Befehle des Menübands überspringen
Zum Hauptinhalt wechseln
Suche
Breadcrumb Navigation

Künstliche Intelligenz für Digitale Landwirtschaft

Hauptinhalt der Seite

​​​ Pfeil links Zurück zu den Arbeitsgruppen des Programmbereichs

​Eine nachhaltige Weiterentwicklung der Landwirtschaft hat großes Potenzial, verschiedene globale Herausforderungen wie den Verlust der Artenvielfalt, die Nahrungs- und Wassersicherheit sowie den Klimawandel zu lindern. Wir glauben, dass Datenwissenschaft diesen Prozess vorantreiben kann. Die Arbeitsgruppe engagiert sich für die Entwicklung und Anwendung modernster datengesteuerter Techniken, wie interpretierbares maschinelles Lernen und Deep Learning, für eine breite Palette von Problemen in der Landwirtschaft. Wir erforschen das Potenzial von künstlicher Intelligenz zur Verbesserung des landwirtschaftlichen Managements, testen neuartige Hypothesen, die mit herkömmlichen statistischen Methoden nicht geprüft werden können, und suchen nach unerwarteten Mustern aus einzigartig kombinierten Datensätzen über Skalen und Sektoren hinweg. Wir möchten KI-gestützte, naturbasierte Lösungen für globale Nachhaltigkeitsherausforderungen anbieten.

 

 

Publikationen AG

MyTitle: Scalable computer vision-based assessment of bait lamina sticks to quantify soil fauna activity
MyLinkAnsehenUrl: https://www.sciencedirect.com/science/article/pii/S1470160X25015250?via%3Dihub, DOI-Namen auflösen
MyLinkPDFUrl:
MyTitelMehrzeilig:
MyTextfeld:
MyAutoren: Roy, A., Thielemann, L., Ryo, M., Rivera-Palacio, J. C., Mengsuwan, K., Grahmann, K. (2026)
MyMeldungsdatum:
MyLabels:
Struktureinheiten:Label: NewWindow:

Scalable computer vision-based assessment of bait lamina sticks to quantify soil fauna activity

Roy, A., Thielemann, L., Ryo, M., Rivera-Palacio, J. C., Mengsuwan, K., Grahmann, K. (2026)
MyTitle: Explainable artificial intelligence for understanding cross-scale diversification in agricultural landscapes
MyLinkAnsehenUrl: https://opus4.kobv.de/opus4-btu/frontdoor/index/index/docId/7245, DOI-Namen auflösen
MyLinkPDFUrl:
MyTitelMehrzeilig:
MyTextfeld:
MyAutoren: Schiller, J. (2026)
MyMeldungsdatum:
MyLabels:
Struktureinheiten:Label: NewWindow:

Explainable artificial intelligence for understanding cross-scale diversification in agricultural landscapes

Schiller, J. (2026)

Projekte AG

MyTitle: KICS-Zert-2: BiodivKI-2 - KI und Citizen Science gestütztes Monitoring von zertifizierten Biodiversitätsprojekten
MyLinkAnsehenUrl: https://www.zalf.de/de/forschung_lehre/projekte/Seiten/details.aspx?iddp=2487, Ansehen
MyLinkPDFUrl:
MyTitelMehrzeilig:
MyTextfeld: Start: 01.12.2024
MyAutoren:
MyMeldungsdatum:
MyLabels:
Struktureinheiten:Label: NewWindow:

KICS-Zert-2: BiodivKI-2 - KI und Citizen Science gestütztes Monitoring von zertifizierten Biodiversitätsprojekten

Start: 01.12.2024
MyTitle: DivAg-AIM - Diversifizierte Agrarlandschaftsgestaltung mit vertrauenswürdigem KI-gestütztem Management
MyLinkAnsehenUrl: https://www.zalf.de/de/forschung_lehre/projekte/Seiten/details.aspx?iddp=2429, Ansehen
MyLinkPDFUrl:
MyTitelMehrzeilig:
MyTextfeld: Start: 01.05.2024
MyAutoren:
MyMeldungsdatum:
MyLabels:
Struktureinheiten:Label: NewWindow:

DivAg-AIM - Diversifizierte Agrarlandschaftsgestaltung mit vertrauenswürdigem KI-gestütztem Management

Start: 01.05.2024

 

  

Kontakt

 

Leitung der Arbeitsgruppe

Prof. Dr. Masahiro Ryo
T +49 (0)33432 82-206

 

Adresse

Leibniz-Zentrum für
Agrarlandschaftsforschung (ZALF) e. V.

Eberswalder Straße 84
15374 Müncheberg​​

Fusszeile der Seite
Wordpress icon
Instagram icon
YouTube icon
ResearchGate icon
Mastodon icon
Bluesky icon
LinkedIn icon
© Leibniz-Zentrum für Agrarlandschaftsforschung (ZALF) e. V. Müncheberg

Gefördert von:

BMLEH-Logo
MWFK Logo