Agri-Gaia
21.02.2021, 08:13 Uhr
Daten-Cloud in der Agrar- und Ernährungsindustrie
Um die vielen Datensätze, die in der digitalisierten Landwirtschaft entstehen, über Betriebe und Hersteller hinweg austauschbar zu machen, erarbeitet das Grossprojekt Agri-Gaia eine herstellerübergreifende Infrastruktur für den Austausch von Daten und Algorithmen.
Drohnenflüge und Satellitendaten ermöglichen den Wissenschaftlern Aussagen über die Entwicklung von Pflanzen.
(Quelle: www.uni-osnabrueck.de)
Gemeinsam mit Forschung, Politik, Verbänden und Industrie wollen die Projektpartner unter der Leitung des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI) eine Datennorm und eine Cloudlösung entwickeln. Die Universität Osnabrück ist mit dem Bereich Agrarfernerkundung und mit rechtswissenschaftlicher Expertise beteiligt. Das Projekt wird vom Bundesministerium für Wirtschaft und Energie (BMWi) mit insgesamt 12 Millionen Euro gefördert. Die Universität Osnabrück erhält einen Anteil von über einer Million Euro.
Zur Schaffung eines sogenannten KI-Ökosystems realisieren die Partner von Agri Gaia eine innovative B2B-Plattform, die branchenspezifisch adaptierte KI-Bausteine als leicht verwendbare Module bereitstellt und Anwender mit Entwicklern von KI-Algorithmen zusammenbringt. Ziel des Grossprojekts ist es, den Kreis von der Sensordatenaufnahme auf der Landmaschine über das Trainieren der Algorithmen auf entsprechenden Servern bis zur kontinuierlichen Aktualisierung und Optimierung dieser Algorithmen zu schliessen. Hierfür werden in Agri-Gaia entsprechende Schnittstellen und Standards entwickelt, die eine herstellerübergreifende Infrastruktur entstehen lassen.
Die Arbeitsgruppe Fernerkundung und Digitale Bildverarbeitung des Instituts für Informatik an der Universität Osnabrück wird in landwirtschaftlichen Betrieben Daten erheben, anhand derer Prognosemodelle entwickelt werden können. Mit Hilfe Künstlicher Intelligenz (KI) sind die Forscher in der Lage, aus der Vielzahl erhobener Daten Muster zu erkennen und zu klassifizieren, Prognosemodelle zu entwickeln und daraus dann Handlungsempfehlungen abzuleiten.