Bei der Herstellung von Lebensmitteln steht Hygiene an erster Stelle. Die Produktionsanlagen werden kontinuierlich überprüft und automatisiert gereinigt. Die Reinigungsprozesse bei Cleaning-In-Place (CIP) sind überdimensioniert. Dies ist nicht nur unökologisch, sondern auch unökonomisch. So liegen im Durchschnitt die reinigungsbedingten Ausfallzeiten in der Lebensmittelindustrie bei 15-20%. Unter Berücksichtigung der hohen Anforderungen an die hygienische Sicherheit ließen sich für die Tankreinigung diese Ausfallzeiten um bis zu 83% reduzieren. Vor diesem Hintergrund ist es Ziel eines aktuellen FEI-Projektes der Industriellen Gemeinschaftsforschung, ein selbstlernendes Automatisierungssystem für ressourceneffiziente Reinigungsprozesse zu entwickeln. Basierend auf Messdaten, wird sich dieses System mit jeder Reinigung kontinuierlich verbessern und so für einen optimierten Einsatz von Ressourcen sorgen. Zur berührungsfreien Messung des Reinigungsgrades werden dabei bildgebende Methoden eingesetzt, die darauf beruhen, dass jeder Stoff über unterschiedliche Lichtwellenlängen oder Farbwerte detektiert werden kann. Zur Auswertung der Daten werden dabei künstliche neuronale Netze (KNN) eingesetzt. Von den erwarteten Kosteneinsparungen werden nicht nur viele Lebensmittelhersteller profitieren, sondern auch Unternehmen aus der Pharma- oder Kosmetikbranche.