Die Daten liegen auf dem Acker – man muss sie nur einsammeln und sinnvoll verarbeiten. So lässt sich ganz knapp der Inhalt des neuen Fraunhofer-Leitprojekts COGNAC beschreiben. COGNAC steht für COGNitive AgriCulture und ist eins von aktuell 14 Leitprojekten der Fraunhofer-Gesellschaft.
Bevor landwirtschaftliche Produkte auf unserem Esstisch wieder zueinanderfinden, werden sie getrennt erzeugt, gesammelt und gelagert. Je nach Feldfrucht brauchen die Landwirte verschiedene Speichermöglichkeiten. Und natürlich auch verschiedene Verarbeitungsprozesse, um sie verwerten zu können.
Ähnlich verhält es sich mit den Daten, die in der industriellen Landwirtschaft anfallen. Auch sie werden gesammelt und gespeichert. Um sie zu nutzen, benötigt man stabile und transparente IT-Architekturen sowie valide Methoden; nur so können die Daten sinnvoll strukturiert und interpretiert werden. Modelle gibt es viele – aber wie passen sie zusammen?
Wie kann man die erfahrungsbasierte Kompetenz der Landwirte (zum Beispiel über Fruchtfolgen, Pflanzensorten, Bodenbeschaffenheit) in transparente Prozesse überführen? Antworten auf Fragen wie diese soll der Agricultural Data Space (ADS) geben, eine intelligente Dateninfrastruktur für die Landwirtschaft, die die Projektbeteiligten in COGNAC errichten. Das Projekt gliedert sich in drei Innovationsbereiche:
Das Teilprojekt des Fraunhofer ITWM ist im ersten Innovationsbereich angesiedelt und widmet sich der Modellierung, Simulation und Optimierung von agronomischen Prozessen (z. B. Wachstum und Ertrag von Weizen). Ein wichtiges Ziel dabei ist es, Korrelationen und Einflussfaktoren zu identifizieren und Handlungsempfehlungen abzuleiten.
Mechanische und chemische Feldbearbeitung sowie Saatgutvorbereitung wirken mit Wetter und Bodeneigenschaften hochkomplex zusammen. Die Ergebnisse wie Bodenbeschaffenheit nach der Aussaat, Pflanzenzustand in der Wachstumsperiode bis hin zu Qualität und Quantität des Ertrags werden in verschiedenen Zeitabschnitten beobachtet und bewertet. Es fallen also große Datenmengen an.
»Hier kommen unsere Methoden der multivariaten Datenanalyse und des Maschinellen Lernens zum Einsatz«, sagt Dr. Michael Burger, der sich in der Abteilung »Mathematische Methoden in Dynamik und Festigkeit« mit dem Leitprojekt beschäftigt. Ziel ist das Ableiten von hybriden Prädiktionsmodellen – eine Kombination aus datenbasierten Ansätzen und Modellen, die auf naturwissenschaftlichen Prinzipien beruhen – die die landwirtschaftlichen Prozesse verbessern. Ein weiterer Aspekt ist die optimale Arbeitsführung von Traktoren, Arbeitsmaschinen und Maschinenverbünden. »Bei diesen Fragestellungen kommt uns unsere langjährige Zusammenarbeit mit Landmaschinenherstellern zugute«, so Burger.
Thematisch orientieren sich Leitprojekte an aktuellen Bedarfsfeldern der Industrie und bündeln die Kompetenzen verschiedener Institute für eine effiziente Vorlaufforschung. Federführend bei COGNAC ist das Fraunhofer-Institut für Experimentelles Software Engineering IESE, beteiligt sind neben dem ITWM sechs weitere Fraunhofer-Institute. Gemeinsam erhalten sie in einem Zeitraum von vier Jahren knapp 8 Mio. Euro an Forschungsgeldern; auf das ITWM entfallen 800 000 Euro.
Fraunhofer-Institut für Techno- und Wirtschaftsmathematik ITWM