Weniger Food Waste im Airline-Catering
Messen, was von einem Flug unverzehrt zurückkommt, an Bord, ohne Netz und ohne die Crew auszubremsen. Von der Felddaten bis zur Beschaffungsentscheidung.
Kontext
Das Airline-Catering lädt Mahlzeiten in vorab festgelegter Menge ein. Was nicht verzehrt wird, kommt zurück und landet im Abfall, mit Materialkosten, Transportkosten und einem Gewicht, das umsonst mitgeflogen ist.
Diesen Abfall zu verringern setzt voraus, ihn zuerst zu messen. Die Messung musste jedoch dort stattfinden, wo sie am schwierigsten ist: in der Galley, während des Service, durch eine Crew, die anderes zu tun hat.
Rahmenbedingungen
Kein brauchbares Netz im Flug, oder nur teuer und unterbrochen. Die Erfassung musste vollständig offline funktionieren und sich später synchronisieren, ohne dass sich jemand darum kümmern muss.
Auch keine verfügbare Zeit: Eine Erfassung, die dreissig Sekunden pro Tablett braucht, würde nie gemacht. Die Beobachtung musste weniger Zeit kosten, als nichts zu notieren.
Und schliesslich verlassen die Betriebsdaten einer Fluggesellschaft nicht das Haus in Richtung eines Drittanbieters.
Lösung
Eine iPad-App, die erkennt, was man ihr zeigt, statt die Beschreibung von der Nutzerin zu verlangen. Die Inferenz läuft auf dem Gerät, ohne Verbindung, und die Erfassung reduziert sich auf eine Bestätigung.
Die Beobachtungen fliessen anschliessend in ein Analytics-Dashboard, das nach Flug, Strecke und Zeitraum aggregiert und Einzelmessungen in eine Beschaffungsentscheidung überführt.
Ergänzend entstand eine Apple-Vision-Pro-Demonstration, um die Ergebnisse in internen Reviews räumlich darzustellen.
Architektur
Das Vision-Modell wird für CoreML konvertiert und auf dem iPad ausgeführt. Genau das macht die App im Flug nutzbar: keine Latenz, keine Netzabhängigkeit, und kein Betriebsbild, das das Gerät verlässt.
Die Daten werden lokal verschlüsselt gespeichert und bei zurückkehrender Verbindung mit einem selbst gehosteten Supabase-Backend synchronisiert. Die Konfliktstrategie wurde vorab festgelegt, was böse Überraschungen vermeidet, wenn zwei Crewmitglieder dieselbe Leistung erfassen.
Das Backend läuft auf einer vom Kunden kontrollierten Infrastruktur, mit dokumentierten Betriebsverfahren und Sicherungen, die durch echtes Zurückspielen getestet wurden.
Fazit
Die gesamte Kette funktioniert: Erfassung in der Galley ohne Netz, verzögerte Synchronisation, Aggregation und Auswertung durch die Teams, die über die geladenen Mengen entscheiden.
Der Wert des Aufbaus liegt in dem, was er sichtbar macht: Ohne Messung im Feld werden Mengen geschätzt, und Schätzungen werden immer nach oben korrigiert.
SwiftUI · CoreML · Selbst gehostetes Supabase · Analytics · visionOS