AI a fermentace: tuky z pilin pro udržitelné jídlo

Palmový a kokosový olej jsou v potravinářství až podezřele „pohodlné“ suroviny. Fungují v čokoládách, náhražkách masa, cukrovinkách i pečivu. Jenže jejich ekologická cena je vysoká: tlak na tropické ekosystémy, dlouhé dodavatelské řetězce a rizika spojená s výkyvy cen. A právě tuky jsou u alternativních potravin často slabé místo – chuť, šťavnatost i „mouthfeel“ dělají víc než samotný protein.

Z Estonska teď přichází příběh, který do série „Umělá inteligence v zemědělství a potravinářství“ zapadá až překvapivě přesně: startup ÄIO vyvíjí alternativní jedlé tuky a oleje z vedlejších proudů zemědělství a dřevozpracujícího průmyslu – včetně pilin – pomocí fermentace. V roce 2023 na to získal investici 1 milion EUR a cílí na průmyslovou výrobu do roku 2026.

To hlavní sdělení pro praxi (a pro AI v agri/foodtech): odpadní biomasa je jen špatně popsaná surovina. Jakmile ji umíte změřit, roztřídit a stabilně zpracovat, vzniká z ní cenný vstup do potravinářství. A přesně tady AI přestává být buzzword a stává se infrastrukturní technologií.

Proč jsou „udržitelné tuky“ tak velké téma

Odpověď na otázku „proč zrovna tuky“ je jednoduchá: bez tuku nebude dobrá chuť ani dobrá textura. U rostlinných alternativ masa, mléčných výrobků nebo cukrovinek tuk často rozhoduje o tom, jestli výrobek působí „jako jídlo“, nebo „jako kompromis“.

Zároveň jsou tuky v potravinářství technologicky extrémně důležité:

• určují bod tání (např. jak se „rozpustí“ náplň nebo čokoláda)
• stabilizují emulze (majonézy, dresinky)
• ovlivňují křehkost a vláčnost (pečivo)
• nesou aroma a zlepšují pocit v ústech

Proto se mnoho výrobců alternativních produktů opírá o kokosový a palmový olej. Jenže právě tyto oleje jsou častým terčem kritiky kvůli dopadům na životní prostředí a také kvůli reputačnímu riziku značek.

V praxi se tak potravináři dostávají do kleští:

1. chtějí funkční tuk s dobrým chováním v receptuře,
2. chtějí stabilní dodávky a cenu,
3. nechtějí „tropické“ suroviny s problematickým příběhem.

Fermentační tuky z vedlejších proudů slibují řešit všechna tři.

Jak funguje výroba tuků z pilin (bez pohádek)

Jádro je biotechnologie: mikroorganismus přemění uhlíkatý zdroj na lipidy. ÄIO popisuje proces jako podobný vaření piva nebo kynutí těsta – jen místo alkoholu nebo CO₂ se cílem stává tuk.

Zjednodušeně to vypadá takto:

1) Vedlejší proudy jako vstupní surovina

Piliny nebo jiné lignocelulózové zbytky (a také zemědělské side-streamy) nejsou samy o sobě „jídlo“. Ale jsou bohaté na uhlík. Aby z nich mikrobi dokázali vyrábět lipidy, bývá potřeba:

• předúprava (mechanická/chemická/enzymatická),
• uvolnění jednodušších cukrů nebo vhodných substrátů,
• kontrola kontaminantů (např. pryskyřice, těžké kovy, zbytky chemikálií).

2) Fermentace s vybraným kmenem

ÄIO používá vlastní mikroorganismus (v článku popisovaný jako „red bug“), který má během fermentace produkovat tuky bohaté na „zdravé“ mastné kyseliny a antioxidanty.

3) Separace a úprava výsledného tuku

Aby se produkt choval jako ingredience pro potravináře, řeší se:

• oddělení biomasy,
• stabilizace (oxidace je u tuků věčné téma),
• případná frakcionace (různé složky s různým bodem tání),
• senzorika a čistota.

Tady je dobré být přísný: „tuk z pilin“ nezní chutně. Ale spotřebitel stejně nekupuje „původ uhlíku“, kupuje konzistenci, chuť a bezpečnost. Pokud je proces zvládnutý, výsledná ingredience může být senzoricky neutrální nebo cíleně „naladěná“ pro konkrétní aplikaci.

Kde do toho reálně vstupuje AI (a proč bez ní škálování bolí)

AI není v tomto příběhu jen marketing – je to nástroj pro stabilitu, výtěžnost a kvalitu. Fermentace je citlivá na drobné změny suroviny i procesu. A zrovna vedlejší proudy (piliny, zemědělské zbytky) mají proměnlivé složení.

AI pro „standardizaci nestandardní“ suroviny

Vedlejší proudy jsou levné, protože jsou nepravidelné. AI pomáhá udělat z nepravidelnosti něco, co se dá plánovat.

Typické použití:

• predikce složení vstupu z rychlých měření (NIR spektroskopie, vlhkost, popel, obsah ligninu)
• třídění a směšování šarží tak, aby fermentace dostala co nejstabilnější krmivo
• optimalizace logistiky: kdy a odkud surovinu odebírat, aby byla čerstvá a v požadované kvalitě

Praktický dopad: když se vám rozpadne konzistence vstupu, rozpadne se výtěžnost i chuť produktu. AI umí tenhle problém „uříznout“ dřív, než dorazí do fermentoru.

AI pro řízení fermentace v reálném čase

Fermentace je procesní inženýrství. AI/ML modely se dnes používají k:

• predikci růstu mikroorganismu a tvorby lipidů (yield)
• detekci odchylek (kontaminace, stres kmene, změna pH/DO trendů)
• doporučení zásahů: krmné strategie (fed-batch), provzdušnění, teplota

Jinými slovy: méně zmetků, méně variability, vyšší kapacita bez nutnosti „přestavět fabriku“.

AI pro návrh ingredience podle použití (ne podle laborky)

Nejzajímavější část bývá až na konci: potravinář nechce „tuk“. Chce tuk, který:

• se rozpouští v určitém teplotním okně,
• nese aroma,
• funguje v konkrétním procesu (extruze, temperace čokolády, pečení).

AI pomáhá mapovat vztah mezi:

• profilem mastných kyselin a minoritních složek,
• zpracováním (chlazení, frakcionace),
• výslednou texturou a senzorikou.

To je přesně typ úlohy, kde se hodí data-driven R&D: méně pokus–omyl, rychlejší iterace s partnerem z průmyslu.

Co to znamená pro české zemědělství a potravinářství

Nejde o to, že zítra budeme v ČR jíst „pilinové máslo“. Jde o to, že se mění logika surovin. Vedlejší proudy se mohou stát strategickou komoditou.

Příležitosti: od odpadu k obchodovatelnému vstupu

V českém kontextu dává smysl uvažovat o:

• vedlejších produktech ze škrobáren, cukrovarů, pivovarů (kde existují stabilní proudy)
• zemědělských zbytcích (sláma, otruby) tam, kde je zvládnutá logistika
• dřevozpracujících vedlejších produktech v regionech s koncentrací pilařství

Hodnota nevzniká jen v samotné fermentaci, ale i v tom, že někdo umí:

1. surovinu charakterizovat (rychle, levně),
2. zajistit opakovatelnost,
3. propojit ji s odběratelem.

To je mimochodem přesně prostor pro AI v zemědělství a potravinářství: měření, predikce, plánování, optimalizace.

Rizika: regulace a „novel food“ realita

ÄIO zmiňuje, že bude žádat o povolení pro vstup na evropský trh. A to je tvrdá část celého příběhu.

Co typicky rozhoduje o úspěchu:

• prokazatelná bezpečnost (toxikologie, alergenní potenciál, čistota)
• stabilita procesu a sledovatelnost (traceability)
• konzistence produktu napříč šaržemi

AI zde může pomoci nepřímo: robustní dokumentace kvality, detekce odchylek, evidence dat. Ale regulaci neobejde.

Kde to uvidíme nejdřív: B2B ingredience

Nejpravděpodobnější cesta na trh je přes ingredience pro potravináře (B2B), ne přes koncový produkt.

Typické první aplikace:

• náplně a krémy (kde jde o texturu a stabilitu)
• alternativní maso (šťavnatost, tukové „kousky“)
• pečivo a cukrovinky (funkční vlastnosti tuku)

Jakmile se ingredience osvědčí v továrně, marketing „udržitelného tuku“ se dá postavit mnohem snadněji.

Jak poznat, že projekt „tuky z vedlejších proudů“ je připravený na pilot

Nejlepší filtr je jednoduchý: dá se to opakovat ve stejných parametrech? Pokud řešíte partnerství, investici nebo pilotní projekt, ptejte se na tyto body:

1. Variabilita vstupu: Jak měří složení šarží? Jak řeší odchylky?
2. Procesní data: Mají online monitoring a modely pro predikci výtěžnosti?
3. Cílová specifikace: Umí dodat tuk s konkrétním bodem tání / SFC profilem pro vaši aplikaci?
4. Senzorika: Je produkt neutrální, nebo má vlastní chuť? Jak stabilně?
5. Škálování: Jaký je plán přechodu z labu na pilot a z pilotu do průmyslu?

Můj pohled: nejvíc projektů padá na bodu 1 a 3. Věda je jedna věc, průmyslová opakovatelnost druhá.

Kam se to posune v roce 2026–2028

Do roku 2026 uvidíme první průmyslové kapacity a víc společných projektů se zavedenými potravináři. Do roku 2028 se začne lámat chleba: přežijí ti, kdo zvládnou cenu, kvalitu a povolení současně.

Trend, který stojí za sledování v celé EU (a měl by zajímat i ČR):

• potravinářství bude čím dál víc připomínat biovýrobu (fermentory, procesní kontrola)
• suroviny budou víc „datové“ (certifikace, traceability, uhlíková stopa)
• AI se přesune z pilotních dashboardů do „nudných“ věcí: plánování šarží, prevence zmetků, řízení kvality

A právě v tom je síla: největší dopad AI v potravinářství často není v efektních demo aplikacích, ale v tom, že výroba přestane kolísat.

Co si z toho odnést (a co udělat příště)

Alternativní tuky z pilin nejsou kuriozita. Jsou to signál, že cirkulární ekonomika v potravinách se začíná opírat o biotechnologie a AI – a že vedlejší proudy z agro a dřeva mohou být klíčovou surovinou nové generace ingrediencí.

Pokud jste zemědělec, zpracovatel nebo potravinář, další krok je praktický: podívejte se na své vedlejší proudy jako na datový problém. Co umíte měřit? Co umíte stabilizovat? A kdo umí navázat R&D tak, aby z toho byl produkt, ne jen hezká prezentace?

A teď otázka, která bude v roce 2026 rozhodovat o vítězích: kdo v Evropě jako první zvládne vyrábět udržitelné tuky ve velkém – a za cenu, kterou potravinářství bez mrknutí oka přijme?