Digitalisierte Landwirtschaft

Bis 2050 werden fast zehn Milliarden Menschen auf der Erde leben. Für den Anbau von Lebensmitteln stehen jedoch nur begrenzt Flächen zur Verfügung und der Klimawandel erhöht den Druck zusätzlich. Die Ernährung der Menschheit kann folglich nur eine nachhaltige und innovative Landwirtschaft leisten. Sie muss mehr Lebensmittel produzieren und gleichzeitig die Umwelt schonen. Eine zentrale Rolle spielen dabei digitale Konzepte wie »Smart Agriculture« und »Precision Farming«. Fraunhofer entwickelt dafür kognitive Internet-Technologien.

In Zeiten wachsender Weltbevölkerung, zunehmender Umweltbelastungen und sich wandelnder klimatischer Bedingungen sind digitale Technologiekonzepte der Schlüssel zu einer nachhaltigeren und effizienteren Landwirtschaft. Sie stellen einen wesentlichen Beitrag zur Sicherung der Ernährung der Welt dar. Gleichzeitig haben Industrie, Politik und Gesellschaft die Digitalisierung der Landwirtschaft und die Züchtungsforschung als eine wesentliche Herausforderung erkannt und suchen nach entsprechenden Lösungen.

Ressourceneinsatz und Ernte optimieren

Fraunhofer treibt deshalb zusammen mit Anwendern angewandte Forschungsprojekte für die Digitalisierung der Landwirtschaft voran. In enger Abstimmung mit dem Fraunhofer-Leitprojekt Cognitive Agriculture (COGNAC) arbeitet der Fraunhofer CCIT an einem intelligenten IT- und Elektronik-System, das landwirtschaftliche Betriebe dabei unterstützen soll, den Anbau ihrer Pflanzen zu optimieren. Der Ansatz des Fraunhofer CCIT kombiniert dabei intelligente Sensorik, Maschinelles Lernen und Technologien für geschützte Datenräume. Verschiedenartige Sensortechnologien werden selbstständig das Wachstum und den Zustand der Pflanzen überwachen und auf Basis dieser Daten den optimalen Einsatz von Wasser, Düngemitteln und Schädlingsbekämpfung sowie den optimalen Erntezeitpunkt erkennen. Dies führt zu mehr Nachhaltigkeit, optimaler Ressourcennutzung und zuverlässigeren Erträgen. Das System wird autonom ausgelegt sein und adaptiv auf variable und dynamische Randbedingungen reagieren. Die Sensorik ist bereits entwickelt. Im nächsten Schritt wenden die Wissenschaftlerinnen und Wissenschaftler auf die gewonnen Daten Algorithmen des Maschinellen Lernens an.

Nicht nur Saatguthersteller und Landwirte sollen von der angewandten Forschung des Fraunhofer CCIT profitieren. Nach dem erfolgreichen Einsatz in der Nahrungsmittelproduktion soll das System auf die gesamte Wertschöpfungskette – vom Anbau über Transport und Handel bis zum Verbrauch beim Endkunden – angewendet werden. Die automatisierte, intelligente Zustandsüberwachung gepaart mit einem Austausch der Daten in sicheren Infrastrukturen führt zu einer besseren Qualität der Produkte und einem effizienteren Umgang mit ihnen.

Maschinelles Lernen mit kleinen Datensätzen

Maschinelles Lernen erlaubt es, Bedarfe in der landwirtschaftlichen Produktion wesentlich früher zu erkennen als es mit konventionellen Methoden möglich ist. Sensoren erfassen Zustände von Pflanzen und Böden. Die Daten über große Distanzen verteilter Sensoren lassen sich aggregieren. Muster, die dadurch erkannt werden, erlauben es z. B. vorherzusagen, wie sich Schädlinge oder Krankheiten ausbreiten. Dies ist eine wichtige Basis für einen sparsamen und präventiven Einsatz von Pflanzenschutz. Das Training intelligenter Analysesysteme, wie z.B. neuronaler Netze, erfordert jedoch große Mengen an Beispieldaten. Diese sind in der Landwirtschaft nicht immer verfügbar. Der technologische Ansatz des Fraunhofer CCIT nutzt daher auch Expertenwissen und Erfahrungswerte von Landwirtinnen und Landwirten. Hybrides Maschinelles Lernen, das sich gleichzeitig auf Expertenwissen und erhobene Daten stützt, ermöglicht somit auch mit geringen Datenmengen verlässliche Analysen.