Die Ausschussquote misst den Prozess, nicht die Prüfung
Die Ausschussquote schwankte beim selben Prüfsystem um den Faktor acht. Welche vier Angaben eine gemeldete Verbesserung prüfbar machen.
Über den Autor
Christopher Helm arbeitet seit 2014 mit maschinellem Lernen. Hier schreibt er privat über KI, Sicherheit im Netz und Medien.
Mehr über den AutorDiesen Blog bei Google als bevorzugte Quelle wählenGoogle zeigt Beiträge dieser Seite dann häufiger unter Top Stories. Die Wahl lässt sich jederzeit zurücknehmen.Presseschau
Worüber deutsche Medien gerade berichten, geordnet nach Ereignis. So sieht man, wer eine Nachricht bringt und wer nicht.
Zur PresseschauDas Wichtigste in Kürze
- Dieselbe Prüfanlage sortierte in zwei Läufen derselben Linie 0,64 und 5,09 Prozent der Produktion aus.
- Der Unterschied lag im Prozess, denn die Fehlerhäufigkeit stieg im gestörten Lauf von 0,58 auf 4,86 Prozent.
- Je ruhiger die Produktion läuft, desto größer wird der Anteil einwandfreier Ware am Ausschuss: 9,5 gegen 5,9 Prozent.
- Vier Angaben machen eine gemeldete Senkung prüfbar: Ausgangswert, Messzeitraum und beide Fehlerraten mit ihrem Nenner.
- Die amtliche Abfallquote der Milchverarbeitung beruht im Thünen Report 71 auf zehn beantworteten Fragebögen.
Dieselbe Anlage, dieselbe Kamera, dasselbe Modell, zwei Läufe derselben Verpackungslinie: Im ersten wurden 0,64 Prozent der Produktion aussortiert, im zweiten 5,09 Prozent. Die beiden Zeilen stehen in Tabelle 9 einer Arbeit zur Siegelnahtprüfung an thermogeformten Lebensmittelverpackungen, 6.576 Stück in 150 Minuten gegen 4.304 Stück in 105 Minuten (Banús et al., Scientific Reports, November 20211). Als Ausschussquote steht dort der Anteil an der Gesamtproduktion, wie die Fußnote der Tabelle festhält: „Percentages have been computed from total production“.
Ob eine Vollprüfung mehr echte Fehler findet als Fehlalarme erzeugt, hängt an der Häufigkeit des gesuchten Fehlers und an der Lage der Rückweisungsschwelle. Der metrologische Leitfaden für Konformitätsentscheidungen unter Messunsicherheit sagt das im Wortlaut: „If the process rarely produces an item whose property of interest is near the tolerance limits, there is less opportunity for incorrect decisions to be made“ (JCGM 106:2012, Abschnitt 9.1.4 bipm.org ↗). Wo Fehler selten sind, verschiebt eine kleine Änderung der Schwelle die Ausschussquote stärker als jede Verbesserung der Ware.
Die Ausschussquote stieg, weil 4,86 statt 0,58 Prozent der Stücke fehlerhaft waren#
Zwischen 0,64 und 5,09 Prozent liegt der Faktor 7,95, gerechnet als Verhältnis der Zurückweisungsanteile an der Gesamtproduktion beider Läufe derselben Anlage. Entstanden ist er an den Maschinen: Fehlerhaft waren im störungsfreien Lauf 0,58 Prozent aller Stücke, im gestörten 4,86 Prozent, jeweils erkannte plus übersehene Fehlteile, geteilt durch die Gesamtproduktion des Laufs. Die Quote folgt damit dem Maschinenzustand und taugt als Frühindikator für eine Linie, die aus dem Tritt gerät. Sichtbar wird der Sprung nur, weil derselbe Aufbau zweimal lief; was ohne die zweite Bedingung übrig bleibt, zeigt eine Produktivitätsmessung, der die Kontrollgruppe fehlt2.
Eine Ausschussquote misst die Reklamationsquote beim Kunden nicht, die Zahl zu Unrecht verworfener Stücke nicht, den Verwertungspfad des Ausschusses nicht und auch nicht, ob das Modell nach einem Chargenwechsel noch trifft. Ein Betrieb senkt sie, indem er die Ware verbessert, die Maschinen beruhigt oder die Rückweisungsschwelle verschiebt; in der Ausschussquote sehen die drei Wege gleich aus. Wo „deutlich“ oder „spürbar“ an der Stelle der Quote steht, wurde sie entweder nicht erhoben oder nicht genannt.
Wer das Verbraucherrisiko senkt, hebt nach JCGM 106:2012 das Herstellerrisiko#
Eine Prüfung irrt auf zwei Weisen. Das globale Verbraucherrisiko ist die Wahrscheinlichkeit, dass ein nicht konformes Stück angenommen wird, das globale Herstellerrisiko die, dass ein konformes zurückgewiesen wird (JCGM 106:2012, Abschnitte 3.3.15 und 3.3.16). Beide zugleich klein zu halten geht nicht: „In general it is not possible to set the acceptance limits to minimise both the consumer’s and producer’s risks simultaneously: decreasing one will increase the other“ (ebenda, Abschnitt 9.4.3).
Von den 42 zurückgewiesenen Stücken des störungsfreien Laufs waren 4 einwandfrei, von den 219 des gestörten 13, also 9,5 gegen 5,9 Prozent der jeweils zurückgewiesenen Ware. Je besser die Produktion lief, desto größer der Anteil zu Unrecht verworfener Stücke am Ausschuss. Das gilt weit außerhalb der Lebensmittelprüfung: Ein Detektor, dessen Fehlalarmquote im Labor nahe null lag, kam bei einer anderen Grundgesamtheit auf 61 Prozent3, bei unveränderter Trennschärfe.
Drei fehlerhafte Stücke rutschten im gestörten Lauf durch. Die Tabelle weist sie als 0,07 Prozent aus, gerechnet auf die Gesamtproduktion; bezogen auf die 209 fehlerhaften Stücke desselben Laufs sind dieselben drei 1,44 Prozent, das Zwanzigfache. Wie viel Schlechtes durchgeht, beantwortet der zweite Wert; in der Tabelle steht der erste.
Für In-vitro-Diagnostika gehören Cutoff und Spezifität in die Gebrauchsanweisung#
Für dieselbe Ja/Nein-Entscheidung zählen andere Regelwerke die geschuldeten Angaben einzeln auf. Verordnung (EU) 2017/746 verlangt in Anhang I Nummer 20.4.1 Buchstabe z unter der Überschrift „Angaben in der Gebrauchsanweisung“ für In-vitro-Diagnostika „gegebenenfalls Merkmale der klinischen Leistung wie Schwellenwert, diagnostische Sensitivität und diagnostische Spezifität sowie positiver und negativer prädiktiver Wert“ (EUR-Lex, Verordnung (EU) 2017/746 vom 5. April 2017 eur-lex.europa.eu ↗). Nicht als internes Dokument, sondern gegenüber dem Anwender. CONSORT 2025 verlangt dasselbe in anderer Sprache: in Item 26 die geschätzte Effektgröße samt Präzision und bei binären Endpunkten die absolute neben der relativen.
Keines der beiden gilt für Lebensmittelprüfanlagen; sie belegen nur, dass die Angaben benennbar sind und anderswo zur Pflicht gehören. Näher läge die Norm für Prozessfähigkeit in der Fertigung, doch sie ist kostenpflichtig, und ihr Abruf bei der ausgebenden Stelle endet in einer Fehlermeldung.
Übertragen auf eine gemeldete Senkung sind es vier Angaben: Ausgangswert mit Bezugsmenge, Messzeitraum, Anteil zu Unrecht zurückgewiesener Stücke und Anteil durchgelassener Fehlteile, die beiden letzten mit ihrem Nenner. Dazu käme die Referenz, gegen die geprüft wurde: menschliches Urteil, Laborbefund oder späterer Verkaufsstatus, samt der Rate, mit der die bisherigen Prüferinnen übereinstimmten. Fehlt sie, prüft das Modell gegen das Urteil, aus dem es gelernt hat.
Ein Weglassen kann Betriebsgeheimnis sein oder Platzmangel. Beim Nenner fällt beides weg, denn worauf sich eine Fehlerrate bezieht, verrät nichts über Rezeptur, Menge oder Preis.
Zehn Fragebögen tragen die Abfallquote der Milchverarbeitung im Thünen Report 71#
Eine betriebliche Senkung müsste sich in der Abfallmenge der Branche abzeichnen. Für die Milchverarbeitung führt der Thünen Report 714 eine Abfallquote von 1,50 Masse-Prozent bei einem Standardfehler von 0,47, ermittelt in einer Unternehmensbefragung des lebensmittelverarbeitenden Gewerbes zum Bezugsjahr 2015; für die Klasse NACE 10.5 beruht der Wert auf zehn antwortenden Unternehmen. Hochgerechnet sind das 218.518 Tonnen im Jahr, mit einem 90-Prozent-Intervall von 104.899 bis 332.138 Tonnen. Der Bericht schreibt in Kapitel 5 selbst, ob die Datenqualität die Abbildung von Veränderungen auf nationaler Ebene erlaube, könne „zum jetzigen Zeitpunkt noch nicht eingeschätzt werden“.
Das amtliche Gegenstück ist nicht frischer. Die Tabelle des Statistischen Bundesamts zu Lebensmittelabfällen führt im September 2026 weiterhin das Berichtsjahr 2020 als „vorläufiges Ergebnis“ mit Stand 30. Juni 2022, darin 1.613 Tausend Tonnen für „Verarbeitung und Herstellung“, 15 Prozent des Gesamtaufkommens. Diese 1,613 Millionen Tonnen liegen im 90-Prozent-Intervall von 1,42 bis 2,91 Millionen Tonnen, das der Report für dieselbe Stufe ausweist, und erhoben wurden beide Werte mit verschiedenen Verfahren.
Ein Teil des Ausschusses erscheint dort ohnehin nie: Nach Artikel 1 Absatz 5 Buchstabe b des Delegierten Beschlusses (EU) 2019/1597 zählt nicht als Lebensmittelabfall, was als Einzelfuttermittel weitergeht. Ein Betrieb, der weniger aussortiert, senkt die gemeldete Abfallmenge also nur, wenn sein Ausschuss vorher nicht ins Futter ging. Für Käse selbst gibt es keine veröffentlichten Fehlerraten einer Oberflächenprüfung; die nächstgelegene öffentlich geprüfte Arbeit zur Bildklassifikation von Käselaiben klassifiziert den Reifegrad.
Zeitgestempelte Prüfbilder sind Prozessnachweis und Trainingsmaterial zugleich#
Wer jedes geprüfte Stück fotografiert und den Zeitstempel mitspeichert, legt einen Datenbestand an, den das Lebensmittelrecht nicht verlangt. Verordnung (EG) Nr. 178/2002 fordert in Artikel 18 Rückverfolgbarkeit einen Schritt zurück und einen Schritt vorwärts; die Durchführungsverordnung (EU) Nr. 931/2011 eur-lex.europa.eu ↗ zählt in Artikel 3 Absatz 1 abschließend acht Angaben auf, die eine Partie begleiten müssen, und ein Bild ist keine davon.
Verordnung (EU) 2023/2854 trennt in Artikel 4 die Rollen: Der Dateninhaber darf nicht personenbezogene Produktdaten nur auf vertraglicher Grundlage nutzen, während sie dem Betrieb zustehen, der die Anlage einsetzt. Die Zugangspflichten greifen nach Artikel 50 erst für vernetzte Produkte, die nach dem 12. September 2026 in Verkehr gebracht werden. Bei einer laufenden Anlage entscheidet deshalb der bestehende Vertrag über Kundendaten, die zum Trainingsmaterial werden5.
Wo die Fehlerhäufigkeit fällt, ändert sich die Zusammensetzung des Ausschusses mit. Die Fortschreibung steht in keiner Tabelle, sie folgt aus deren zwei Zeilen: Zehnmal seltenere Fehler als im störungsfreien Lauf ergäben bei gleicher Falsch-positiv-Rate von 0,06 Prozent der Produktion 0,12 Prozent Ausschuss. Einwandfrei wäre dann gut jedes zweite zurückgewiesene Stück, im störungsfreien Lauf war es knapp jedes zehnte.
Die Zahlen zu den beiden Produktionsläufen stammen aus Tabelle 9 von Banús, Boada, Xiberta, Toldrà und Bustins, „Deep learning for the quality control of thermoforming food packages“, Scientific Reports 11, 21887 (2021), DOI 10.1038/s41598-021-01254-x, geprüft an der Open-Access-Fassung in PubMed Central (pmc.ncbi.nlm.nih.gov, PMC8576017); der Faktor 7,95, die Fehlerhäufigkeiten 0,58 und 4,86 Prozent, die Anteile 9,5 und 5,9 Prozent sowie die Werte 1,44 und 0,12 Prozent sind eigene Rechnungen aus dieser Tabelle. Verbraucher- und Herstellerrisiko nach JCGM 106:2012 (BIPM, bipm.org), Abschnitte 3.3.15, 3.3.16, 9.1.4 und 9.4.3. Rechtstexte nach EUR-Lex (eur-lex.europa.eu): Verordnung (EU) 2017/746 Anhang I Nummer 20.4.1, Verordnung (EG) Nr. 178/2002 Artikel 18, Durchführungsverordnung (EU) Nr. 931/2011 Artikel 3, Verordnung (EU) 2023/2854 Artikel 4 und 50, Delegierter Beschluss (EU) 2019/1597 Artikel 1. Abfallzahlen aus dem Thünen Report 71 (DOI 10.3220/REP1563519883000), Tabellen 7 und 24 sowie Kapitel 5, und aus der Tabelle „Lebensmittelabfälle in Deutschland“ des Statistischen Bundesamts (destatis.de), Berichtsjahr 2020, Stand 30. Juni 2022, abgerufen am 8. September 2026. Berichtsanforderungen nach CONSORT 2025, Item 26 (DOI 10.1136/bmj-2024-081123).
Quellen
- Deep learning for the quality control of thermoforming food packages PubMed Central (PMC) ↗
- JCGM 106:2012, Abschnitt 9.1.4 bipm.org ↗
- EUR-Lex, Verordnung (EU) 2017/746 vom 5. April 2017 eur-lex.europa.eu ↗
- Dein Browser wird geprüft! doi.org ↗
- Durchführungsverordnung (EU) Nr. 931/2011 eur-lex.europa.eu ↗
Über den Autor
Christopher Helm arbeitet seit 2014 mit maschinellem Lernen. Hier schreibt er privat über KI, Sicherheit im Netz und Medien.
Mehr über den AutorDiesen Blog bei Google als bevorzugte Quelle wählenGoogle zeigt Beiträge dieser Seite dann häufiger unter Top Stories. Die Wahl lässt sich jederzeit zurücknehmen.Presseschau
Worüber deutsche Medien gerade berichten, geordnet nach Ereignis. So sieht man, wer eine Nachricht bringt und wer nicht.
Zur Presseschau