmutzung oder Temperaturprobleme.
• Export in HACCP-Dokumentationssysteme: Die meisten Systeme exportieren Prüfprotokolle als CSV oder über OPC UA in übergeordnete MES/LIMS-Systeme. Wer bereits ein HACCP-Dokumentationssystem einsetzt, kann die Inline-Prüfdaten direkt einspeisen.
• Rückverfolgbarkeit je Packung: Bei Chargenrückrufen, auch für Dritte relevante Chargen, kannst du nachweisen, wann jede Packung geprüft wurde und mit welchem Ergebnis.

Wichtig: Die Behörden prüfen nicht nur, ob ein System vorhanden ist, sondern auch, ob es kalibriert und validiert wurde. Plant eine initiale Validierungsphase (parallele manuelle Prüfung für 2–4 Wochen) und dokumentiert das Ergebnis.

Konkrete Werkzeuge, was wann passt

Der Markt für Siegelnaht-Prüfsysteme ist überschaubar. Generalisten für industrielle Bildverarbeitung und Spezialisten für Lebensmittelverpackung verfolgen sehr unterschiedliche Ansätze.

Engilico HyperScope®, Spezialist für 100-%-Siegelnahtprüfung. Das System ist ausschließlich für diese Aufgabe gebaut, ein echter Vorteil: Die vortrainierten Modelle für Lebensmittelfolien sind ausgereift, die Dokumentation zu HACCP-Integration vorhanden, die Referenzen (Kelly Snacks, Schwarzwaldhof) gut dokumentiert. Für Thermoform- und Tray-Sealing-Linien die erste Adresse. Kein Listenpreis, Anfrage für konkrete Budgetplanung notwendig.

Cognex Vision mit Deep Learning (VisionPro / In-Sight 3800), Universelle Industriekamera-Plattform, die auch für Siegelnahtprüfung konfiguriert werden kann. Vorteil: Cognex ist in vielen deutschen Lebensmittelbetrieben bereits installiert (Etikettenkontrolle, Barcode-Lesen), sodass das Team vertraut ist. Nachteil: Das System ist nicht auf NIR-Hyperspektral ausgelegt, für bedruckte Folien mit transparenten Kontaminanten brauchst du eine separate NIR-Kamera als Eingabe, die dann mit Cognex ausgewertet wird. Komplex, teuer, aber möglich. Sinnvoll, wenn du bereits tief im Cognex-Ökosystem bist.

KEYENCE Vision (CV-X / XG-X-Serie), Starke Alternative im Mittelstand für regelbasierte Siegelnahtprüfung auf transparenten Folien. KEYENCE-Anwendungsberater kommen kostenlos für Machbarkeitstests direkt zur Linie. Für transparente Folien ohne Druckfarbe ist KEYENCE konkurrenzfähig; bei bedruckten Folien mit transparenten Kontaminanten stößt die rein RGB-basierte Sensorik an Grenzen. Einstieg ab ca. 10.000–30.000 Euro für ein einfaches Einzel-Kamerasystem.

Landing AI (LandingLens), Für Pilotprojekte geeignet: Modelltraining auf eigenen Produktionsbildern ohne ML-Expertise. Kann auf Industriekameras eingesetzt werden (Edge-Deployment). Nicht für den echten Inline-Betrieb mit SPS-Integration und Anforderungen unter 50 ms Latenz, das erfordert spezialisierte Hardware. Sinnvoll als Proof-of-Concept, bevor du in Spezialhardware investierst.

Zusammenfassung: Wann welcher Ansatz

• Bedruckte Folie, Fett-/Flüssigkeitskontaminanten → Engilico HyperScope®
• Bereits im Cognex-Ökosystem, transparente Folie → Cognex Vision
• Mittelstand ohne bestehende Vision-Infrastruktur, transparente Folie → KEYENCE Vision
• Erster Proof-of-Concept ohne Hardwareinvestition → Landing AI

Datenschutz und Datenhaltung

Die gute Nachricht für den Datenschutz: Siegelnaht-Prüfsysteme verarbeiten keine personenbezogenen Daten. Es werden Verpackungen geprüft, nicht Personen.

Dennoch gibt es datenschutzrelevante Aspekte:

On-Premises-Verarbeitung als Standard. Alle genannten Systeme können und sollten lokal am Produktions-PC verarbeitet werden. Keine Bilddaten verlassen das Werk in der Standardkonfiguration. Das ist für Betriebe mit Betriebsgeheimnissen (Rezepturen, Produktionsparameter) wichtig, Produktionsbilder aus einer Lebensmittellinie können Rückschlüsse auf Prozessführung und Produktionsergebnisse ermöglichen.

Cloud-Reporting optional, nicht notwendig. Manche Anbieter bieten Cloud-Dashboards für Remote-Monitoring oder zentrale Qualitätsdatenauswertung über mehrere Standorte an. Das ist nützlich, aber kein Pflichtbestandteil. Wer diese Funktion nutzt, sollte die Datenflüsse dokumentieren und, wenn auch keine Personenbezüge vorhanden sind, prüfen, ob Produktionsdaten unter das Geschäftsgeheimnisschutzgesetz fallen.

DSGVO-Pflicht: AVV nur bei Cloud-Komponenten. Wenn das System ausschließlich lokal läuft, entfällt die AVV-Pflicht. Sobald Bilder oder Metadaten an Cloud-Dienste übertragen werden (Fernwartung, Remote-Analytics), greift Art. 28 DSGVO. Mit dem Systemlieferanten und ggf. dem Kamerahersteller klären, welche Daten wohin fließen, und AVV abschließen.

Fernwartungs-Zugänge dokumentieren. Inline-Systeme werden regelmäßig per Fernwartung kalibriert und aktualisiert. Jeder Fernzugriff sollte über gesicherte VPN-Verbindungen laufen, protokolliert und zeitlich begrenzt sein.

Was es kostet, realistisch gerechnet

Einmalige Investitionskosten

Für KEYENCE-basierte Systeme ohne NIR-Hyperspektral liegt der Einstieg bei 15.000–40.000 Euro für eine einfache Prüfstation auf transparenten Folien. Für komplexe Multikamera-Installationen auf Hochgeschwindigkeitslinien (> 200 Packungen/Minute) können Investitionen in den oberen sechsstelligen Bereich gehen.

Laufende Kosten

• Wartungsvertrag: typisch 10–15 % der Investitionssumme jährlich (4.000–18.000 €/Jahr)
• Modell-Updates bei Produktwechseln: intern, typisch 4–8 Stunden Aufwand pro neuem Produkt

Wie du den ROI tatsächlich misst

Der sauberste ROI-Nachweis funktioniert in drei Schritten:

1. Vor Einführung: Retouren- und Rückrufrate der letzten 24 Monate erfassen, auf MAP-Produkte einschränken.
2. Nach Einführung: Reject-Rate des Systems erfassen (wie viele Packungen werden ausgeschleust?) und mit dem Rückruf-/Retouren-Trend vergleichen.
3. Indirekt: Wartungsaufwand für manuelle Stichprobenprüfung (Mitarbeiterstunden) vs. Systemwartungsaufwand gegenrechnen.

Konservatives Rechenbeispiel:

Ein Betrieb produziert 500.000 MAP-Packungen pro Monat mit einer angenommenen Defektrate von 0,3 % (1.500 defekte Packungen). Davon werden 60 % von der bisherigen Stichprobenprüfung erkannt, 900 ausgeschleust, 600 laufen durch. Das System erkennt >94 % aller Defekte, also 1.410 statt 900 ausgeschleust, 90 statt 600 durchgelaufen. Bei einem durchschnittlichen Einzelhandelspreis von 4 Euro je Packung und angenommener 10-facher Wertschöpfungskette beim Rückruf kostet jede nicht-erkannte defekte Packung ca. 40 Euro an Rückruf- und Folgekosten. Die Reduktion um 510 Packungen pro Monat ergibt: 20.400 Euro monatliche Einsparung, rein aus der reduzierten Schadensrate. Amortisation der 80.000 Euro Investition: unter 4 Monate.

Diese Rechnung ist optimistisch für Betriebe mit tatsächlichen Rückrufproblemen und konservativ für Betriebe, die noch nie einen Rückruf hatten.

Vier typische Einstiegsfehler

1. RGB-Kamera für bedruckte Folie kaufen. Der günstigste Fehler ist der teuerste. RGB-basierte Vision-Systeme (auch mit Deep Learning) erkennen Kontaminationen unter bedruckten Folien nicht zuverlässig, die Druckfarbe verdeckt das Signal. Wenn deine Verpackung bedruckt ist (und das ist bei Markenprodukten immer so), brauchst du NIR-Hyperspektral. Wer erst ein RGB-System kauft und dann nachbessert, zahlt doppelt.

2. Modelltraining auf Labordaten statt Produktionsdaten. Ein Modell, das auf Laborfotos trainiert wurde, funktioniert in der Produktionshalle nicht. Beleuchtung, Bandgeschwindigkeit, Folienspannung, Produkttemperatur, alles beeinflusst das NIR-Spektrum. Das Training muss mit Daten aus deiner Produktionslinie unter Produktionsbedingungen erfolgen. Plane dafür mindestens einen kontrollierten Testlauf von 4–8 Stunden ein.

3. SPS-Anbindung zu spät in die Planung einbeziehen. Kamera und Software können in zwei Wochen geliefert und montiert werden. Die SPS-Anbindung für die Ausschleuse-Steuerung dauert länger, weil der Maschinenlieferant involviert sein muss, Sicherheitsschaltungen validiert werden müssen und Änderungen an der SPS-Software dokumentiert werden müssen. Das ist der kritische Pfad. Wer den Maschinenlieferanten zu spät kontaktiert, verschiebt den Produktivbetrieb um Wochen.

4. Keine Validierungsphase einplanen. Kein System geht direkt vom Testbetrieb in den Produktivbetrieb. Die Validierungsphase, parallele manuelle Prüfung und KI-System für 2–4 Wochen, ist notwendig, um die Erkennungsrate zu belegen, die Schwellenwerte fein einzustellen und die HACCP-Dokumentation zu vervollständigen. Aufsichtsbehörden fragen nach Validierungsnachweisen, nicht nur nach der Systeminstallation. Wer diese Phase überspringt, hat kein Prüfsystem, er hat eine Kamera an einem Band.

Was mit der Einführung wirklich passiert, und was nicht

Die technische Seite ist das Handhabbare. Was Qualitätsleiter häufig unterschätzen: die interne Auseinandersetzung mit dem System.

Widerstand aus der Produktion. Fertigungsleiter, die ihren Prozess für gut halten, erleben ein Prüfsystem zunächst als Anklage. „Wir machen das seit 20 Jahren, warum jetzt plötzlich ein System?” Die richtige Rahmung ist entscheidend: Das System ist kein Misstrauensbeweis, sondern ein Nachweis für Aufsichtsbehörden und Handelspartner, dass ihr Qualitätsarbeit ernst nehmt. Viele Handelspartner (vor allem Discounter und LEH-Filialisten) fordern 100-%-Prüfung ohnehin als Listungsvoraussetzung, dann ist die Argumentation einfach.

Fehlausschleusungen als politisches Problem. Wenn das System in den ersten Wochen mehr auswirft als erwartet, entsteht Druck, den Schwellenwert zu senken. Das ist der gefährlichste Impuls in der Einführungsphase. Hohe Fehlausschleusungen zu Beginn sind fast immer ein Signal, dass der Prozess selbst instabil ist, Siegeltemperatur driftet, Reinigungszyklen zu selten, falscher Folientyp für die eingestellten Parameter. Das System macht das sichtbar, was vorher unsichtbar war. Das Richtige ist: Ursachen analysieren, Prozess stabilisieren, dann den Schwellenwert justieren. Nicht umgekehrt.

Was konkret hilft:

• Qualitätsleiterin und Schichtführer gemeinsam in die Projektvorbereitung einbinden, nicht erst bei der Abnahme
• Die ersten 4 Wochen parallel mit manueller Stichprobenprüfung betreiben, das schafft Vertrauen in beide Richtungen
• Fehlausschleusungen nicht als Systemfehler kommunizieren, sondern als Prozesshinweise, und die Ursachen gemeinsam analysieren
• Einen klaren Ansprechpartner beim Systemlieferanten definieren, der in den ersten 4 Wochen erreichbar ist

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände, und was dahintersteckt

„Unsere Stichprobenprüfung ist ausreichend.” Das stimmt, bis zum ersten Rückruf. Stichprobenprüfung kann statistisch nachweisen, dass der Prozess unter Kontrolle ist. Sie kann nicht verhindern, dass in den 99 Prozent nicht geprüften Packungen ein Defekt durchläuft. Die Frage ist: Wie oft passiert dir das, ohne es zu merken? Und was kostet dich das tatsächlich?

„Das System kostet 60.000 Euro. Das können wir uns nicht leisten.” Die ehrliche Antwort: Für Betriebe mit weniger als 2–3 Rückrufereignissen in der Vergangenheit und kleinem MAP-Volumen stimmt das. Dann ist der ROI-Pfad zu lang. Für Betriebe mit regelmäßigen Reklamationen wegen Verderbs oder mit Handelspartnern, die 100-%-Prüfung voraussetzen, ist die Rechnung umgekehrt. Mach die Hausaufgabe: Was hat euch Verderb durch schlechte Siegelqualität in den letzten drei Jahren tatsächlich gekostet?

„KI-Systeme können sich irren.” Richtig. Kein System hat eine Fehlerrate von null. Der relevante Vergleich ist aber nicht KI vs. perfekt, er ist KI vs. Stichprobenprüfung. Bei 0,5 % Prüfabdeckung durch manuelle Stichproben und 60 % Erkennungsrate bei RGB-Kameras ist die Fehlerrate des Status Quo erheblich. >94 % Erkennungsrate bei 100 % Abdeckung ist eine Verbesserung um den Faktor 5–10, auch wenn einzelne Defekte noch durchrutschen.

„Unsere Produktionslinie ist zu alt für eine digitale Integration.” Das hört man öfter als erwartet. Tatsächlich genügt eine Ethernet-Schnittstelle an der Ausschleuse-Steuerung als Minimalanforderung, und die haben die meisten SPS-Systeme, die nach 2010 installiert wurden. Ältere Systeme können über einen Freigabekontakt (24V-Signal) angesteuert werden, was mechanisch und elektrisch bei nahezu jeder Anlage möglich ist. Der Maschinenlieferant oder ein lokaler Integrator kann das in einem kurzen Vorab-Assessment klären.

Woran du merkst, dass das zu dir passt

Du bist der richtige Adressat für dieses System, wenn mindestens drei dieser Punkte zutreffen:

• Du produzierst MAP-Verpackungen auf einer kontinuierlich laufenden Linie (Thermoform, Tray-Sealing oder Flow-Pack) mit mehr als 30–40 Packungen pro Minute
• Deine Verpackungen haben bedruckte Oberfolie, und du kannst Kontaminationen in der Siegelzone nicht mit dem bloßen Auge oder einer RGB-Kamera erkennen
• Du hast in den letzten drei Jahren mindestens einmal eine Reklamation wegen vorzeitigen Verderbs erhalten, die auf ein Siegelnahtproblem zurückgeführt werden konnte
• Ein Handelspartner (Discounter, LEH-Filialiste, Export-Abnehmer) fordert oder wird bald 100-%-Prüfnachweise als Listungsvoraussetzung fordern
• Dein HACCP-Plan enthält die Verpackungsintegrität als CCP und du hast bislang keine lückenlose, automatische Dokumentation dafür

Wann es (noch) nicht zu dir passt, drei harte Ausschlusskriterien:

1. Dein Jahresvolumen an MAP-Produkten liegt unter 500.000 Packungen und du hast in der Vergangenheit keine Rückrufe oder Reklamationen wegen Verderbs gehabt. Bei diesem Volumen ist der ROI-Pfad für eine Investition von 40.000–80.000 Euro lang, manuelle Prozessoptimierung (Reinigungszyklen für Siegelbacken, engere Stichprobenprüfung) bringt mehr pro Euro investierter Zeit.

2. Deine Verpackungslinie ist auf Kleinserien oder häufige Formatwechsel (> 5 verschiedene Formate/Woche) ausgelegt, und du wechselst dabei auch die Folientypen. Jeder Folientyp braucht eine eigene Kalibrierung und ein eigenes Modell. Das ist technisch lösbar, aber der Kalibrieraufwand bei häufigen Wechseln kann die Zeitersparnis auffressen.

3. Deine Fertigungssteuerung (SPS) ist nicht kommunikationsfähig (keine Ethernet-Schnittstelle, kein Freigabekontakt für externe Ausschleuse) und du hast kein Budget, das zu ändern. Ohne Rückkopplungsschnittstelle ist das Prüfsystem eine teure Alarmanlage ohne Ausschleuse, und das ist kein vollständiges Prüfsystem.

Das kannst du heute noch tun

Der einfachste erste Schritt: Mach die Defektstatistik sichtbar.

Schau dir die Retouren- und Reklamationsdaten der letzten 24 Monate an und filtere alle Fälle heraus, bei denen Verderb oder Frischeprobleme als Grund genannt wurden. Wie viele davon hatten MAP-Verpackungen? Was haben diese Fälle insgesamt gekostet (Rückruf, Logistik, Gutschriften, Listungsverluste)?

Wenn du diese Zahl nicht schnell aus deinem ERP oder MES ziehen kannst, ist das ein eigenständiges Problem, denn ohne diese Baseline kann niemand den ROI eines Prüfsystems seriös berechnen.

Für das Gespräch mit einem potenziellen Systemlieferanten brauchst du:

• Verpackungstyp und Folienspezifikation (transparent oder bedruckt, Foliendicke)
• Linienmeter pro Minute oder Packungen pro Minute
• Anzahl der Produktvarianten auf der Linie
• Aktuelle Stichprobenprüfungsfrequenz und Methode (Wasserbad, Drucktest, visuell)

Mit diesem Profil kann ein guter Lieferant innerhalb von ein bis zwei Wochen eine Machbarkeitsbewertung mit Investitionsrahmen liefern, ohne Kosten für dich.

Wenn du vorher den Ansatz testen willst, ohne sofort einen Anbieter einzubeziehen: Lass dir von einem Maschinenlieferanten oder Integrator ein Testsystem für eine Schicht an deine Linie stellen. KEYENCE bietet das kostenlos an (für transparente Folien), Engilico und vergleichbare Spezialanbieter für Machbarkeitstests mit Musterpackungen.

Quellen & Methodik

• DLG Expertenbericht 06/2016 „Dichtigkeitsprüfungen von MAP-Verpackungen”: Standardquelle für Fehlerursachen bei MAP-Siegelnaht, Leckagetypen und Prüfmethoden. dlg.org
• Grocery Manufacturers Association / Food Marketing Institute, Daten zitiert in Trace One (2023): Durchschnittliche Direktkosten eines Lebensmittelrückrufs: 10 Mio. USD. traceone.com
• Engilico-Fallstudien Schwarzwaldhof und Kelly Snacks/Soletti (2023–2024): Praxisnachweis für Hyperspektral-Siegelnahtprüfung in realen Lebensmittelbetrieben. engilico.com
• Specim FX17, Minebea Intec Anwendungsnachweis (2023): Erkennungsrate ~145 Inspektionen/Minute mit nahezu 100 %-Zuverlässigkeit bei bedruckten Folien. specim.com
• Phil-Vision Anwendungsbeschreibung Siegelnahtinspektion (2024): Beschreibung der Defekttypen (transparente Fett- und Flüssigkeitskontaminanten, Lufttunnel) und Erkennungsgrenzen von RGB-Systemen. phil-vision.com
• BVL, Statistik lebensmittelwarnung.de (Stand Mai 2024): 308 Rückrufmeldungen im Jahr 2022, ca. ein Drittel mikrobiologisch bedingt. bvl.bund.de
• Cognex Vision Preisangaben: Erfahrungswerte aus dem Cognex-Tool-Eintrag, Stand April 2026.
• HACCP-Anforderungen: Verordnung (EG) Nr. 852/2004 über Lebensmittelhygiene; HACCP-Leitlinien des BVL in der gültigen Fassung.