Veränderte Klimabedingungen beeinflussen Qualität und Abläufe von landwirtschaftlichen Prozessen. Mithilfe moderner KI-Methoden lässt sich gegensteuern und die Landwirtschaft nachhaltiger optimieren.
Automatisierte Datenerhebung auf einer Apfelplantage in der Pfalz.
Robot Makers GmbH
Klimakrise, Umweltverschmutzung und Rückgang der Biodiversität: Die Landwirtschaft steht vor großen Herausforderungen. Auf die weitreichenden Folgen des Klimawandels müssen sich die Bauern verstärkt einstellen. Steigende Temperaturen und veränderte Niederschläge betreffen alle landwirtschaftlichen Größen. Das reicht vom Nutzpflanzenwachstum über die Fruchtfolgen bis hin zur Bodenbearbeitung. Ein wichtiges Werkzeug zur Bekämpfung des Klimawandels ist künstliche Intelligenz (KI), die einen Beitrag zum Umweltschutz leisten und für eine nachhaltigere Landwirtschaft sorgen kann.
Neue Computersimulationen der NASA und des Potsdam-Instituts für Klimafolgenforschung (PIK) prognostizieren tiefgreifende Veränderungen in den Anbaubedingungen und Erträgen der wichtigsten Kulturpflanzen schon in den nächsten 10 Jahren, wenn sich die derzeitigen Trends der globalen Erwärmung fortsetzen. In den wichtigsten Kornkammern der Welt werde es viel schneller als bisher erwartet zu gravierenden Veränderungen kommen, so die Analyse. Daher müssten sich die Landwirte in aller Welt schon jetzt an die neuen klimatischen Gegebenheiten anpassen. Bis Ende 2100 könnten die Maiserträge um fast ein Viertel zurückgehen, während die Weizenerträge möglicherweise weltweit um etwa 17 % steigen könnten.
Effizienter und nachhaltiger mit Cloud- und KI-Technologien
Wie können sich Landwirte aber auf die neue Klimarealität einstellen? Sowohl sie als auch die Gesellschaft sind auf eine effiziente Landwirtschaft angewiesen, die den Ertrag künftig unter immer komplizierteren Bedingungen maximieren muss. Um die Anpassung an veränderte Rahmenbedingungen effizienter zu gestalten und das Ökosystem zukunftssicher zu machen, können Cloud- und KI-Technologien zum Einsatz kommen. Damit KI jedoch "etwas zur Wertschöpfung beitragen kann, müssen genügend Daten vorhanden sein, gibt Springer-Autor Phil Wennker im Kapitel Künstliche Intelligenz in der Landwirtschaft des Buchs Künstliche Intelligenz in der Praxis zu bedenken. Dies gelinge durch immer "billiger werdende Sensoren, Drohnentechnologie und weitergehende Verbreitung von IoT-Applikationen und mobilen Datenübertragungsmöglichkeiten", so Wennker, die den "Boden für den weitläufigen Einsatz künstlicher Intelligenz in der Landwirtschaft bestellen".
Konkret kann das so aussehen wie im Projekt NaLamKI: Hier etablieren Forschende am Fraunhofer-Institut für Nachrichtentechnik, Heinrich-Hertz-Institut, HHI gemeinsam mit Partnern eine Software-as-a-Service-Plattform, auf der Geräte- und Maschinendaten als Datengrundlage für Prognosen und Entscheidungshilfen gesammelt werden. Die Daten werden mithilfe von Satelliten und Drohnen, Bodensensorik, Robotik, manueller Datenerhebung und Bestandsdaten gewonnen. Sie sollen Landwirte bei der Analyse von Pflanzen- und Bodenzuständen großer Landflächen unterstützen und helfen, Nährstoff- und Pflanzenschutzprozesse wie Bewässerung, Düngung und Schädlingsbekämpfung umzustellen und somit ausreichend Ernteerträge in Qualität und Menge zu sichern, Emissionen zu reduzieren und die Artenvielfalt zu erhalten.
Pflanzenzustände überprüfen
Doch nicht nur das sich verändernde Klima macht den Landwirten zu schaffen, sondern auch zu wenig Fachkräfte. "Neben dem Klimawandel wirkt sich auch der Mangel an Fachkräften auf die Qualität und die Abläufe von landwirtschaftlichen Prozessen aus. Die Überprüfung von Pflanzenzuständen kann deshalb oft nur sehr punktuell vorgenommen werden. Die Erkennung und präzise Bestimmung etwa von Bodenwasserzuständen oder Schädlingsbefall sind auf großen landwirtschaftlichen Flächen derzeit nicht möglich", sagt Dr. Sebastian Bosse, Gruppenleiter Interaktive & Kognitive Systeme am Fraunhofer HHI.
Um dem zu begegnen, entwickelt das Institut im Projekt KI-Verfahren zur Analyse von Fernerkundungsdaten zur Modellierung landwirtschaftlicher Prozesse und zur 5G-Vernetzung auf Ackerflächen. "Wir kümmern uns unter anderem um die Bildauswertung von Drohnen-, Satelliten- und Roboterkameradaten und um die Plausibilisierung der Ergebnisse für die Landwirte", sagt der Ingenieur. Durch die Fusion aller Daten erhalten sie bisher kaum verfügbare Erkenntnisse zur Beschaffenheit von Anbauflächen.
Obstplantagen inspizieren
Als konkreten Anwendungsfall nennen die Fraunhofer-Forschenden die automatisierte Datenerhebung auf einer Apfelplantage in der Pfalz. Hierfür seien während der Durchfahrt des (semi-)autonomen Roboters durch die Plantage Daten mit verschiedenen Sensoren analysiert und fusioniert worden. Ziel sei eine aussagekräftige Repräsentation der Baumanlagen einer Obstplantage aufzubauen, die die Anzahl und den Reifegrad der Früchte, den Stammdurchmesser der Pflanzen, den Zustand der einzelnen Pflanzen und des umgebenden Bodens, oder auch Hindernisse, insbesondere Lebewesen in hohem Bewuchs im Fahrweg detektieren kann. "Wir werten die Daten während der Durchfahrt durch die Plantage aus. Die so gewonnenen Informationen werden der Karte des Obstbaumbestandes fusioniert und in einer Objektkarte repräsentiert. Basierend auf diesen Daten wird eine Dokumentation für den Landwirt erstellt", erläutert Forscher Bosse.
Hagelstürme vorhersagen und Aussaat optimieren
Neben der Überwachung des Lebenszyklus von Getreidepflanzen und Feldern mittels KI und dem Einsatz von autonomen Robotern, die mühsame Arbeiten erledigen oder Präzisionslandwirtschaft ermöglichen, arbeiten verschiedene Institutionen auch an der Optimierung von Wetter- und Saatvorhersage. So hat das US National Oceanic and Atmospheric Administration ein Modell entwickelt, das anhand von Wetterdaten die Wahrscheinlichkeit von Hagelstürmen in einer Region mit einem Tag Vorlauf vorhersagt und dabei etablierte Methoden schlägt, wie Springer-Autor Wennker erklärt.
Einen Schritt weiter als die Wettervorhersage gehen Anwendungen, die den Landwirten helfen, ihre Aussaat zu verbessern. So berechnet Mircosofts AI Sowing App anhand von 30 Jahren historischen Klimadaten, Echtzeitwetterinformationen mittels Machine Learning den idealen Zeitpunkt zur Aussaat, die Tiefe in der die Saat in den Boden eingebracht werden und die Menge an Dünger, die der Landwirt verwenden soll.
Interoperabilität als Schlüssel zum Erfolg
Schlüssel zum Erfolg des Digital Farmings, wie es Jörg Dörr im Gastkommentar Digital Farming im Kontext digitaler Ökosysteme aus der ATZheavy duty 3-2021 nennt, werde die Interoperabilität der Systeme sein. Das bedeutet, "die Möglichkeit sich zukünftig einfach miteinander zu vernetzen, sei es über ihre primäre Funktionalität oder über die gewonnen und genutzten Daten", so Dörr. Digital Farming werde kleinen wie großen Betrieben Nutzen bringen. Er rät jedem Betrieb sich intensiv mit den neuen Möglichkeiten auseinanderzusetzen. Allerdings resümiert Dörr: "Auch die Forschung und Entwicklung hat noch viel zu tun, damit die Beiträge der Digital-Farming-Lösungen klarer ersichtlich und nicht nur eindimensional gesehen werden".