Sie sind hier: HomeFeldebeneAntriebe

Industrie 4.0 in der Landwirtschaft: Die 'digitale Verwaltungsschale' der Kartoffel

Fortsetzung des Artikels von Teil 1.

Die digitale Verwaltungsschale der ­Kartoffel

Prof. Wolfgang Maaß, Uni Saarland Bildquelle: © Uni Saarland

Wirtschaftsinformatiker Prof. Wolfgang Maaß: "Die Landwirtschaft ist zwar stark technisiert und ­digi­talisiert, zieht aber noch keinen Nutzen aus den Daten, die hier anfallen."

Ziel des Projektes ist es also, die Kartoffel und ihren Weg vom Feld bis in die Fabrik für alle Beteiligten gläsern zu machen – vom Bauern über Lieferanten und Produzenten bis hin zum Rohstoff-Investor: „Wir erforschen, welche Daten anfallen, aus denen wir Schlüsse ziehen und Prognosen erstellen können. So können wir hochrechnen, wie hoch der Ausschuss wäre, wenn der Fahrer der Landmaschine auf diese Weise weiterfährt. Diese Information geben wir ihm in Echtzeit weiter“, erläutert Professor Maaß und ergänzt: „Für unsere Prognosen ziehen wir weitere Daten heran, etwa Finanzdaten. Wenn man weiß, wie sich der Weltmarkt bewegt, lassen sich in Echtzeit Vorhersagen über den künftigen Ertrag treffen.“

Test auf dem Förderband, Uni Saarland Bildquelle: © Uni Saarland

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.

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.