Was wir vom Farmable-Pilotprojekt über KI gelernt haben: Gute Daten ermöglichen schlaue Landwirtschaft
Unser Ziel bei Farmable ist es, die Verwaltung von Erzeugerbetrieben weltweit zu erleichtern. Wir haben ein Pilotprojekt für den Einsatz von KI in der Landwirtschaft gestartet, gemeinsam mit einigen unserer treuesten Nutzer von Norwegen bis England, die unsere Tools auf ihren Feldern unter echten Bedingungen testen. Unser Ziel: Wir wollen künstliche Intelligenz im Alltag von Erzeugerbetrieben einsetzen, ohne neue Komplikationen zu schaffen. Die Ergebnisse sind da, und das zentrale Ergebnis ist: KI ist nur so gut wie die Daten, mit der sie gefüttert wird. Hier kannst du unsere Erkenntnisse nachlesen und erhältst eine Schritt-für-Schritt-Anleitung, wie du mit den KI-gestützten Notizen in Farmable die Produktivität deines eigenen Betriebs steigern kannst.
Das Pilotprojekt: künstliche Intelligenz trifft auf echte Erzeugerbetriebe
Für dieses Pilotprojekt haben wir eine neue Funktion eingeführt: KI-unterstützte Notizen. Die Nutzer konnten Fotos machen oder Notizen anlegen und unsere KI analysierte sie, um Kulturen zu identifizieren, Schädlinge und Krankheiten zu erkennen oder Erträge zu schätzen. Die Technik funktionierte reibungslos – Bild hochladen, Antwort bekommen. Aber die Qualität dieser Antworten hing stark von den Daten ab, die wir im System hinterlegt hatten.
Bei Farmable fließen automatisch die Metadaten einer Fläche in jede KI-Analyse ein – Anbauform, Anbaugeschichte, Berichte über früheren Schädlingsbefall, Behandlungen und Ernten. Das sind nicht einfach Hintergrundinfos, das ist die geheime Zutat, die allgemeine Ratschläge in auf deinen Betrieb zugeschnittene, leicht umsetzbare Hinweise verwandelt. Einige Beispiele, wie das in der Praxis aussieht:
Fall 1: Aus einem Foto wird eine konkrete Aufgabe
Stell dir vor, du bewirtschaftest eine Apfelplantage in Norwegen, eine 2,84 Hektar große Fläche, die im Jahr 2023 einen Rekordertrag von 113.220 kg erzielt hat. Du bemerkst, dass einige Blätter nicht gut aussehen, also machst du ein Foto und lädst es als Notiz zum Schlag hoch. Ohne Kontext würde die KI zum Beispiel sagen: : “Das könnte ein Schädlingsbefall sein – halte nach Blattläusen Ausschau.” Hilfreich, aber nicht sehr zielführend.
Mit den schlagspezifischen Informationen über einen 2024 dokumentierten Magnesiummangel, einen Befall mit Apfelschorf und eine Frühjahrsbehandlung mit 30 kg Düngemittel, ändert sich die Antwort der KI: “Aufgrund des früheren Schorfbefalls in diesem Schlag und des niedrigen Magnesiumgehalts könnten die vergilbten Blätter auf Nährstoffmangel hindeuten. Versuche es mit Bittersalz nach der Ernte und überwache den Schorf mit Rimpro.” Und schon hast du einen Plan, der auf deine Obstplantage zugeschnitten ist, statt einer Standard-Antwort.
Fall 2: Bodenproben ermöglichen tiefere Einblicke
Ein Erzeuger hat uns während des Pilotprojekts vor eine besondere Herausforderung gestellt. Statt eines Pflanzenfotos hat er den Bericht über eine Bodenprobehochgeladen – eine Analyse der Lancrop Laboratories für seine Birnenplantage in England, die unter anderem den pH-Wert, den Phosphor- und den Kalziumgehalt dokumentiert. Wir dachten, die KI würde daran scheitern. Aber nein. Sie ordnete die Daten dem richtigen Feld zu, analysierte die Ergebnisse der Bodenprobe in Bezug auf die Bedürfnisse der Birnenkultur und bezog frühere Krankheitsdaten mit ein. Das Ergebnis: “Kalzium ist ausreichend, aber Magnesium ist grenzwertig – passe die Zufuhr an, um die Resistenz gegen Krankheiten zu erhöhen.”
Das hat uns gezeigt, dass Daten aus Bodenproben nicht nur eine Momentaufnahme sind – sie sind die Grundlage. In Verbindung mit Behandlungsprotokollen (wie der Info zu 10 kg Multi-K+Mg, die im Sommer ausgebracht wurden) kann die KI feststellen, wie die Bodengesundheit deine zukünftige Ernte beeinflussen wird.
Fall 3: NDVI verbindet alles miteinander
Dann fügten wir NDVI-Satellitenbilder hinzu, die den Zustand der Pflanzen im Laufe der Zeit zeigen. Bei der Apfelplantage zeigte der NDVI Anzeichen für ein ungleichmäßiges Wachstum. Die KI verknüpfte das mit protokollierten Düngeaufträgen und Schädlingsnotizen (Schorf und Blattläuse) und schlug vor: “Schneide für eine bessere Lichtdurchlässigkeit zurück, um das Schorfrisiko zu verringern; die dunkleren Zonen brauchen vielleicht zusätzlich 10 kg Naraber zur Stärkung.” Mit NDVI sieht die KI nicht nur die Gegenwart, sondern verknüpft vergangene Ereignisse mit aktuellen Beobachtungen.
So nutzt du KI in Farmable-Notizen: Eine Schritt-für-Schritt-Anleitung
Willst du es in deinem Betrieb ausprobieren? So kannst du eine KI-unterstützte Notiz zu deinem Schlag in Farmable schreiben und speichern – ganz einfach und in wenigen Minuten:
- Öffne die App und erstelle eine neue Notiz
Klicke auf das “+”-Symbol und wähle “Notiz schreiben” aus. Du hast jetzt zwei Möglichkeiten: eine kurze Notiz eingeben (z. B. “gelbe Blätter entdeckt”) oder ein Foto hochladen, z. B. von deiner Ernte oder einer Bodenprobe. - Füge Details und ggf. ein Foto hinzu
Um ein Foto hochzuladen, verwende entweder die Kamera deines Telefons direkt aus der App oder wähle ein Bild aus deiner Fotogalerie aus. Mach zum Beispiel ein Foto von einem Apfelbaum oder von einer Bodenanalyse für den Schlag. Wenn du willst, kannst du eine kurze Notiz hinzufügen (z. B. “Schorfkontrolle”). - Und jetzt lass die KI deine Eingaben analysieren
Tippe auf “KI fragen”, um die KI zu aktivieren. Sie scannt das Foto oder den Text, nutzt frühere Daten dieses Schlags (z. B. die Spritzbehandlung von letzter Woche) und liefert Erkenntnisse wie Schädlingswarnungen oder Nährstofftipps. - Speichern und Teilen
Sobald die KI antwortet, wird die Notiz im Protokoll deines Schlags gespeichert, das du jederzeit über die Registerkarte “Notizen” aufrufen kannst. Willst du die Beobachtung mit einem Agrarberater oder einer Behörde teilen? Dann exportiere sie als PDF oder nutze unsere API, um sie weiterzugeben.
So einfach ist das. Die App nimmt dir die Arbeit ab und kombiniert deine Eingaben mit früheren Aufzeichnungen, Bodenanalysen und NDVI-Daten, damit du ohne großen Aufwand sinnvolle Hinweise erhältst.
Die wichtigste Erkenntnis: Daten sind der Schlüssel
In unserem Pilotprojekt zeigten sich drei zentrale Punkte für KI-Nutzung in der Betriebsführung:
- Historische Daten zum Schlag: Ernten, Schädlingsbefall und Aufgaben geben den neuen Daten Kontext.
- Bodenproben: Sie sind die Grundlage, wie man bei der Nährstoffanpassung der Birnenplantage sieht.
- NDVI-Bilder: Sie dokumentieren den Fortschritt und verknüpfen Arbeiten mit späteren Ergebnissen.
Fehlt einer der drei Punkte, werden die Ratschläge der KI schwammig. Aber wenn du sie alle kombinierst, erhältst du konkrete, umsetzbare Schritte – weniger “versuch vielleicht mal dies oder jenes” und mehr “mache jetzt das hier”.
Warum das für Erzeuger wichtig ist
Es geht nicht darum, dein Fachwissen zu ersetzen, sondern darum, es zu unterstützen. Nimm das Beispiel der Apfelplantage: die Ernte 2023 war hervorragend, aber die NDVI-Daten von 2024 zeigten Stresszonen. Mit Hilfe von KI können die Erzeuger den Plan für die nächste Saison anpassen – vielleicht mit mehr Kalium, um über 1.200 Kisten zu kommen. Das sind nicht nur Daten, sondern Gewinne.
Mach mit bei der Landwirtschaft der Zukunft
Bisher kratzen wir nur an der Oberfläche. Unser KI-Pilotprojekt entwickelt sich noch weiter, und wir laden Erzeuger wie dich dazu ein, es mitzugestalten. Willst du die KI-Notizen in deinem Betrieb testen? Melde dich für eine Demo an oder nimm an unserer nächsten Pilotphase teil – bring deine Daten mit und lass uns gemeinsam smarter werden.
