Die technische Strecke: angewandte KI über den gesamten Brauprozess, von der Kornannahme bis zum verpackten Bier. Verankert in den Grundlagen des Brauens — Mälzen, Maischen, Würzebereitung, Hefe und Gärung, Reifung, Filtration, Verpackung, Hygiene und Qualitätskontrolle — und ehrlich darüber, wo sich die Modelle bezahlt machen und wo nicht. Die vollständige Strecke, der Reihe nach:
-
Warum Bier überraschend gut zu Machine Learning passt
Brauen ist ein wiederholbarer Chargenprozess mit messbaren Eingaben und klaren Zielgrößen — genau die Struktur, die Machine Learning ausnutzt. Hier ist das Warum und wo es scheitert.
-
Bierfarbe (EBC/SRM) aus einem Rezept vorhersagen
Wie KI die fertige Bierfarbe in EBC/SRM aus Malzfarben und Schüttungsanteilen vorhersagt, wo sie Moreys Gleichung schlägt und wo sie scheitert.
-
Bierstile mit maschinellem Lernen klassifizieren
Wie maschinelles Lernen Bierstile aus OG, FG, ABV, IBU und Farbe klassifiziert, wo es bei QC und Wettbewerbssortierung hilft und wo Stile verschwimmen.
-
Bierschaum und Schaumstabilität vorhersagen
Wie KI Bierschaum und Schaumstabilität aus schaumpositiven Polypeptiden, Iso-Alpha-Säuren und Lipiden modelliert, wo sie der Qualitätskontrolle hilft und wo sie scheitert.
-
KI für die Reinigung von Schankleitungen und die Ausschankqualität
Nutze Durchflussmesser, Ausschankzahlen und Leitungstemperatur, um optimale Reinigungsintervalle vorherzusagen und Probleme der Ausschankqualität zu erkennen — ohne die Hygiene zu gefährden.
-
Anomalieerkennung bei Sensordaten der Brauerei
Wie Anomalieerkennung den normalen Bereich von Brauerei-Sensordaten lernt, um Drift, Lecks und Störungen früher zu erkennen als feste Schwellenwerte.
-
KI für die Produktionsplanung in der Brauerei
Wie Optimierung und Prognose den Brau-, Gär- und Abfüllplan über begrenzte Tanks, Reifezeiten und Linienslots hinweg planen, um Liefertermine einzuhalten.
-
Elektronische Nase und Zunge: KI zur Fehlaroma-Erkennung
Wie elektronische Nasen- und Zungen-Sensorarrays plus maschinelles Lernen Bier-Fehlaromen schnell durchmustern, wo sie der QC helfen und warum das Panel weiterhin entscheidet.
-
Mit Vorhersagemodellen auf CO2-Engpässe vorbereiten
Den CO2-Bedarf gegen Gärungsrückgewinnung und Beschaffung prognostizieren, um Puffer und Rückgewinnungsinvestitionen zu dimensionieren — eine Lektion, die der Versorgungsengpass 2022 verschärft hat.
-
Bier-Authentifizierung und Fälschungserkennung mit ML
ML auf spektralen und chemischen Fingerabdrücken oder Verpackungsbildern kann gefälschtes Premiumbier erkennen — gestützt auf Referenzbibliotheken und Chain-of-Custody-Daten.
-
Ein Homebrew-Rezept mit KI auf Produktionsgröße skalieren
Prognostiziere, wie sich Hopfenausnutzung, Verdampfung, Maischeeffizienz und Gärung verschieben, wenn ein Rezept vom Homebrew auf eine größere Anlage springt — damit das Bier es übersteht.
-
Kellerbestand und FIFO-Optimierung mit KI
Wie haltbarkeitsbewusstes FIFO und Zuteilung über Brauereitanks und Fertigware hinweg Verschwendung senken und dabei die Lieferquote halten — und wo der Ansatz scheitert.
-
Wissenssuche über Brauerei-SOPs mit Gen AI
Wie retrieval-gestützte LLMs Brauereipersonal Fragen in einfacher Sprache über SOPs, Chargenprotokolle und Handbücher stellen lassen — mit belegten Antworten — und worauf zu achten ist.
-
KI für Personal- und Schichtplanung in der Brauerei
Wie Optimierung Brauerei-Personal an den Produktionsplan anpasst — unter Berücksichtigung von Qualifikationen, Verfügbarkeit und Arbeitsrecht — und warum Menschen keine Bauteile sind.
-
Karbonisierung und Ausschankkonsistenz vorhersagen
Wie KI CO2-Gehalte und Ausschankqualität aus Inline-CO2, Leitungstemperatur und Druck modelliert, um Fobbing zu reduzieren — und wo das Modell die Theke aus dem Blick verliert.
-
Ein Brauerei-Dashboard für Produktion und Ausbeute in Tableau bauen
Wie man ein Brauerei-Dashboard für Produktion und Ausbeute in Tableau baut — mit LOD-Ausdrücken, Sudhaus-Ausbeutetrends und Tableau-Pulse-Zusammenfassungen.
-
Kann KI die Malzqualität aus der Gerstenanalyse vorhersagen?
Maschinelles Lernen kann die Malzqualität aus der Gerstenanalyse mit brauchbarer Genauigkeit vorhersagen, doch die Prozessvariation setzt eine harte Grenze. Hier ist, was funktioniert.
-
Qualitätskontroll-Charts für das Brauen in Tableau
Erstelle statistische Prozessregelkarten für die Brauerei-QC in Tableau mit Referenzbändern, Kontrollgrenzen und Explain Data für außer Kontrolle geratene Punkte.
-
KI für die Gerstensortenwahl: Mälzungssieger früher erkennen
KI kann priorisieren, welche Gerstenlinien teure Mälzungsversuche verdienen, und ein jahrzehntelanges Programm verkürzen — sofern man die Genotyp-mal-Umwelt-Grenzen respektiert.
-
Ein Live-Dashboard zur Gärungsüberwachung in Tableau
Baue ein Live-Dashboard zur Gärungsüberwachung in Tableau mit Stammwürze-, Temperatur- und CO2-Kurven pro Tank, Zielbändern und einer TabPy-ML-Prognose.
-
Brauwasser-Chemie mit KI optimieren
KI als Berater für Salz- und Säuredosierung kann den Ziel-Maische-pH und das Sulfat-zu-Chlorid-Verhältnis über driftendes Ausgangswasser und viele Rezepte hinweg treffen.
-
Abfülllinien-OEE in Tableau visualisieren
Baue ein Abfülllinien-OEE-Dashboard in Tableau mit Verfügbarkeit, Leistung und Qualität als berechneten Feldern, einem Stillstands-Pareto und Linienfiltern.
-
Hopfenbittere (IBU) mit maschinellem Lernen vorhersagen
Maschinelles Lernen sagt IBU und Hopfenausnutzung aus dem Alphasäure-Assay der Charge und den Kochbedingungen voraus und gleicht das Driften von Hopfenchargen über Erntejahre aus.
-
KI für Hopfen-Aromaprofilierung und intelligente Substitution
KI clustert Hopfenpartien anhand ihrer GC-Ölchemie, um Ersatzsorten nach Aroma zu ranken, das Lager zu entrisiken und zu warnen, wenn es für eine knappe Sorte keinen nahen Nachbarn gibt.
-
Mit KI die Kosten für Rohfrucht und Getreide optimieren
Wie KI die Schüttung beim Brauen über Malz, Rohfrucht und Sirupe gegen Kosten, Zielextrakt und FAN-Vorgaben optimiert, während sich Rohstoffpreise bewegen.
-
Computer Vision für die Getreideannahme und Malz-QC
Wie Computer Vision Korngröße bewertet, beschädigte oder fremde Körner erkennt und bei der Annahme die Farbe abliest — schneller und konsistenter als manuelles Sieben.
-
Malzextrakt und diastatische Kraft vorhersagen, bevor du braust
Sage Heißwasserextrakt und diastatische Kraft aus der Routine-Malzanalyse voraus, damit Brauer Schüttung und Maische vor einem Sud anpassen, nicht erst nach einem Ertragsausfall.
-
Kann KI Sudhausausbeute und Extraktausbeute vorhersagen?
Ein Modell kann Maischeeffizienz und Pfannenextrakt aus Schrot, Maischedicke, Temperaturprofil, Läutern und Malzanalyse vorhersagen — und ertragsschwache Sude früh erkennen.
-
KI-optimierte Maische-Temperaturprofile
Wie KI die Verzuckerungsrast-Temperaturen und -Zeiten optimiert, um eine Zielvergärbarkeit und einen Zielkörper über schwankende Malzchargen hinweg konsistent zu treffen.
-
Die Läuter- und Würzeabtrennungs-Leistung vorhersagen
Sage Abläuterzeit und Stuck-Mash-Risiko voraus und justiere dann Schrot, Hackmessertiefe und Durchfluss anhand von Schüttungs- und Maischedaten, um Brauhaus-Durchläufe und Ausbeute zu schützen.
-
Energie beim Würzekochen mit KI senken
Nutze KI und Daten, um Kochintensität, -dauer und Verdunstung zu optimieren — und senke die größte Energielast des Sudhauses, während du weiterhin DMS abtreibst und die Hopfenausbeute triffst.
-
Würze-Vergärbarkeit aus dem Zuckerspektrum vorhersagen
Sage den scheinbaren Endvergärungsgrad aus Maischeplan und Malz voraus und stelle dann das Zuckerspektrum auf Ziel-Trockenheit gegen Körper ein, bevor die Gärung beginnt.
-
KI für Heißtrub, Kühltrub und Würzeklarheit
Modelliere, wie Koch-, Whirlpool- und Kühlbedingungen Heiß- und Kühltrub, Würzeklarheit, kolloidale Stabilität und Gärungsgesundheit steuern — mithilfe von Trübungsdaten.
-
Sudhausausbeute: Mit Analytik finden, wo der Extrakt verschwindet
Nutze Massenbilanzrechnung und Analytik, um die Lücke zwischen theoretischem und tatsächlichem Extrakt auf Schroten, Läutern, Trub, Transfer und Verdampfung zuzuordnen.
-
Hefevitalität, Hefelebensfähigkeit und Anstellrate vorhersagen
Wie man Hefelebensfähigkeit und -vitalität aus Labor- und Prozessdaten modelliert, um die richtige Anstellrate zu empfehlen und zu entscheiden, wann neu propagiert werden soll.
-
KI nutzen, um die Diacetylrast zu timen
Vorhersagen, wann die Diacetylrast zu beginnen und zu beenden ist, um VDKs unter 0,10 mg/L zu drücken, ohne Tankzeit zu verschwenden — anhand von Stammwürze, Temperatur und Hefezustand.
-
Ester- und Höhere-Alkohole-Bildung in der Gärung prognostizieren
Modelliere, wie Temperatur, Anstellrate, Würzesauerstoff, Stammwürze und FAN Ester und Fuselalkohole formen, damit du die Gärung auf ein Aromaziel abstimmst.
-
Datengestütztes Hefegenerationsmanagement und Ernten
Verfolge die Hefeleistung über aufeinanderfolgende Generationen, um zu entscheiden, wann neu propagiert und wie geerntet wird, und balanciere die Kosten gegen die Drift bei Vergärungsgrad und Aroma.
-
Ein Dashboard für Sensorik-Panel-Ergebnisse in Tableau
Baue ein Sensorik-Panel-Dashboard in Tableau: Attributbewertungen, Übereinstimmung und Varianz der Prüfer, Sortentreue-Radardiagramme und Pulse-Drift-Zusammenfassungen.
-
Wildhefe- und Bakterienkontamination früh mit ML erkennen
Kombiniere ML auf Gärsignalen mit schnellen Mikromethoden wie PCR und ATP-Biolumineszenz, um Lacto-, Pedio- und Wildhefe-Kontamination zu markieren, bevor sie eine Charge verdirbt.
-
Steckengebliebene Gärung vorhersagen, bevor sie passiert
Wie maschinelles Lernen das Risiko einer steckengebliebenen Gärung aus Anstellrate, Vitalität, Würzesauerstoff und der frühen Stammwürzekurve vorhersagt — rechtzeitig zum Handeln.
-
KI für Gärtemperatur- und Kühlungsregelung
Prädiktive Regelung verfolgt eine Soll-Gärtemperaturkurve und nimmt den exothermen Höhepunkt vorweg, schützt das Aroma und spart Kühlenergie.
-
CO2-Entwicklung als Echtzeit-Gärungssignal
Inline-CO2- und Dichtesensoren verwandeln die Gärung in ein kontinuierliches Signal, ersetzen zweimal tägliche Stammwürzeproben und speisen Modelle, die die Kurve prognostizieren.
-
Geschmacksstabilität und Alterung von Bier vorhersagen
Modelliere die Haltbarkeit und Alterung von Bier aus Sauerstoffaufnahme, Lagertemperatur und Daten aus beschleunigter Alterung, um realistische Mindesthaltbarkeitsdaten und Sauerstoffziele festzulegen.
-
KI zur Optimierung von Filtration und Zentrifugation
Optimiere Zentrifugendurchfluss und Filterdosierung, um Klarheit gegen Ausbeuteverlust, Sauerstoffaufnahme und Filterhilfsmittel-Kosten abzuwägen — und sage die Filterlaufzeit voraus.
-
Gelösten Sauerstoff im Bier mit Machine Learning steuern
Wie Machine Learning die Sauerstoffaufnahme punktgenau lokalisiert und den Package-TPO vorhersagt, sodass du den größten Treiber der Bieralterung an der Quelle steuerst.
-
Kältetrübung und kolloidale Stabilität vorhersagen
Wie Modelle das Risiko der Kältetrübung und die richtige Kieselgel- oder PVPP-Dosis vorhersagen und dabei Klarheit, kolloidale Stabilität, Schaum und Kosten im Bier ausbalancieren.
-
KI-gestützte Sensorikpanels und Verkoster-Kalibrierung
Wie Data Science Bier-Verkostungspanelisten auf Sensitivität, Drift und Verzerrung screent und kalibriert und wo KI das Panel unterstützt, aber nie ersetzt.
-
Bier-Verkostungspanels digitalisieren: Power Apps, Power BI und KI
Wie Brauereien Verkostungspanels mit einer Power-Apps-Erfassungs-App, Power-BI-Analytik und KI-gestützter Fehler- und Drifterkennung digitalisieren können — ohne den Gaumen zu verlieren.
-
Stillstandszeiten der Abfülllinie vorhersagen und die OEE heben
Wie maschinelles Lernen Mikrostopps am Füller- und Verschließer-Engpass vorhersagt, um die Stillstandszeiten zu verhindern, die die OEE-Verluste der Abfülllinie dominieren.
-
KI-Bildverarbeitung für Füllstands- und Etiketteninspektion
Wie maschinelles Sehen Füllhöhe, Etikettenschiefstand und Lesbarkeit des Datumscodes bei Bandgeschwindigkeit prüft und Bierfehler konsistenter zurückweist als menschliche Stichproben.
-
Gesamtsauerstoff im Gebinde (TPO) mit Daten minimieren
Nutze Daten und ML, um den Gesamtsauerstoff im Gebinde aus Füller-Einstellungen zu modellieren, TPO-Ziele im zweistelligen ppb-Bereich zu treffen und Bieraroma und Haltbarkeit zu schützen.
-
Vorausschauende Wartung für Füller und Verschließer
Sage den Verschleiß von Füllerventilen und Verschließrollen aus Vibrations-, Strom- und Doppelnaht-Daten voraus, um Leckagen und Stillstand am Engpass der Abfülllinie zu stoppen.
-
Verpackungsmaterialabfall mit KI reduzieren
Nutze KI und Kontrollwaagen-Daten, um Überfüllung, Verschenken, Ausschuss und Umrüstabfall zu senken — und so Verpackungs-COGS und CO2 zu reduzieren, ohne die Festigkeitsuntergrenze zu unterschreiten.
-
KI-optimiertes CIP: Reinigen mit weniger Wasser, Chemie und Zeit
Optimieren Sie CIP mit den TACT-Hebeln und Leitfähigkeits- und Trübungsrückmeldung, um Überreinigung zu stoppen — und Wasser, Lauge und Zeit zu sparen, ohne Verderb zu riskieren.
-
Mikrobiologisches Risiko und Hygiene-Hotspots vorhersagen
Modelliere, wo sich Verderbsrisiko konzentriert, mithilfe von ATP-Abstrichen, Mikro-Ergebnissen, CIP-Aufzeichnungen und HACCP-Kontrollpunkten, um Reinigung und Beprobung dorthin zu lenken, wo es zählt.
-
KI für Brauerei-Energie und -Versorgung (Dampf, Kälte, CO2)
Wie KI die Brauerei-Energie optimiert — Dampf, Kälte, Druckluft und CO2-Rückgewinnung — indem sie Bedarf prognostiziert, Last verschiebt und Drift erkennt.
-
Prozesswasser und Abwasserfracht mit KI senken
Wie KI den Brauerei-Wasserverbrauch und die Abwasserstärke (BOD/COD) modelliert, um das Wasser-Bier-Verhältnis und die Abwassergebühren durch Wiederverwendung und CIP-Feinabstimmung zu senken.
-
Vorausschauende Wartung für Brauerei-Prozessanlagen
Wie KI Ausfälle bei Brauerei-Pumpen, -Motoren, -Kompressoren, -Kälteanlagen und -Wärmetauschern aus Schwingungs- und Stromdaten vorhersagt, bevor ein Sud gestört wird.
-
KI + NIR-Spektroskopie für schnelle Brauerei-Qualitätskontrolle
Wie NIR/FTIR-Spektroskopie plus Chemometrie Alkohol, Extrakt, pH-Wert, Bittere und Farbe in Sekunden vorhersagt — für schnelle prozessbegleitende Qualitätskontrolle in der Brauerei.
-
Ein Datenfundament für die Brauerei bauen, bevor du KI anfasst
Warum ein Process Historian, konsistente Tags, ein Datenmodell und Datenqualität die Voraussetzungen für KI in der Brauerei sind — und warum die meisten Projekte an der Verrohrung scheitern, nicht an Algorithmen.
-
Ein digitales Verkostungsprogramm aufbauen: Power Platform, ERP und Gen AI
Eine praktische Reihenfolge für Bier, Wein und Spirituosen: zuerst das Datenmodell, Erfassung in Power Apps, Verankerung im ERP, Analyse in Power BI, dann KI und generative KI obendrauf.
-
Wie eine Brauerei mit KI und Gen-KI starten sollte: die Phasen
Ein phasenweiser Fahrplan für eine Brauerei, die KI und generative KI einführt — vom Sammeln der Daten über Dashboards, Vorhersagemodelle, GenAI-Copilots bis zu Agenten — mit dem, was in jeder Phase zu tun, zu brauchen und zu beachten ist.
-
Databricks für Brauereien: 20 Anwendungsfälle
Wie eine Brauerei Databricks durchgängig nutzt — Ingestion, Echtzeitüberwachung, das Delta Lakehouse & Spark, BI und KI — über 20 konkrete Anwendungsfälle, gruppiert nach Fähigkeit.
-
Databricks im gesamten Brauereigeschäft, Vertikale für Vertikale
Ein abteilungsweiser Rundgang dazu, wo Databricks einer Brauerei hilft — von der Halle über Qualität, Lieferkette, Vertrieb, Marketing, Finanzen bis Compliance — auf einer gemeinsam governten Plattform.
-
Claude AI und Claude Code für Brauereien: Wo das Anthropic-Ökosystem hilft
Ein praktischer Rundgang, wo Claude, Claude Code, die API, Agenten und MCP einer Brauerei helfen — Rezept, Produktion, QC, Lieferkette, Vertrieb, Marketing, Compliance und Wissen — und wo man einen Menschen in der Schleife hält.
-
Snowflake für Brauereien: 20 Anwendungsfälle
Wie eine Brauerei Snowflake durchgängig nutzt — Ingestion, Echtzeitüberwachung, Dynamic Tables & Snowpark, BI und KI — über 20 konkrete Anwendungsfälle, nach Fähigkeit gruppiert.
-
Snowflake im gesamten Brauereibetrieb, Bereich für Bereich
Eine abteilungsweise Tour durch die Stellen, an denen Snowflake einer Brauerei hilft — vom Produktionsboden über Qualität, Lieferkette, Vertrieb, Marketing, Finanzen und Compliance — auf einer einzigen, gesteuerten Plattform.
-
Microsoft Fabric für Brauereien: 20 Anwendungsfälle (und 3 Fallstudien)
Wie eine Brauerei Microsoft Fabric durchgängig nutzt — OneLake, Data Factory, Real-Time Intelligence, Lakehouse, Direct Lake und Copilot — über 20 konkrete Anwendungsfälle plus drei ausgearbeitete Fallstudien.
-
Analytics für Co-Packing und Lohnbrauen: Kapazität rentabel machen
Lohnbrauen und Co-Packing stehen und fallen mit der Kapazitätsauslastung und den wahren Kosten pro Vertrag. Die Analysen, die entscheiden, ob jede Kundenmarke tatsächlich Geld verdient — und wo KI hilft.
-
20 fortgeschrittene Brauberechnungen, die du in Excel machen kannst (Formeln inklusive)
Einmaischtemperatur, IBU, ABV, Anstellrate, Karbonisierung, Farbe, Effizienz und mehr — 20 fortgeschrittene Brauberechnungen als einfügefertige Excel-Formeln mit durchgerechneten Beispielen.
-
KI-optimiertes Darren: Farbe und diastatische Kraft treffen und dabei Gas sparen
Das Darren ist der größte Energiekostenposten des Mälzens und ein harter Zielkonflikt zwischen Enzymüberleben, Farbe und Gasverbrauch. Wie Machine Learning die Darrkurve optimiert — und die Physik, die es nicht austricksen kann.
-
Kann KI das perfekte Weichen für Braugerste einstellen?
Wie maschinelles Lernen die Weich-Endfeuchte und Keimkraft aus den Eigenschaften der Gerstenpartie vorhersagt — und wo ein Weichmodell weiterhin das Urteil eines Mälzers braucht.
-
Sudhausausbeute und Ausbeute-Abgleich in Excel
Trenne Umwandlungs-, Läuter- und Sudhausausbeute in einem Excel-Blatt, gleiche vorhergesagte gegen tatsächliche Stammwürze ab und diagnostiziere genau, wo dein Extrakt verloren geht.
-
Einen Rechner für Brauwasser-Chemie in Excel bauen
Ein Schritt-für-Schritt-Excel-Wasserrechner für Brauer: Gib dein Ausgangsprofil ein, füge Salze hinzu und lies Calcium, Sulfat, Chlorid, Restalkalität und das Sulfat-zu-Chlorid-Verhältnis ab.
-
Ein Karbonisierungsrechner in Excel: Speisezucker, PSI und Leitungsabgleich
Karbonisiere Bier mit Sicherheit in Excel: Speisezucker aus dem Rest-CO2, der Keg-Druck für jedes Zielvolumen und jede Temperatur sowie ein einfacher Abgleich der Schankleitungslänge.
-
Mykotoxin- und Gushing-Risiko in der Mälzerei prognostizieren
Mit Fusarium befallene Gerste bringt DON-Mykotoxin und Gushing-Risiko. Wie maschinelles Lernen eingehende Partien aus Erntewetter und Korndaten bewertet — und warum eine Lebensmittelsicherheits-Entscheidung einen Menschen im Kreislauf hält.
-
Ein generativer KI-Copilot zum Lesen von Malz-Analysezertifikaten
Ein geerdeter LLM-Copilot kann ein Malz-Analysezertifikat lesen, jeden Parameter erklären, Werte außerhalb der Spezifikation gegen dein Rezept markieren und das Brauprotokoll entwerfen — wenn du ihn davon abhältst, Zahlen zu erfinden.
-
Einen IBU-Rezeptbaukasten in Excel bauen (Tinseth, Mehrfachgabe)
Ein Mehrfachgaben-IBU-Rechner in Excel: Tinseth-Ausnutzung je Hopfengabe, Gesamtbittere, das BU:GU-Balanceverhältnis, Hopfensubstitution und Skalierung auf eine Ziel-IBU.
-
IoT in der Brauerei: Sensoren an jedem Schritt, vom Maischen bis zur Verpackung
Ein IBD-fundierter Leitfaden zu IoT im Brauwesen — welche Sensoren beim Maischen, Läutern, Kochen, der Gärung und Verpackung hingehören, der Edge-to-Cloud-Stack und die KI, die die Ströme liest.
-
Rechner für Maischewasser und -temperatur in Excel
Ermittle Einmaischtemperatur, Maische- und Nachgusswassermengen, Schüttungsaufnahme und den gesamten Wasserbedarf in einem Excel-Blatt — mit einer Wasserbilanz, die zeigt, wohin jeder Liter geht.
-
Langsamen Ablauf aus dem Malz vorhersagen, bevor es deine Mühle erreicht
Untermodifiziertes Malz verbirgt das hohe Beta-Glucan, das Läutern und Filtration verlangsamt. Wie ein Modell das Malzzertifikat liest, um Ablaufrisiko zu markieren — und warum ein Chargendurchschnitt dich trotzdem täuschen kann.
-
Vorhersagen, wann Malz ausreichend gelöst ist, um es zu darren
Maschinelles Lernen kann den Darrabbruch-Zeitpunkt mitbestimmen, indem es Endosperm-Lösung und Homogenität aus Keimdaten vorhersagt — aber die bestätigenden Labortests hinken hinterher, und Homogenität verbirgt Ärger.
-
Hefe-Anstellraten und Starter in Excel
Dimensioniere deine Hefe richtig in einer Tabellenkalkulation: benötigte Zellen nach Stammwürze und Volumen, Vitalitätsverfall nach Packungsalter, benötigte Packungen und ein einfaches Starter-Wachstumsmodell mit durchgerechneten Beispielen.
-
Rezept- und Sensorikdaten auswerten: Wie ich die Bierentwicklung beschleunigt habe
Ein neues Bier zu entwickeln heißt, die Lücke zwischen einem Zielaroma und dem zu schließen, was aus der Pilotpfanne kommt. So haben KI und Sensorikanalytik die Zahl der Versuchssude reduziert, die ich brauchte, um dorthin zu gelangen.
-
Bieraroma vorhersagen durch Stapeln von Malz-Aromarädern
Gib jedem Malz sein Aromarad, skaliere es nach seinem Anteil an der Schüttung, summiere die Räder und verankere das Ergebnis im COA. Ein gewichteter Summen-Fingerabdruck des Bieraromas — und die Wahrnehmungsphysik, die es nicht vortäuschen kann.
-
Kann Claude Opus 4.8 dir helfen, ein besseres IPA zu brauen? Ein hopfenbetonter Workflow
Ein praktischer, ehrlicher Anwendungsfall: wie ich Claude Opus 4.8 als Copilot für Hopfen- und IPA-Entwicklung nutze — von der Hopfenauswahl und dem Dry-Hop-Zeitpunkt bis zu Biotransformation und Hop Creep — und genau dort, wo es ans Labor und den Gaumen zurückgeben muss.
-
Vom Pilot zum vollen Maßstab: Das NPD-Datenproblem, vor dem dich niemand warnt
Ein Bier, das auf dem Pilotkessel perfekt ist, kann im vollen Maßstab aus der Spezifikation driften. So habe ich Suddaten, Regelkarten und KI genutzt, um die Scale-up-Lücke zu schließen, als ich Biere für AB InBev, SABMiller und United Breweries entwickelte.
-
RAG über die Brauliteratur ohne halluzinierte Mathematik
Teil 1 von The Brewer's Agent. Retrieval-Augmented Generation ist gut darin, zu finden, was in der Brauliteratur steht, und schlecht darin, es auszurechnen. Wie man Formeln und Tabellen chunkt, warum das Brauen hybride Suche braucht, warum jede Antwort eine Quellenangabe braucht und warum die Arithmetik an ein Werkzeug geht.
-
Ein Agent, der Rechenwerkzeuge aufruft, statt selbst zu rechnen
Teil 2 von The Brewer's Agent. Gib einem Brau-Assistenten Werkzeuge für Stammwürze, Vergärungsgrad, ABV und IBU, und lass ihn jedes Mal die Methode nennen. Durchgerechnete Beispiele zeigen, warum: Dasselbe Bier ist auf einer Skala zu 64,9% vergoren und auf einer anderen zu 78,6%, und drei IBU-Modelle liefern für eine einzige Hopfengabe 34, 45 und 46.
-
Malz-Aromaräder als Vektoren: Ähnlichkeitssuche und die Mischung, die der Mittelwert versteckt
Teil 3 von The Brewer's Agent. Wandle veröffentlichte Malz-Aromaräder in Vektoren aus 22 Zahlen um, und du kannst nach Ersatzmalzen suchen und den Charakter einer Schüttung vorhersagen. Echte Zahlen aus 51 digitalisierten Weyermann-Rädern zeigen die Fallen: Der rohe Kosinus hält jedes Malz für ähnlich, Varianten fallen auf einen Vektor zusammen, und ein einfacher Mittelwert versteckt 10% Röstmalz.
-
250 öffentliche Hobbybrau-Rezepte scrapen und nach Trends durchsuchen: Regex, wo es geht, LLM, wo es sein muss
Teil 4 von The Brewer's Agent. Ein kleines Data-Engineering-Projekt mit 250 kürzlich geteilten Hobbybrau-Rezepten: höfliches Scraping, die Fallen beim Parsen, Normalisierung auf Basiseinheiten, wann Regex ein LLM schlägt und wann nicht, eine Konsistenzprüfung, an der die Daten 12 Mal scheiterten, und was die Rezepte tatsächlich über das Brauen in 2025 und 2026 sagen.
-
Evals für einen Brau-Assistenten: Goldene Fragen, numerische Toleranzen und die Grenzen von LLM-as-Judge
Teil 5 von The Brewer's Agent. Wie man einen GenAI-Brau-Assistenten testet, bevor sich ein Brauer darauf verlässt: ein von Brauern geschriebenes Golden Set, Zahlen gegen Toleranzen bewertet und Einheiten geprüft, Quellenangaben und Verweigerungen gezielt getestet, LLM-as-Judge nur für Prosa und ein Regressionslauf bei jeder Änderung.
-
Woran 1.000 Beverage-AI-Unternehmen tatsächlich bauen
Teil 6 von The Brewer's Agent. Ein Datensatz von gut 1.000 Unternehmen und Personen, die KI auf Bier, Wein und Whiskey anwenden, sauber ausgezählt. Fast so viele erheben keinen KI-Anspruch, wie KI im Einsatz haben, die produktive Arbeit ist operativ statt spektakulär, Sensorik- und Rezept-KI bleibt im Pilotstadium, Anlagenbauer nutzen KI kaum, und echte GenAI ist ein kleiner Ausschnitt.
-
Was ist KI wirklich? Die Leiter von Regeln bis AGI, erzählt in einem Getränkebetrieb
Teil 1 von KI für Operational Excellence in Getränkebetrieben. Regeln, Machine Learning, Deep Learning, generative KI, agentische KI und AGI, eine Sprosse nach der anderen, jede mit einem echten Beispiel aus Brauerei, Weingut, Brennerei oder Abfülllinie. Ehrlich zu AGI: Es gibt sie noch nicht, und die Montagsschicht braucht sie nicht.
-
Was GenAI und LLMs wirklich sind: Tokens, Kontext, Halluzination und RAG, erklärt an einem CIP-Protokoll
Teil 2 von KI für Operational Excellence in Getränkebetrieben. Wie ein großes Sprachmodell wirklich funktioniert, von Tokens und Kontextfenster bis zur Vorhersage des nächsten Tokens, warum es halluziniert, wann Retrieval (RAG) statt Fine-Tuning sinnvoll ist und was multimodale Modelle hinzufügen, durchgespielt an einem CIP-Protokoll und einer SOP.
-
Was agentische KI ist: Werkzeuge, die Schleife aus Planen, Handeln und Beobachten, MCP und fünf Autonomiestufen
Teil 3 von KI für Operational Excellence in Getränkebetrieben. Ein Agent ist ein Sprachmodell, das Werkzeuge nutzen und mehrere Schritte auf ein Ziel hin gehen kann. Wie die Schleife funktioniert, was Werkzeuge und MCP sind, was Gedächtnis bedeutet, und eine Autonomieleiter mit fünf Stufen (L0 bis L4), um zu entscheiden, wie viel ein Betrieb einen Agenten allein machen lassen sollte.
-
Grundlagen der Operational Excellence für Datenleute: OEE, die sechs großen Verluste, SPC und wo die Betriebsdaten liegen
Teil 4 von KI für Operational Excellence in Getränkebetrieben. Vor jeder KI die Sprache des Betriebs: OEE mit einem durchgerechneten Beispiel an einer Abfülllinie, die sechs großen Verluste, TPM, die Verschwendungsarten des Lean, statistische Prozesslenkung und die ISA-95-Karte, wo die Daten tatsächlich liegen (Historian, MES, CMMS, LIMS, ERP).
-
Klassische KI für OpEx: Predictive Maintenance, Soft Sensors und Anomalieerkennung auf Basis von SPC
Teil 5 von KI für Operational Excellence in Getränkebetrieben. Das maschinelle Lernen, das sich in Getränkebetrieben bereits auszahlt: Predictive Maintenance an Füllern und Pasteuren, Soft Sensors für das, was sich inline nicht messen lässt, multivariate Anomalieerkennung auf Basis von SPC sowie Energie und Wasser pro Hektoliter gegen eine faire Baseline.
-
GenAI für OpEx: Schichtübergaben, SOP-Suche, Ursachenanalyse-Assistenten und eine mehrsprachige Belegschaft
Teil 6 von KI für Operational Excellence in Getränkebetrieben. Wo generative KI sich in der Produktion ihren Platz verdient: Schichtübergaben aus MES und Bedienernotizen, SOP-Antworten mit Quellenangabe, ein Assistent für 5-Why und Ishikawa, der Ursachen vorschlägt, aber nie Schlüsse zieht, One-Point-Lessons und Übersetzung für eine Mannschaft, die vier Sprachen spricht.
-
Agentic AI für OpEx: Ein OEE-Verlust-Agent, der Arbeitsaufträge entwirft, und die Leitplanken, die ihn von der SPS fernhalten
Teil 7 von KI für Operational Excellence in Getränkebetrieben. Ein Agent, der jede Schicht die OEE-Verluste beobachtet, wiederkehrende Störungen findet, das CMMS prüft und Arbeitsaufträge sowie Umstellungspläne zur Freigabe durch Menschen entwirft. Dazu die Leitplanken, auf die es ankommt: das Purdue-Modell, reiner Lesezugriff auf OT-Daten, keine Schreibzugriffe auf SPS oder SCADA, Freigaben, ein Audit-Log und Replay-Evals.
-
Die Roadmap für KI in OpEx und wo sie bricht: Daten zuerst, Piloten nach Verlustwert, ehrlicher ROI und der AGI-Hype
Teil 8 von KI für Operational Excellence in Getränkebetrieben. Wie man KI in einem Getränkebetrieb in die richtige Reihenfolge bringt: zuerst die Datengrundlagen, Piloten nach dem Wert des Verlusts ausgewählt, ROI gegen eine Baseline gemessen, Change Management in der Produktion und ein klarer Blick darauf, was das Gerede über AGI ändern sollte und was nicht. Schließt die Reihe ab.