Tunen Germany GmbH
Wechtern 3
21732 Krummendeich
Für eine effizientere und nachhaltigere Landwirtschaft fehlt heute häufig eine belastbare Datengrundlage darüber, was auf einzelnen Flächen tatsächlich passiert. Informationen zu Bewirtschaftungsmaßnahmen liegen verteilt in Farm-Management-Systemen, Tabellen, Dokumenten, Fotos oder handschriftlichen Aufzeichnungen vor und sind oft auf compliance-relevante Datenpunkte beschränkt oder nur mit hohem manuellem Aufwand nutzbar. Dadurch fehlt sowohl landwirtschaftlichen Betrieben als auch nachgelagerten Unternehmen eine verlässliche Grundlage, um Bewirtschaftungsweisen objektiv zu vergleichen, erfolgreiche Praktiken zu identifizieren und Verbesserungen gezielt abzuleiten. Für Klimabilanzen und Nachhaltigkeitsberichte werden deshalb zudem häufig statistische Schätzwerte und Proxies verwendet, die betriebsindividuelle Unterschiede nur unzureichend abbilden.
Ziel des Vorhabens ist die Weiterentwicklung einer KI-basierten Plattform, die eine valide, betriebsindividuelle Datengrundlage für landwirtschaftliche Produktionsprozesse schafft. Dazu werden zwei komplementäre Ansätze verbunden: Eine KI-basierte Daten-Engine extrahiert relevante Informationen automatisiert aus bestehenden, auch unstrukturierten Aufzeichnungen. Ergänzend erfasst eine Smartphone-basierte Lösung landwirtschaftliche Aktivitäten automatisiert im Hintergrund. Die gewonnenen Informationen werden zusammengeführt, auf Plausibilität geprüft und in strukturierte, analysefähige Datensätze überführt.
Die zentrale Umweltrelevanz liegt darin, landwirtschaftliche Produktionsweisen analysierbar zu machen. Wenn nachvollziehbar ist, welche Maßnahmen tatsächlich durchgeführt wurden und welche Ergebnisse damit verbunden waren, können erfolgreiche Bewirtschaftungspraktiken identifiziert, verglichen und auf andere Betriebe übertragen werden. Dadurch entsteht die Grundlage, den Einsatz landwirtschaftlicher Ressourcen wie Dünger, Pflanzenschutzmittel und Kraftstoff gezielter und effizienter zu steuern. Die daraus resultierende Ressourceneffizienz kann unmittelbar zur Verringerung von CO₂-Emissionen sowie zur Entlastung von Boden und Wasser beitragen. Gleichzeitig ermöglicht die Datengrundlage eine präzisere Bewertung betriebsindividueller Umweltleistungen.
Im Vorhaben werden die bestehenden Technologien schrittweise weiterentwickelt und stärker miteinander verknüpft, um landwirtschaftliche Primärdaten automatisierter, granularer und aus mehr Quellen nutzbar zu machen.
Zunächst wird die Data Engine weiterentwickelt. Die bereits mögliche Verarbeitung von PDFs, Excel-Dateien und handschriftlichen Aufzeichnungen wird weiter standardisiert, für zusätzliche Sprachen und Formate ausgebaut und um weitere Datenquellen ergänzt. Insbesondere Telemetrie-, Wetter- und weitere Betriebsdaten sollen zur Kontextualisierung und Validierung bestehender Informationen genutzt werden. Dadurch entsteht eine breitere und belastbarere Datengrundlage darüber, welche Maßnahmen unter welchen Bedingungen durchgeführt wurden.
Parallel wird die Smartphone-basierte automatische Maßnahmenerkennung weiter verbessert. Smartphonedaten sowie agronomischer Kontext werden genutzt, um Feldaktivitäten zunehmend granular und mit möglichst wenig manueller Eingabe zu erfassen und durch den Einsatz von KI zu komplementieren. So sollen auch Tätigkeiten dokumentiert werden, die heute häufig fehlen oder nur unvollständig aufgezeichnet werden.
Anschließend werden die verschiedenen Datenquellen stärker zusammengeführt, gegeneinander geprüft und mit realen landwirtschaftlichen Daten validiert. Während der Projektlaufzeit sollen mindestens 25.000 landwirtschaftliche Felder verarbeitet werden, um Robustheit und Skalierbarkeit der Systeme weiter zu prüfen.
Die Umweltentlastung entsteht aus der verbesserten Datengrundlage: Je vollständiger und genauer Bewirtschaftungsmaßnahmen erfasst und miteinander verglichen werden können, desto besser lassen sich ressourceneffiziente Verfahren und Best Practices identifizieren. Damit schafft das Vorhaben die Grundlage, den Einsatz von Betriebsmitteln wie Dünger, Pflanzenschutzmitteln und Kraftstoff gezielter zu optimieren und damit Umweltbelastungen sowie CO2-Emissionen zu reduzieren.