Bei der Kartoffel-Ernte kann es recht grob zur Sache gehen. Während früher Bauern samt Familie und Helfern auf dem Feld die zartbesaiteten Knollen von Hand aufsammelten, ist heutzutage der Vollernter im Einsatz. Läuft hier etwas schief, rumpeln die Kartoffeln hart über die Rüttelbänder, schlagen an Steine und prallen auf den Förderbahnen aneinander. Davon bekommen die sensiblen Knollen ‚blaue Flecke‘. Das kann ihnen so zusetzen, dass Ernte-Ausfälle die Folge sind.

„Wenn der Landwirt weiß, dass die Kartoffeln zu viele Schläge einstecken, kann er reagieren. Er kann etwa die Geschwindigkeit der Erntemaschine anpassen oder mehr Erde mit aufs Förderband nehmen“, erklärt Dr. Sabine Janzen, Wissenschaftliche Mitarbeiterin von Professor Wolfgang Maaß. Maaß und sein Team haben sich zum Ziel gesetzt, künftig für mehr Transparenz rund um die Knolle zu sorgen. Das Entscheidende dabei: Der Bauer muss relevante  Informationen erst einmal bekommen – und zwar rechtzeitig, sprich während der Ernte. Mit ihren Prognosen wollen die Forscher dementsprechend vom Feld an Entscheidungshilfen geben. Sie vernetzen dabei eine Fülle von Informationen – von Landmaschinen-Daten über Preis-Prognosen bis hin zur Zahl und Heftigkeit der Stöße, die die Kartoffel auf dem Förderband einsteckt.

Hannah Stein und Mirco Pyrtek arbeiten im Team von Prof. Wolfgang Maaß. Um zu erfassen, wie viele Stöße die Knolle auf dem Förderband einsteckt, lassen sie eine schmerzempfindliche künstliche Knolle (auf dem Tisch) miternten.

© Uni Saarland

Hierfür legen die Wirtschaftsinformatiker eine ‚digitale Verwaltungsschale‘ an – eine Art Logbuch, das so viele Informationen wie möglich über die Kartoffel-Charge enthält. Die Forscher ermitteln in diesem Kontext auch, wie viele Schläge die Kartoffeln abbekommen – und zwar mit einer ‚schmerzempfindlichen‘ künstlichen Knolle. Der Kartoffelroder erntet diese sogenannte nPotato mit, das heißt, die nPotato nimmt denselben Weg durch die Erntemaschinerie wie ihr echtes Pendant. Mittels Sensoren erfasst sie Stöße und Rotationen. Wird es zu viel, warnt sie. Sabine Janzen hierzu: „Um physische und virtuelle Gegenstände zu vernetzen, die Stöße zu klassifizieren und Schlussfolgerungen zu ziehen, kombinieren wir Methoden des maschinellen Lernens, so genannte Deep-Learning-Verfahren, mit Informations- und Kommunikations-Technologien.“

Die Forscher verknüpfen auf diese Weise zahlreiche Daten: Wann wurde die Kartoffel welcher Sorte wo geerntet? Wie ist ihr Wassergehalt? Wofür eignet sie sich? Sie integrieren Preis- und Finanzprognosen und zukünftig auch historische Daten, Ernte-logistische Prozesse aus dem Vorjahr, Wettervorhersagen und nicht zuletzt Expertenwissen des Landwirts. Auf diese Weise schaffen sie eine Serviceplattform für alle, die mit der Knolle zu tun bekommen: Von der Entscheidungshilfe für den Landwirt, wann er die Kartoffeln am besten auf den Markt bringt, bis hin zu Qualitäts-Stufen, ob sich die Charge für den Sternekoch oder eher für Stärkemehl eignet. Auch Produktionsmaschinen ließen sich auf dieser Grundlage dahingehend anpassen, dass sie etwa die Kartoffelschale tiefer abschälen. Last but not least können Rohstoffinvestoren durch entsprechende Qualitätssiegel ihre Käufe absichern. „Wenn wir die Daten mehrerer Landwirte zusammen betrachten, sind uns noch weitergehende Prognosen möglich. So könnten sich Chips-Hersteller für eine andere Kartoffelsorte entscheiden, wenn die Erntequalität absehbar so ausfällt, dass bei der anderen Sorte in drei Monaten ein Problem entsteht“, wirft Professor Maaß einen Blick in die weitere Zukunft. Um die Lösung für den Praxiseinsatz weiterzuentwickeln, sind er und sein Team aktuell auch auf der Suche nach weiteren interessierten Partnern.

Verkauft wird die Verfügbarkeit

Forscher der TU Kaiserslautern (TUK) entwickeln zusammen mit Industriepartnern neue ­Geschäftsmodelle für die Landmaschinen-Branche: Dabei wird nicht mehr wie bisher der Traktor oder der Mähdrescher als Produkt sondern als Service verkauft.

Viele Landmaschinen stellen für Bauern eine riesige Investition dar. Dabei benötigen sie die Maschinen oft nur an wenigen Tagen im Jahr. Vor diesem Hintergrund zielen die neuartigen Geschäftsmodelle, an deren kommerzieller Realisierbarkeit die Forscher aus Kaiserslauterern derzeit arbeiten, darauf ab, ‚nur noch‘ die Verfügbarkeit der benötigten Landmaschine für einen bestimmten Zeitraum zu verkaufen. Für den Anbieter bedeutet das: Er muss gewährleisten, dass seinem Kunden die gewünschte Maschine innerhalb der gebuchten Zeit möglichst zu 100 % zur Verfügung steht.

Thomas Eickhoff (li.) und Hristo Apostolov von der TU Kaiserslautern arbeiten unter anderem an einem technischen System, das den Ausfall der Maschinen vorzeitig entdeckt.

© TUK/Thomas Koziel

Eine solche Verfügbarkeit von technischer Seite her zu garantieren, daran arbeiten die Forscher der TUK gemeinsam mit IT- und Telekommunikationsunternehmen, Anbietern von Softwaresystemen, Beratungsunternehmen, Industriezulieferern und den Landmaschinenherstellern John Deere und Grimme sowie dem Antriebstechnik-Unternehmen Lenze, die ihnen für die Entwicklungstätigkeiten die entsprechenden Maschinen, Geräte und Daten zur Verfügung stellen.

„Im Projekt entwickeln wir ein Gesamtsystem, das die Maschinen derart überwacht, dass wir früh erkennen, wann es zu einem Ausfall kommen kann“, sagt Thomas Eickhoff vom Lehrstuhl für Virtuelle Produktentwicklung an der TUK. Zum Einsatz kommen dazu Sensoren, die den Ingenieuren Daten über den Zustand der Geräte liefern. Bei einer Kartoffelernte-Maschine können sie zum Beispiel das Förderband überwachen und Daten sammeln. „Diese werten wir aus, um Störungen und Ausfälle des Bands rechtzeitig vorherzusagen“, fährt Apostolov fort. Der Hersteller könnte sich dann beispielsweise darum kümmern, dass ein Servicetechniker noch vor dem Ausfall der Maschine zum Kunden fährt.

Bei Traktoren und anderen Maschinen gibt es unzählig viele Variationsmöglichkeiten, je nach Bedarf der Landwirte können sie mit verschiedenem Zubehör ausgestattet sein. „Kommt es zu einem Ausfall, muss schnell Ersatz her. Dies ist aber nur möglich, wenn man ganz genau weiß, welches Teil wo verbaut ist“, so Eickhoff. Mit dem digitalen Zwilling der Landmaschinen, den die Kaiserslauterer Forscher ebenfalls entwickeln, sollen alle notwendigen Daten von einzelnen Bauteilen bis hin zu Reparaturanleitungen in einer Datenbank digital hinterlegt werden. Dafür entwickeln sie ein intelligentes Informations­managementsystem, in dem alle wichtigen Informationen zu den Maschinen nutzerfreundlich zusammengestellt sind.
Die aktuellen Arbeiten laufen unter dem Verbundforschungsprojekt ‚InnoServPro‘ (Innovative Serviceprodukte für individualisierte, verfügbarkeitsorientierte Geschäftsmodelle für Investitionsgüter), das vom Bundesministerium für Bildung und Forschung (BMBF) im Rahmen des Forschungsprogramms „Innovationen für die Arbeit von morgen – Forschung für Produktion und Dienstleistung der Zukunft“ gefördert wird.