Künstliche Intelligenz unterstützt Bäuerinnen und Bauern immer stärker: Sie steuert präzise Bewässerung, sagt Erträge voraus und überwacht Felder.
Als ich vor drei Jahren eine Agrarmesse in Izmir in der Türkei besuchte, diente künstliche Intelligenz in der Landwirtschaft vor allem dazu, Bestände durchzurechnen. Spezialisierte Produkte dafür standen an kleinen Ständen, weit hinter den großen Traktorenherstellern.
WERBUNG
WERBUNG
Das ändert sich gerade.
Fünf Beispiele zeigen, wie KI den Anbau von Nahrungs- und Futtermitteln reformiert:
Situation im Blick behalten
Die Überwachung von Feldern beruht bisher stark auf Erfahrung und Intuition. Landwirtinnen und Landwirte müssen einschätzen, wie Schädlinge und Krankheiten ihre Kulturen zu unterschiedlichen Jahreszeiten, bei wechselnden Winden und Klimabedingungen beeinflussen.
Doch auch hier setzt sich KI durch.
Drohnen und Satellitenbilder liefern Daten für Computer-Vision-Modelle. Sie erkennen Pilzbefall oder Schädlingsdruck lange bevor das menschliche Auge etwas bemerkt und schlagen gezielte Pflanzenschutzmaßnahmen vor. Nutzen Betriebe zusätzlich Bodensensoren, wird der Datensatz noch besser.
Ernteprognosen
Ähnlich wie bei der Feldüberwachung helfen Sensoren auch bei der Ernteplanung. Sie liefern nicht nur ein genaues Bild der bereits eingebrachten Mengen, sondern auch der Erträge, die noch auf dem Feld stehen. Syngenta hat dafür eine generative KI entwickelt, die Ernten mit rund 95 Prozent Genauigkeit vorhersagt und zugleich Empfehlungen zur Platzierung von Saatgut gibt.
Solche Prognosen sind wichtig, weil Landwirtinnen und Landwirte die Logistik frühzeitig organisieren müssen. Je präziser die Angaben an Handel und Speditionen, desto weniger Geld geht verloren.
Eine von der National Corn Growers Association in Auftrag gegebene Studie von Agrarökonominnen und -ökonomen der Virginia Tech mit dem Titel „What Do We Know About the Accuracy and Impact of USDA Forecasts“ beziffert den direkten Wert der WASDE-Berichte („World Agricultural Supply and Demand Estimates“) des US-Landwirtschaftsministeriums (USDA) für den Maismarkt.
Demnach haben diese Prognosen einen jährlichen Wert von rund 301 Millionen Dollar (258,9 Millionen Euro), etwa 0,55 Prozent des gesamten Maismarktvolumens. Aufgeschlüsselt tragen Flächenschätzungen etwa 145 Millionen Dollar (124,8 Millionen Euro) bei, die Ertragsprognosen rund 188 Millionen Dollar (161,8 Millionen Euro), die Produktionsschätzungen etwa 299 Millionen Dollar (257,3 Millionen Euro) und die Exportprognosen rund 320 Millionen Dollar (275,4 Millionen Euro).
Feldarbeit mit Robotern
Robotik erlebt im KI-Zeitalter einen Boom. Autonome Systeme steuern nicht nur Fahrzeuge in Städten, sondern zunehmend auch Traktoren und andere Feldmaschinen, die sich mit KI automatisieren lassen.
John Deere arbeitet seit Jahren an vollständig autonomen Traktoren. Ein konkretes Beispiel ist der LaserWeeder von Carbon Robotics: Er nutzt 24 Laser, 36 Kameras und 24 NVIDIA-GPUs, um pro Minute bis zu 10.000 Unkräuter in mehr als 100 Kulturarten aufzuspüren und zu vernichten. Die Systeme wurden mit 150 Millionen markierten Pflanzenbildern aus Maschinen trainiert, die bereits in 15 Ländern im Einsatz sind.
Präzisionsbewässerung
Bewässerung ist eine Wissenschaft, die bisher stark auf dem Wissen der einzelnen Bäuerinnen und Bauern beruhte. Präzisionsbewässerung ist zwar kein neues Konzept, und automatische Bewässerungssysteme gibt es längst. Dennoch waren sie bislang auf manuell eingegebene Daten aus den Betrieben angewiesen.
Neue Sensor-Fusion-Systeme verknüpfen Bodenfeuchte, Kronentemperatur und Wettervorhersagen. Sie senken den Wasserverbrauch um etwa 30 Prozent und steigern zugleich in manchen Projekten die Erträge. Ein dokumentierter Fall aus indischen Zuckerrohrfeldern zeigt eine Wassereinsparung von 30 Prozent bei einem Ertragsplus von 40 Prozent.
Ähnlich arbeiten variabel dosierende Sprühgeräte: Sie bringen Pflanzenschutzmittel nur dort aus, wo sie benötigt werden. Das reduziert die Chemikalienmenge und schafft nachvollziehbare Protokolle, die bei der Einhaltung von Auflagen helfen.
Künstliche Intelligenz im Stall
Je größer ein Betrieb, desto schwieriger wird die Versorgung der Tiere und die wirtschaftliche Steuerung der Bestände. KI-Systeme für die Tierhaltung nutzen Computer Vision und tragbare Sensoren wie Beschleunigungsmesser oder biometrische Messgeräte. Sie erkennen Krankheitsanzeichen oft schon Tage vor sichtbaren Symptomen. Das reduziert den Einsatz von Antibiotika und verbessert das Tierwohl – ein Aspekt, der angesichts zunehmenden Drucks von Behörden und Handel auf den Antibiotikaeinsatz in Fleisch- und Milchproduktion immer wichtiger wird.
Dieser Beitrag ist ursprünglich auf EU Tech Loop (Quelle auf Englisch) erschienen und wurde im Rahmen einer Syndizierungsvereinbarung auf Euronews übernommen.