Im Rahmen des Workshops wurden unterschiedliche Papers vorgestellt, die vorab von einem ausgewählten Programmkomitee bewertet wurden. Insgesamt wurden 15 Papers eingereicht, von denen zehn akzeptiert wurden. Von diesen zehn akzeptierten Beiträgen stammten sechs aus den BMEL-geförderten KI-Projekten und vier aus anderen Projekten.
Wie kann KI der Landwirtschaft helfen, und welche Fragen können und sollten wir uns dabei stellen?
Eingeleitet wurde das Kolloquium mit einem kurzen Impulsvortrag von Prof. Dr. Jörg Dörr, der das KoLaZ-23 mitorganisierte und im Vernetzungs- und Transferprojekt X-KIT die Gesamtprojektleitung innehat. Allgemein bieten digitale Farming-Lösungen viele Vorteile. Diese Vorteile lassen sich grob in unterschiedliche Bereiche unterteilen. Sie bieten den Menschen einen Vorteil, indem mehr Komfort und somit auch Arbeitsentlastung bei mühseligen Arbeiten erreicht wird. In Bezug auf das Produkt können digitale Lösungen die Produktqualität verbessern und auch die Ressourceneffizienz erhöhen. Dies geht einher mit der Optimierung von Prozessen, die mithilfe digitaler Lösungen effizienter und transparenter durchgeführt werden können. Ebenfalls kann eine vereinfachte und verbesserte Qualitätskontrolle durchgeführt werden. Auch die Gesellschaft zieht Nutzen aus der Verwendung digitaler Lösungen im Agrar- und Ernährungsbereich, indem Nachhaltigkeitsziele erfüllt und auch überwacht werden können. Allerdings gibt es auch viele Herausforderungen und sogar Nachteile beim Einsatz von digitalen Lösungen. Vor allem in der Landwirtschaft ist die mangelnde Interoperabilität zwischen unterschiedlichen Systemen ein Problem, da diese sich zum einem negativ auf die Akzeptanz auswirkt und zum anderen viele digitale Lösungen nicht das volle Potenzial ausschöpfen können. Für die Nutzung von KI-Methoden werden viele Daten benötigt, die gelabelt sind. D.h. der Mensch muss dem digitalen System Beispiele geben (gelabelte Daten), etwa wie ein Schwein aus unterschiedlichen Blickwinkeln und unter verschiedenen äußerlichen Bedingungen aussieht. Des Weiteren ist der Einsatz von IT nicht immer eine nachhaltige Lösung, da digitale Systeme Energie verbrauchen und Vor- und Nachteile im gesamten Prozess betrachtet und in Hinblick auf Nachhaltigkeit bewertet werden müssen. Vor dem Hintergrund der gesellschaftlichen Herausforderungen steigt der Druck auf den Landwirtschafts- und Ernährungssektor. Die Weltbevölkerung wächst und somit vor allem in den Schwellen- und Entwicklungsländern der Bedarf an Lebensmitteln wie Fleisch und Milch. Gleichzeitig wachsen insbesondere in den Industrienationen die Nachhaltigkeitsanforderungen. Dafür muss noch effizienter mit den Ressourcen umgegangen werden, d.h. wir müssen Dünge- und Pflanzenschutzmittel so einsetzen, dass die negativen Auswirkungen auf die Umwelt möglichst gering bleiben. Gleichzeitig ist im Landwirtschaftsbereich ein fortschreitender Strukturwandel zu erkennen, sodass ein Landwirt bzw. eine Landwirtin immer mehr Menschen ernähren muss. Im Geflecht dieser Herausforderungen sind digitale Lösungen ein Baustein, um diese zu meistern. Wichtig ist hierbei zu unterstreichen, dass Digitalisierung kein Selbstzweck ist. Der Mensch führt in der Landwirtschaft zahlreiche Funktionen und Tätigkeiten aus, die zum Teil nicht oder nur unter Qualitätsverlusten durch Methoden der Künstlichen Intelligenz übernommen werden können.
Im Vernetzungs- und Transferprojekt X-KIT tauschen sich Projekte, die KI für die Landwirtschaft, die Lebensmittelkette und den ländlichen Raum erforschen, zu ihren Lösungen und Herausforderungen aus. Die oben benannten Punkte werden dabei kritisch beleuchtet – z.B. Evaluierung des CO2e-Ausstoßes, Erreichung der Ziele der erforschten Lösungen sowie Anforderungen an Interoperabilität oder Hürden für den Transfer der Lösungen in die Praxis. Unter folgendem Link können Infos rund um die KI-Projekte und aktuelle Veranstaltungen abgerufen werden: www.iese.fraunhofer.de/x-kit
Wie wird KI in der Forschung für die Gestaltung der Landwirtschaft, der Ernährung, der Lebensmittelkette und des ländlichen Raums der Zukunft genutzt?
Im ersten Präsentationsblock (KI-Methoden in der Ernährung und Lebensmittelkette) wurden drei Beiträge vorgestellt. In dem Vortrag »Emission-Reducing Vehicle Routing in Food Logistics« wurde ein webbasierter Ansatz zur emissionsmindernden Routenplanung in der Lebensmittellogistik vorgestellt. Das Fahrzeug-Routing-Problem wurde als »Constraint Optimization Problem« modelliert und gelöst. Im zweiten Vortrag »Textual Descriptions Used for Classification of Oaked vs Unoaked Wines« lag der Schwerpunkt auf der textuellen Beschreibung von Wein, indem Methoden aus dem »Natural Language Processing (NLP)« auf den Weinbau übertragen wurden. »“HalloBzar”: A German chatbot for accessing the regional digital marketplace« stellte einen Chatbot vor, der die Hauptakteure in der Lebensmittelkette beim Verkauf und Kauf von Lebensmittelprodukten unterstützt.
Im zweiten Präsentationsblock (KI-Methoden zur Optimierung von Prozessen in der Landwirtschaft) wurden ebenfalls drei Papers vorgestellt. »Canola seed or not? Autoencoder-based Anomaly Detection in Agricultural Seed Production« präsentierte einen KI-basierten Ansatz zur Analyse von Rapssaatgut. Es wurde eine automatisierte Unterscheidung von Rapssaatgut und Nicht-Rapssaatgut mithilfe von Computer-Vision-Techniken untersucht. Der zweite Vortrag »Federated Learning in Agriculture: Potential and Challenges« stellte das Potenzial des föderierten Lernens in der Landwirtschaft vor. Abschließend wurde in dem Vortrag »Mobile semantische Dokumentation als Basis für KI-gestützte Beratungsdienste: Das GeoBox Buchungsjournal« ein exemplarischer Chatbot für pflanzenbauliche Beratung im Pflanzenschutz vorgestellt.
Im letzten Block (KI-Methoden zum Umgang mit Stressfaktoren in Pflanzenbau und Weidehaltung) wurden vier Beiträge vorgestellt. »AI in the Wild: Challenges of Remote Deployments« stellte ein System zum Monitoring und zur anschließenden Vergrämung von Wildtieren vor, sodass Nutz- und Wildtiere in Koexistenz leben können. Ein Schwerpunkt liegt dabei auf der automatisierten Erkennung von Wölfen mithilfe von KI-Methoden. Der zweite Vortrag »Drohnenbasiertes Verfahren zur Detektion geschädigter Obstbäume in Obstbaumplantagen« stellte Methoden zur Erkennung von Krankheitssymptomen in Obstplantagen vor. Dabei wurden die Drohnen mit hyperspektralen und multispektralen Kameras ausgestattet, um eine Krankheitsklassifikation auf Basis von Fernerkennung zu erproben. Der dritte Vortrag »KI-basierte Detektion von Feldhamsterbauen auf landwirtschaftlichen Nutzflächen mittels multi-sensoraler UAS-Daten« untersuchte Feldhamsterbaue und ging dabei auf unterschiedliche Ansätze zu deren automatisierten Detektion ein. Abschließend stellte der Vortrag »Vertical-Farming-System für die Bilddatengenerierung zur KI-gestützten Identifikation des Wachstumszentrums von Beikräutern« dar, wie mithilfe von KI-Methoden zunächst in Laborumgebungen eine verlässliche Erkennung von Wachstumszentren von Beikräutern durchgeführt werden kann. Ebenfalls wird eine Bilddatenbank aufgebaut.
Alle Beiträge sind im Tagungsband aufgeführt und können über https://informatik2023.gi.de/ abgerufen werden (Link zum vorläufigen Tagungsband, Stand 14.11.2023: https://nextcloud.gi.de/s/Y28MkNMjGnE2JY9)
Fraunhofer-Institut für Experimentelles Software Engineering IESE
