Die Landwirtschaft ist heute in puncto Digitalisierung viel weiter, als man denken möchte. Farming 4.0 und Precision Farming machen als Schlagworte die Runde. Dabei setzen die Landwirtinnen und Landwirte heute vielfach schon auf IoT Devices, Drohnen und Künstliche Intelligenz.

Kurz nach der Setzzeit im Mai oder Juni sind Rehkitze besonders gefährdet, von einer Mähmaschine überrollt zu werden, weil bei Gefahr ihr Drückinstinkt anfangs noch größer ist als ihr Fluchtinstinkt. Morgens sieht man daher mancherorts viele Leute durch die Wiesen stapfen, um die Jungtiere zurück in die Wälder zu treiben. Doch um sie überhaupt zu sehen, greifen manche der meist privat organisierten Rettungsteams schon auf Drohnen zurück. Diese sind in der Landwirtschaft so wie Agrarcopter laut droneparts.de und Business Insider immer mehr im Einsatz, um etwa auch den Gesundheitszustand der Acker- oder Obstpflanzen zu überwachen. Und sie sind somit ein Beispiel für das große Internet of Things, genauer bestehen Drohnen oder Copter so wie Autos meist aus mehreren IoT-Devices. Und oft ist ihr Einsatz auch gepaart mit Szenarien aus den Bereichen künstliche Intelligenz und Machine Learning (KI und ML).

Per Ernte-App mobil und stationär alles im Blick

Axians Belgium hat das Internet der Dinge mit künstlicher Intelligenz verknüpft, berichtet The Agility Effect (AE), ein Magazin der französischen Axians-Dachgesellgesellschaft VINCI Energies. Axians hat zusammen mit dem niederländisch-britischen Konzern CNH Industrial somit eine Anwendung entwickelt, um die landwirtschaftlichen Erträge, die Effizienz der Ernte, die Rückverfolgung von Nahrungsmitteln und den Treibstoffverbrauch der Landmaschinen zu optimieren, heißt es da. Die Lösung setzt dabei wie bei Industrieprozessen auf IoT-Sensoren und einem KI-Modell auf und diese gibt es auch als mobile App. Die Erntekoordinations- oder „Harvest Coordination App“ ist für iOS- und Android-Geräte in mehreren Sprachen verfügbar und liefert Landwirt:innen über ein Dashboard einen Überblick über alle relevanten Daten – und das in Echtzeit.

Für weitere Einzelheiten zu Precision Farming unter Einsatz von KI und IoT mit der belgischen Landesniederlassung von Axians Business Applications klicken Sie bitte auf den obigen Link oder hier.

Dieser Beitrag will nur einen kleinen Einblick in das Projekt von Axians in Belgien geben. Ganz zentral ist besagtes Dashboard, das den Fahrzeugführer: innen zum Beispiel Auskunft über den Füllstand des Überladewagens und darüber gibt, wie lange das Abernten des Feldes oder der Obstplantage noch dauern wird. Außerdem kann das Tool mit dem eingebauten Sicherheitsalarm, wenn sich jemand der Landmaschine nähert, auch Leben retten. Das ist auch ein Stück Precision Farming oder Farming 4.0.

Wie Machine Learning und KI voranschreiten

Wie der AE-Artikel weiter ausführt, wird die KI aktiv, sobald der Mähdrescher die ersten Meter zurücklegt, um dann etwa Bilder von der Rückkamera auszuwerten, die zeigen, wieviel Getreide auf dem Feld liegenbleibt. Damit die KI die Getreidekörner überhaupt als solche erkennt, hat man sie zuvor nach dem Prinzip des überwachten Lernens mit Tausenden von entsprechenden Bildern gefüttert.

Wie Bitkom darstellt, unterscheidet man zwischen Supervised und Unsupervised Machine Learning. Zuvor hat der Branchenverband in einem KI-Leitfaden ein 5-Stufenmodell für die Automation des Entscheidens aufgestellt, von assistierten bis voll autonomen Entscheiden.

In der Regel lässt man die Maschinen heute noch maximal geprüft oder delegiert entscheiden, autonomes Fahren, mit der die Bundesregierung Deutschland zum Vorreiter machen will, ist aber ebenso schon weithin erprobt, so auch in der Landwirtschaft. Das kurz vorher bewilligte ZIM-Kooperationsnetz „DeepFarmBots“ ist zum Beispiel Ende November 2020 zum ersten virtuellen Kick-off zusammengetroffen, um durch Agrarroboter den Anbau in der Landwirtschaft ressourcenschonender zu gestalten, berichtete innovations report. Dabei sollen auch neue Methoden des Deep Learning und somit ein erweitertes maschinelles Lernen zum Einsatz kommen.

Von wegen nur Landluft mit verbeulten Treckern

Es tut sich also schon viel in Richtung Precision Farming unter Einsatz von künstlicher Intelligenz, der IoT-Anbindung von Maschinen, Drohnen und Agrarrobotern. Natürlich sieht man auf dem Land immer noch viele verbeulte, alte, stinkende Traktoren, daneben aber auch hochmoderne Mähdrescher, die oft mehr Sensorik vereinen als ein Auto der Mittel- oder Oberklasse. Am sichtbarsten zeigen sich die Fortschritte in der Landwirtschaft an den vielen Solarzellen auf den Dächern und Feldern.

Am meisten ausgebremst werden die landwirtschaftlichen Betriebe in ihrem Elan, nachhaltig und effizienter zu wirtschaften, noch an dem mangelnden Breitbandausbau und den fehlenden Funkzellen. Aber alle Parteien haben vor der Bundestagswahl 2021 im September schon signalisiert, dass sich das deutlich ändern soll. Ein wichtiger Hebel, um zu erreichen, dass die ländlichen Regionen nicht weiter von der Netzabdeckung abgehängt sind, wäre die Signalbündelung in Form von Multi-Antennenlösungen, wie sie Axians GA Networks in Ulm realisiert hat. Denn 5G für flächendeckendes autonomes Fahren – und Drohnenflüge über die Felder und Wiesen – erfordert ein viel engmaschigeres Netz. Signale zu bündeln wäre daher nicht nur im Interesse der Betreiber, die mit der 5G-Lizenzvergabe die Aufgabe bekommen haben, eine weitgehende Netzabdeckung zu garantieren. Es wäre auch im Interesse aller, die sich um eine weitere „Verspargelung“ der Landschaft sorgen.

Quelle Titelbild: Adobe Stock / scharfsinn86