Lösungen für eine effiziente und ressourcenschonende Landwirtschaft

Etwa zehn Milliarden Menschen werden 2050 den Planeten bevölkern. Diese gilt es, mit Lebensmitteln zu versorgen. Doch die globalen Ressourcen und Anbauflächen sind begrenzt. Zudem müssen die CO2-Emissionen in der Landwirtschaft gesenkt werden, um die gesetzten Klimaziele zu erreichen. Mit Hilfe von Künstlicher Intelligenz und Robotik erarbeiten Forscherinnen und Forscher der Fraunhofer-Gesellschaft Automatisierungskonzepte, Monitoring-Lösungen, kognitive Dienste sowie eine integrierte Plattform, um diesen Herausforderungen zu begegnen.

Künstliche Intelligenz soll zukünftig noch gezielter in der Landwirtschaft zum Einsatz kommen. © Fraunhofer-Gesellschaft

Bodenverdichtung, intensive Düngung, der übermäßige Einsatz von Herbiziden, Pestiziden und Fungiziden – all dies strapaziert die Agrarflächen auf der Welt. „Wir wollen diesen Missständen in der Landwirtschaft mit dem Einsatz von Künstlicher Intelligenz entgegenwirken. Landwirte sollen nicht durch KI ersetzt werden. Rechenmodelle können sie jedoch bei ihrer Arbeit gezielt unterstützen“, so Ralf Kalmar, Informatiker am Fraunhofer-Institut für Experimentelles Software Engineering IESE und Koordinator des Forschungsprojekts „Cognitive Agricultures“ (COGNAC).

Das Leitprojekt der Fraunhofer-Gesellschaft startete 2018. Acht Fraunhofer-Institute forschen gemeinsam an Lösungen, um landwirtschaftliche Produkte umwelt- und ressourcenschonend sowie hocheffizient zu erzeugen.

Mit KI den Einsatz von Pestiziden verringern

Ziel des Forschungsprojekts ist es, Daten über komplexe Zusammenhänge in der Feldwirtschaft automatisiert zu erfassen. Dabei kommen Methoden des maschinellen Lernens zum Einsatz. So können beispielweise landwirtschaftliche Roboter, so genannte Agrobots, mit ihren Kameras und Sensoren selbstständig Unkraut von Nutzpflanzen auf den Feldern unterscheiden und sie entsprechend behandeln. Dies reduziert den Einsatz von Pflanzenschutzmitteln.  

Daten zu Saatgut und Düngern, Boden und Schädlingsbefall, Wetter und Klima, Marktentwicklung und Expertenwissen werden vernetzt und mit KI-Methoden analysiert. Auf dieser Basis können beispielsweise Düngemittelzusammensetzungen, Saatgutbeschichtungen und Nutzpflanzenmerkmale für die nächste Anbausaison optimiert werden.

Hochaufgelöste Messdaten aus luft- oder bodengestützten Systemen tragen zu einer automatisierten Interpretation und Entscheidungsunterstützung bei. Diese neuartige Agrarsensorik erlaubt es zum Beispiel, seismische Bildgebung von Bodenverdichtung und eine Analyse des Bodenstickstoffgehalts zu rekonstruieren. Auch ist eine Klassifikation von Bodenflächen und Bewuchs durch hyper- und multispektrale optische Verfahren mit dieser Technik möglich.

Kognitive Dienste und die Anwendung von KI-basierten Verfahren stellen einen zentralen Baustein des Fraunhofer-Leitprojekts dar. Es handelt sich hierbei um Systeme, die eine für den Menschen hilfreiche und natürliche Schnittstelle bieten, um die tägliche Arbeit in der Landwirtschaft zu unterstützen. So sollen Lösungen zur Darstellung und Steuerung der Stickstoffbilanz im Nährstoffkreislauf mithilfe kognitiver Dienste gefunden werden. Auch sollen die Dienste so die Ernteplanung für die Landwirtinnen und Landwirte erleichtern.

Informationsbasiertes Ökosystem für die Landwirtschaft

Ein weiteres Ziel der Wissenschaftlerinnen und Wissenschaftler ist es, einen großen und sicheren Datenraum für die Landwirtschaft zu schaffen (Agricultural Data Space). Bisher werden Daten in der Agrarwirtschaft dezentral gesammelt und ausgewertet. Ein offener Austausch soll es ermöglichen, die Messdaten aus unterschiedlichen Bereichen der Landwirtschaft zu bündeln und miteinander zu verknüpfen. So können sich Bäuerinnen und Bauern mit Behörden, Umwelt-organisationen, Genossenschaften und Maschinenherstellern einfach, schnell und vor allem sicher austauschen. Das Projekt zielt auf die Schaffung eines informationsbasierten Ökosystems für den Agrarbereich, welches beispielsweise dem Landwirt eine Entscheidungsgrundlage über alle Ebenen – von Bodenbeschaffenheit bis Marktsituation – bietet. Der Agricultural Data Space soll zu einem Meilenstein in der digitalisierten Landwirtschaft werden.

Fakten zur Anwendung


Technologiefeld
Datenmanagement und -analyse
Bilderkennung und -verstehen
Sensorik und Kommunikation
Robotik und autonome Systeme
Branche
Agrarwirtschaft
Einsatzfeld
  • Intelligente Assistenzsysteme
    Intelligente Automatisierung
    Intelligente Sensorik
    Qualitätskontrolle
    Robotik
Wertschöpfungsaktivität
Produktion
Forschung und Entwicklung [FuE]
Förderung
Sonstiges
KI-Entwickler

Fraunhofer-Institut für Experimentelles Software Engineering IESE

Universität/Forschungsinstitution
Website

Entwicklungspartner

Fraunhofer-Institut für Fabrikbetrieb und -automatisierung IFF