AgriGaia

Pattern

Innovativ und verantwortungsbewusst

Künstliche Intelligenz in der Landwirtschaft - Ein Bericht der LMIS

Die LMIS AG ist im Projekt Agri-Gaia an dem Aufbau der Plattform beteiligt.

Die Agrarwirtschaft zählt hierzulande zu den wichtigsten Wachstums- und Zukunftsbranchen. In der deutschen Landwirtschaft erzeugen laut des Industrieverbandes Agrar (iva) etwa 608.000 Beschäftigte in rund 264.000 Betrieben jährlich Güter im Wert von rund 58 Milliarden Euro. Unter Einsatz neuester Technologien und mit modernem Pflanzenschutz sowie nachhaltiger Mineraldüngung wird auf gut 90 Prozent der landwirtschaftlichen Fläche in Deutschland bereits moderne Agrarwirtschaft betrieben.

Der Digitalverband Bitkom und der Deutsche Bauernverband bezeichnen die Landwirtschaft als „Treiber der Digitalisierung im ländlichen Raum“. Doch auf dem Weg zu einem fortschrittlichen und modernen Agrarsektor muss dieser sich einigen Herausforderungen stellen: Angesichts der aktuellen, extremen Wetterereignisse, unterschiedlichen lokalen Bodenbeschaffenheiten und neuartigen Pflanzenkrankheiten werden Produktionsentscheidungen immer häufiger unter Unsicherheit gefällt. Mit der wachsenden Bedeutung der Ressourcenschonung wird zudem eine sparsame Verwendung von Betriebsmitteln wie Dünger oder Herbiziden wichtiger.

Innovative Technologien wie Künstliche Intelligenz (KI) werden vermehrt eingesetzt, um diese Hürden erfolgreich zu meistern. Daher befassen wir uns in diesem Artikel mit der Frage: Wie kann KI gewinnbringend in der Landwirtschaft genutzt werden und für welche Anwendungsbereiche eignet sich die Nutzung von KI-gestützten Werkzeugen?

lmis_beitrag Anwendungsbereiche von KI

Anwendungsbereiche von KI in der Landwirtschaft

Digitale Hilfsmittel sind längst keine Neuheit mehr in der Agrarwirtschaft: Drohnen beobachten zum Beispiel den Pflanzenwuchs und Lenksysteme steuern per GPS-Signal autonome Landmaschinen. Angesichts des hohen Digitalisierungsgrades sind die Weichen für den Einsatz von Künstlicher Intelligenz bereits gestellt. Denn den KI-Algorithmen stehen bereits umfassende Datensätze aus Maschinen und Prozessen zur Verfügung. Das primäre Ziel eines jeden Landwirtes wird es in Zukunft sein, Daten zu sammeln. Durch Satelliten, Drohen und die richtige Sensorik gilt es dann, die gewonnenen Daten zu verknüpfen und neue Erkenntnisse daraus zu gewinnen. Mithilfe von intelligenten Algorithmen lassen sich darauf aufbauend bessere Vorhersagen treffen.

Dies ist wichtig, da die landwirtschaftliche Domäne von Unsicherheit und Unschärfe geprägt ist: Wetter, Boden, Pflanzen, Tiere, Preise sind für die Landwirte stets unsicherere Variablen. Eben diese Unsicherheit wird von der KI durch zielgeleitetes Handeln formalisiert. Beispielsweise werden zunehmend KI-basierte Assistenzfunktionen in Landmaschinen oder Vollautomaten in der Innenwirtschaft entwickelt: Etwa zur Regelung komplexer Prozessparameter in Erntemaschinen oder zum vollautomatisierten Betrieb von Fütterungs- und Reinigungsrobotern in Ställen.

Ein großer Vorteil von KI-basierten Robotern besteht darin, dass sie nur dort in die Umwelt eingreifen, wo ihr Einsatz notwendig ist. So können chemischer oder mechanischer Pflanzenschutz und die Aussaat von Saatgut nach Bedarf dosiert werden. Negative Auswirkungen auf Böden und Grundwasser werden dadurch verringert und Kosten eingespart. Der Einsatz von KI leistet so auch einen Beitrag zur Nachhaltigkeit, Ressourceneffizienz, Wettbewerbsfähigkeit und Nahrungsmittelsicherheit.

Feldaten Marine Perception MAP

Zukunftsszenario

Es lässt sich festhalten, dass KI-Technologien eine bedeutende Investition in die Zukunft der Land- und Ernährungswirtschaft sind. Die ökonomischen und ökologischen Vorteile von KI-gestützten Anwendungen in der Landwirtschaft können jedoch nur dann ausgeschöpft werden, wenn bei Landwirten und Lohnunternehmen eine Bereitschaft vorliegt, diese zu nutzen. Aus diesem Grund ist es wichtig, dass bei den Akteuren ein grundsätzliches Vertrauen für KI geschaffen wird. Dies kann beispielsweise durch den Einsatz von Explainable AI, also der verständlichen Erklärung von komplexen KI-Systemen, gelingen. So ist es beispielsweise wichtig, dass Landwirte weiterhin den Überblick und die Kontrolle über ihre Daten haben.

Eine sichere Lösung für eine automatisierte, prozessorientierte Datennutzung bietet die Datenaustauschplattform agrirouter. Der agrirouter ist für den schnellen Datentransport zuständig und speichert Daten dabei nur temporär. Jeder Nutzer legt vorab individuelle Datenrouten über die webbasierte agrirouter Oberfläche fest. Landwirte können so die Kontrolle über Ihre Daten behalten und den Verwaltungsaufwand insgesamt reduzieren. Über den agrirouter gelangen die Daten mit einem Klick von der Maschine ins Büro. Zusätzliche Tools für den Datenaustausch, wie beispielsweise USB-Sticks, werden überflüssig. Nutzer können damit ihre betrieblichen Abläufe und ihre Wirtschaftlichkeit nachhaltig verbessern. Wir sind bereits seit drei Jahren Teil dieses innovativen Projektes der DKE und haben bei der Umsetzung des agrirouters im Bereich der Evaluation technischer Anforderungen und der Klärung zentraler Architekturfragen mitgewirkt. Dabei haben wir die Zielgruppe der Landwirte und Lohnunternehmer fest im Blick behalten.

konsortium_agri-gaia

Leuchtturmprojekt Agri-Gaia

Bei den Bedürfnissen der Zielgruppe setzt auch das im Januar 2021 gestartete Projekt Agri-Gaia an. Ziel des Leuchtturmprojektes ist es, ein offenes KI-Ökosystem für die mittelstandsgeprägte Agrar- und Ernährungsindustrie auf Basis von Gaia-X zu schaffen. Als Implementierungspartner von Agri-Gaia wollen wir aktiv den Einsatz von KI im Agrarsektor vorantreiben. Dazu haben wir als LMIS zusammen mit dem Konsortium die Domäne Agrar im deutschen Gaia-X Hub begründet und fördern dort auch die projektübergreifende Vernetzung. Das Herzstück von Agri-Gaia ist eine innovative B2B-Plattform, die branchenspezifisch adaptierte KI-Bausteine als leicht verwendbare Module bereitstellt und Anwender mit Entwicklern von KI-Algorithmen zusammenbringt.

Agri-Gaia soll so ganzheitlich Anwendung finden: Angefangen bei der Sensordatenaufnahme auf der Landmaschine über das Trainieren und kontinuierliche Optimieren der Algorithmen auf entsprechenden Servern hin zu der Entwicklung bedarfsorientierter Verbraucherszenarien. Langfristig werden anonymisierte Verbrauchsdaten zu Produkten zurück in die Plattform fließen. So kann eine KI beispielsweise Empfehlungen geben, wann wie viele Kartoffeln und Gurken angepflanzt werden sollten, damit in der Grillsaison genau die richtige Menge Kartoffelsalat in den Regalen steht. Damit kann der hohen Überproduktion an Lebensmitteln entgegengewirkt werden. Hierfür werden in Agri-Gaia entsprechende Schnittstellen und Standards entwickelt, die eine herstellerübergreifende Infrastruktur entstehen lassen. Darin zeigt sich, dass das Projekt der gesamten Agrarbranche und den Endverbrauchern zugutekommt und eine effiziente und zugleich nachhaltige Landwirtschaft ermöglicht.