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 (AI) hilft uns, diese Herausforderung zu bewältigen, indem sie Innovationen in der Landwirtschaft vorantreibt. KI-Innovationen können zur Überwachung von Nutztieren, zur Analyse des Pflanzenwachstums, zur Vorhersage des Wartungsbedarfs von Landmaschinen und für vieles mehr eingesetzt werden. Wenn wir an Landwirtschaft denken, stellen wir uns oft einfach Ackerbau und Viehzucht vor. Tatsächlich umfasst der Begriff jedoch viele verschiedene Funktionen und Prozesse.

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

In diesem Blogbeitrag untersuchen wir, wie KI in jedem Schritt des Prozesses hilft – vom Pflanzen, Wachsen und Ernten bis zur Verarbeitung, zum Transport und zum Verkauf von Früchten. Legen wir los!

Neue Technologien für den Anbau von Früchten in der Landwirtschaft#

Der erste Schritt im Lebenszyklus von Obstkulturen ist die Auswahl und Aussaat der Samen. Ein Landwirt muss entscheiden, welche Früchte in der jeweiligen Saison angebaut werden sollen. KI-Techniken wie maschinelles Lernen können große Datenmengen analysieren und Landwirten dabei helfen, die besten Samen für ihre spezifischen Boden- und Klimabedingungen auszuwählen. Durch die Auswertung historischer Wettermuster, der Bodenzusammensetzung und von Daten zur Leistung von Nutzpflanzen kann KI die optimalen Sorten empfehlen, die voraussichtlich am besten gedeihen. Der Einsatz von KI bei der Samenauswahl ist ein laufendes Forschungsgebiet mit großem Interesse und Potenzial.

So vergab die CGIAR Inspire Challenge 2018 ein Preisgeld von 100.000 US-Dollar an ein Projekt, das maschinelles Lernen für eine intelligentere Samenauswahl einsetzte. Das von Forschern des BioSense Institute und von CIMMYT geleitete Projekt nutzte Daten zu verschiedenen neuen Maissorten von Hunderten Prüfstandorten in Mexiko, um Modelle zur Vorhersage der Samenleistung zu entwickeln. Ein datenbasierter Ansatz erhöht die Wahrscheinlichkeit einer erfolgreichen Ernte und verringert das Risiko von Ernteausfällen. Sobald der beste Samentyp ausgewählt ist, kann die Bildverarbeitung die Qualität der Samen überprüfen.

Abb. 1 Ein Satellitenbild der Maisproduktion in Mexiko, auf dem hellere Bereiche auf eine gesündere Vegetation hinweisen.

Bildverarbeitung zur Bewertung der Samenqualität#

Mithilfe von Bildverarbeitung können hochauflösende Bilder von Fruchtsamen analysiert werden, um Unvollkommenheiten, Krankheiten und genetische Merkmale zu erkennen, die für das menschliche Auge möglicherweise nicht sichtbar sind. Verschiedene Aufgaben der Bildverarbeitung können eingesetzt werden, um diese Bilder zu analysieren und die Samen zu sortieren, zu klassifizieren und ihre Qualität zu bewerten. Durch die Automatisierung dieser Aufgaben kann KI dazu beitragen, sicherzustellen, dass nur Samen höchster Qualität ausgesät werden, und Landwirten zu besseren Erträgen verhelfen.

Beispielsweise ist der GeNee™ Sorter von Seed X eine KI-gestützte Sortiermaschine, die den Prozess der Samenauswahl verbessert. Die Sortiermaschine teilt die Samen in zwei Kategorien ein: Keimfähige Samen hoher Qualität werden in den Hauptbehälter geleitet, während Samen mit geringer Keimwahrscheinlichkeit in einen Nebenbehälter sortiert werden. Das System übernimmt Aufgaben wie die Bewertung von Farbe, Form, Größe und genetischer Reinheit sowie die Vorhersage von Keimraten. Dank der Sortiermaschine können die Keimraten auf über 90 % gesteigert werden, sodass mehr Samen erfolgreich zu gesunden Pflanzen heranwachsen.

Abb. 2 GeNee™ Sorter von Seed X.

Früchte mithilfe von KI anbauen und ernten#

KI kann auch zur Verbesserung der Bodenanalyse und zur Überwachung von Nutzpflanzen eingesetzt werden. Drohnen mit fortschrittlichen Kameras fliegen über Obstfelder und nehmen detaillierte Bilder des Bodens und der Pflanzengesundheit auf. Diese Bilder werden verarbeitet, um Karten zu erstellen, die Unterschiede bei Bodenfeuchtigkeit, Nährstoffgehalt und Pflanzengesundheit zeigen. Auf Grundlage der Erkenntnisse aus der Bildanalyse können Aufgaben wie Unkrauterkennung, Wachstumsüberwachung, Ertragsschätzung, Anpassung der Bewässerung, präzise Düngung und gezielte Schädlingsbekämpfung durchgeführt werden. Die Echtzeitüberwachung mithilfe von KI kann dazu beitragen, die Erträge von Obstkulturen zu steigern und nachhaltige landwirtschaftliche Verfahren zu fördern.

Die Ernte eines Feldes nur einen Tag vor oder nach dem optimalen Zeitpunkt kann das mögliche Einkommen des Landwirts um 3,7 % bis zu 20,4 % verringern. KI kann dabei helfen, den besten Zeitpunkt zum Pflücken der Früchte zu bestimmen. Herkömmliche Erntemethoden sind stark auf manuelle Arbeit angewiesen und können weniger effizient sowie zeitaufwendiger sein. KI-gestützte Erntemethoden nutzen fortschrittliche Sensoren und Algorithmen für maschinelles Lernen, um Daten zu Fruchtfarbe, -größe und Umgebungsbedingungen zu analysieren und den Reifegrad vorherzusagen. So werden die Früchte geerntet, wenn sie ihren optimalen Reifegrad erreicht haben, was zu höheren Erträgen und weniger Verschwendung führt.

Abb. 3. Segmentierung reifer Erdbeeren mithilfe von Bildverarbeitung.

Verarbeitung nach der Ernte: Volumenanalyse der Fruchtsegmentierung und Verpackung#

Nach der Ernte besteht der nächste wichtige Schritt darin, die Früchte zu sortieren und zu klassifizieren, damit die besten Erzeugnisse die Verbraucher erreichen. KI kann zur Volumenanalyse der Segmentierung von Früchten eingesetzt werden. Mithilfe von Bildverarbeitungsmodellen wie Ultralytics YOLOv8 lassen sich Größe, Form und Qualität einer Frucht bewerten.

Abb. 4 Einsatz des Bildverarbeitungsmodells YOLOv8 von Ultralytics zur Segmentierung von Früchten.

Der Prozess umfasst die Aufnahme hochauflösender Bilder von Früchten auf einem Förderband, die Segmentierung einzelner Früchte mithilfe des YOLOv8-Modells sowie eine Volumenanalyse zur Messung von Größe und Form und zur Erkennung von Mängeln. Auf Grundlage der Analyse werden die Früchte automatisch sortiert und verschiedenen Kategorien für die passende Verpackung, Verarbeitung oder Verteilung zugeordnet. KI-gestützte Sortierung und Klassifizierung verbessern Effizienz, Genauigkeit und Konsistenz, reduzieren Verschwendung und maximieren den Wert der Ernte.

Sobald die Früchte sortiert und klassifiziert sind, können automatisierte Verpackungsmaschinen sie präzise verpacken. KI-gestützte OCR-Systeme (optische Zeichenerkennung) können die Richtigkeit der Verpackungsangaben überprüfen und Etiketten, Barcodes sowie andere wichtige Informationen auf die Einhaltung von Standards und Vorschriften prüfen. Durch diese Kontrolle der Verpackungen lassen sich Situationen wie der Verkauf abgelaufener Erzeugnisse vermeiden. Die KI kann falsche Etiketten oder abgelaufene Haltbarkeitsdaten erkennen und zur Korrektur markieren, bevor die Produkte die Verbraucher erreichen.

KI-Innovationen im Einzelhandel und Vertrieb von Früchten#

Stell dir nun vor, du hast die besten Früchte verpackt und sie sind bereit für die Auslieferung. KI kann die Logistik und den Transport von Früchten durch die Optimierung von Routen verbessern. Früchte 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 bestimmen und Reisezeit sowie Kosten zu reduzieren.

Nachdem die Früchte das Geschäft erreicht haben, spielt KI weiterhin eine wichtige Rolle bei der Bestandsverwaltung und der Bedarfsprognose. KI-Systeme können Verkaufsdaten, Kundenpräferenzen und saisonale Trends analysieren, um die Nachfrage genauer vorherzusagen. Einzelhandelsgeschäfte können auf Grundlage der Erkenntnisse der KI optimale Bestandsmengen aufrechterhalten und das Risiko von Überbeständen oder Ausverkäufen verringern.

Abb. 5. Mitarbeiter füllen in einem Einzelhandelsgeschäft das Obstregal auf. Bildquelle: Envato Elements.

Bildverarbeitung kann in Geschäften eingesetzt werden, um den Regalbestand in Echtzeit zu überwachen. Mithilfe von Objekterkennung können KI-gestützte Kameras erkennen, wenn der Bestand zur Neige geht oder Produkte falsch platziert wurden, und das Personal zum Auffüllen oder Umräumen der Regale auffordern. Indem sichergestellt wird, dass zur richtigen Zeit die richtige Menge frischer Erzeugnisse verfügbar ist, trägt KI zur Steigerung der Kundenzufriedenheit und zur Reduzierung von Lebensmittelverschwendung bei.

Die Gesamtauswirkungen von KI auf die Obstindustrie#

KI kann eine wichtige Rolle dabei spielen, Verbrauchern Früchte besserer Qualität zugänglich zu machen. Ein hervorragendes Beispiel für die erfolgreiche Integration von KI in der Obstindustrie ist Nature Fresh Farms. Nature Fresh Farms hat seine Abläufe mithilfe von KI-Technologie vom Samen bis zum Geschäft transformiert. KI-gestützte Sensoren und Datenanalysen helfen dabei, alles zu verfolgen und zu steuern – vom Klima und der Luftfeuchtigkeit im Gewächshaus bis zur Logistik des Erzeugnistransports. Nature Fresh Farms hat die Anbaubedingungen optimiert, die Bewässerung gesteuert und Kosten gesenkt. Das KI-System kann die Erzeugnisse außerdem innerhalb von 24–48 Stunden nach der Verpackung in die Supermarktregale bringen, wodurch sich die Transportzeit deutlich verkürzt und die Frische erhalten bleibt.

Trotz seiner zahlreichen Vorteile gibt es einige mögliche Nachteile des Einsatzes von KI in der Obstindustrie:

• Implementierungskosten: Die anfängliche Investition in KI-Technologie kann hoch sein und für einige Landwirte und Erzeuger eine Hürde darstellen.
• Technologieabhängigkeit: Eine starke Abhängigkeit von KI und Technologie kann zu einer Abhängigkeit führen, die insbesondere bei technischen Problemen oder Ausfällen schwer zu bewältigen sein kann.
• Wartung und Pflege: KI-Systeme benötigen regelmäßige Wartung und Aktualisierungen, um effektiv zu funktionieren. Dadurch können laufende Kosten und die betriebliche Komplexität steigen.
• Komplexität der Nutzung: Einige Landwirte könnten KI-Technologie schwer verständlich und schwierig anzuwenden finden, sodass Schulungen und Unterstützung erforderlich sind.

Die Landwirtschaft von morgen#

Von der Auswahl der Samen bis zur Reifung der Früchte verändert KI die Landwirtschaft während des gesamten Lebenszyklus der Erzeugnisse – vom Bauernhof bis zu deinem Esstisch. Sie hilft Landwirten, die Bodengesundheit zu überwachen, die besten Erntezeitpunkte vorherzusagen und Erzeugnisse präzise zu sortieren. Durch die Optimierung von Ressourcen, die Reduzierung von Verschwendung und die Steigerung der Erträge macht KI die Landwirtschaft effizienter und nachhaltiger. Trotz Herausforderungen wie Kosten, dem Bedarf an technischem Fachwissen und der Abhängigkeit von der Datenqualität sind die Vorteile von KI diese Herausforderungen in vielen Fällen wert. Deshalb setzen immer mehr Landwirte auf KI.

Bleib mit unserer Community verbunden, um weiter über KI zu lernen! Sieh dir unser GitHub-Repository an und entdecke, wie wir KI nutzen, um innovative Lösungen in Branchen wie Fertigung und Gesundheitswesen zu entwickeln. 🚀