Belgier nutzen künstliche Intelligenz zur Prognose von Ernteerträgen
Das belgische Unternehmen Möbius hat eine Lösung entwickelt, die mithilfe von künstlicher Intelligenz vorhersagt, wann und in welchen Mengen landwirtschaftliche Erzeugnisse verfügbar sein werden.
Für die Genossenschaft Coöperatie Hoogstraten wurde das System zunächst an Erdbeeren getestet. Dabei lag die Prognosegenauigkeit bei etwa 90 Prozent, was es dem Handel ermöglichte, Verkaufsaktionen sehr erfolgreich umzusetzen. Cynthia Hadinoto und Jonathan Aelterman von Möbius erklären: „Ein Händler muss jede Woche entscheiden, wie stark er bestimmte Produkte bewirbt, wann Kampagnen starten und wie viel Lagerbestand er behält. Durch die Kombination verschiedener Datenquellen haben wir ein KI-Modell entwickelt, das die Gesamtmengen Tage, Wochen und sogar Monate im Voraus recht präzise vorhersagen kann.“
Erdbeeren als besonders anspruchsvolle Kultur
In Coöperatie Hoogstraten lag der Schwerpunkt zunächst auf Erdbeeren. Die Technologie ist jedoch auch für andere Erzeugnisse einsetzbar. Jonathan Aelterman betont: „Bei Erdbeeren handelt es sich nicht nur um eine der empfindlichsten Kulturen, die in möglichst kurzer Zeit vom Feld in die Regale gelangen muss, sondern auch um eine der unvorhersehbarsten.“
Die Produktionsmengen bei Erdbeeren schwanken stark von Jahr zu Jahr. Jede Saison bringt neue Spitzen und Tiefpunkte, und selbst kleine Wetteränderungen haben großen Einfluss auf den Ertrag. Deshalb ist es besonders schwierig, verlässliche Prognosen zu erstellen.
Künstliche Intelligenz als Werkzeug zur Entscheidungsunterstützung
Werden Erntemengen unterschätzt, drohen Überschüsse und sinkende Preise. Eine Überschätzung kann leere Regale und massive Umsatzeinbußen nach sich ziehen. Aelterman erklärt: „Alles dreht sich um Vorhersagbarkeit. Die zentrale Frage war: Was, wenn wir das Unvorhersehbare vorhersagen könnten? Hier kommen künstliche Intelligenz und maschinelles Lernen ins Spiel.“ Ähnliche Erntemengen-Roboter werden auch an der Fakultät für Elektrotechnik der Universität Ljubljana entwickelt. Welche Aufgaben diese Roboter künftig in Tomaten-Gewächshäusern übernehmen könnten, wird in einem gesonderten Artikel behandelt.
Cynthia Hadinoto ergänzt: „Durch die Kombination verschiedener interner und externer Datenquellen haben wir ein KI-Modell entwickelt, das die Gesamtmengen recht genau vorhersagen kann. Traditionell würden Promotionen oder Zielbestände auf Basis von Vorjahresdaten oder Bauchgefühl geplant. Wetterbedingungen, Ernteerträge und Marktdynamik ändern sich jedoch ständig. Das KI-System integriert all diese Informationen und aktualisiert sie täglich, sodass Entscheidungen auf der Grundlage der neuesten Entwicklungen getroffen werden. Maschinelles Lernen nutzt historische Daten, um Muster zu erkennen und zukünftige Entwicklungen vorherzusagen. Das Modell lernt kontinuierlich, sodass sich seine Genauigkeit stetig verbessert.“
Von der Wettervorhersage zur Geschäftsentwicklung
Jonathan Aelterman beschreibt den Ansatz: „Mit der Anwendung können wir Prognosen bis zu sieben Wochen im Voraus erstellen. Die Vorhersagen werden täglich mit den neuesten Daten aktualisiert.
Man kann dies mit einer Wetter-App vergleichen, nur dass sie für Geschäftsentscheidungen genutzt wird.“ Bei Coöperatie Hoogstraten ist das System seit April im Einsatz, und die Ergebnisse sind vielversprechend. Die Prognosen lagen in etwa 90 Prozent der Fälle richtig.
Praktische Erfolge und wirtschaftlicher Nutzen
Im Mai konnte der prognostizierte Produktionshöhepunkt genau erkannt werden. Die Genossenschaft startete rechtzeitig eine Verkaufsaktion bei einem großen Handelsunternehmen, das während der Aktion zehnmal mehr Erdbeeren verkaufte als üblich.
Jonathan Aelterman erklärt: „Nicht nur das, die frischen Erdbeeren wurden zu 50 Prozent über dem durchschnittlichen Marktpreis verkauft. Das war ein Gewinn sowohl für die Produzenten als auch für die Händler.“
Künstliche Intelligenz verbessert Planung und Verkauf in der Landwirtschaft
Die Einführung von künstlicher Intelligenz in der Landwirtschaft zeigt, wie digitale Werkzeuge die Planungssicherheit und Wirtschaftlichkeit erhöhen können. Auch in Deutschland könnten ähnliche Systeme den Erzeugern helfen, Angebot und Nachfrage besser abzustimmen, Produktionsspitzen zu nutzen und Verluste durch Fehleinschätzungen zu vermeiden. Dies wäre ein wichtiger Schritt, um die Wettbewerbsfähigkeit der deutschen Agrarwirtschaft in einem zunehmend volatilen Marktumfeld zu sichern.
