https://www.faz.net/-irt-9l4wf
Verlagsspezial

: Künstliche Intelligenz für den Landwirt

Bild: DFKI

Fast 60 Kilogramm Kartoffeln isst jeder Deutsche im Durchritt pro Jahr. Wirtschaftsinformatiker der Saar-Uni und des Deutschen Zentrums für Künstliche Intelligenz (DFKI) helfen dabei, den Ernteprozess zu optimieren und damit die Erträge zu steigern. Professor Wolfgang Maaß im Interview.

          Herr Maaß, die Landwirtschaft in Deutschland ist stark technisiert. Wie sieht es mit der Digitalisierung aus, sind die Bauern bereit für Smart Farming?
          Nach meinem Eindruck spielt die Größe des Betriebes dabei eine entscheidende Rolle. Wir sind mit zahlreichen Landwirten im Kontakt und beobachten, dass es einen bedeutenden Unterschied macht, ob es sich um ein vergleichsweise großes Unternehmen mit 150 Mitarbeitern handelt oder ein kleiner Familienbetrieb lediglich 100 Hektar bewirtschaftet. Die großen sind sehr ökonomisch ausgerichtet und fragen, wie ihnen Smart Farming oder der Einsatz von Robotern helfen kann, effizienter zu arbeiten. Die kleineren sind vom Thema Digitalisierung hingegen recht weit entfernt. Aus meiner Sicht haben wir hier einen geteilten Markt – auch weil die Angebote für kleinere Betriebe nicht passgenau sind.

          Wie ließe sich diese Marktteilung überwinden?
          Die Initiative für die Digitalisierung der Landwirtschaft geht von den Maschinenherstellern und Dienstleistern aus, die die Leistung ihrer Technik über Pay-per-use-Modelle verkaufen. Auch Cloud-Lösungen, Apps und andere Software, die bei der Ernte oder dem Management unterstützen, gibt es bereits. Die Angebote sind auch gut designt – aber eben für Großbetriebe. Für die kleinen lohnen sich die Kosten in der Regel noch nicht. Kleinere und mittelgroße Landwirte können vielleicht nachziehen, sollten kostengünstigere und einfacher zu bedienende Lösungen angeboten werden. Zusätzlich sind hochwertige Prognosedienstleistungen notwendig, welche Landwirte in der Planung intelligent unterstützen.

          In einem aktuellen Forschungsprojekt arbeiten Sie und Ihr Team daran, den Weg der Kartoffel vom Feld bis in die Fabrik transparent zu machen. Warum haben Sie gerade diese Knolle ausgewählt?
          Wir hätten natürlich auch den Ernteprozess von Getreide untersuchen können. Allerdings hat sich bei ersten Recherchen gezeigt, dass Kartoffeln je nach Sorte sehr viel empfindlicher auf Schläge und Rotationen beim Ernten reagieren als Getreide. Dadurch ergaben sich schnell interessante Fragen: Wie lassen sich Kartoffeln individueller ernten? Wie müssen die Maschinen eingestellt werden, um die Qualität zu maximieren und zugleich die Ausfälle zu minimieren? Auch von der sehr hohen Resonanz und dem großen Interesse unter den Landwirten waren wir positiv überrascht.   

          Landwirte haben heute nicht selten studiert und verfügen über jahrelange Erfahrung. Müssten Sie mit diesem Wissen nicht in der Lage sein, ihre Erntemaschinen auch ohne zusätzliche Daten optimal einzusetzen?
          Große Betriebe kaufen die Maschinen oft gar nicht selbst, sondern holen sich einen Dienstleister aufs Feld. Das heißt, sie begleiten den Ernteprozess gar nicht unmittelbar. Außerdem hat so ein Kartoffelroder neben der Geschwindigkeit der Siebbänder oder des Anstellwinkels der Pflugschar noch 15 oder mehr Parameter, die sich gegenseitig beeinflussen. Um diese optimal einzustellen, helfen auch ein aktuelles Studium und Erfahrung nur bedingt weiter.

          Welche Daten können einem Landwirt dabei helfen, seinen Ernteprozess zu optimieren?
          Wir sind damit gestartet, Stöße und Rotationen zu erfassen. Dafür haben wir eine mit Sensoren ausgestattete künstliche Kartoffel eingesetzt: die nPotato. Sie nimmt denselben Weg durch die Erntemaschinerie wie ihr echtes Pendant. Damit können wir bereits die Zahl der Schläge unter unterschiedlichen Bedingungen prognostizieren. Um nun herauszufinden, wie sich die Schläge auf die Qualität der Kartoffeln unterschiedlicher Sorten auswirken, haben wir diese wiederholt aus einer bestimmten Höhe fallen lassen. Anschließend wurden sie geschält und frittiert. Verfärbungen, also braune Stellen, weisen dann auf Beschädigungen hin. Abgesehen davon, dass die Kartoffeln dadurch schneller faulen, wollen Chips-Produzenten solche Verfärbungen auf jeden Fall vermeiden. Für die Kunden spielt ja auch die Optik eine große Rolle. 

          Darüber hinaus verknüpfen Sie die gewonnenen Informationen über die Kartoffeln mit Hilfe von Künstlicher Intelligenz mit Finanzdaten. Mit welchem Ziel?
          Wir wollen dem Landwirt jederzeit sagen können, wie sein Geschäft gerade läuft – und das in Echtzeit. Auf der einen Seite können wir mit Hilfe der Daten aus der nPotato vorausberechnen, wie hoch der Ausschuss wäre, wenn der Fahrer der Landmaschine auf diese Weise weiterfährt. Auf der anderen Seite berechnen wir anhand aktueller Daten des Weltmarktes, wie sich der Preis für die jeweilige Kartoffel über die nächsten drei Monate voraussichtlich im Durchschnitt entwickeln wird. Aus der Kombination dieser Werte ergeben sich völlig neue Handlungsmöglichkeiten. Ist der prognostizierte Preis in zwei Monaten zum Beispiel so hoch, dass es sich für den Bauern lohnt, die Maschine sehr viel langsamer fahren zu lassen? Also, sind die erwarteten zusätzlichen Einnahmen durch ein Ernteplus von zwei bis drei Prozent höher als die Kosten für den entsprechend längeren Einsatz der Erntemaschine? Oder sollte der Landwirt lieber die Erntekosten so weit wie möglich reduzieren, weil ohnehin nur geringe Einnahmen zu erwarten sind? Mit Industrie 4.0 auf dem Feld lassen sich auf diese Fragen optimale Antworten finden und erhebliche Ertragsgewinne realisieren.

          Warum benötigt Ihre Entscheidungshilfe für den Landwirt den Einsatz Künstlicher Intelligenz? Ließe sich eine Software nicht auch auf der Basis klassischer Wenn-dann-Regeln entwickeln?
          Grundsätzlich könnten Sie so etwas schon per Hand modellieren. Das funktioniert auch gut, wenn ich nur wenige Parameter habe. Muss ich aber 15 oder 20 Parameter berücksichtigen, ist diese Methode viel zu aufwendig. Dann sind ein statistischer Ansatz und automatisierte Trainingsmethoden des maschinellen Lernens die bessere Wahl. Damit können nicht nur robuste Ergebnisse erzielt werden, sondern es lässt sich auch enorm viel Zeit sparen. Ein nächster denkbarer Schritt wäre zudem, zusätzlich Wetterdaten in die Analyse miteinzubeziehen. Denn auch die Bodenfeuchtigkeit spielt für den Ernteprozess eine wichtige Rolle. Das würde die Auswertung noch einmal deutlich komplexer und möglicherweise genauer machen.   

          Wie weit ist der Weg noch, bis Landwirte Ihre Lösung auch in der Praxis nutzen können?
          Die Voraussetzungen sind gegeben. Es handelt sich um eine dezentrale Lösung, bei der die Sensordaten vor Ort auf der Erntemaschine gesammelt werden. Über eine Schnittstelle mit dem Smartphone des Landwirts bekommt dieser dann Zugriff auf die Daten sowie eine dynamische Gesamtanalyse unter Berücksichtigung der Marktdaten. Er muss also nicht warten, bis der 5G-Mobilfunkstandard flächendeckend ausgebaut ist. Ein Spin-off gibt es zwar noch nicht, aber durchaus Anfragen von Landmaschinenherstellern aus dem In- und Ausland.   

          Das Interview führte Benjamin Kleemann-von Gersum.

          Topmeldungen

          : Data Scientists gefragt

          Wer in der ersten Liga mitspielen möchte, kommt an der Auswertung und Optimierung firmeninterner Abläufe nicht mehr vorbei. Um Arbeitsprozesse zu verbessern, wird Data Science immer wichtiger.

          : Die Wiedergeburt des Tankwarts

          Autos werden künftig autonom fahren. Da scheint es nur logisch, dass auch das Tanken ganz automatisch vonstatten gehen wird. Erste Prototypen von Laderobotern simulieren die Zukunft.

          : Seehund ohne Ball

          Ist künstliche Intelligenz überhaupt intelligent? Manche Experten halten die Bezeichnung für eine Marketing–Phrase und warnen vor zu hohen Erwartungen.

          : Blockchain-Lösungen für Industrie 4.0

          Mit Blockchain lassen sich Lieferketten überwachen, vernetzte Produktionsmaschinen vor Ausfällen und sensible Daten vor Cyber-Angriffen schützen. Entsprechend groß ist das Potential, das Experten für Industrie 4.0 sehen.