WUR leitet europäisches KI-Projekt für besseres Verständnis landwirtschaftlicher Systeme

Im Rahmen des Projekts „AgriScienceFM“ entwickeln die Wageningen University & Research (WUR) und europäische Partner Grundmodelle, die Daten effektiver kombinieren und landwirtschaftliche KI für praktische Anwendungen, Forschung und Politik zuverlässiger machen.

Intelligentes Boden- und Wassermanagement, autonome Ernte-Roboter, Krankheits- und Schädlingsbekämpfung: KI ist in der Landwirtschaft bereits allgegenwärtig. Dennoch stelle ihr großflächiger Einsatz eine Herausforderung dar. Laut Ioannis Athanasiadis, Lehrstuhlinhaber für KI an der WUR, gibt es dafür mehrere Gründe. „Landwirtschaftliche Systeme sind von Natur aus äußerst vielfältig. Man hat es mit einer Vielfalt an Kulturpflanzen, Böden, klimatischen Bedingungen und verfügbaren Werkzeugen zu tun. Infolgedessen sind die bestehenden KI-Lösungen oft Einzellösungen oder funktionieren nur unter bestimmten Bedingungen.“

Athanasiadis hebt zudem den multidisziplinären Charakter der Landwirtschaft hervor. „Das Besondere und zugleich Herausfordernde an der Landwirtschaft ist, dass sie ein Zusammenspiel zwischen Mensch, Natur und Biologie beinhaltet. Das bedeutet, dass man Wissen und Informationen aus verschiedenen Bereichen miteinander verknüpfen muss, wie zum Beispiel Wasser- und Bodensysteme, Genomik, Umwelt und Klima sowie Krankheiten und Schädlinge. Derzeit werden Modelle innerhalb jeder Disziplin separat erstellt und Daten getrennt erhoben. Infolgedessen fehlt oft noch das Gesamtbild, das für eine KI erforderlich ist, die unter einer Vielzahl landwirtschaftlicher Bedingungen funktioniert.“

Grundlagemodelle für die Landwirtschaft

Laut Athanasiadis sind Grundlagemodelle (Foundation Models, FM) erforderlich, um diese Fragmentierung zu überwinden: Basismodelle, die in der Lage sind, große Datenmengen aus verschiedenen Quellen zu kombinieren. Im Rahmen des im Juni gestarteten AgriScienceFM-Projekts werden Forscher an drei miteinander verknüpften Basismodellen arbeiten, die sich auf die Kernelemente landwirtschaftlicher Systeme konzentrieren: biologisches Material wie Pflanzen und Tiere; die natürliche Umwelt wie Boden, Wasser und Klima; sowie menschliche Aktivitäten wie Bewirtschaftung und Anbaupolitik.

Athanasiadis: „Diese Modelle bilden die Grundlage für Instrumente, die es Landwirten ermöglichen, unter allen Umständen fundierte Entscheidungen auf der Grundlage kombinierter Datensätze zu treffen. Dies bringt nicht nur Vorteile für die Landwirte selbst, sondern auch für Natur und Gesellschaft, wie beispielsweise eine nachhaltige und effizientere Nahrungsmittelproduktion, eine gesündere Umwelt und eine bessere Anpassung an den Klimawandel.“

Europäisches Projekt

AgriScienceFM ist ein „Horizont Europa“-Projekt zum Einsatz von KI in den Agrarwissenschaften. Das Projekt ist Teil des europäischen Engagements, KI auch in wissenschaftlichen Bereichen verstärkt zu nutzen. Die WUR koordiniert das Projekt. Laut Athanasiadis verfügt die WUR sowohl über umfassendes Fachwissen als auch über Expertise auf dem Gebiet der KI. „Diese Kombination macht uns weltweit einzigartig. Gleichzeitig gibt es viele andere Institutionen mit wertvollem Fachwissen. Deshalb bündeln wir unsere Kräfte in einem Konsortium. Wir arbeiten unter anderem mit Universitäten und Instituten aus Griechenland, Deutschland, Spanien, Großbritannien und Belgien zusammen.“

Strategische Autonomie

Liesbeth Luijendijk, die sich über die WUR für die Integration von Robotik und KI in den Agrar- und Lebensmittelsektor einsetzt, nennt einen weiteren Grund, warum diese europäische Zusammenarbeit wichtig ist: unsere strategische Autonomie. „Angesichts der geopolitischen Entwicklungen muss Europa so unabhängig wie möglich von Großmächten wie China und den USA sein. Dies ist besonders wichtig für Technologien, die in der Lebensmittelproduktion zum Einsatz kommen. Daher ist es unerlässlich, dass wir Wissen und Technologie für KI in der Landwirtschaft innerhalb Europas entwickeln.“ Ihrer Meinung nach zeigt AgriScienceFM, dass die Europäische Kommission dies anerkennt und die Bedeutung einer starken europäischen Zusammenarbeit bei diesem wichtigen Thema erkennt.

Es sei zudem wichtig, dass sich die Niederlande in diesem Bereich positionieren, fährt Luijendijk fort. „In der nationalen Investitions- und Innovationsagenda ‚Food 2040‘, an der wir von der WUR beteiligt sind, haben wir vereinbart, dass die Niederlande bei der hochtechnologischen und nachhaltigen Lebensmittelproduktion weiterhin eine Vorreiterrolle einnehmen wollen. Wenn wir dies erreichen wollen, müssen wir unbedingt in KI investieren. Wir können es uns nicht leisten, uns ausschließlich auf Fachwissen zu verlassen und den KI-Aspekt anderen Akteuren oder Ländern zu überlassen. Wir müssen sicherstellen, dass wir beides im eigenen Haus haben.“

Von Satellitenbildern bis zur Bodenberatung

In der ersten Hälfte des dreijährigen Projekts werden die Forscher bestehende öffentliche Datensätze zusammenstellen und harmonisieren: von Satellitenbildern und Wetterdaten bis hin zu Feldmessungen, Daten aus der Tierhaltung, Erntedaten und genetischem Material. Die Modelle werden in praktischen Anwendungen getestet, beispielsweise bei der Satellitenüberwachung von Nutzpflanzen und Wasserknappheit, bei der lokalen Bodenberatung für Landwirte, bei der schnelleren Züchtung widerstandsfähiger Nutzpflanzen sowie in der Präzisionslandwirtschaft im Zusammenhang mit Krankheiten, Schädlingen und Tiergesundheit.

AgriScienceFM konzentriert sich daher nicht nur auf neue KI-Modelle, sondern auch darauf, wie gut diese Modelle angesichts realer landwirtschaftlicher Herausforderungen funktionieren. Zu diesem Zweck entwickelt das Konsortium auch sogenannte Benchmarks: Tests, mit denen Forscher beurteilen können, ob ein Modell in der Praxis brauchbare Ergebnisse liefert. Athanasiadis: „KI liefert nur dann wirklich einen Mehrwert, wenn die Ergebnisse über verschiedene Regionen, Anbausysteme und reale Situationen hinweg zuverlässig sind.“

Brücke zwischen KI und Agrarforschung

Mit AgriScienceFM hofft Athanasiadis, nicht nur nützliche Grundmodelle zu entwickeln, sondern auch eine Brücke zwischen KI- und Agrarwissenschaftlern zu schlagen. „Viele Wissenschaftler sind sich mittlerweile der Bedeutung der KI bewusst, verfügen jedoch noch nicht über ausreichendes Wissen. Deshalb hat das Projekt auch einen pädagogischen Aspekt. Mit AgriScienceFM bieten wir eine Plattform, auf der wir ein gemeinsames Verständnis dafür entwickeln können, warum Herausforderungen im Agrar- und Lebensmittelbereich und KI untrennbar miteinander verbunden sind und wie Entwicklungen im Bereich der KI Lösungen für bestehende Probleme bieten können.“