Automatisierung, Robotik und KI – die Zukunft der Landwirtschaft?

Nicht nur KI, sondern Automatisierung und Robotik werden die Landwirtschaft in Zukunft effizienter machen, so der klare Standpunkt von Josef Franko, Gründer von AI.Land, im "Digitalen Scheunengespräch" der topAgrar. Josef zeigt sich skeptisch gegenüber der Betonung von KI in der Landwirtschaft, und befürchtet, dass "KI zur neuen Digitalisierungswelle" wird. Laut dem Gründer – der sowohl in der Landwirtschaft durch die Arbeit auf dem Familienbetrieb, als auch in der wissenschaftliches Forschung im Bereich Robotik zu Hause ist – sei nicht die Software an sich ausschlaggebend für die Wertschöpfung, sondern Automatisierung und Robotik. Dafür hat sein Start-up unter anderem einen vollautomatisierten Roboter für den Gemüsebau entwickelt. 

"KI ist derzeit nicht mehr als maschinelles Lernen und nur eins von vielen Modulen im Werkzeugkasten der Ingenieure, durch welche in der Landwirtschaft Wertschöpfung generiert wird"

Im landwirtschaftlichem Familienbetrieb, der eigentlich ein Milchviehbetrieb ist, möchte er mehr Diversifizierung durch bspw. den Gemüsebau ermöglichen – dafür ein Gemüse-Roboter – eine Insellösung (AI.Land). Der Roboter ist vollautomatisiert, von Anbau zur Ernte. Der Einsatz von Präzisionslandwirtschaft während der gesamten Kultivierung ermöglicht die Skalierbarkeit der Wertschöpfung ohne die Abhängigkeit von Saisonarbeitskräften. Das Gemüse wird in Mischkulturen angebaut, so dass die Ernte automatisiert in Gemüsekisten für die Direktvermarktung direkt vom Feld erfolgt. Hier ist die Automatisierung beispielsweise der Schlüssel zur Reduktion des Logistik-Aufwands. 

Ein weiterer Schlüssel zur Effizienz sei Datenmanagement. So arbeitet auch AI.Land mit einem offenen Betriebsmanagementsystem, das verschiedene Aufgaben digitalisiert, darunter Zeiterfassung, Personalmanagement und auch die Buchführung. An diese Datenbank baut AI.Land Module an, beispielsweise Pflanzendatenbanken oder Ackerschlagkarteien. 

Ein Modul ist das Roboter Betriebssystem (ROS), dazu gehören: 

Wahrnehmung: Pflanzenwahrnehmung, Umgebungswahrnehmung, Sicherheitssysteme, die Kollisionen mit der Umgebung vermeiden: das alles kann mit Hilfe von 3D-Senoren und maschinellem Lernen abgebildet werden

Bewegung & Manipulation: wie bewegt sich die Plattform & was macht sie? (Unkraut regulieren, Schnecken einsammeln)

Navigation: Von Start zum Ziel und das möglichst kosteneffizient und ressourcenschonend.

Steuerung: Zustandsidagramme, die dynamisch steuern, welche Teilaufgabe der Roboter löst, beispielsweise im Ernteprozess

Hier ist es auch wieder wichtig für Josef zu betonen, dass es sich hier nicht um KI, sondern um maschinelles Lernen handelt. Intelligenz sei definiert durch Denken. Maschinen und Algorithmen denken aber noch nicht, sondern wir trainieren ganz bestimmte Modelle, die dann angewendet werden. Ein wichtiger Faktor, der unter anderem bei KI fehlt, seien laut Josef Emotionen, die kreatives Handeln und unser Denken ganz wesentlich beeinflussen.

Maschinelles Lernen erstellt Modelle für Pflanzen

Im maschinellen Lernen arbeitet das Start-up mit zwei Kanälen zur Datenakquise: 

1. Bilddaten auf dem Feld sammeln

2. Virtuelle Pflanzendaten, um beispielsweise Sonderfälle, die bei besonderen Lichtverhältnissen, wie Nebel, Tau, oder Dämmerung, auftreten. Diese Bilder werden künstlich erzeugt und dem Trainingsdatensatz beigemischt.

Pflanzen bestehen aus verschiedenen Merkmalen, das heißt der Algorithmus segmentiert Kanten, Punkte oder Flächen, uvm. Maschinelles Lernen baut ein Modell aus der Kombination von diesen Merkmalen. Dieses Modell, also das digitale Abbild, wird dann durch Kamerasensoren mit Einzelpflanzen vergleichen. Das Ergebnis sind Wahrscheinlichkeiten für die Art einer Pflanze, das Wachstumsstadium oder Gesundheitswerte. Im Nachgang wird dann wieder im Feld angesetzt: die Pflanzen werden fotografiert, ausgewertet, klassifiziert und lokalisiert. So entstehen Zonen, von denen man weiß, was dort ist: dort kann geerntet oder Schnecken eingesammelt werden.

Finanzielle und ökologische Vorteile durch Robotik

Bei AI.Land ist vor allem die Chemie-Einsparung sehr wichtig. Die Spritz-Einsparung kann mit Hilfe von Robotik optimiert werden. Durch das selektive Spritzen kann bis zu 80% Chemie eingespart und die Biodiversität gesteigert werden, es hat also einen ökologischen Effekt. Um Kosten zu sparen, ist die selektive Ernte sehr effektiv: mit Hilfe von Robotik können mehr Ernteerträge über dieselbe Fläche erzielt werden, auf der sonst zehn bis 20 Erntehelfer arbeiten. Durch die minimal invasiven Erntevorgänge des Roboterportals werden die Ernteerträge erhöht und weniger Ressourcen eingesetzt.

Langfristig glaubt Franko wird es richtige KI in der Landwirtschaft geben – daran arbeitet auch AI.Land. Echte, oder starke KI nennen, dass andere Wissenschaftler, aber diese Unterteilung ist problematisch. Entweder der Algorithmus ist intelligent und denkt, oder und so ist es bis heute, es ist nur maschinell angelerntes Wissen. 

Der Unterschied ist wichtig im Hinblick auf die Regulatorik der EU. Denn „echte“ KI wird strengen Kontrollen unterliegen. Kontrollen die für die Unterscheidung von Pflanzen, das Erkennen von Verkehrsschildern, oder Wetterprognosen sicherlich nicht erforderlich sind. 

Das ganze Scheunengespräch findest Du hier.