KI-Anbauplanung: Räumliche Optimierung landwirtschaftlicher Öko-Regelungen auf Basis heterogener Feldinformationen
Fördersumme: 350.000 €
Laufzeit: 15.02.2022 bis 31.03.2024
Projektleiter: Prof. Dr. Yves Reckleben
Mitarbeiter:
1 wissenschaftlicher Mitarbeiter
- 1 technischer Mitarbeiter
Projektpartner: Forschungs- und Entwicklungszentrum der FH-Kiel GmbH
Kurzfassung: Für eine zukunftsorientierte, umweltverträgliche und rentable Landwirtschaft bedarf es einer präzisen Datengrundlage zur zielgerichteten Entscheidungsfindung bei der Auswahl und Umsetzung von Ökoregelungen. So können Flächen effizient genutzt und gleichzeitig die Umwelt entlastet werden. Stand heute werden Entscheidungen auf Grundlage von allgemein zugänglichem Know-how und auf Grundlage langjähriger Erfahrungen von Landbewirtschaftern sowie Beratungsdiensten getroffen. Mehr denn je besteht heute ein Bedarf an betriebsspezifischen und standortgerechten Informationen zur Entscheidungsfindung, um sowohl wirtschaftliche als auch ökologische Zielsetzungen in der Maßnahmenauswahl und -zuordnung zu vereinen. Mit Herausforderungen, die vom demografischen Wandel bis zur Marktvolatilität und vom Klimawandel bis zur Erhaltung der biologischen Vielfalt reichen, sowie aufgrund hoher Erwartungen in Bezug auf z.B. die Nahrungsmittelproduktion als auch auftretende Zielkonflikte in der Anbauplanung und Bestandesführung, können Entscheidungsprozesse zukünftig nicht ohne intelligente Unterstützungssysteme gelöst werden.
Ziel des Projektes ist, ein digitales Entscheidungs-Unterstützungs-System aufzubauen, welches es ermöglicht, die kleinräumige Verteilung von ausgewählten Öko-Regelungen auf Basis heterogener Datengrundlagen eines landwirtschaftlichen Betriebes zu unterstützen. Dabei sind die verschiedenen Blickweisen der beteiligten Institutionen und der Agrarverwaltung von Bedeutung und fließen in das Projekt und die Entwicklungen ein.
Es sollen georeferenzierte Datenquellen von Feldern mit unterschiedlicher Skalierung mit Hilfe von künstlicher Intelligenz hinsichtlich ihrer Qualität gefiltert, miteinander verschnitten und auf ein gemeinsames Raster interpoliert werden. Grundlage hierfür sind einerseits Referenzdatensätze zur Ausarbeitung von Fehlergleichungen unterschiedlicher Messmethoden. Andererseits dienen Lerndatensätze dazu, das KI-System zu validieren, um es anschließend auf Datenquellen mit unbekannter Herkunft anzuwenden. Durch die selektive Verschlechterung der Auflösung bis hin zur Deaktivierung einzelner Features des Algorithmus sollen die Sensitivität der Rasterung betrachtet und Regelsätze zur Datenauswahl in der Praxis ausgearbeitet werden. Das Assistenz-System soll zu Projektende um einen Leitfaden zur KI-Mustererkennung für systematische Fehler in Datenquellen sowie einen geostatistischen Workflow zur Rasterung heterogener Datensätze ergänzt werden.
In diesem Vorhaben arbeitet das Team um Prof. Reckleben mit dem Bauernverband Schleswig-Holstein e.V., Rendsburg, mit der Treurat + Partner Unternehmensberatungsgesellschaft mbH, Kiel, sowie mit der Q2 IT-Solutions UG, Langstedt, zusammen.
