Über den Einsatz von Cookies auf dieser Website Unsere Websites benötigen einige Cookies, um ordnungsgemäß zu funktionieren (erforderlich). Darüber hinaus können mit Ihrer Zustimmung weitere Cookies verwendet werden, um die Nutzung der Website zu analysieren, die Benutzerfreundlichkeit zu verbessern und Werbung zu schalten. Weitere Informationen finden Sie in Ihren. Durch den Besuch unserer Website erklären Sie sich mit der Verarbeitung von Informationen einverstanden, wie in der IBMDatenschutzbestimmung beschrieben. Um eine reibungslose Navigation zu ermöglichen, werden Ihre Cookie-Präferenzen über die hier aufgeführten IBM Web-Domains hinweg gemeinsam genutzt.
Startseite
Themen
Intelligente Landwirtschaft
Was ist Smart Farming?
Veröffentlicht: 10. Dezember 2023
Mitwirkende: Alice Gomstyn, Alexandra Jonker
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, der die Ernteerträge beeinträchtigt und die Verfügbarkeit natürlicher Ressourcen wie Wasser für die Bewässerung gefährdet, verschärft die Sorgen um die Ernährungssicherheit. Zusätzlich zu diesen Problemen hat der Agrarsektor auch mit Rentabilitätsproblemen zu kämpfen, die sich aus den steigenden Kosten für Betriebsmittel wie Düngemittel, den schwankenden Rohstoffpreisen und den zunehmenden regulatorischen Anforderungen ergeben.
„Durch intelligente Landwirtschaft können wir uns besser an die durch den Klimawandel verursachten Unsicherheiten anpassen, Umweltauswirkungen abmildern und die Widerstandsfähigkeit der landwirtschaftlichen Produktion fördern.“
– Die Internationale Organisation für Normung (ISO)2
Integrieren Sie Smart-Farming-Technologie mit präzisen landwirtschaftlichen Prognosen.
Die Entwicklung landwirtschaftlicher Verfahren und Technologien
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, die Einführung von Dampfmaschinen, die das Dreschen von Getreide in den 1800er Jahren beschleunigten, und die Einführung von benzinbetriebenen Traktoren in den frühen 1900er Jahren.
Während das Aufkommen von Landmaschinen die für die landwirtschaftliche Produktion erforderliche manuelle Arbeit erheblich reduzierte, konnten die Landwirte dank der Fähigkeit, Daten zu sammeln und zu analysieren, ihre Ernte- und Viehproduktion optimieren. Diese Präzisionslandwirtschaft geht mindestens auf die frühen 1980er Jahre und die Arbeit von Dr. Pierre Robert zurück, der als „Vater der Präzisionslandwirtschaft“ bekannt ist. Dr. Robert erforschte die Variabilität des Bodens und die These, dass verschiedene Teile eines Feldes unterschiedliche Mengen an Nährstoffen benötigen, um optimale Ernteerträge zu erzielen. Roberts Forschungen ebneten den Weg für die Entwicklung der variablen Feldbewirtschaftung in landwirtschaftlichen Systemen.3
In den 1990er Jahren gab es mit der Erfindung digitaler Systeme für die Überwachung der Ernteerträge und dem zunehmenden Einsatz satellitengestützter globaler Positionierungssysteme (GPS) einen weiteren Technologiesprung in der Landwirtschaft. Die Kombination von Daten aus dem Ernteüberwachungssystem mit GPS-Karten ermöglichte eine Ertragskartierung, die wichtige Informationen über die Eigenschaften und die Qualität der Ernte in Echtzeit lieferte. GPS trug später zu einem weiteren wichtigen Fortschritt in der Agrartechnologie bei: der Automatisierung. Der autonome, selbstfahrende Traktor ist das Ergebnis einer Zusammenarbeit zwischen dem Landwirtschaftsunternehmen John Deere und der NASA in den frühen 2000er Jahren.
Kleinbauern produzieren etwa ein Drittel der weltweiten Nahrungsmittelversorgung.
Die modernen Lösungen für die Landwirtschaft werden heute von fortschrittlichen Technologien angetrieben, die die landwirtschaftliche Produktion für große und kleine Unternehmen revolutionieren.
IKT umfasst das Erfassen, Speichern, Abrufen, Verarbeiten, Anzeigen, Darstellen, Präsentieren, Organisieren, Verwalten, Sichern, Übertragen und Austauschen von Daten und Informationen gemäß der Definition des National Institute of Standards and Technology des US-Handelsministeriums. Das Sammeln von Daten über alles, von der Bodenbeschaffenheit bis zu den Wetterbedingungen, ist zu einem wichtigen Aspekt der intelligenten Landwirtschaft geworden, wobei die IKT den Landwirten bei der Organisation und Übertragung dieser Daten helfen.
Das Internet der Dinge (Internet of Things, 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 (auch als „intelligente Sensoren“ bekannt) 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 LiDAR ausgestattet sind, sammeln ebenfalls landwirtschaftliche Daten durch Fernerkundung.
Künstliche Intelligenz und maschinelles Lernen 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 maschinellem Lernen können die Entscheidungsfindung und intelligente Landwirtschaftstechniken unterstützen. So können beispielsweise prädiktive Analysen, Wetterdatensätze und landwirtschaftliche Prognosemodelle, die auf maschinellem Lernen 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 Pflanzenschnitt ein. Außerdem können sie Drohnen einsetzen, die üblicherweise zur Datenerfassung verwendet werden, 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.
In Texas sammeln 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 Empfehlungen werden an die mobilen Geräte der Landwirte gesendet, um ihnen zu helfen, die Wasserressourcen für ein besseres Pflanzenwachstum in Gebieten, die von Dürren und dem Klimawandel betroffen sind, effizient einzusetzen.
In Kalifornien, wo die effiziente Wassernutzung ebenfalls ein wichtiges Anliegen ist, hat ein Weingut eine cloudbasierte Lösung implementiert, die Informationen aus Wettervorhersagen und Satellitenbildern sowie von Sensoren zur Messung des Rebstockstresses einbezieht. Die Analyse der Daten führt zu Bewässerungsempfehlungen, die auf die Bedürfnisse der einzelnen Rebstöcke zugeschnitten sind. Seit der Einführung der Lösung konnten die Erträge um 26 % gesteigert und der Wasserverbrauch um 16 % gesenkt werden.
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
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
Weiterführende Lösungen
Smart-Farming-Technologie mit präzisen Prognosen für die Landwirtschaft integrieren – für minimale Unterbrechungen und maximale Pflanzenproduktion.
Nutzen Sie eine modulare Lösung, die auf der Blockchain-Technologie basiert und mit der alle Beteiligten eines Netzwerks von einem sichereren, intelligenteren und nachhaltigeren Nahrungsmittel-Ökosystem profitieren.
Verwalten Sie Immobilienportfolios über ihren gesamten Lebenszyklus hinweg mit intelligentem Asset Management und einem integrierten System für Arbeitsplatzmanagement (IWMS).
Ressourcen
Unternehmen können mit dem Internet der Dinge ihre Abläufe effizienter und kontrollierter überwachen, verwalten und automatisieren.
IBM und Texas A&M AgriLife arbeiten zusammen, um Landwirten dabei zu helfen, Erkenntnisse über den Wasserverbrauch zu erhalten.
Erfahren Sie mehr über Geodaten und die Vorteile ihrer Verwendung für Prognosen und Risikominderung.
LiDAR ist eine Technologie zur Fernerkundung, die Laserstrahlen verwendet, um präzise Entfernungen und Bewegungen in einer Umgebung zu messen.
Die digitale Transformation wird von der Marktnachfrage bestimmt und von der Technologie vorangetrieben. Dies bedeutet, dass die Erfahrungen von Kunden, Geschäftspartnern und Mitarbeitern in den Mittelpunkt gestellt werden.
Erfahren Sie, wie KI dazu beitragen kann, eine bessere Zukunft für die Landwirtschaft zu schaffen.
Fußnoten
¹„Helping Feed the World’s Fast-Growing Population.“ (Link befindet sich außerhalb von ibm.com) IMF-Blog, 31. Januar 2017.
²„Smart farming: the transformative potential of data-driven agriculture.“ (Link befindet sich außerhalb von ibm.com) ISO.
³„The Evolution of Precision Agriculture and Policy Implications.“ (Link befindet sich außerhalb von ibm.com). American Farm Bureau Federation, 23. August 2023.
⁴„How a „smart“ greenhouse helps Kazakh farmer grow vegetables all year round.“ (Link befindet sich außerhalb von ibm.com). Food and Agriculture Organization of the United Nations, 2. August 2023.
⁵„Robocow: Sensors attached to cattle giving farmers a head start on keeping them happy.“ (Link befindet sich außerhalb von ibm.com). Yahoo News. 14. August 2023.