FarmerSpaceAI
Kontakt
Dr. Abel Barreto
Weitere Informationen
Laufzeit:
09/2025 – 08/2028
Projektteam:
Dr. Abel Barreto,
Hendrik Könning,
Dr. Stefan Paulus
Abteilung:
Förderung:
Bundesministerium für Landwirtschaft, Ernährung und Heimat (BMLEH), BMEL - Digitalisierung in der Landwirtschaft (28DE401A23)
Kooperation(en):
Strube D&S GmbH, KWS Saat SE & Co. KGaA, Pfeifer & Langen GmbH & Co, BASF SE, Ecorobotix ARA, Farming Revolution GmbH, Most Robotics GmbH, Agvolution GmbH, Fraunhofer-Institut für Graphische Datenverarbeitung (IGD), Julius Kühn-Institut, PhenoRob2 - Robotik und Phänotypisierung für Nachhaltige Nutzpflanzenproduktion, ZAZIkI
Das Projekt FarmerSpaceAI verfolgt das Ziel, KI-basierte digitale Technologien im Pflanzenschutz praxisnah zu evaluieren, weiterzuentwickeln und verständlich aufzubereiten. Dadurch soll eine präzisere, ressourceneffiziente und zugleich umweltgerechte Pflanzenproduktion unterstützt werden. Im Mittelpunkt stehen innovative Ansätze zur Beikrautregulierung, zur präzisen und teilflächenspezifischen Kulturpflanzenbehandlung, sowie der Einsatz fachspezifischer Chatbots als digitale Entscheidungsunterstützung. Ein besonderer Fokus liegt auf der Übertragbarkeit der entwickelten Lösungen sowohl auf ökologische als auch auf konventionelle Anbausysteme.
Im Rahmen des Projekts werden folgende Ergebnisse angestrebt:
Entwicklung, Implementierung und quantitative Evaluation eines LLM-Prototyps (LLM = Large Language Model) zur digitalen Entscheidungsunterstützung, einschließlich Praxisabgleich und Prüfung der Erweiterbarkeit hin zu multimodalen LLM-Systemen.
Etablierung eines praxisnahen Prüfkonzepts für KI-basierte Präzisionsapplikatoren mit systematischem Methodenvergleich, konkreten Beratungsempfehlungen sowie Bewertung des Transferpotenzials zwischen konventioneller und ökologischer Beikrautregulierung.
Erprobung eines Konzepts zur bedarfsgerechten, kleinräumigen Kulturpflanzenbehandlung, inklusive praxisorientierter Empfehlungen und Bewertung von VRA (Variable Rate Application)- sowie teilflächenspezifischen Applikationstechniken.
Bewertung der Robustheit, Transparenz und Nachvollziehbarkeit eingesetzter KI-Systeme durch eine strukturierte Modell- und Datensatzübersicht, validierte Datenerfassung sowie eine nachvollziehbare Dokumentation der Entscheidungslogiken.
Stärkung des Wissenstransfers durch die Bereitstellung von Open-Access-Datensätzen, Fach- und Praxispublikationen sowie einen intensivierten Austausch zwischen Wissenschaft, Industrie und landwirtschaftlicher Praxis.
Förderung
Gefördert durch Bundesministerium für Landwirtschaft, Ernährung und Heimat aufgrund eines Beschlusses des Deutschen Bundestages, sowie durch die Bundesanstalt für Landwirtschaft und Ernährung als Projektträger
Projektpartner
Georg-August-Universität Göttingen, Department für Nutzpflanzenwissenschaften, Abteilung Agrartechnik
Fraunhofer-Institut Optronik, Systemtechnik und Bildauswertung IOSB
Landwirtschaftskammer Niedersachsen
hessian.AI - The Hessian Center for Artificial Intelligence
Kontakt