14.00 Uhr Begrüßung (Prof. Reinhard Kahle, Uni Tübingen & Anna Hoffmann, Innovationsberatung)
CFvW-Zentrum | Universität Tübingen (uni-tuebingen.de) - Innovationen fördern (intense-impact.de)

14.05 Uhr Einführung in das Thema durch die GEOKomm
(Dr. Hecker und Dr. Hildebrandt (Verband der GeoInformationswirtschaft Berlin Brandenburg)
GEOkomm

14.20 Uhr Herausforderungen im ML- Einsatz von Open Source Geodaten und aktuelle Lösungsansätze
Beetle ForTech, Tulln, Österreich

14.45 Uhr „Crop Type Classification“ - Input von Jona Welsch (ML Scientist), Dida Datenschmiede Berlin;
Projekt in Zusammenarbeit mit dem GFZ (Helmholtz-Zentrum Potsdam, Deutsches GeoForschungsZentrum)
Crop Type Classification | dida Machine Learning

15.10 Uhr „Produktionsmittel-Anwendungs-Manager – PAM“ - Input von Dr. Stephan Estel, ZEPP
(Zentralstelle der Länder für EDV-gestützte Entscheidungshilfen und Programme im Pflanzenschutz), Bad Kreuznach
PAM-M (zepp.info)

15.35 Uhr NaLamKI: Nachhaltige Landwirtschaft mit Künstlicher Intelligenz
Verbundprojekt NaLamKI des Fraunhofer HHI (Fraunhofer-Institut für Nachrichtentechnik, Heinrich-Hertz-Institut) Berlin
https://nalamki.de/ziele/

16.00 – 16.15 Uhr Pause

ab 16.15 Uhr Panel mit allen Gästen + einem Vertreter der ESA

Beetle ForTech, Tulln, Österreich

Beetle ForTech haben den Copernicus Masters 2021 und den Galileo Masters 2021 gewonnen.

"Das österreichische Start-Up Beetle ForTech entwickelt seit drei Jahren ein globales Netzwerk zur digitalen Rückverfolgung von Rundholz. Eine regenerative Forstwirtschaft, die Gesundheit der Wälder, Biodiversität aber auch die wirtschaftliche Nutzung des Rohstoffes Holz stehen im Zentrum – ein Projekt mit Weitsicht und sehr viel Wirkung für alle Aspekte des Klimaschutzes und der Nachhaltigkeit.

Um weltweit Wälder und Holzernten, aber auch illegale Aktivitäten überwachen zu können, werden Satellitenbilder mit den stammspezifischen Daten der Markierungsgeräte abgeglichen. Durch die Kombination von Satellitenaufnahmen und „Ground Truth“ entsteht eine einzigartige Präzision im Datensatz. Auch in diesem Bereich kommen KI- Ansätze zur Analyse der Satellitenbilder zum Einsatz. Das satellitengestützte Waldüberwachungssystem nutzt die Daten von Sentinel-1, Sentinel-2 und anderen Datenanbietern, um laufende Aktivitäten in Wäldern zu überwachen und festzustellen, ob diese legitim sind oder nicht. Ereignisse wie Stammentnahme, Biomasseentnahme und Aufwuchs können so an definierten Waldstandorten überwacht werden, um Informationen über die Herkunft, den rechtlichen Status und die Menge des Holzes zu erheben. Neben der automatisierten Informationsaufbereitung für Entscheidungsträger, wird auch eine nachhaltige Waldbewirtschaftung abgesichert.

Für diesen innovativen Brückenschlag zwischen bodennahen Daten aus den Wäldern und Satellitenaufnahmen hat Beetle ForTech letztes Jahr (2021) zwei wichtige Auszeichnungen gewonnenen: Den Copernicus Masters Preis des europäischen Erdbeobachtungsprogramms und den Galileo Masters Preis des europäischen Navigationssatelliten und Zeitgebungssystems.“

Dida Datenschmiede Berlin; Projekt in Zusammenarbeit mit dem GFZ (Helmholtz-Zentrum Potsdam, Deutsches GeoForschungsZentrum)
Crop Type Classification | dida Machine Learning

„Die zunehmende Verfügbarkeit von Fernerkundungsdaten, die von Organisationen wie der Europäischen Weltraumorganisation ESA bereitgestellt werden (z. B. Daten der Satellitenmissionen Sentinel 1 und Sentinel 2), ermöglicht die Anwendung von Methoden des Maschinellen Lernens in der Landwirtschaft.

Die konkrete Aufgabe besteht darin, diese Methoden für die Vorhersage von Kulturarten einzusetzen, die auf einer bestimmten Parzelle angebaut werden. Eine weitere Anforderung ist, dass diese Vorhersagen so früh wie möglich während des Wachstumszyklus der Kultur zurückgegeben werden müssen, damit die Beteiligten ihre Planung auf diese Vorhersagen stützen können.

Eine Herausforderung ist die große Menge an Daten, die für die Vorhersage einer einzelnen Feldparzelle verarbeitet werden müssen: Bei den Sentinel-2-Satellitendaten handelt es sich nicht um normale RGB-Bilder, sondern um eine Zeitreihe multispektraler Bilder, d. h. um Bilder, die mehr Informationen als nur sichtbare Farben enthalten.

Da die Satelliten jeweils nur ein begrenztes Gebiet erfassen können, überfliegen sie verschiedene Gebiete zu unterschiedlichen Zeitpunkten. Daher gibt es für verschiedene Parzellen unterschiedliche Zeitpunkte für die Aufnahme von Bildern, was an sich schon eine Herausforderung darstellt.“

Zentralstelle der Länder für EDV-gestützte Entscheidungshilfen und Programme im Pflanzenschutz, Bad Kreuznach
PAM-M (zepp.info)

Projekt in Zusammenarbeit mit ISIP (Informationssystem für die integrierte Pflanzenproduktion), 365 FarmNet, Itz (Landwirtschaftliches Technologiezentrum Augustenberg), JKi (Julius Kühn-Institut) und KTBL (Kuratorium für Technik und Bauwesen in der Landwirtschaft).

„Im PAM-Projekt wurde von 2013-2015 ein internetbasierter Pflanzenschutz-Anwendungs-Managerentwickelt, der automatisiert auflagenkonforme Randstreifen berechnet und  maschinenlesbare Applikationskarten erzeugt. Der Service wurde auf der Agritechnica 2015 mit Gold ausgezeichnet.

Von 2017-2021 wurden ergänzend Dienste zur Verarbeitung von Höhendaten aus Satelliten,- Laserscan-, Traktor- und Drohnendaten sowie zur teilflächenspezifischen Berechnung der Hangneigung entwickelt, wodurch nun auch die Einhaltung von Hangneigungsauflagen möglich wird.

Da der technische Fortschritt voranschreitet, werden in der laufenden Projektstufe neue Entwicklungen berücksichtigt. Darunter fallen zum Beispiel die Ableitung abstandsrelevanter Landschaftstrukturen oder die Ableitung der Böschungsoberkante aus Laserscan- und Satellitendaten.

Im Ergebnis wird dem Landwirt und weiteren Nutzergruppen ein Entscheidungshilfesystem (EHS) zur Verfügung gestellt, das die schlagspezifischen Abstands- und Hangauflagen des Pflanzenschutzgesetzes, des Wasserhaushaltsgesetzes und der Düngeverordnung ermittelt und automatisiert Randstreifen und Applikationskarten berechnet. Diese weisen Bereiche aus, in denen keine Dünge- oder Pflanzenschutzmaßnahmen durchgeführt werden dürfen.

Ein großflächiger Einsatz des PAM-Service kann zu Einsparungen von Produktionsmitteln führen und damit einen erheblichen Beitrag zum Umweltschutz leisten.

Verbundprojekt NaLamKI des Fraunhofer HHI (Fraunhofer-Institut für Nachrichtentechnik, Heinrich-Hertz-Institut) Berlin
https://nalamki.de/ziele/

Im Forschungsprojekt NaLamKI werden KI-Dienste für die Anwendung in der Landwirtschaft entwickelt, welche Daten aus konventionellen und autonomen Landmaschinen, Satelliten und Drohnen auswerten, in einer Software-Service Plattform zusammenführen und Ergebnisse über offene Schnittstellen zugänglich machen.

„Um die landwirtschaftliche Produktion agiler und zukunftssicher zu machen, müssen die Anpassungen an veränderte Rahmenbedingungen effizient gestaltet und in allen Bereichen der Landwirtschaft unterstützt und beschleunigt werden. Die Landwirtschaft kann damit stabile Erträge bei effizientem Ressourceneinsatz und unter Schutz unserer natürlichen Ressourcen, Boden, Wasser, Luft und Biodiversität erwirtschaften. Dazu benötigt der Pflanzenbau in naher Zukunft innovative Ansätze, die bestehende und neue datengetriebene Technologien in die Anwendung überführen und auf Praxisrelevanz und Wirtschaftlichkeit überprüfen können.

Hier setzt NaLamKI mit dem Ziel an, KI- und Cloud-Technologien als Schlüsseltechnologien der Digitalisierungstrategie der Bundesregierung für die pflanzenbauliche Landwirtschaft nutzbar zu machen. Daten aus der Fernerkundung, der Bodensensorik und der Maschinen werden mit modernsten KI-Verfahren fusioniert, zur Optimierung landwirtschaftlicher Prozesse ausgewertet und zur Steuerung autonomer Roboter genutzt.

Landwirtschaftlichen Praktikern wird die aktuelle landwirtschaftliche Situation mitsamt sich aus ihr ergebenen Perspektiven dargestellt und Interventionen zur Realisierung möglicher Szenarien vorgeschlagen.

Die Daten und KI-Dienste werden interoperabel und dezentral mit Hilfe von offenen Standards auf Basis von GAIA-X zur Verfügung gestellt. Hierbei werden insbesondere die Datensouveränität und Datensicherheit berücksichtigt. Es entsteht ein Ökosystem, dass die Heterogenität der landwirtschaftlichen Produktionsprozesse und -betriebe respektiert und zugleich diskriminierungsfreien Zugang für Drittanbieter erlaubt.

Die Schwerpunkte des HHI innerhalb von NaLamKI liegen in der Entwicklung von KI-Verfahren zu Analyse von Fernerkundungsdaten, zur Erfassung und Integration von Expertenwissen, zur Modellierung landwirtschaftlicher Prozesse sowie zur 5G-Vernetzung.“

Für die Teilnahme am Workshop melden Sie sich bitte bei der INFORMATIK 2022 an.

• Anna Hoffmann, Hoffmann Consulting & Facilitation, Berlin & Potsdam
  Innovationen fördern (intense-impact.de)
• Prof. Dr. Reinhard Kahle, Carl Friedrich von Weizsäcker-Zentrum, Universität Tübingen
  CFvW-Zentrum | Universität Tübingen (uni-tuebingen.de)