NalamKINalamKI
Im Rahmen des Projektes NaLamKI sollen innovative KI-Anwendungen entwickelt und auf Felder praxisgerecht erprobt werden. Hier wird die echtzeitfähige Auswertung von Sensordaten unterschiedlichster Quellen mittels KI möglich, die dann wiederum in Echtzeit landwirtschaftliche Einsätze steuern können („KI in the loop“). Hierbei wird eine zumindest zweistufige, teilweise aber auch dreistufige Cloudinfrastruktur genutzt, die maschinenbezogene, betriebsbezogene und globale (GAIA-X) Datenverarbeitungs- und KI-Infrastruktur umfasst.
Mit dem 2010 gegründeten Internationalen DLG-Pflanzenbauzentrum in Bernburg-Strenzfeld (IPZ) verfügt die DLG über großflächige Versuchsanlagen sowie eine einzigartige Kommunikationsplattform. So können für dieses Projekt geeignete Daten auf den Flächen des IPZ erhoben werden und Erkenntnisse gleichzeitig schnell und praxisorientiert in die Landwirtschaft kommuniziert werden. Der Pflanzenbau am Standort des IPZ, im mitteldeutschen Trockengebiet, leidet vornehmlich unter Wasserdefiziten. Über ein bereits bestehendes Projekt (EIP agri, IrriMode) können Bodenwasserzustände für die KI-basierte Weiterverarbeitung bereitgestellt werden.
In Obstplantagen werden viele komplexe Entscheidungen getroffen, bei denen ein detailliertes Wissen über die Pflanzen hilft, einen signifikanten Mehrwert für den Obstbauern und dessen Entscheidungsfindung darzustellen. Der Obstbauer kann auf einer fundierten Datenbasis kritische Entscheidungen besser treffen, und so einerseits seinen Ertrag steigern, andererseits aber auch gezielter und damit weniger extensiv Pflanzenschutz- und Düngemittel einsetzen. Dies bringt sowohl einen wirtschaftlichen als auch einen ökologischen Nutzen mit sich. Aus diesem Grund wünschen sich Obstbauern eine Art digitale Karte ihrer Plantage, die Informationen zu jeder einzelnen Pflanze beinhaltet.
Die TU Kaiserslautern entwickelt ein verhaltensbasiertes Steuerungskonzept, das eine präzise Steuerung eines John Deere Traktors ermöglicht. Ein mögliches Operationsszenario stellt das Fahren in Reihenkulturen dar. Hierzu müssen neben den Pflanzen, auch Pflanzenreihen und das Umfeld des Fahrzeugs im Allgemeinen erkannt werden. Dabei werden verschiedenste Ansätze der Erfassung bzw. Sensortechnik kombiniert. Pflanzeninformationen, wie auch Umfeldeigenschaften der Pflanze sollen mittels unterschiedlicher Sensoren (z.B. Spektralkamera, Stereo-Kamera und weiteren Sensoren wie z.B. einem Bodenradar) erfasst werden, um Informationen zum Pflanzenzustand, sowie des Bodens vornehmen zu können.
Im Rahmen von NaLamKI wird der Datenaustausch für Bestandsmodelle und deren Datenquellen auf offenen Standards beruhen. Dies betrifft die Schnittstellen zu den KI-Verfahren und zu den integrierten bestehenden SW-Lösungen für den Agrarsektor. Die Daten, KI-Verfahren (Algorithmen) und die SaaS Plattform werden dezentral mit Hilfe von Web-Diensten auf Basis der GAIA-X Referenzarchitektur zur Verfügung gestellt und vernetzt. Dies geschieht in enger Zusammenarbeit mit landwirtschaftlichen Partnerprojekten, aber auch konzeptionell mit bestehenden Gaia-X konformen Farm Management Information Systemen.
Mit dem Europäischen Copernicus Programm sind zeitlich und spektral hochauflösende Systeme wie zum Beispiel Sentinel-1 (Radar) und Sentinel-2 (Optisch) mit einer Bodenauflösung von 10 m x 10 m verfügbar. Die Satelliten des Partners Planet liefern tägliche Überflüge mit einer räumlichen Auflösung von ca. 3 m. Mit UAV (Unmanned Aerial Vehicle) Systemen sind theoretisch beliebig detaillierte Aufnahmen mit einer Bodenauflösung im Zentimeter- bis Subzentimeterbereich möglich. Darüber hinaus können mittels AGVs (Automated Guided Vehicles) Daten verschiedenster Sensoren von mobilen und stationären Bodenplattformen erhoben und verarbeitet werden.
Entwicklung einer Visualisierungs-Bibliothek für ein interaktives webbasiertes Dashboard für Landwirte zur Integration in Farm-Management-Information-Systems (FMIS). Die Sensordaten, Karten, offene Daten sowie KI-Auswertungen der Projektpartner werden visualisiert, in einem Dashboard gesammelt, aggregiert und den Nutzern im Rahmen eines Landwirt-Dashboards zur Verfügung gestellt. Dazu werden GAIA-X konforme „Beispiel“-Datensätze von mehreren Projektpartnern von NaLamKI für eine fiktive landwirtschaftliche Fläche visualisiert und aufbereitet. Der Landwirt kann je nach Use Case seine Daten zur Anzeige und Auswertung auswählen, um das Management seiner landwirtschaftlichen Flächen in Bezug auf die Nachhaltigkeit und Wirtschaftlichkeit zu optimieren.
Die Vernetzung von Fahrzeugen im landwirtschaftlichen Kontext zwischen Traktoren, Drohnen und Bodenstationen wird im AP5 untersucht. Im Rahmen dieses Demonstrators sollen die Schlüsselkomponenten der 5G-Vernetzung für den Anwendungsfall von einer mit einem Bodenradar ausgestattete Drohne, die die gesammelten Daten an eine Bodenstation bzw. Bodenfahrzeug sendet, im Rahmen des 5G Berlin Testbeds demonstriert werden. Hierzu soll eine direkte Kommunikation zwischen mehreren Teilnehmern im lizensierten Spektrum der 5G Campusnetze verwendet werden.