mini|Precision Farming / Precision Livestock Farming als Teilmenge von Smart Farming. Digital Farming als integrierend für alle bisherigen Systeme (Griepentrog)
Die Digitalisierung in der Landwirtschaft baut auf digital existierende Produktionsverfahren auf, die heute anerkannt und akzeptiert sind. Sie weist eine gewisse Komplexität insbesondere in der Informationstechnik auf und führt zu besseren Betriebsergebnissen. Diese Produktionsverfahren sind das Precision Farming, Precision Livestock Farming und Smart Farming. Diese Verfahren sind als wichtige Bestandteile der Digitalen Landwirtschaft anzusehen. Die Digitale Landwirtschaft erweitert diese bestehenden Systeme jedoch erheblich um neue und umfassendere Komponenten.
Abgrenzung von Precision, Smart und Digital Farming Precision Farming Seit Anfang der 1990er Jahre steht der Begriff Precision Farming für die Nutzung der sogenannten Teilschlagtechnik beispielsweise kartierter variabler Dosierung und präziser Applikationstechnik. Darüber hinaus werden automatische Lenksysteme und Teilbreitenschaltungen genutzt. Dazu gehören auch sich auf verändernde Einsatzbedingungen selbsttätig anpassende komplexe Maschinenfunktionen bei Erntemaschinen als auch das wichtige Thema der Optimierung von komplexer Abfuhr- und Versorgungslogistik. Precision Livestock Farming bedeutet die Nutzung moderner Sensor-Aktor-Kombinationen von der exakten Zuteilung von Leistungsfutterkomponenten bis hin zum automatischen Melken und zum Gesundheitsmonitoring.
Smart Farming Der Begriff Smart Farming kam in den 2000er Jahren mit den sensorbasierten Echtzeitsystemen zur Dünger- und Pflanzenschutzapplikation auf. Bei diesem Verfahren wird beispielsweise die Biomasseverteilung eines Bestandes erfasst und abhängig vom Sensorwert in Echtzeit eine Düngermenge appliziert. Hierzu muss in der Teilschlagtechnik keine aufwendige und kostenintensive Bodenbeprobung mehr durchgeführt werden. Der Landwirt kann über eine einfache Kalibrierung der Sensoren das Mengenniveau als auch die Verteilung definieren. Ein solches System stellt damit eine Kombination aus Automatisierung des Verfahrens und Entscheidungsunterstützung dar. In der Tierhaltung wird der Begriff Smart Farming mit Sensor-Aktor-Kombinationen von der Datenerfassung über die Entscheidungsunterstützung bis hin zur automatisierten Ausführung und der Kombination von exekutiven (z. B. Melkroboter) und evaluativen Funktionen (z. B. Brunsterkennung) verwendet.
Digital Farming Bei Digital Farming, oder auch Farming 4.0 genannt, ist eine Systemtechnik gemeint, die die bestehenden Verfahren um vier weitere Hauptkomponenten ergänzt:
a) Das Internet der Dinge oder Internet of Things (IoT) oder die Maschine-zu-Maschine-Kommunikation (M2M)
b) Das Cloud Computing
c) Big-Data-Analysen und Künstliche Intelligenz (KI)
d) Die Robotik mit mobilen und stationären Einheiten.
In allen Bereichen sind bereits Entwicklungsansätze für in der Praxis nutzbare Produkte erkennbar. Erwartet wird, dass in der nahen Zukunft diese jedoch erheblich an Reife und Bedeutung gewinnen werden.
Umwelt und Gesellschaft Die Prozesse in der Natur wie das Wetter sowie andere biotische (lebende) und abiotische (unbelebte) Faktoren der landwirtschaftlichen Produktion lassen sich durch die Digitalisierung besser beobachten. Dies ist durch Einsatz von Sensoren, Fernerkundungsdaten und digitalen Simulationen möglich. Der Landwirt kann früher und besser darauf reagieren. Wie auch bei der Wettervorhersage hilft nur eine umfangreiche und langjährige Datenerfassung von vielen relevanten Faktoren am Standort, um Big-Data-Analysen zu ermöglichen, die wiederum als Basis für bessere standortspezifische Entscheidungen gelten können.Zimmermann B., Schlepphorst R., Meinardi D., Kraft M.: Mit Sensoren gegen Trockenstress. In: Top Agrar Nr. 46(10), 2019, S. 68–71.
Die Digitalisierung kann darüber hinaus dazu beitragen, dass natürliche Zusammenhänge besser verständlich und beschreibbar werden. Dadurch werden Potenziale zur Optimierung für verschiedene Produktionsziele wie die Kopplung von Umweltschonung und Produktivität möglich. Neue Anbausysteme ohne Pestizideinsatz sind ebenfalls denkbar, da insgesamt biologische Zusammenhänge besser beschrieben, evtl. vorhersagbar und somit erfolgreicher für verschiedene Produktionsziele genutzt werden können. Es werden intelligentere Landmaschinen und Verfahrenstechniken entwickelt, die neben der Ertragsfähigkeit und den tierischen Leistungen auch Bedürfnisse der Ökologie von Kulturlandschaften sowie der Nutztiere und des Menschen berücksichtigen können.
Komponenten des Digital Farming Landwirtschaft 4.0 ist die Digitalisierung von landwirtschaftlichen Produktionsprozessen im Pflanzenbau und in der Nutztierhaltung. Dazu gehören verschiedene Komponenten, die im Folgenden erläutert werden sollen.
Internet of Things (IoT) mini|Möglichkeiten des IoT (Internet of Things) für Landmaschinen zur vernetzten Kommunikation mit Betriebsrechner, Cloud Computer oder mobilen Endgeräten (Griepentrog) Das „Internet der Dinge“ (Internet of Things oder IoT) ist ein Sammelbegriff für eine Infrastruktur der Informationstechnik. Sie ermöglicht es, physische und virtuelle Gegenstände miteinander elektronisch zu vernetzen und automatisch kommunizieren zu lassen.
Damit auch landwirtschaftliche Maschinen entsprechend gesteuert werden können, bedarf es einer speziellen erweiterten Technik. Diese muss Zugriff auf bestimmte standardisierte Vokabulare oder sogenannte Ontologien haben. Hiermit können Programme die Art und Bedeutung der Daten in Echtzeit „nachschlagen“ und somit ihren Inhalt erfahren. Dazu treten beispielsweise anstelle von allgemeinen Textsequenzen wie „Sieglinde“ für eine Kartoffelsorte oder „Düngung mit Wirtschaftsdünger“ Verweise auf online verfügbare Begriffe, die technisch durch ihre standardisierten URIs (Uniform Resource Identifier) dargestellt werden. Nur durch diese semantischen Techniken mit ihren einheitlichen Vokabularien können eine größtmögliche Flexibilität und Zukunftssicherheit bei der Datenhaltung erreicht werden.
Ein etablierter Kommunikationsstandard zwischen Maschinen ist heute der sogenannte ISOBUS nach ISO 11783. Hiermit können Maschinen (Traktor, Gerät und Büro-IT) herstellerübergreifend kommunizieren. Dieser Standard ist nicht nur bedeutend für die Steuerung von Landmaschinen (Abbildung 4). Seine Bedeutung im Rahmen der Digitalisierung und eines IoT ist enorm. Die Kommunikationseigenschaften des ISOBUS sind jedoch begrenzt und eignen sich deshalb nicht für alle digitale Anforderungen.
Cloudsysteme mini|Cloud Computing mit Farm Management Informationssystemen (FMIS) und Datenverbindung zu Feldmaschinen und mobilen Endgeräten (Griepentrog) Mit einer drastisch zunehmenden Digitalisierung sind wesentlich höhere Anforderungen an Informationssysteme wie ein stetig wachsender Bedarf an Rechenleistung und Speicherkapazität verbunden. Einen Lösungsansatz hierfür bietet das Cloud Computing. Durch große IT-Ressourcen, die auf Abruf bereitgestellt werden können, entstehen äußerst flexible und skalierbare Hard- und Softwareinfrastrukturen. Wichtig ist heute der mobile Zugriff auf Daten mit unterschiedlichen Endgeräten. Grundtypen von Cloudsystemen sind Globale Cloud, Regionale Cloud und Private Cloud. Eine private Cloud (Homeserver) mit Internetzugriff auch von außen kann die Ausfallsicherheit fördern und minimale Anforderungen an die Datensicherheit gewährleisten.
Es existieren heute bereits verschiedene cloudbasierte Plattformkonzepte wie z. B. reine Datenplattformen zum herstellerübergreifenden Austausch von Maschinendaten. Außerdem gibt es spezialisierte Handelsplattformen wie sogenannte digitale Handelsmärkte für den An- und Verkauf von Waren. Einen weiteren großen Anteil haben Management Plattformen wie die Farm Management Informations-Systeme (FMIS). Sie sind in gewisser Weise eine Fortführung der elektronischen Ackerschlagkarteien jedoch auf digitaler Plattformebene (Abbildung 5).
Manche heutigen zentralistischen Portale funktionieren hervorragend nur innerhalb der Maschinenflotten des jeweiligen Herstellers. Aus Sicht der Landwirte ist es aber nur vorteilhaft, wenn ein übergreifender und herstellerunabhängiger Datenaustausch ermöglicht wird, da auf den Betrieben im Ackerbau häufig Maschinensysteme verschiedener Hersteller eingesetzt werden.
Big Data und Künstliche Intelligenz Daten werden bereits heute und in der Zukunft zunehmend von Maschinen, Sensoren, Computer, Smartphones und ähnlicher Technologie erfasst, gespeichert und ausgewertet. Es ergeben sich daraus sehr große Datenmengen mit entsprechenden Datenspeichern, die für eine sinnvolle Nutzung nur über sogenannte Big Data Analyse ausgewertet werden können. Das in diesen Daten enthaltene Nutzungspotenzial ist auch für die Landwirtschaft enorm, sowohl für den standortangepassten Ackerbau als auch für eine verbesserte Tierhaltung. Werden diese Analysen richtig verknüpft und zu sinnvollen Auswertungen zusammengefasst, unterstützen sie den Landwirt in seinen strategischen (langfristig) und operativen (kurzfristig) Entscheidungen. In der Landwirtschaft fallen bereits heute Daten in erheblichem Umfang an, wie bei modernem Herdenmanagement mit automatischen Melksystemen und ISOBUS-gesteuerten Feldmaschinen im Ackerbau. Sie können allerdings bisher wenig genutzt werden, da es zu wenig Vernetzungen der Maschinen (IoT) und wenig Speichermöglichkeiten (Cloud) gibt.
Die Künstliche Intelligenz (KI) oder auch maschinelles Lernen ist ebenfalls Teil der Begriffswelt von Digitaler Landwirtschaft. Eine KI-Einheit lernt dabei aus aufgezeichneten oder ausgewählten Trainingsdaten, indem es nach Mustern sowie wiederkehrenden Strukturen sucht, aus denen sich Gesetzmäßigkeiten ableiten lassen. Mit der Vernetzung und Speicherung der Daten eines Betriebes über mehrere Jahre können Algorithmen des maschinellen Lernens so trainiert werden, dass Betriebsabläufe transparenter werden, um so Erfolgsfaktoren zu genieren, die zu besseren Entscheidungen führen. Des Weiteren können die Algorithmen auch eingesetzt werden, um z. B. Pflanzenkrankheiten, Unkräuter oder Schädlinge zu erkennen oder in Abhängigkeit von Wetter, Standort- und Bestandesfaktoren zu prognostizieren.
Automation und Robotik mini|Feldroboter unterscheiden sich von konventionellen Landmaschinen und sind häufig auf bestimmte Feldarbeiten spezialisiert (Griepentrog) Die Möglichkeiten der Feldrobotik stellen eine neue Stufe der Mechanisierung als auch der Automatisierung dar. Autonome Maschinen sind in der Größe skalierbar und deshalb auch ein Thema für kleinere und mittlere Landwirtschaftsbetriebe. Allerdings braucht Robotik, wie viele neue Anwendungen der digitalen Landwirtschaft auch, eine stabile digitale Infrastruktur, die eine sichere Kommunikation der Maschinen untereinander als auch die Integration der Kommunikation in das gesamte betriebliche IT-System gewährleisten muss.
Es zeichnet sich bereits ab, dass autonome Roboter meist von kleiner Größe und elektrisch angetrieben sein werden. Das führt zu erheblichen Reduktionen an Investitionskosten und an Fahrzeuggewichten. Je geringer die Anschaffungs- und Investitionskosten sind, desto geringer kann die Flächenleistung sein. Dieser Effekt hilft bei der Akzeptanz autonomer Agrarroboter, denn viele Aufgaben, die ein Roboter erfüllen muss, sind bei geringen Fahrgeschwindigkeiten wesentlich präziser, aber vor allem mit weniger Energie umsetzbar. Derartige Geräte sind leicht und deshalb bodenschonend. Die Skalierung auf größere Flächen wird nicht durch größere und schnellere Maschinen erreicht, sondern über einen Schwarm miteinander kooperierender gleichartiger und kleiner Roboter.