Die Nachhaltige Produktivitätssteigerung ist das neue Leitbild der DLG für die Landwirtschaft zur Verbindung von Wettbewerbsfähigkeit und Schutz der Artenvielfalt. Zur Umsetzung der Überlegungen hat die DLG ein Positionspapier sieben Thesen verfasst. Sie dienen auf der DLG-Wintertagung als Ausgangspunkte für kritische Diskurse und sollen damit das neue Fortschrittsverständnis fördern. Prof. Dr. Anthony Stein ist Podiumsteilnehmer auf der DLG-Wintertagung im Februar in Hannover. Im DLG-Interview erläutert er, wie KI den DLG-Fortschrittsbegriff fördern kann.
DLG: Wo kann die KI Hilfestellungen leisten, um die Zielkonflikte zwischen Ertragszuwachs und Ressourcenschutz zu verringern, wie es in der These 4 im DLG-Positionspapier aufgeführt wird?
Anthony Stein: Der Einsatz von KI sowie weiteren neuen digitale Technologien treiben die digitale Transformation des Agri-Food-Systems hinsichtlich neuartiger und organisatorischer Innovationen voran. Die KI kann bei einer nachhaltigen Pflanzenproduktion schon jetzt helfen, gewünschte von schädlichen Pflanzenarten zu unterscheiden. Daraus können für die Bewertung entsprechende Maßnahmen abgeleitet werden. Dies könnten die Unkrautkontrolle mit Robotern oder smarte Anbaugeräte sein.
Wir können auch auf die These 5 im DLG-Positionspapier schauen, wo es heißt: Eine Inwertsetzung für Artenvielfalt und Tierwohl sollte ähnlich wie beim Handel mit Treibhausgasemissionen eingeführt werden. KI könnte hier ein Instrument sein, um diese Artenvielfalt-Inwertsetzung zu erreichen. Hiermit lassen sich die nützliche Arten erkennen, abgrenzen um künftig die Biodiversität auf den Feldern zu bemessen.
Ein weiteres Beispiel für den Einsatz der KI ist die Innenwirtschaft, also die Stallhaltungssysteme. Hier kann die KI durch die kontinuierliche Ableitung und Überwachung von Prozessindikatoren eingesetzt werden. Das kann das Aktivitätsverhalten der Tiere betreffen, das Stallklima oder die Fütterung. Diese Erkenntnisse sollen nicht nur die Effizienz der Tierhaltungsprozesse steigern, sondern infolge zu einer idealerweise automatisierten Prozessoptimierung führen, die dann wiederum sich positiv auf die Tiergesundheit und Tierwohl auswirkt.
Wie haben sich die Methoden verbessert?
Die Ziele von Precision Farming und Precision Livestock Farming gibt es schon lange, aber es hat hier eine Evolution stattgefunden, was sich auch in der Weiterentwicklung der Begrifflichkeiten wie etwa über „Smart Farming“ hin zum „Digital Farming“ erkennen lässt. Die Begriffe sind aber nicht 100 prozentig trennscharf. Zum Beispiel rückt beim Smart Farming der Einsatz von smarten Echtzeit-Sensoren für die Anpassung der Geräte direkt im Prozess in den Vordergrund. Digital Farming erweitert das Technologieportfolio weiter um neue digitale Techologien wie Edge- und Cloud Computing, Big Data Analyse und natürlich KI. Die KI ermöglicht hierbei neue Grade der Prozessautomatisierung.
Man könnte sich vorstellen, dass der Landwirt nicht mehr selbst für die Auswertung in das Farm Management-Informationssystem schauen muss, sondern die Informationen von der KI analysiert und aufbereitet ´on demand´ bereitgestellt und mit konkreten Handlungsempfehlungen versehen werden. Damit kann eine neue Stufe der Entlastung und Automatisierung erreicht werden.
Funktioniert der Einsatz von KI nur mit der entsprechenden Technik oder gibt es noch andere Einsatzfelder, die Sie mit einbeziehen?
Hier kommt es mir sehr darauf an, wie man den Begriff Technik definiert. In meinen Vorlesungen verwende ich den Begriff des „agrartechnischen Systems“, den ich aus der Informatik übertrage.
Sofort in den Sinn kommen bei agrartechnischen Systemen sicherlich der Traktor, das smarte Anbaugerät oder auch der selbstständig über das Feld navigierende Hackroboter. Hierzu sollten wir aber auch die Software-Technik zählen. Im landwirtschaftlichen Bereich sind das die Farm-Management-Informationssysteme (FMIS), die Flottenmanagement- oder Herdenmanagement-Systeme. Hier ist die Software das Kernelement. Zu beobachten sind weiterhin neue KI-basierte Apps zur Management- und Entscheidungsunterstützung, die Einzug in das digitale Ökosystem der angebotenen Software erhalten. Sie könnten damit den Betriebsalltag erleichtern.
Ich meine dabei die mehr und mehr durch die seit 2022 breitflächig ausgerollte „neuartige KI“ getriebenen Anwendungen. Das sind digitale Assistenten, mit denen der Landwirt in natürlicher Sprache kommunizieren und sogar Dokumente vorlegen kann. Damit erhält der Landwirt mehr Unterstützung im Management und in der Organisation.
Berater könnten auf den Betrieb kommen und nach einer Status-Quo Erhebung mit den Landwirten einen betriebsspezifischen Digitalisierungsvorschlag erarbeiten.
Zur Person
Prof. Dr. Anthony Stein hat 2020 die Professur für Künstliche Intelligenz (KI) in der Agrartechnik an der Fakultät für Agrarwissenschaften der Universität Hohenheim übernommen. Der 36-jährige hat Wirtschaftsinformatik und Informatik studiert und an der Universität Augsburg 2019 seine Promotion im Fach Informatik abgelegt und am Lehrstuhl für Organic Computing gearbeitet. Die Relevanz des Themas zur KI in der Agrartechnik ist für den Wissenschaftler ein entscheidender Faktor für die Bewerbung auf die Professur in Hohenheim gewesen. Damit könne er das Potenzial der Methoden der Informatik und insbesondere der KI in der Domäne der Agrarwirtschaft grundlegend und anwendungsorientiert erforschen. Stein schätzt die starke und breitgefächerte Expertise und die Synergien der interdisziplinären Forschungsarbeit mit den Kolleginnen und Kollegen am Institut für Agrartechnik und der ganzen agrarwissenschaftlichen Fakultät, sowie die fakultätsübergreifende Zusammenarbeit.
Wie lautet ihr Leitbild?
Grundsätzlich ist uns bei unserer Vorgehensweise in angewandten Forschungsprojekten wichtig, dass wir nicht an den Anforderungen der landwirtschaftlichen Praxis vorbei arbeiten. Dazu analysieren wir zuerst die zugrundeliegenden agrarischen Prozesse in enger interdisziplinärer Zusammenarbeit mit Agraringenieuren und Experten aus Industrie und Praxis. Wir wenden dann die oben genannten Informatik-Methoden an, um einen zielführenden Einsatz von KI sicherzustellen. Also nicht „KI dem KI-Willen halber“ einsetzen, sondern dort wo es nutzenstiftend sein kann. Unser Leitbild ist die Erforschung intelligenter agrartechnischer Systeme für die Zukunft, wofür wir grundlagenorientiert auch neue KI-basierte Methoden entwickeln, um eben Ziele, wie die angesprochenen Effizienzsteigerungen oder eine einfachere Bedienbarkeit zu erreichen.
Von welcher Seite benötigt der Betriebsleiter Unterstützung, um KI zu verstehen und als Produktivitätsturbo sinnvoll einzusetzen?
Diese sehr gute Frage ist nicht so einfach zu beantworten. In Plenardiskussionen und Fachgremien rückt immer wieder das Thema der Ausbildung ins Zentrum. Demnach sollte erwogen werden, die Grundlagen in Zusammenhang mit den Chancen und Herausforderungen der Digitalisierung in der Landwirtschaft frühzeitig in allen Stufen der Ausbildungszweige zu vermitteln. Also nicht nur an den Hochschulen, sondern auch in Fächern der Fach- und Berufsschulen oder als Fortbildungen angeboten werden.
Neben der Ausbildung könnte auch der Ausbau von dedizierten Beratungssparten für digitale Technologien innerhalb von bestehenden landwirtschaftlichen Dienstleistungen vorangetrieben werden. Berater könnten auf den Betrieb kommen und nach einer Status-Quo Erhebung mit den Landwirten einen betriebsspezifischen Digitalisierungsvorschlag erarbeiten.
Für ein solches Vorgehen muss der Landwirt also Offenheit zeigen und Zeit investieren?
Ziel sollte es meiner Auffassung nach sein, die Betriebsleiter in die Lage zu versetzen, zu entscheiden, ob und welche Lösungen aus dem digitalen Ökosystem sie gewinnbringend einsetzen könnten oder eben nicht. Die Berater könnten dabei betriebsspezifische Berechnungen anstellen, wie schnell sich gewisse digitale Lösungen amortisieren. Damit könnte ein „Kompass“ erreicht werden, was für diesen und ähnliche Betriebe nutzenstiftend sein kann.
Ich könnte mir vorstellen, dass diese Herangehensweise ein Weg sein könnte. Es kann nicht die Lösung sein, dass wir die Betriebsleiter in dieser rasanten digitalen Entwicklung “allein im Regen stehen lassen.
Wissenschaftlich basierte Fakten sollen nach dem Willen der Politik mehr in die Praxis transferiert werden. In welcher Form findet dieses Vorhaben bei KI-gestützter digitalen Landwirtschaft statt?
Die KI ist ein vergleichsweise junges wissenschaftliches Feld, das erst in den 1950er Jahre geprägt wurde. Im Bereich KI übertragen auf die Agrartechnik ist noch viel an anwendungsorientierter Grundlagenforschung zu betreiben. Das ist zu unterscheiden von der angewandten Forschung, wo wir ein konkretes praktisches Problem wissenschaftlich angehen. Wohingegen wir bei der anwendungsorientierten Grundlagenforschung erst einmal die grundsätzlichen Möglichkeiten der Technologie im Agrarsektor eruieren und aufzeigen.
Für letzteren Forschungszweig sind im Transferprozess mehrere Schritte zu gehen und damit dauert es in der Regel länger, bis neue Forschungserkenntnisse in der Praxis ankommen. Ob dies letztlich geschieht, hängt aber auch von anderen Faktoren ab.
Idealerweise sollte dies in Zukunft noch mehr in transdisziplinären Settings stattfinden. Das heißt unter direktem Einbezug von relevanten Akteuren und künftigen Nutzern der Technologie, wie zum Beispiel der Betriebe, in den Forschungsprozess. Das ist es, was die transdisziplinäre Forschung ausmacht, und was sich meiner Auffassung in der These 6 des DLG Positionspapiers wiederfindet, nach der die Initiative für Nachhaltige Produktivitätssteigerung aus der Wirtschaft, aus den Unternehmen kommen und gemeinsam mit der Wissenschaft vorangetrieben werden. Für mich ist es hier wichtig, dass die Verfahren zur Nachhaltigen Produktivitätssteigerung gemeinsam in Zusammenarbeit mit der Forschung umgesetzt wird.
Wie ist der Ablauf an Ihrem Fachgebiet an der Universität Hohenheim?
Die Forschungsarbeit unseres Fachgebiets für KI in der Agrartechnik würde ich überwiegend in der anwendungsorientieren Grundlagenforschung verorten. Wir möchten aufzeigen, was mit KI-Technologie grundsätzlich möglich ist und wo die Grenzen liegen. Das betrifft auch die Frage, unter welchen Umgebungsbedingungen die KI-Methoden robust und zuverlässig funktionieren. Dafür haben wir im Hinterkopf stets agrarische Einsatzumgebungen, wie das Feld oder den Stall. Wir betreiben demnach auch Grundlagenforschung, aber mit klarer Anwendungsorientierung.
