Lehrstuhl Digital Farming

Unsere Forschung

Forschungsschwerpunkt: Digitalisierung in der Landwirtschaft

In der Landwirtschaft herrscht eine starke Heterogenität zwischen den einzelnen Akteuren und den eingesetzten Systemen. Dies sorgt dafür, dass durch fehlende Interoperabilität eine Vernetzung der Systeme schwierig ist. Digital-Farming-Lösungen (z. B. Farm-Management-Systeme, Entscheidungsunterstützungssysteme, Landmaschinen) stoßen zudem häufig aufgrund mangelnder Transparenz auf eine geringe Nutzungsakzeptanz.
 
Unsere Forschung konzentriert sich auf die Bewältigung der beschriebenen Herausforderungen und beschäftigt sich schwerpunktmäßig mit dem Software- und Systems Engineering im Bereich Digital Farming und einem effizienten Datenmanagement für innovative Lösungen in der Lebensmittelkette. Hierfür ist die Betrachtung von Systemen in der gesamten Wertschöpfungskette und eine Anforderungsanalyse aller unterschiedlichen Akteure unerlässlich.

Unser Standort in Rheinland-Pfalz bietet durch die vielseitige Abdeckung verschiedener Bereiche, wie Wein-, Gemüse- und Getreideanbau, aber auch der unmittelbaren Nähe zu Forschung und Industrie, eine hervorragende Grundlage.

Unser Lehrstuhl kooperiert mit dem Förderverein Friends of Digital Farming e.V., in dem namhafte Firmen in der Wertschöpfungskette wie beispielsweise BASF, John Deere, Hochwald, Aldi Süd aber auch landwirtschaftliche Anwender wie beispielsweise die Lehr- und Versuchsanstalt Hofgut Neumühle, vertreten sind. Weiterhin ist der Lehrstuhl im nationalen KI-Leuchtturmprojekt Nachhaltige Landwirtschaft mittels KI aktiv und tauscht sich eng mit dem Programm Smart Farming des Fraunhofer IESE in Kaiserslautern aus.

Kooperationen

Kooperation mit L'Institut Agro in Dijon

Unser Lehrstuhl arbeitet mit dem L'Institut Agro in Dijon, Frankreich, zusammen. Das gemeinsame Forschungsprojekt umfasst die Erfassung von Bilddaten über die Phänologie verschiedener Pflanzen, die wir mit unserem FarmBot (einem Gartenroboter) anbauen werden. Wir werden die gesammelten Daten mithilfe von KI analysieren und das Pflanzenwachstum in geschützten Umgebungen und im Freiland vergleichen. Hier erfahren Sie demnächst weitere Updates.
 

Ansprechpartner: Vishal Sharbidar Mukunda

Aktuelle Projekte

Offene Digitalisierungsallianz Pfalz II (ODPfalz)

Förderinitiative:  Innovative Hochschule

Projektpartner: Hochschule Kaiserslautern, Rheinland-Pfälzische Technische Universität Kaiserslautern-Landau (RPTU), Fraunhofer-Instituts für Techno- und Wirtschaftsmathematik (ITWM), Leibniz-Institut für Verbundwerkstoffe (IVW)

Ansprechpartnerin für das Arbeitspaket: Kira Willems

Projektdauer: 2023 - 2027

Webseite: https://www.offenedigitalisierungsallianzpfalz.de/

 

Die ODPfalz ist ein Verbundvorhaben der Hochschule Kaiserslautern, der Rheinland-Pfälzischen Technischen Universität Kaiserslautern-Landau (RPTU), des Fraunhofer-Instituts für Techno- und Wirtschaftsmathematik (ITWM) sowie des Leibniz-Instituts für Verbundwerkstoffe (IVW), dem zusätzliche, strategische Partner angegliedert sind. Beteiligte Professoren aus dem Fachbereich Informatik sind Prof. Dr. Karsten Berns, Prof. Dr. Jörg Dörr und Apl.-Prof. Dr. Achim Ebert.

Das Teilvorhaben des Innovationsbereichs (IB) Nachhaltigkeit & Ressourceneffizienz unterstützt regionale Akteure in ihren Bemühungen zu nachhaltigem und ressourcenschonendem Wirtschaften und nachhaltigen Innovationen durch Einsatz von Digitalisierung und Automatisierung.

Digitale Technologien können einen wichtigen Beitrag zur nachhaltigen Landwirtschaft leisten, werden aber aktuell noch nicht häufig genug eingesetzt. Im Arbeitspaket, an dem der Lehrstuhl Digital Farming mitarbeitet, wird ein (digitales) Netzwerk von Akteuren aus Forschung & Entwicklung und Landwirtschaftsbetrieben geschaffen, um den Transfer im Bereich der digitalen Landwirtschaft zu unterstützen. Um neue Entwicklungen besser auf die Bedürfnisse der Praxis zuzuschneiden, wird Forschenden und Technologieanbietern eine Plattform geboten, um im Dialog mit Landwirten deren Anforderungen erheben und verstehen zu können. Für Systeme aus den Bereichen der Automatisierung von landwirtschaftlichen Prozessen sowie der Informationsbereitstellung und Entscheidungsunterstützung wird das Netzwerk die Bewertung der Praxistauglichkeit neuer Entwicklungen z.B. im Rahmen von Usability Tests, Akzeptanzstudien und Demonstrationen ermöglichen. Durch die Vermittlung innovativer Technologien aus den o.g. Bereichen in die Praxis wird zudem die Ausbildung kompetenter landwirtschaftlicher Fachkräfte in der Pfalz und langfristig auch in Deutschland und Europa erleichtert werden.

Agile Forschung im Digital Farming mit Fokus auf Endnutzungsakzeptanz und Datenmanagement

Fördergeber: Förderverein Digital Farming

Ansprechpartner: Marc Favier, Christoph Merscher

Projektdauer: 2 Jahre

 

Das Projekt findet in Kooperation mit dem Förderverein Digital Farming statt und behandelt die zwei Forschungsrichtungen Endnutzungsakzeptanz und Datenmanagement. Dabei verfolgt das Projekt ein agiles Forschungsvorgehen, welches ermöglicht die Forschung jedes halbe Jahr neu zu justieren, ohne dabei die allgemeine Forschungsrichtung zu verlassen.

Die Landwirte haben hohe Erwartungen an die Digitalisierung in der Landwirtschaft, allerdings spiegelt sich diese Meinung nicht in der Verbreitung von digitalen Lösungen wider, die bis heute vergleichsweise gering ausfällt. Daher fokussiert sich dieses Projekt in der ersten Forschungsrichtung auf die Verbesserung der Endnutzungsakzeptanz. 

Gleichermaßen steigt die Verfügbarkeit digitaler Daten, sowohl in der Art der Daten als auch in der jeweiligen Quantität. Die unterschiedlichen Systeme bieten immer mehr Zugriff auf Daten, und innovative, datengetriebene Geschäftsmodelle können ermöglicht werden. In der landwirtschaftlichen Praxis kommen aktuell jedoch noch relativ wenige datengetriebene Geschäftsmodelle an. Deshalb konzentriert sich das Projekt in der zweiten Forschungsrichtung auf die Unterstützung von datenbasierten Lösungen.

 

Verbesserung der Endnutzungsakzeptanz

Zur Verbesserung der Endnutzungsakzeptanz von digitalen Lösungen in der Landwirtschaft ist es besonders wichtig, dass die Sichtweisen der Landwirtinnen und Landwirte auf digitale Lösungen breit erfasst werden. Im ersten Schritt soll eine Community of Practice (CoP) mit Endanwendern digitaler Produkte in der Landwirtschaft aufgebaut werden und durch den Austausch mit einer großen Gruppe an Landwirtinnen und Landwirte erste Akzeptanzfaktoren ermittelt werden. Durch den Einsatz von Crowd-basiertem Requirements Engineering als Methode können die Anforderungen anschließend (teilautomatisiert) erhoben werden. Die Entwicklung eines Assessment-Frameworks ermöglicht eine einheitliche Bewertung der Digital Farming Lösungen. Im Anschluss an die Ermittlung der Anforderungen und Akzeptanzfaktoren soll dieses empirische Wissen zu den Digital Farming Lösungen in einer Wissensdatenbank bereitgestellt werden.
Dabei sollen in den ersten Forschungszyklen folgende Forschungsfragen beantwortet werden:

  • Wie kann zur Steigerung der Technologieakzeptanz die Hemmschwelle von Landwirtinnen und Landwirten herabgesetzt werden, digitale Lösungen zu erproben und einzusetzen?
  • Welche Gründe existieren für die geringe Akzeptanz?
  • Wie lässt sich die Nutzungsakzeptanz in der Landwirtschaft messen und verbessern?

 

Unterstützung der Entwicklung von datenbasierten Lösungen

Zur Umsetzung datenbasierter Digital Farming Lösungen werden Daten normalerweise nicht nur an einer Stelle zentral gehalten, sondern sollen entlang der Wertschöpfungskette transportiert, analysiert bzw. transformiert werden. Insbesondere bei der Umsetzung der Farm2Fork-Strategie der EU werden Food Supply Chains eine wichtige Rolle spielen und sollten mit einer Ende-zu-Ende-Perspektive modelliert und analysiert werden. Durch den Aufbau eines Ag-Data Management Lab soll die Entwicklung von datenbasierten Lösungen und ihre Integration in die digitale Lieferkette unterstützt werden. In einem solchen Ag-Data Management Lab können datenbasierte Lösungen für die Landwirtschaft hinsichtlich ihres zu erwartenden Nutzens, aber auch der zu erwartenden technischen Herausforderungen erprobt werden. Das aufzubauende Lab soll mit Werkzeugen zur Modellierung, zum Rapid Prototyping sowie mit Technologien zur Erfassung und zum Austausch von Informationen ausgestattet werden. Technische Hürden sollen schnell erkannt und typische Lösungsmuster formuliert werden. Diese Hürden und Lösungsmuster sollen formalisiert und damit wiederverwendbar zur Verfügung gestellt werden. Mittelfristige Schwerpunktthemen können nach einem initialen Aufbau beispielsweise im Bereich Daten und Nachhaltigkeit oder auch verlässlicher KI liegen. 
Dabei sollen folgende Forschungsfragen beantwortet werden:

  • Wie kann die Entwicklung von datengetriebenen Lösungen in der Landwirtschaft verbessert werden? 
  • Wie kann der erwartete Nutzen frühzeitig bewertet werden?
  • Wie können zu erwartende technische Herausforderungen frühzeitig erkannt werden?
  • Wie sehen typische Lösungsmuster für diese technischen Herausforderungen aus?

Verlässliche und resiliente KI-Methoden für eine nachhaltige Landwirtschaft

Fördergeber: Carl-Zeiss-Stiftung

Projektpartner:

  • Zentrum für Nutzfahrzeugtechnik (ZNT), Kaiserslautern: Prof. Liggesmeyer, Prof. Dörr, Prof. Görges, Prof. Teutsch
  • Umweltwissenschaften, Landau: Prof. Schulz, Jun.-Prof. Bundschuh, Prof. Schäfer

Ansprechpartner: Marc Favier

 

Landwirte haben schon heute anspruchsvolle und vielfältige Aufgaben zu bewältigen. Dazu gehören komplexe Entscheidungsfindungsprozesse, die ein gutes Verständnis von Zusammenhängen und Wirkmechanismen erfordern, sowie die Automatisierung zeitaufwändiger Arbeitsabläufe. Künstliche Intelligenz (KI) verspricht entscheidende Fortschritte und soll die Bewältigung dieser Aufgaben erleichtern. Die Forschung und Entwicklung befasst sich dabei mit vielen Einzelfragen und es gilt, effiziente Wege zu finden, um verschiedene Umweltparameter berücksichtigen zu können. Anwendungsbereiche sind u.a.:

  • Feldbearbeitung mit autonomen, resilienten Feldrobotern
  • multikriterielle Entscheidungsfindung
  • stabile und verlässliche KI-Methoden bei temporärem Wegfall von Daten
  • Lernen auf Basis simulierter Daten oder künstlich in der Genauigkeit reduzierter Daten

Ziel des Projektes ist es, die Forschungsaktivitäten zu digitalen Technologien für eine nachhaltige Landwirtschaft an den Standorten Kaiserslautern und Landau strukturiert zusammenzuführen und systematisch zu einem international sichtbaren Forschungsschwerpunkt auszubauen. Die Forschungspartner an den Standorten Kaiserslautern und Landau können auf einen ausgeprägten und interdisziplinären Hintergrund bauen. Insbesondere der Bereich der Digitalisierung ist bereits heute ein Alleinstellungsmerkmal, das in den kommenden Jahren gezielt ausgebaut werden soll. Alle beteiligten Forscher und Forscherinnen der beiden Standorte sollen über Workshops in das Projekt eingebunden werden und so die ersten gemeinsamen Forschungsaktivitäten entwickelt werden.

Nachhaltige Milch

Fördergeber: Gefördert im Rahmen des 4. Förderaufrufs der ELER-Verwaltungsbehörde als Teil der Europäischen Innovationspartnerschaft Landwirtschaftliche Produktivität und Nachhaltigkeit (EIP-Agri)

Projektpartner: Lehr- u. Versuchsanstalt für Viehhaltung Neumühle, TUK, Wahlerhof, Schmiedhof, Hochwald GmbH, John Deere GmbH & CO. KG, BASF SE AG V

Ansprechpartner: Christoph Merscher

 

Die rheinland-pfälzischen Milchbetriebe stehen zunehmend unter Druck, da die Eckpfeiler der Milchwirtschaft im Wandel sind. Der Lebensmittelhandel macht immer stärkere Vorgaben für die Fütterung (z.B. Herkunft, CO2-Profil der Futtermittel, Schutz der Biodiversität). Auch der Druck durch Gesetzgeber, Markt und den Klimawandel (z.B. extreme Wetterereignisse) nimmt zu. Es stellt sich die Frage, wie sich Betriebe auf diese Veränderungen einstellen und ihre Wettbewerbsfähigkeit erhalten können.

Das Projekt Bessere Milch verfolgt das Ziel, die Wettbewerbsfähigkeit und Nachhaltigkeit der Betriebe zu verbessern. Konkret werden zwei Praxisbetriebe dabei unterstützt, den jüngsten Anforderungen des Lebensmittelhandels zu entsprechen. In einem Exaktexperiment werden dazu ausschließlich regional angebaute Futtermittel eingesetzt und die Auswirkung auf die Milchqualität sowie den ökonomischen Fußabdruck untersucht.

Der Lehrstuhl Digital Farming leitet insbesondere das Arbeitspaket Datenmanagement. In diesem Kontext ist die Entwicklung eines Cockpits vorgesehen, um die gesamte Prozesskette einschließlich der Produkte und Nachhaltigkeitsparameter zu visualisieren.

Sustainable Embedded AI

Fördergeber: Carl-Zeiss-Stiftung

Projektpartner: Prof. Berns, Prof. Dörr, Prof. Ruskowski, Prof. Schöbel, Prof. Dengel, Prof. Stricker, Prof. Lukowicz, Prof. Wehn, Dr. Plociennik

Ansprechpartner: Mengisti Berihu

Projektdauer: 2022 - 2027

 

Wir erleben in den letzten Jahren einen Durchbruch der künstlichen Intelligenz (KI), die sich in vielen Anwendungen durchsetzt. Die Gründe dafür sind der rasante Fortschritt in Computer-Technologien, die Verfügbarkeit großer Datenmengen und die Entwicklung neuer Algorithmen und Methoden. Im Rahmen der rasant fortschreitenden Digitalisierung durchdringen KI-Methoden auch zunehmend unseren Alltag, wo sie als eingebettete Systeme eng mit dem Menschen und seiner Umwelt interagieren. Ein zentraler Aspekt dabei ist die Umweltwahrnehmung, bei der oft aus heterogenen und verrauschten Sensordaten Rückschlüsse auf komplexe Prozesse gezogen werden müssen.

Ziel des Projektes Sustainable Embedded AI ist es, die Umgebungswahrnehmung in KI-Systemen zu verbessern. Dazu werden verschiedene Systeme, z.B. zur Beobachtung, Pflege oder Wartung, in unterschiedlichen Anwendungsbereichen untersucht. Reduzierte Datenmengen und eine effektivere Verarbeitung könnten eine dezentrale Anwendung im sogenannten Edge Computing begünstigen. Im Projekt wird dies in den Anwendungsfeldern "Smart Factory" und "Smart Farming" erforscht. Dabei wird der gesamte Prozess betrachtet: von der Beschaffung der Trainingsdaten über die Netzwerkarchitektur und das Training bis hin zur optimierten, energieeffizienten Hardware-Umsetzung.

Der Lehrstuhl für Digital Farming beteiligt sich insbesondere als Partner im Anwendungsbereich Smart Farming mit einem Schwerpunkt auf der Forschung zu erklärbare, künstlicher Intelligenz / Explainable AI (XAI). In diesem Zusammenhang werden die Zusammenhänge von künstlicher Intelligenz und Konzepten der Erklärbarkeit auf die Nutzerakzeptanz untersucht.

Nachhaltige Landwirtschaft mittels KI (NaLamKI)

Fördergeber: Bundesministerium für Wirtschaft und Klimaschutz

Projektpartner: RPTU, NT Neue Technologie AG, Fraunhofer Heinrich-Hertz-Institut (HHI), John Deere, Julius-Kühn-Institut (JKI), OptoPrecision GmbH, Planet, Robot Makers GmbH, Universität Hohenheim, Deutsche Landwirtschafts-Gesellschaft e.V. (DLG), Förderverein Digital Farming e.V.

Ansprechpartner: Felix Möhrle

Projektdauer: 2021 - 2024

Webseite: https://nalamki.de

 

Das Projekt NaLamKI will die Landwirtschaft mit Hilfe der Digitalisierung dabei unterstützen, verschiedene Herausforderungen wie mangelnde Interoperabilität, den Klimawandel, das immer wichtiger werdende Nährstoff- und Pflanzenschutzmanagement oder den zunehmenden Fachkräftemangel zu meistern. Dazu soll die effiziente Vernetzung von Landwirten und Industrie auf Basis von GAIA-X deren Zusammenarbeit fördern. So können beispielsweise von Landwirten bereitgestellte Daten als Trainingsdaten für künstliche Intelligenz an Industriepartner übermittelt werden, die ihrerseits mit ihrem Know-how den Landwirten Entscheidungshilfen bieten und die Daten interpretierbar machen. Exemplarische Anwendungsfelder sind die Erkennung von Pflanzenkrankheiten oder die Vorhersage der Ertragsentwicklung. Um die Nutzungsakzeptanz zu gewährleisten, müssen die entwickelten Lösungen nachweislich zur Prozessoptimierung und zu mehr Nachhaltigkeit in der Pflanzenproduktion beitragen.

Der Lehrstuhl Digital Farming entwickelt im Rahmen von NaLamKI eine Referenzarchitektur, die mit GAIA-X konform gemacht werden soll. Dazu gilt es in einer Anforderungsanalyse zu ermitteln, welche Daten und Dienste für die Plattform relevant sind. Darauf aufbauend sollen die Komponenten und Schnittstellen zwischen Datenlieferanten, -verarbeitern und -nutzern spezifiziert und prototypisch implementiert werden.