Cognitive Agriculture

Acht Fraunhofer-Institute und vier Fraunhofer-Verbünde arbeiten gemeinsam im Leitprojekt COGNAC (COGnitive AgriCulture) an der Verbesserung der landwirtschaftlichen Prozesse durch moderne Methoden der Datenanalyse oder des Maschinellen Lernens.

Optimierung der landwirtschaftlichen Arbeitsprozesse

Fraunhofer-Leitprojekt COGNAC

Vollautomatisierte Maschinen bestimmen heute das Bild einer hochproduktiven Landwirtschaft. Das erhöhte Maschinengewicht verursacht allerdings weit in die Tiefe reichende Bodenverdichtung und zusätzliche produktivitätssteigernde Maßnahmen wie Düngung oder der übermäßige Einsatz von Pestiziden führen zu bleibenden Schädigungen der Biosphäre. Der Ökolandbau hat sich daher als Alternative entwickelt, ressourcenschonende Landwirtschaft zu betreiben und dabei bewusst Einbußen hinsichtlich der Produktivität hinzunehmen.

Die Digitalisierung, Automatisierung und Elektrifizierung der landwirtschaftlichen Prozesse bieten dabei zahlreiche Ansatzpunkte, die richtige Balance zwischen Nachhalitgkeit und Produktivität zu finden. Im Fraunhofer-Leitprojekt »Cognitive Agriculture«, kurz COGNAC, sollen Daten über komplexe Zusammenhänge in der Feldwirtschaft automatisiert erfasst und daraus ein optimaler pflanzenspezifischer Arbeitsprozess abgeleitet werden, der die Produktivität ohne ökologische Folgeschäden steigert.

Datenanalyse für verbesserte Arbeitsprozesse

Um diese Verbesserung der landwirtschaftlichen Prozesse zu erreichen, gliedert sich COGNAC in drei Innovationsbereiche:

  • Interpretation und Entscheidungsunterstützung durch Daten:
    Die Projektteilnehmer kombinieren und analysieren hochaufgelöste Messdaten aus luft- und bodengestützten Sensorsystemen (beispielsweise durch Feldroboter) mit Fernerkundungs-, Wetter- und Ertragsdaten, um eine maschinelle Interpretation und Entscheidungsunterstützung für die Betriebsabläufe in der Feldwirtschaft zu ermöglichen.
  • Offener Datenaustausch:
    Sie entwickeln einen Agricultural Dataspace (ADS) als Plattform eines datenbasierten Ökosystems, welches eine übergreifende Datennutzung durch Landwirte, Behörden, Maschinenhersteller oder Umweltorganisationen ermöglicht und dadurch alle relevanten Akteure und Datenquellen in der Landwirtschaft mit sicheren Datenräumen und selbstlernenden Auswerteverfahren vernetzt.
  • Autonome Feldrobotik:
    Ein weiterer Aspekt ist die optimale Arbeitsführung von Traktoren, Arbeitsmaschinen und Maschinenverbünden, sowie die Entwicklung und der Einsatz autonomer Feldrobotik für pflanzenspezifische Feldbearbeitung.

 

Aufgabenbereich unseres Instituts

Neben sieben weiteren Fraunhofer-Instituten und vier Verbünden arbeiten unsere Abteilungen »Mathematische Methoden für die Fahrzeugentwicklung« und »Optimierung« an diesem Leitprojekt. Unsere Arbeit ist dabei 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. Ein Beispiel dafür ist die robuste Erntekampagnenplanung: Wir betrachten laufend aktualisierte Abreifedaten und Wetterprognosen der zu erntenden Felder und können so vorausschauend Maschinen und Personal planen. Durch robuste Modelle und Algorithmen reduzieren wir die Trocknungs- und Treibstoffkosten, während gleichzeitig die Nahrungsmittelqualität und Kundenzufriedenheit erhöht wird. Bei diesen Fragestellungen kommt uns unsere langjährige Zusammenarbeit mit Landmaschinenherstellern zugute.