Künstliche Intelligenz kann Landwirten dabei helfen, ihre Arbeit besser zu planen und zu steuern, um sie von Routinetätigkeiten zu entlasten. So können beispielsweise in Zukunft auch große Maschinen wie Traktoren autonom über die Felder fahren oder mit Kameras ausgestattete Mähdrescher erkennen automatisch die Güte der Ernte und ändern auf Basis der Daten selbstständig Einstellungen im Ernteprozess. Das sind zwei Beispiele, an denen Prof. Markus Pauly von der TU Dortmund mit den Verbundpartnern CLAAS E-Systems GmbH, Zauberzeug GmbH, dem Deutschen Forschungszentrum für Künstliche Intelligenz (DKFI) sowie der Universität Osnabrück arbeitet. Das Projekt hat am 1. Januar 2021 begonnen und eine Laufzeit von drei Jahren.
Die verschiedenen Sensoren, mit denen die Maschinen ausgestattet werden, produzieren kontinuierlich große Mengen an Daten. Hier ist die Expertise von Prof. Markus Pauly von der Fakultät Statistik der TU Dortmund und seinem Team um Lena Schmid gefragt, das federführend die Versuchs- und Fallzahlplanung übernimmt. „Als Statistiker kenne ich mich mit Daten und Erhebungstechniken aus“, sagt der Professor für Mathematische Statistik und industrielle Anwendungen. Gemeinsam mit den Partnern entwickelt er die Methoden des maschinellen Lernens für das Forschungsprojekt und stellt sicher, dass die verwendeten Daten auch die nötige Qualität haben. Die Anwendung in der Landwirtschaft wird nämlich durch zahlreiche Faktoren beeinflusst: „Die Maschine muss das Feld erkennen und darf nicht immer nur dieselbe Strecke abfahren. Die erfassten Daten ändern sich jedoch zum Beispiel je nach Jahreszeit, Erntestatus, Untergrund und Bepflanzung“, erklärt Prof. Pauly. „Die Künstliche Intelligenz muss daher in der Lage sein, diese Daten korrekt erfassen und verarbeiten zu können.“ Rund 200.000 Euro der Projektfördersumme gehen an die TU Dortmund.
Eine weitere Herausforderung der KI-Anwendung in der Landwirtschaft:
Während man sich in der Fabrik auf ein klimatisiertes Rechenzentrum und Glasfaserkabel stützen kann, müssen in der Landwirtschaft die erforderlichen Berechnungen zumindest in Teilen auf der Maschine mit begrenzten Kapazitäten unter rauen Umgebungsbedingungen erfolgen. Das gilt insbesondere, wenn kein Mobilfunknetz verfügbar ist. Um in solchen Situationen dennoch Vorteile aus der Künstlichen Intelligenz zu ziehen, ist es erforderlich, speziell für diese Umgebung geeignete Hardware, sogenannte eingebettete Systeme, und darauf abgestimmte Software einschließlich Funk-Kommunikation zu entwickeln. Während in der Industrie häufig Gebrauch von Cloud-Computing gemacht wird, handelt es sich hier um das Gegenteil, Edge-Computing – Datenverarbeitung vor Ort.
Weder Cloud- noch Edge-Computing sind die perfekte Lösung
Aber das Zusammenspiel beider ist ein Erfolgsrezept. Daher erfolgt die Entwicklung in enger Abstimmung mit dem vom Bundesministerium für Wirtschaft und Energie (BMWi) geförderten Projekt Agri-Gaia, das sich um KI in der Cloud-Infrastruktur im landwirtschaftlichen Kontext kümmert. Weiterhin erfolgt ein enger Austausch mit dem ZIM-Innovationsnetzwerk DeepFarmBots – KI-basierte Agrarrobotik für eine effiziente und nachhaltige Agrarwirtschaft, das ebenfalls durch das BMWi gefördert wird.