Vom Feld bis auf den Tisch: Wie KI Innovationen in der Landwirtschaft vorantreibt

Da die Weltbevölkerung bis 2050 voraussichtlich um 2 Milliarden Menschen wachsen wird, müssen wir die Lebensmittelproduktion um etwa 60 % steigern, um Schritt zu halten. Künstliche Intelligenz (KI) hilft uns, diese Herausforderung zu meistern, indem sie Innovationen in der Landwirtschaft vorantreibt. KI-Innovationen lassen sich zur Überwachung von Nutztieren, zur Analyse des Pflanzenwachstums, zur Vorhersage des Wartungsbedarfs von landwirtschaftlichen Geräten und für vieles mehr einsetzen. Wenn wir an Landwirtschaft denken, stellen wir uns oft nur den Anbau vor. Tatsächlich umfasst der Begriff jedoch viele verschiedene Aufgaben und Prozesse.

Um die Auswirkungen von KI in der Landwirtschaft besser zu verstehen, betrachten wir ein konkretes Beispiel: den Lebenszyklus einer Frucht. Was geschieht auf ihrem Weg vom Feld auf unseren Tisch?

In diesem Blogbeitrag zeigen wir, wie KI alle Schritte unterstützt – vom Pflanzen, Anbauen und Ernten bis hin zur Verarbeitung, zum Transport und zum Verkauf von Obst.

Neue Technologien für den Obstanbau nutzen#

Der erste Schritt im Lebenszyklus von Obstkulturen besteht darin, Saatgut auszuwählen und auszusäen. Landwirte müssen entscheiden, welches Obst sie in der jeweiligen Saison anbauen möchten. KI-Verfahren wie maschinelles Lernen können große Datenmengen analysieren und Landwirten dabei helfen, das für ihre Boden- und Klimabedingungen am besten geeignete Saatgut auszuwählen. Durch die Auswertung historischer Wetterdaten, der Bodenzusammensetzung und der Ertragsdaten kann KI die optimalen Sorten empfehlen, die mit hoher Wahrscheinlichkeit gut gedeihen. Der Einsatz von KI bei der Saatgutauswahl ist ein fortlaufendes Forschungsgebiet, das auf großes Interesse stößt und viel Potenzial bietet.

So vergab die CGIAR Inspire Challenge 2018 beispielsweise 100.000 US-Dollar an ein Projekt, das maschinelles Lernen für eine intelligentere Saatgutauswahl einsetzt. Das Projekt wurde von Forschern des BioSense Institute und des CIMMYT geleitet. Anhand von Daten zu verschiedenen neuen Maissorten von Hunderten Versuchsstandorten in Mexiko entwickelten sie Modelle, die die Leistung des Saatguts vorhersagen. Ein datenbasierter Ansatz erhöht die Chancen auf eine erfolgreiche Ernte und verringert das Risiko von Ernteausfällen. Sobald die beste Saatgutsorte ausgewählt ist, kann Computer Vision die Qualität des Saatguts prüfen.

Abb. 1 Ein Satellitenbild des Maisanbaus in Mexiko, auf dem hellere Bereiche eine gesündere Vegetation anzeigen.

Saatgutqualität mit Computer Vision bewerten#

Computer Vision kann hochauflösende Bilder von Obstkernen analysieren, um Mängel, Krankheiten und genetische Merkmale zu erkennen, die für das menschliche Auge möglicherweise nicht sichtbar sind. Zur Analyse dieser Bilder und zum Sortieren, Einstufen und Bewerten der Qualität der Kerne kommen verschiedene Computer-Vision-Aufgaben zum Einsatz. Durch die Automatisierung dieser Aufgaben kann KI dazu beitragen, dass nur Kerne höchster Qualität ausgesät werden und Landwirte bessere Erträge erzielen.

Der GeNee™ Sorter von Seed X ist beispielsweise eine KI-gestützte Saatgutsortiermaschine, die die Auswahl des Saatguts verbessert. Die Maschine teilt das Saatgut in zwei Kategorien ein: Saatgut hoher Qualität, das voraussichtlich keimt, wird in den Hauptbehälter geleitet, während Saatgut, das wahrscheinlich nicht keimt, in einen zweiten Behälter sortiert wird. Die Maschine beurteilt unter anderem Farbe, Form, Größe und genetische Reinheit und sagt die Keimraten voraus. Dank der Sortiermaschine lässt sich die Keimrate auf über 90 % steigern. So wachsen mehr Samen erfolgreich zu gesunden Pflanzen heran.

Abb. 2 Der GeNee™ Sorter von Seed X.

Obst mit KI anbauen und ernten#

KI kann auch zur Verbesserung der Bodenanalyse und der Überwachung von Nutzpflanzen eingesetzt werden. Drohnen mit fortschrittlichen Kameras fliegen über Obstfelder und erfassen detaillierte Bilder des Bodens und des Pflanzenzustands. Diese Bilder werden verarbeitet, um Karten mit Unterschieden bei Bodenfeuchtigkeit, Nährstoffgehalt und Pflanzenzustand zu erstellen. Auf Grundlage der Bildanalyse lassen sich Aufgaben wie die Unkrauterkennung, die Überwachung des Wachstums, die Ertragsschätzung, die Anpassung der Bewässerung, die präzise Düngung und die gezielte Schädlingsbekämpfung durchführen. Die Echtzeitüberwachung mit KI kann dazu beitragen, die Erträge im Obstanbau zu verbessern und nachhaltige landwirtschaftliche Praktiken zu fördern.

Wird ein Feld nur einen Tag vor oder nach dem optimalen Zeitpunkt abgeerntet, kann das die möglichen Einnahmen der Landwirte um 3,7 % bis zu 20,4 % verringern. KI kann dabei helfen, den besten Zeitpunkt für die Ernte der Früchte zu bestimmen. Herkömmliche Erntemethoden sind stark auf manuelle Arbeit angewiesen und können weniger effizient und zeitaufwendiger sein. KI-gestützte Erntemethoden nutzen fortschrittliche Sensoren und Algorithmen des maschinellen Lernens, um Daten zu Farbe und Größe der Früchte sowie zu den Umgebungsbedingungen zu analysieren und den Reifegrad vorherzusagen. So werden die Früchte im optimalen Reifezustand geerntet, was zu höheren Erträgen und weniger Abfall führt.

Abb. 3. Segmentierung reifer Erdbeeren mit Computer Vision.

Verarbeitung nach der Ernte: Volumenanalyse der Obstsegmentierung und Verpackung#

Nach der Ernte folgt als wichtiger Schritt das Sortieren und Einstufen der Früchte, damit die besten Erzeugnisse die Verbraucher erreichen. KI kann zur Volumenanalyse der Segmentierung von Früchten eingesetzt werden. Mithilfe von Computer-Vision-Modellen wie Ultralytics YOLOv8 lassen sich Größe, Form und Qualität einer Frucht beurteilen.

Abb. 4. Segmentierung von Früchten mit dem Computer-Vision-Modell Ultralytics YOLOv8.

Dabei werden hochauflösende Bilder von Früchten auf einem Förderband aufgenommen, einzelne Früchte mithilfe des YOLOv8-Modells segmentiert und einer Volumenanalyse unterzogen, um Größe und Form zu messen und Fehler zu erkennen. Anhand der Analyse werden die Früchte automatisch verschiedenen Kategorien zugeordnet und eingestuft, damit sie passend verpackt, verarbeitet oder verteilt werden können. KI-gestütztes Sortieren und Einstufen steigert Effizienz, Genauigkeit und Einheitlichkeit, verringert Abfall und maximiert den Wert der Ernte.

Sobald die Früchte sortiert und eingestuft sind, können automatisierte Verpackungsmaschinen sie präzise verpacken. KI-gestützte Systeme zur optischen Zeichenerkennung (OCR) können die Verpackungen auf Richtigkeit prüfen und dabei sicherstellen, dass Etiketten, Barcodes und andere wichtige Angaben den Normen und Vorschriften entsprechen. Eine solche Prüfung der Verpackungen hilft, Situationen wie den Verkauf abgelaufener Erzeugnisse zu vermeiden. Die KI kann falsche Etiketten oder abgelaufene Haltbarkeitsdaten erkennen und zur Korrektur kennzeichnen, bevor die Produkte die Verbraucher erreichen.

KI-Innovationen im Handel und Vertrieb von Obst#

Stell dir nun vor, das beste Obst ist verpackt und bereit für die Auslieferung. KI kann die Logistik und den Transport von Obst durch die Optimierung von Routen verbessern. Das Obst während des Transports frisch zu halten und die effizientesten Lieferwege zu finden, sind große Herausforderungen. KI-Algorithmen können Verkehrsmuster, Wetterbedingungen und Lieferpläne analysieren, um die besten Routen zu ermitteln und Fahrzeit sowie Kosten zu senken.

Sobald das Obst im Geschäft ankommt, spielt KI weiterhin eine wichtige Rolle bei der Bestandsverwaltung und der Nachfrageprognose. KI-Systeme können Verkaufsdaten, Kundenpräferenzen und saisonale Trends analysieren, um die Nachfrage genauer vorherzusagen. Einzelhandelsgeschäfte können anhand der Erkenntnisse aus der KI ihre Lagerbestände optimal halten und das Risiko verringern, zu viel oder zu wenig Ware auf Lager zu haben.

Abb. 5. Mitarbeiter füllen Obst in einem Geschäft nach. Bildquelle: Envato Elements.

Computer Vision kann in Geschäften eingesetzt werden, um den Lagerbestand in den Regalen in Echtzeit zu überwachen. Mithilfe der Objekterkennung können KI-gestützte Kameras einen niedrigen oder falsch platzierten Warenbestand erkennen und das Personal zum Auffüllen oder Umräumen der Regale auffordern. Indem sichergestellt wird, dass zum richtigen Zeitpunkt die passende Menge frischer Erzeugnisse verfügbar ist, trägt KI zu höherer Kundenzufriedenheit und weniger Lebensmittelabfällen bei.

Die Gesamtauswirkungen von KI auf die Obstbranche#

KI kann eine wichtige Rolle dabei spielen, Verbraucher mit Obst von besserer Qualität zu versorgen. Ein hervorragendes Beispiel für den erfolgreichen Einsatz von KI in der Obstbranche ist Nature Fresh Farms. Nature Fresh Farms hat seine Abläufe mit KI-Technologie vom Saatgut bis zum Laden umgestaltet. KI-gestützte Sensoren und Datenanalysen helfen dabei, alles nachzuverfolgen und zu verwalten – vom Klima und der Luftfeuchtigkeit im Gewächshaus bis hin zur Logistik des Warentransports. Nature Fresh Farms hat die Anbaubedingungen optimiert, die Bewässerung gesteuert und Kosten gesenkt. Das KI-System ermöglicht es außerdem, Erzeugnisse innerhalb von 24 bis 48 Stunden nach dem Verpacken in die Supermarktregale zu bringen. So werden Transportzeiten deutlich verkürzt und die Frische bewahrt.

Trotz der vielen Vorteile gibt es einige mögliche Nachteile beim Einsatz von KI in der Obstbranche:

• Implementierungskosten: Die Anfangsinvestition in KI-Technologie kann hoch sein und für manche Landwirte und Erzeuger eine Hürde darstellen.
• Abhängigkeit von Technologie: Eine starke Abhängigkeit von KI und Technologie kann entstehen, die sich nur schwer handhaben lässt – insbesondere bei technischen Problemen oder Ausfällen.
• Wartung und Instandhaltung: KI-Systeme müssen regelmäßig gewartet und aktualisiert werden, damit sie zuverlässig funktionieren. Das kann die laufenden Kosten und die betriebliche Komplexität erhöhen.
• Komplexe Anwendung: Manche Landwirte finden KI-Technologie möglicherweise schwer verständlich und kompliziert in der Anwendung. Daher sind Schulungen und Unterstützung erforderlich.

Die Landwirtschaft von morgen gestalten#

Von der Auswahl des Saatguts bis zur Reifung der Früchte verändert KI die Landwirtschaft während des gesamten Lebenszyklus der Erzeugnisse – vom Feld bis auf deinen Esstisch. Sie hilft Landwirten, den Zustand des Bodens zu überwachen, den besten Erntezeitpunkt vorherzusagen und Erzeugnisse präzise zu sortieren. Durch die Optimierung des Ressourceneinsatzes, weniger Abfall und höhere Erträge macht KI die Landwirtschaft effizienter und nachhaltiger. Trotz Herausforderungen wie Kosten, dem Bedarf an technischem Fachwissen und der Abhängigkeit von der Datenqualität überwiegen die Vorteile von KI in vielen Fällen. Deshalb setzen immer mehr Landwirte auf KI.

Bleib mit unserer Community in Kontakt und lerne weiter über KI! Besuche unser GitHub-Repository und entdecke, wie wir KI nutzen, um innovative Lösungen für Branchen wie die Fertigung und das Gesundheitswesen zu entwickeln.