20.11.2024
Eine aktuelle Forschungsarbeit im European Journal of Agronomy zeigt die wichtigsten Forschungsschwerpunkte auf, die notwendig sind, um zukünftig digitale Technologien für eine nachhaltige Pflanzenproduktion effizienter einzusetzen. Unter Beteiligung des Leibniz-Zentrums für Agrarlandschaftsforschung (ZALF) untersuchte ein internationales Forschungsteam im Rahmen des Exzellenz-Clusters PhenoRob, wie smarte Technologien wie Künstliche Intelligenz (KI), Robotik und Sensortechnologie die Landwirtschaft zukunftsfähiger machen können.
Die Landwirtschaft steht vor der Herausforderung, mit begrenzten Ressourcen den steigenden Bedarf an Lebensmitteln und Rohstoffen zu decken und gleichzeitig die Umweltbelastungen zu reduzieren. Digitale Technologien bieten großes Potenzial, um diesen Spagat zu meistern. Die Forschung legt fest, welche Prioritäten zukünftig gesetzt werden sollten, um die Wirkung solcher Technologien in der Praxis zu maximieren und die Akzeptanz unter Landwirtinnen und Landwirten zu erhöhen. Das ZALF trägt dabei insbesondere zur Entwicklung von neuen Feldanordnungen und entsprechenden Modellen und Entscheidungswerkzeugen bei, die Produktionsprozesse optimieren und gezielte Anbauempfehlungen ermöglichen.
„Unsere Forschung zeigt, dass der Einsatz smarter digitaler Technologien die Pflanzenproduktion grundlegend verändern kann. Durch eine verbesserte und kombinierte Sensorik, Datenerfassung und -nutzung, und Modellierung können wir landwirtschaftliche Entscheidungen präziser und ressourcenschonender gestalten,“ erklärt Prof. Dr. Frank Ewert, Wissenschaftlicher Direktor des ZALF. „Damit leisten wir nicht nur einen Beitrag zur Produktivität, sondern auch zum Umweltschutz.“
Vier zentrale Forschungsfelder
Um das Potenzial smarter Technologien für die Landwirtschaft zu erschließen, identifizierten die Forschenden vier zentrale Bereiche, in denen weitere Untersuchungen nötig sind:
-
Multi-Sensor-Monitoring: Digitale Technologien sollen durch die Nutzung von Multi-Sensor-Systemen die Zustände von Pflanzen und Böden präzise und in Echtzeit erfassen. Optische Verfahren wie hyperspektrale Bildgebung oder Laserscanning erfassen kleinste Veränderungen und Krankheitsanzeichen frühzeitig und ermöglichen eine detaillierte Überwachung bis auf das Pflanzenniveau. Ein weiteres Ziel ist die Entwicklung neuer Sensoren zur nicht-invasiven Erfassung von Wurzelsystemen und deren Verteilung im Feld.
-
Kombination von Daten- und Prozessmodellen: Die Kombination datenbasierter und prozessgesteuerter Modelle ist entscheidend, um präzise und skalierbare Agrarsystemmodelle zu entwickeln. Dies erlaubt detaillierte Vorhersagen über Pflanzenentwicklung und Nährstoffbedarf unter spezifischen Umweltbedingungen. Mithilfe von KI und Machine Learning sollen Modelle zudem so verknüpft werden, dass sie konkrete Bewirtschaftungsentscheidungen wie zum Düngemitteleinsatz besser unterstützen.
-
Verbesserung der Entscheidungsfindung und Intervention: Smarte Technologien helfen, Entscheidungen in der Pflanzenproduktion zunehmend zu automatisieren. Die Forschung untersucht zum Beispiel autonome Systeme zur gezielten Unkrautbekämpfung oder präzisen Düngung einzelner Pflanzbereiche. So könnten Simulationstools den Einsatz von Ressourcen optimieren, um Anbauflächen effizienter zu nutzen und gleichzeitig Umweltauswirkungen zu minimieren.
-
Modellierung der Akzeptanzbedingungen und Auswirkungen: Ein zentraler Aspekt ist die Erforschung der Akzeptanz von Technologien in der Praxis. Oftmals werden technologische Innovationen nur zögerlich angenommen, weswegen Akzeptanzmodelle entwickelt werden sollen, die regionale und sozioökonomische Bedingungen berücksichtigen. Anreizsysteme und Schulungsprogramme sollen zudem die Einführung neuer Technologien auf betrieblicher Ebene fördern.
Beispielprojekt: PhenoRob
Ein konkretes Beispiel zur Umsetzung dieser Forschungsansätze ist das Projekt „PhenoRob“, in dem das Konzept eines „Digital Agricultural Avatar“ entwickelt wird – einer digitalen Plattform, die Fernerkundungs- und Sensordaten nutzt, um zum Beispiel den Stickstoffgehalt von Pflanzen in Echtzeit zu überwachen. Im Ergebnis sollen Landwirtinnen und Landwirten eine Entscheidungshilfe für eine präzisere Düngung, zu neuen Feldanordnungen oder zu präziserem Pflanzenschutz erhalten.
Die Ergebnisse der Arbeit bieten wertvolle Anhaltspunkte, wie eine datengetriebene, digitale Landwirtschaft realisiert werden kann. Smarte Technologien könnten zukünftig in Form von autonomen Landmaschinen und Sensor-Netzwerken auf Feldern eingesetzt werden, um die Umweltverträglichkeit und die Effizienz der Landwirtschaft zu steigern.
Zukunftsperspektiven
Die Forschungsagenda unterstreicht die Notwendigkeit einer engen Zusammenarbeit zwischen Agrarwissenschaften, Informatik und Sozialwissenschaften, um digitale Lösungen für die Landwirtschaft zu entwickeln. Ein zentraler Schritt wird dabei die Schaffung praxisorientierter Anwendungen sein, die den Herausforderungen des Klimawandels und den Bedürfnissen von Landwirtinnen und Landwirten gerecht werden.
Projekt- und Kooperationspartner:
- Universität Bonn
- Forschungszentrum Jülich GmbH
- Lamarr-Institut für Maschinelles Lernen und Künstliche Intelligenz
- Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme (IAIS)
- Institut für Zuckerrübenforschung (IfZ)
- Leibniz-Zentrum für Agrarlandschaftsforschung (ZALF)
Förderhinweis:
Diese Arbeit wurde gefördert von der Deutschen Forschungsgemeinschaft (DFG) im Rahmen der Exzellenzstrategie des Bundes und der Länder – EXC 2070–390732324.
Weitere Informationen:
Hinweis zum Text:
Dies ist eine mit Hilfe von Künstlicher Intelligenz erstellte Zusammenfassung des Originaltextes: Storm, H., et al., "Research priorities to leverage smart digital technologies for sustainable crop production," European Journal of Agronomy, Vol. 156, 2024,
DOI: 10.1016/j.eja.2024.127178, veröffentlicht unter der Lizenz CC BY 4.0
https://creativecommons.org/licenses/by/4.0/.
Der Text wurde unter den Gesichtspunkten der KI-Regelungen am ZALF sorgfältig überprüft und überarbeitet.
