Künstliche Intelligenz (KI) gewinnt in der Landwirtschaft zunehmend an Bedeutung und verspricht eine Ära der Automatisierung. Bei den Kontaktstudientagen der Hochschule Osnabrück am 8. und 9. November wurden innovative KI-Anwendungen von Studierenden vorgestellt. Diese Technologien ermöglichen es, Schädlinge zu identifizieren, Unkraut zu erkennen und landwirtschaftliche Maschinen autonom über die Felder zu steuern. Hersteller von Landtechnik rüsten sich mit einer Vielzahl an robotergestützten Lösungen, die diese neuen Möglichkeiten nutzen.
Daniel Barrelmeyer von der Hochschule Osnabrück erklärte die Funktionsweise autonomer Navigationssysteme und wies auf aktuelle Verbesserungspotenziale hin. Er betonte, dass die landwirtschaftliche Umgebung weniger hektisch als der Straßenverkehr ist, was die Implementierung autonomer Systeme erleichtert. Trotzdem müssen die Roboter robust genug sein, um unter allen Wetterbedingungen zu funktionieren. Prototypen wie der AgBot von AgXeed und die autonome Zugeinheit Combined Powers von Krone und Lemken demonstrieren bereits die praktische Umsetzbarkeit dieser Technologien.
Barrelmeyer zufolge durchlaufen Agrarroboter drei Hauptprozesse: die Erfassung von Umgebungsdaten mittels Laserscannern für die Kartierung, die Planung der effizientesten Route unter Berücksichtigung von Hindernissen sowie die Steuerung der Maschine, die auch die Arbeitsgeräte umfasst. Ein wichtiger Forschungsbereich ist die Sicherheit, insbesondere die Vermeidung von Unfällen mit Menschen. Projekte wie Agro-Safety und AI-Test-Field konzentrieren sich darauf, die Sensortechnologie weiterzuentwickeln, um auch unter schwierigen Bedingungen präzise arbeiten zu können. Agro-Safety fokussiert sich dabei auf die Entwicklung von KI-Systemen, die Personen und Hindernisse zuverlässig erkennen.
Zusätzlich werden im Projekt AI-Test-Field KI-Modelle unter verschiedenen Umweltbedingungen getestet, um deren Zuverlässigkeit zu gewährleisten. Das Start-up Simmetry.ai aus Osnabrück spezialisiert sich auf die Erstellung künstlicher Trainingsdaten für KI-Systeme, die nicht durch aufwändige Felderhebungen, sondern über realistische Simulationen generiert werden.
KI findet auch in der Tierhaltung Anwendung, stößt hier jedoch auf spezifische Herausforderungen. Maik Fruhner stellte das Projekt SmartTail vor, das mithilfe von KI das Verhaltensmuster von Schweinen analysiert, um Schwanzbeißen frühzeitig zu erkennen. Durch den Einsatz von Kameras und Deep-Learning-Algorithmen wird aggressives Verhalten der Tiere identifiziert, um rechtzeitig eingreifen zu können. Probleme wie die Identifikation des Aggressors, die gleichmäßige Beleuchtung in Ställen, die Reinigung der Sensoren und die Sicherstellung einer stabilen Netzverbindung für die Überwachung sind dabei zentrale Herausforderungen, die es zu bewältigen gilt.