Das Yield Consortium erforscht Ansätze der Künstlichen Intelligenz, die Erträge in der Landwirtschaft auf Basis von Satellitendaten zuverlässig vorhersagen können. Gemeinsam mit BASF Digital Farming, John Deere und Munich Re werden Vorhersagemodelle für ausgewählte Ackerkulturen in den Fokus-Regionen Europa sowie Süd- und Nordamerika entwickelt, mit ersten vielversprechenden Ergebnissen. Später sollen die Modelle auf weitere relevante Kulturen und Anbaugebiete ausgedehnt werden.
In unserer heutigen Zeit kristallisieren sich ökologische Herausforderungen auf globaler Ebene heraus, die durch die Ernährungskrise, Kriege und den Folgen des Klimawandels Gestalt annehmen. Mehr Transparenz und Hilfestellungen für die Landwirtschaft sind erforderlich, um aktiv auf Veränderungen reagieren und Krisenmanagement im Agrarsektor erfolgreich durchführen zu können.
Fernerkundung aus dem All für die Landwirtschaft
Das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) möchte mit seiner Forschung einen wichtigen Teil zur Problemlösung beitragen und hat in Kooperation mit der European Space Agency (ESA) das Projekt Yield Consortium ins Leben gerufen. Das Konsortium ist Bestandteil der Forschungskooperation AI4EO Solution Factory, die von der ESA im Rahmen des „ESA InCubed Programme“ gefördert wird und praxisorientiert an neuen Lösungen auf Basis von Satellitendaten für Wirtschaft und Industrie arbeitet.
Perspektivwechsel ermöglicht zuverlässige Ertragsvorhersagen
Das Potenzial des Yield Consortium Projekts liegt darin, auf Veränderungen von landwirtschaftlichen Erträgen proaktiv reagieren zu können. Es werden Satellitendaten genutzt, um zuverlässig und frühzeitig Erträge vorherzusagen. Dieser Modellierungsprozess wird von den Industriepartnern begleitet und durch ihre komplementierende Expertise in den Bereichen Finance, Agronomie und Erntetechnologie unterstützt.
Die Ertragsvorhersagen ermöglichen perspektivisch neue Versicherungslösungen und können Verlustschätzungen besser kalkulieren, hinsichtlich Bewässerung, Pflanzenschutz, Düngung und wirtschaftlicher Planung. Vorteilhaft sind diese Vorhersagen nicht nur für Politik und Industrie, sondern auch für Landwirte selbst. Sie können ihnen dabei helfen, ihre Anbaumethoden zu optimieren und den Pflanzenschutz zu verbessern.
Vom KI-Prototypen zum praktischen Tool für dir Landwirtschaft
In kurzer Zeit ist es dem interdisziplinären Team gelungen, nach den Anforderungen der Industriepartner ein erstes End-to-End Modell zu entwickeln, welches bereits erfolgreich in der Praxis getestet wurde. Zurzeit können Ertragsvorhersagen in Deutschland für Weizen und Raps und in Südamerika, Argentinien und Uruguay für Sojabohnen bestimmt werden. Dies geschieht auf Basis von Satellitendaten. Wetterdaten, Daten zur Bodenbeschaffenheit, agronomische Informationen zu Pflanzenwachstumsphasen und digitale Höhenmodelle sind indessen im Modell integriert.
Die Ertragsvorhersagen werden zu unterschiedlichen Zeitpunkten aufgenommen. Zum einen können Erträge bis 120 Tage vor der Ernte bestimmt werden. Zum anderen werden landwirtschaftliche Ertragsprognosen zum Zeitpunkt der Ernte gegeben. Je dichter der Zeitpunkt der Ernte ist, desto genauer kann auch die Vorhersage getroffen werden. Elementare Fragestellungen im Bereich Erntelogistik und Getreidevermarktung können leichter beantwortet werden wie: Welcher Ort ist geeignet für die individuelle Anbaupflanze? Was für Erträge erwarten wir in der Saison? Wie viel Dünger und Pflanzenschutzmittel sollten eingesetzt werden? All das sind Fragen, deren Antworten einen erheblichen Einfluss auf die Maximierung von Erträgen haben.
„Ein Modell soll konzipiert werden, das global für alle wichtigen Anbaupflanzen Vorhersagen treffen kann.“
„Unser Ziel ist es, Erträge in der Landwirtschaft möglichst präzise vorherzusagen. Sie sollen Landwirten bei ihrer alltäglichen Arbeit helfen. Die Modelle möchten wir schrittweise auf weitere Länder ausdehnen, weitere Anbaupflanzen berücksichtigen und bestehende Modelle verbessern. Anschließend soll ein Modell konzipiert werden, das global für alle wichtigen Anbaupflanzen Vorhersagen treffen kann“, so Dr. Marlon Nuske von der AI4EO Solution Factory.
Die Perspektive aus dem Weltraum ermöglicht eine nachhaltige Ernte
DFKI-Forscherin Dr. Michaela Vollmer gibt einen Einblick in die Praxis: „Der Mähdrescher erntet ein Feld und misst hochauflösend und fortlaufend den Ertrag in Tonnen pro Hektar, der einem Ursprungsort im Feld zugeordnet werden kann. Anhand von gemessenen Erntepunkten, den ‚Geo Locations‘, können wir auf Sub-Feld-Ebene sehen, wie hoch der Ertrag auf einem Feld punktuell ist. Mit diesen hochauflösenden Daten können wir Satellitenbilder aus dem Weltraum mit einer 10 x 10 Meter-Pixel-Auflösung abgleichen. Das hat zum Vorteil, dass unser Machine Learning Modell optimal trainiert werden kann. So können individuelle Maßnahmen auf dem Feld von Landwirten eingeleitet werden.“
„Wir sind nach wie vor auf der Suche nach weiteren Kooperationspartnern, die hochwertige Ertragskarten bereitstellen können.“
Um das Modell weiterzuentwickeln, liegt es im Interesse des Teams, zusätzliche Ertragsdaten zu akquirieren: „Für den Erwerb von Ertragsdaten haben wir bereits erfolgreiche Kooperationen mit den landwirtschaftsbezogenen Unternehmen Smartway und Manexa etabliert. Wir sind aber nach wie vor auf der Suche nach weiteren Kooperationspartnern, die hochwertige Ertragskarten bereitstellen können.“, so Dr. Marlon Nuske.
„Der Erfolg des Yield Consortium wird uns helfen, weitere Industriepartner aus anderen Themenfeldern für unsere Forschung, Implementierung und erfolgreiche Modellentwicklung begeistern zu können.“
Prof. Dr. Andreas Dengel, Geschäftsführender Direktor des DFKI in Kaiserslautern und Leiter des Forschungsbereichs Smarte Daten & Wissensdienste: „Der Erfolg des Yield Consortium wird uns helfen, weitere Industriepartner aus anderen Themenfeldern für unsere Forschung, Implementierung und erfolgreiche Modellentwicklung begeistern zu können. Die Kombination aus dem Wissen über KI und Earth Observation geht im Projekt über die Grundlagenforschung hinaus. Durch den fortwährenden Austausch mit den Industriepartnern gelingt es uns am DFKI in den sogenannten TransferLabs das Wissen auf verschiedene Anwendungsbereiche zu übertragen. Wir freuen uns auf die Zusammenarbeit mit weiteren Partnern aus anderen industriellen Bereichen.“
Good to know / Der Einfluss des Klimawandels auf die Landwirtschaft
Der Agrarsektor und die globale Ernährungssicherheit stehen heute vor weltweiten Herausforderungen. Kaum ein anderer Sektor ist von klimatischen Faktoren so abhängig und von den Auswirkungen des Klimawandels direkt betroffen: Flächenversiegelungen, sich ändernde Temperaturen, Wetterereignisse wie Starkregen, Hitzewellen oder Waldbrände im Zuge des globalen Klimawandels sind nur einige der ernstzunehmenden Phänomene. Zwar hat es extreme Wetterereignisse schon immer gegeben.
Seit den letzten Jahren häufen sich die Folgen des Klimawandels allerdings im rasanten Tempo. Die kontinuierlich freigesetzten Treibhausgase beeinflussen beispielsweise schon jetzt den Anbau von Mais, Weizen und Reis. Traditionell können Landwirte durch ihre langjährige Erfahrung im Bereich des Ackerbaus Prognosen treffen, welche Pflanze sie wo anbauen sollten. In Zukunft wird dies jedoch ohne frühzeitige Hilfestellungen durch saisonales Management und Risikominimierung nur schwer umsetzbar sein, da sich die Erträge verschieben und unkalkulierbar werden.
Gesamtgesellschaftliche Herausforderungen werden zum jetzigen Zeitpunkt hinsichtlich der Ernährungssicherheit auch deutlich spürbarer. Die Welternährungskrise, ausgelöst durch drohende Ausfälle oder gar fehlende Getreideexporte aus Kriegsgebieten, verweist auf folgenreiche Konsequenzen für den Agrarsektor. Um diese bedrohlichen Szenarien besser beurteilen zu können, helfen fundierte Informationen über landwirtschaftliche Erträge. Das Projekt Yield Consortium möchte mit KI-Modellen jene Ertragsvorhersagen liefern und saisonales Management vereinfachen.