10. Dezember 2023
Unter Smart Farming, auch als Intelligente Landwirtschaft bekannt, versteht man die Einführung fortschrittlicher Technologien und datengesteuerter landwirtschaftlicher Abläufe, um die Nachhaltigkeit der landwirtschaftlichen Produktion zu optimieren und zu verbessern. Zu den Technologien, die im Rahmen des Smart Farming eingesetzt werden, gehören künstliche Intelligenz (KI), Automatisierung und das Internet der Dinge (IoT).
Während neue Technologien und Werkzeuge seit langem ein fester Bestandteil des Agrarmanagements und der Nahrungsmittelproduktion sind, wird die Entwicklung und Einführung intelligenter Agrartechnologien heute von dringenden Anliegen angetrieben. Dazu gehört vor allem die Ernährungssicherheit: Laut dem Internationalen Währungsfonds muss die Nahrungsmittelproduktion bis 2050 um 70 % steigen, um mit dem globalen Bevölkerungswachstum Schritt zu halten.1
Der Klimawandel macht es schwieriger, ausreichend Nahrung zu sichern. Er verringert die Ernteerträge und gefährdet die Verfügbarkeit von natürlichen Ressourcen wie Wasser für die Bewässerung. Zusätzlich zu den Klimaproblemen sieht sich der Agrarsektor auch mit Rentabilitätsproblemen konfrontiert, da die Kosten für Eingaben wie Düngemittel steigen, die Rohstoffpreise schwanken und die gesetzlichen Anforderungen zunehmen.
„Durch intelligente Landwirtschaft können wir uns besser an die durch den Klimawandel verursachten Unsicherheiten anpassen, Umweltauswirkungen abmildern und die Widerstandsfähigkeit der landwirtschaftlichen Produktion fördern.“
— The International Organization for Standardization2
Die neuesten Erkenntnisse und Insights zu KI
Entdecken Sie von Experten kuratierte Erkenntnisse und Neuigkeiten zu KI, Cloud und mehr im wöchentlichen Newsletter Think.
Die frühen landwirtschaftlichen Verfahren basierten auf dem Einsatz von Arbeitskräften, Tieren und einfachen Werkzeugen. Einige bemerkenswerte Fortschritte in der landwirtschaftlichen Technologie waren die Erfindung der Sämaschine für eine effizientere Aussaat im Jahr 1701, Dampfmaschinen, die das Dreschen von Getreide in den 1800er Jahren beschleunigten, und die Einführung von benzinbetriebenen Traktoren in den frühen 1900er Jahren.
Die Einführung von Landmaschinen hat den Bedarf an körperlicher Arbeit in der Landwirtschaft stark reduziert, während die Datenerfassung und -analyse es den Landwirten ermöglichte, ihre Ernte- und Viehbestände zu verbessern. Diese Methode, die Präzisionslandwirtschaft oder Precision Farming genannt wird, begann in den frühen 1980er Jahren mit Dr. Pierre Robert, der auch als „Vater der Präzisionslandwirtschaft“ bekannt ist. Er untersuchte, wie verschiedene Bereiche eines Feldes unterschiedliche Mengen an Nährstoffen benötigen, um ein optimales Pflanzenwachstum zu erzielen. Seine Arbeit führte zur Entwicklung von Anbausystemen, die unterschiedliche Mengen an Ressourcen auf einem Feld ausbringen.3
In den 1990er Jahren entwickelte sich die Technologie der Agrarindustrie durch die Entwicklung digitaler Systeme für die Überwachung der Ernteerträge und die zunehmende Nutzung von satellitengestützten globalen Positionierungssystemen (GPS) noch weiter. Durch die Kombination von Ertragsdaten mit GPS konnten die Landwirte ihre Erträge kartieren und erhielten so während der Ernte wichtige Informationen über die Eigenschaften und die Qualität der Pflanzen in Echtzeit. Später führte die GPS-Technologie zu einem weiteren großen Durchbruch: der Automatisierung. Der selbstfahrende Traktor entstand in den frühen 2000er Jahren aus einer Partnerschaft zwischen dem Landwirtschaftsunternehmen John Deere und der NASA.
Fortschrittliche Technologien, die die landwirtschaftliche Produktion in verschiedenen Agrarbetrieben revolutionieren, treiben die moderne Landwirtschaft von heute an.
Das National Institute of Standards and Technology des US-Handelsministeriums definiert Informations- und Kommunikationstechnologie (IKT) als die Erfassung, Speicherung, Abfrage, Verarbeitung, Anzeige, Darstellung, Präsentation, Organisation, Verwaltung, Sicherheit, Übertragung und den Austausch von Daten und Informationen. Die Sammlung von Daten über alles, vom Bodengehalt bis zu den Wetterbedingungen, ist zu einem wichtigen Aspekt der intelligenten Landwirtschaft geworden, und die IKT hilft den Landwirten bei der Organisation und Übertragung dieser Daten.
IoT bezieht sich auf ein Netz aus physischen Geräten, Fahrzeugen, Apparaten und anderen physischen Objekten, die mit Sensoren, Software und Netzwerkkonnektivität ausgestattet sind, um Daten zu sammeln und auszutauschen. Im Falle der intelligenten Landwirtschaft gehören zu den vernetzten IoT-Geräten viele Arten von IoT-Sensoren wie z. B. solche zur Überwachung der Ernte, zur Verfolgung des Viehbestands und zur Beobachtung des Zustands der landwirtschaftlichen Geräte, um nur einige zu nennen. Unbemannte Fluggeräte (UAVs) oder Drohnen, die mit Light Detection and Ranging (LiDAR) ausgestattet sind, sammeln ebenfalls landwirtschaftliche Daten durch Fernerkundung.
KI und maschinelles Lernen (ML) können Landwirten helfen, Erkenntnisse aus den „Big Data“, also großen, komplexen Datensätzen, die aus IoT-Initiativen hervorgehen, zu gewinnen. Datenanalysen und Modellierung durch Lösungen auf Basis von cloudbasierter KI und ML können die Entscheidungsfindung und intelligente Landwirtschaftstechniken unterstützen. So können beispielsweise prädiktive Analysen, Wetterdatensätze und landwirtschaftliche Prognosemodelle, die auf ML basieren, der Landwirtschaft bei der Steuerung des landwirtschaftlichen Produktionsprozesses helfen, einschließlich der Pflanzenproduktion, der Landnutzung und der Planung der Lieferkette.
Automatisierung und Robotik spielen eine wichtige Rolle in der modernen intelligenten Landwirtschaft. Neben autonomen Traktoren setzen Landwirte auch Roboter für Aufgaben wie Aussaat, Ernte und Beschneidung ein. Sie können auch Drohnen einsetzen, um Dünger, Pestizide und andere landwirtschaftliche Betriebsmittel effizienter und präziser auszubringen als herkömmliche Methoden. Insbesondere die präzisere und begrenzte Ausbringung von Düngemitteln kann erhebliche Auswirkungen auf die Umwelt haben: Düngemittel sind eine bedeutende Quelle von Treibhausgasemissionen.
Der Agrarsektor und entsprechende Technologieanbieter können mit intelligenten Landwirtschaftsverfahren und Innovationen dazu beitragen, eine bessere Zukunft der Landwirtschaft zu schaffen. Hier sind nur einige Beispiele für die Optimierung der landwirtschaftlichen Produktivität auf der ganzen Welt, dank Smart Farming:
Intelligente Bodensensorik zur Wasseroptimierung
In Texassammeln Sensoren, die mit einer Smartphone-App verbunden sind, in Echtzeit Informationen über den Bodenzustand, einschließlich der Bodenfeuchtigkeit. Die App kombiniert diese Informationen mit anderen Daten, einschließlich Wettervorhersagen, für eine KI-gestützte Analyse, die zu Bewässerungsempfehlungen führt. Die App sendet die Empfehlungen an die mobilen Geräte der Landwirte, um ihnen zu helfen, die Wasserressourcen für ein besseres Pflanzenwachstum in Gebieten, die von Dürren und dem Klimawandel betroffen sind, effizient einzusetzen.
Cloud-basierte Bewässerung für Weinstress
In Kalifornien, wo effizienter Wasserverbrauch ebenfalls ein wichtiges Anliegen ist, implementierte ein Weingut ein Cloud-Tool, das Daten aus Wettervorhersagen, satellite Bildern und Sensoren nutzt, um den Stress der Rebstöcke zu messen. Die Analyse der Daten liefert auf die Bedürfnisse jeder einzelnen Rebsorte zugeschnittene Bewässerungsempfehlungen. Seit der Einführung des Tools konnten die Erträge um 26 % gesteigert und der Wasserverbrauch um 16 % gesenkt werden.
KI-gestützt Klimaregelung in Gewächshäusern
In der Region Almaty in Kasachstan wurde eine fünf Hektar große „intelligente Gewächshausanlage“ mit IoT-Technologie und KI ausgestattet. Diese Technologien überwachen die Bedingungen in den Gewächshäusern und passen Temperatur, Licht, Luftfeuchtigkeit und Bewässerung automatisch an, um eine optimale Umgebung für das Wachstum der Pflanzen zu schaffen.4
Überwachung des Tierverhaltens zur Verbesserung der Milchproduktion
In Großbritannien legten Forscher Sensoren an Rindern in Milchviehbetrieben an, um ihre Aktivität zu verfolgen, einschließlich der zurückgelegten Schritte und der Zeit, die sie mit Fressen und Liegen verbringen. Da aktivere Rinder in der Regel ein positiveres Verhalten zeigen, können diese Informationen den Landwirten Aufschluss darüber geben, ob Eingriffe erforderlich sind, d. h. ob die Umgebung der Tiere verändert werden muss, um ihre Zufriedenheit zu steigern, was in der Regel die Milcherträge erhöht.5
Ressourcen
Fußnoten
¹ „Helping Feed the World’s Fast-Growing Population”, Rabah Arezki, IMF Blog, 31. Januar 2017.
² „Smart farming: the transformative potential of data-driven agriculture“, ISO.
³ „The Evolution of Precision Agriculture and Policy Implications”, Bernt Nelson, American Farm Bureau Federation, 23. August 2023.
⁴ „How a “smart” greenhouse helps Kazakh farmer grow vegetables all year round”, Food and Agriculture Organization of the United Nations, 2. August 2023.
⁵ „How 'robocows' are helping keep Scotland's cattle happy”, The Herald, 14. August 2023.