Im Rahmen des Verbundprojektes GeoSenSys (Georeferenziertes sensorgestütztes Daten-Management-System) hat laut dem Bundesinformationszentrums Landwirtschaft (D) ein Team die Bewässerungspraktiken im Freilandgemüsebau durch den Einsatz von künstlicher Intelligenz (KI) zu optimieren versucht.
Fundiert entscheiden
Das Resultat dieser Bemühungen ist Anni (Artificial Neural Network for Irrigation), ein Modell, das für die Schätzung des Wasserbedarfs entwickelt wurde. So kann Wasserverschwendung vermieden und die Pflanzengesundheit sowie der Ernteertrag können optimiert werden. In der Praxis versetzt Anni Mitarbeitende auf Höfen in die Lage, fundierte und datengestützte Entscheidungen zu treffen.
Anni analysiert Echtzeitdaten zu Wetterbedingungen, zu Bodenfeuchtigkeit und zu spezifischen Pflanzenbedürfnissen, um eine zielgerichtete Bewässerung zu ermöglichen. Die lokalen Wetterdaten werden von der nächstgelegenen Wetterstation bezogen oder direkt vom Betrieb erfasst. Weiter fliessen wichtige Anbauinformationen wie der Zeitpunkt der Aussaat in das Modell ein.
Ein entscheidendes Element ist der Einsatz eines am Traktor montierten Spektralsensors, der Einblicke in den Entwicklungszustand der Pflanzen ermöglicht. Anni berechnet ausserdem die nutzbare Feldkapazität in drei unterschiedlichen Bodenschichten bis 60cm Tiefe.
Weniger Arbeit
Die Vorteile: Der Wasserverbrauch wird reduziert. Es wird nur so viel Wasser zugeführt, wie die Pflanzen tatsächlich benötigen. Die Nitratauswaschung wird minimiert, denn durch die präzise Anpassung der Bewässerungsmenge an den tatsächlichen Bedarf der Pflanzen verringern KI-gesteuerte Systeme das Risiko der Überbewässerung, die häufig zu einer erhöhten Nitratauswaschung führt, sodass Nitrat im Grundwasser landet.
Die Minimierung der Auswaschung vermindert die Belastung der Wasserwege und schützt die Wasserqualität. Arbeitszeit wird eingespart, indem durch automatische Bewässerungsempfehlungen und ‑steuerungen Arbeitsaufwände reduziert werden. Dies erlaubt es den Betrieben, Personal effektiver einzusetzen. Testbetriebe bestätigten, dass die Bewässerungsempfehlungen mit ihren eigenen Einschätzungen übereinstimmen.
Eigene Beobachtungen wie «Boden ist gesättigt» manuell in das Modell einspeisen zu können, schätzen die Betriebe besonders, weil so eine feinere Abstimmung bei den Bewässerungsempfehlungen gegeben ist. Zudem optimiert dies die Kulturpflege signifikant.
Teure Technik
Allerdings hat die Bewässerung mittels KI auch Nachteile und hält Herausforderungen bereit. Die Qualität und der Zugang zu Daten spielen eine wichtige Rolle für die Effizienz der KI-Systeme. Sie können nur zuverlässige Ergebnisse liefern, wenn sie mit guten Daten gefüttert werden. Die Beschaffung dieser Daten, etwa von Boden- oder von Pflanzensensoren, kann eine finanzielle Herausforderung darstellen.
Die erfolgreiche Einführung von KI-Technologien in der Landwirtschaft hängt zudem von der Bereitschaft der Mitarbeitenden ab, diese neuen Werkzeuge zu nutzen. Und KI unterstützt den Menschen beim Entscheiden, ersetzt ihn aber nicht.
