Was wir aus unserem KI-Pilot gelernt haben: Gute Daten sind wichtiger als gute KI.

Von Lars Petter Blikom

Künstliche Intelligenz ist derzeit eines der meistdiskutierten Themen in der Landwirtschaft. Viele versprechen, dass KI schon heute bessere Entscheidungen trifft, Krankheiten erkennt oder den Pflanzenschutz optimiert.

Unser Eindruck aus einem eigenen Praxistest ist differenzierter.

Nicht die KI entscheidet darüber, ob eine Empfehlung hilfreich ist, sondern die Qualität der Daten, auf die sie zurückgreifen kann.

Deshalb haben wir bei Farmable einen KI-Piloten mit Obstbaubetrieben in Norwegen und England durchgeführt. Ziel war es nicht, zu zeigen, was KI alles kann. Wir wollten verstehen, unter welchen Voraussetzungen sie im Betriebsalltag tatsächlich einen Mehrwert bietet.

Die Erkenntnis war eindeutig: Je vollständiger die Informationen zu einer Fläche sind, desto konkreter und hilfreicher werden die Empfehlungen.

Ohne diesen Zusammenhang bleibt KI häufig bei allgemeinen Hinweisen. Mit einer vollständigen Dokumentation kann sie Beobachtungen dagegen in den richtigen Zusammenhang einordnen.

Was wir getestet haben

Für den Pilot haben ausgewählte Farmable-Nutzer eine neue Funktion getestet. Sie konnten:

• eine Beobachtung dokumentieren,
• ein Foto aufnehmen oder hochladen,
• die KI direkt aus der Notiz heraus um eine Einschätzung bitten.

Die KI analysierte dabei nicht nur das Foto oder den eingegebenen Text. Sie bezog (sofern vorhanden) auch bereits dokumentierte Informationen zur jeweiligen Fläche ein, beispielsweise frühere Beobachtungen oder Maßnahmen. Genau dieser Unterschied machte den größten Einfluss auf die Qualität der Antworten aus.

Ein Foto, zwei völlig unterschiedliche Antworten

Ein Beispiel aus unserem Pilot hat besonders deutlich gezeigt, warum Daten so wichtig sind.

Ein Obstbaubetrieb in Norwegen dokumentierte ungewöhnlich verfärbte Blätter und bat die KI um eine Einschätzung.

Ohne weitere Informationen lautete die Antwort: „Es könnte sich um Schädlingsbefall handeln. Beobachten Sie die Entwicklung und kontrollieren Sie auf Blattläuse."

Eine sinnvolle Einschätzung, aber sie hätte zu nahezu jedem Apfelbestand passen können.

Anschließend erhielt die KI Zugriff auf bereits dokumentierte Informationen zu derselben Fläche:

• frühere Schorfvorkommen,
• einen dokumentierten Magnesiummangel,
• die letzte Düngemaßnahme,
• die bisherige Entwicklung der Fläche.

Plötzlich fiel die Empfehlung deutlich konkreter aus.

Die KI brachte die gelblichen Blätter mit dem bekannten Magnesiummangel und der Flächenhistorie in Verbindung und empfahl, den Nährstoffstatus nach der Ernte gezielt zu verbessern sowie den Schorfdruck weiterhin im Blick zu behalten.

Das Entscheidende dabei war nicht die KI. Es war dieselbe KI. Dasselbe Foto. Dieselbe Frage. Der Unterschied lag ausschließlich in den Informationen, die zusätzlich zur Verfügung standen.

Gute Daten schaffen den Zusammenhang

Eine KI kann ein Bild analysieren. Sie erkennt Verfärbungen, Blattflecken oder andere Auffälligkeiten. Ob daraus jedoch eine hilfreiche Empfehlung entsteht, hängt davon ab, ob sie den betrieblichen Kontext kennt.

Dazu gehören beispielsweise:

• frühere Beobachtungen,
• dokumentierte Pflanzenschutzmaßnahmen,
• Düngegaben,
• Erträge vergangener Jahre,
• Wetter- und Monitoringdaten.

Erst wenn diese Informationen zusammenkommen, kann eine KI Beobachtungen einordnen, statt sie nur zu beschreiben.

Genau deshalb war die wichtigste Erkenntnis unseres Piloten nicht, dass KI Bilder analysieren kann. Sondern, dass eine vollständige Dokumentation die Grundlage für wirklich hilfreiche KI-Empfehlungen bildet.

Mehr Daten führen zu besseren Empfehlungen

Der gleiche Zusammenhang zeigte sich auch in den anderen Anwendungsfällen unseres Piloten.

Bodenanalysen richtig einordnen

Ein Betrieb in England lud die Ergebnisse einer Bodenanalyse für eine Birnenanlage hoch.

Die KI betrachtete dabei nicht nur die gemessenen Nährstoffwerte. Sie bezog zusätzlich die Kultur sowie bereits dokumentierte Beobachtungen der Fläche mit ein.

Dadurch entstand keine allgemeine Bewertung der Bodenanalyse, sondern eine konkrete Empfehlung für diesen Bestand, beispielsweise mit Blick auf den Magnesiumgehalt und dessen Bedeutung für die Pflanzengesundheit in der kommenden Saison.

Auch hier galt: Nicht die Bodenanalyse allein machte den Unterschied. Entscheidend war, dass die Ergebnisse im Zusammenhang mit bereits vorhandenen Betriebsdaten betrachtet werden konnten.

Satellitendaten erhalten Bedeutung durch die Flächenhistorie

Im dritten Beispiel kamen NDVI-Satellitendaten hinzu.

Solche Aufnahmen zeigen Unterschiede in der Vitalität eines Bestands. Für sich allein beantworten sie jedoch noch keine Frage.

Erst durch die Verknüpfung mit bereits dokumentierten Informationen konnte die KI auffällige Bereiche mit früheren Pflanzenschutzmaßnahmen, Düngungen und Beobachtungen in Beziehung setzen. Dadurch entstanden konkrete Hinweise darauf, welche Ursachen hinter den Unterschieden liegen könnten.

Nicht jede schwächere Zone benötigt dieselbe Maßnahme. Erst der Blick auf die Historie hilft dabei, Auffälligkeiten richtig einzuordnen.

Drei Bausteine für hilfreiche KI

Während unseres Piloten wurde deutlich, dass drei Informationsquellen den größten Einfluss auf die Qualität der Empfehlungen hatten.

1. Die Historie der Fläche

Frühere Beobachtungen, Pflanzenschutzmaßnahmen, Erträge und Notizen liefern den betrieblichen Kontext. Sie helfen der KI zu verstehen, was auf dieser Fläche bereits passiert ist.

2. Bodenanalysen

Bodenuntersuchungen liefern belastbare Informationen zur Nährstoffversorgung und bilden die Grundlage für fundierte Empfehlungen zur Düngung.

3. Satellitendaten

NDVI-Aufnahmen zeigen Veränderungen der Vitalität innerhalb einer Fläche über die Zeit. In Kombination mit der Flächenhistorie lassen sich Entwicklungen deutlich besser einordnen als mit Satellitenbildern allein.

Fehlt einer dieser Bausteine, bleiben Empfehlungen zwangsläufig allgemeiner.

Je vollständiger die Informationen sind, desto besser kann eine KI Zusammenhänge erkennen und Hinweise geben, die zur jeweiligen Fläche passen. Genau das war die wichtigste Erkenntnis unseres Piloten.

Was bedeutet das für deinen Betrieb?

Unser KI-Pilot hat gezeigt: Nicht die modernste KI liefert automatisch die besten Empfehlungen.

Den größten Nutzen haben Betriebe, die ihre Flächen konsequent dokumentieren und über mehrere Jahre eine aussagekräftige Historie aufbauen.

Dazu gehören beispielsweise:

• Beobachtungen im Bestand,
• Pflanzenschutzmaßnahmen,
• Erntedaten,
• Bodenanalysen,
• Wetter- und Monitoringdaten.

Mit jeder dokumentierten Maßnahme wächst die Datengrundlage. Und damit verbessert sich auch die Qualität zukünftiger Analysen und Empfehlungen.

Deshalb beginnt der Weg zu sinnvoll eingesetzter KI nicht mit künstlicher Intelligenz, sondern mit einer guten Dokumentation.

Wie Farmable dabei unterstützt

Mit Farmable dokumentierst du Beobachtungen, Pflanzenschutzmaßnahmen, Ernten und weitere Betriebsdaten direkt auf dem Smartphone.

Neue KI-Funktionen können diese Informationen künftig nutzen, um Beobachtungen im richtigen Zusammenhang zu bewerten, statt nur allgemeine Antworten zu geben.

Unser Pilot hat gezeigt, welches Potenzial darin steckt. Gleichzeitig hat er bestätigt, dass die Qualität der Empfehlungen immer von der Qualität der vorhandenen Daten abhängt. Genau deshalb steht eine einfache und vollständige Dokumentation bei Farmable an erster Stelle.

Häufige Fragen

Kann KI Krankheiten und Schädlinge im Obstbau zuverlässig erkennen?

KI kann Bilder analysieren und Auffälligkeiten erkennen. Wie hilfreich die Empfehlungen sind, hängt jedoch entscheidend davon ab, welche zusätzlichen Informationen zur jeweiligen Fläche vorliegen.

Welche Daten benötigt KI für gute Empfehlungen?

Unser Pilot hat gezeigt, dass insbesondere drei Informationsquellen entscheidend sind: die Historie der Fläche, Bodenanalysen sowie Satelliten- und Monitoringdaten. Je vollständiger diese Informationen sind, desto präziser können Empfehlungen ausfallen.

Warum ist die Flächenhistorie so wichtig?

Erst durch bereits dokumentierte Beobachtungen, Pflanzenschutzmaßnahmen, Erträge oder Düngegaben kann eine KI aktuelle Auffälligkeiten richtig einordnen und Zusammenhänge erkennen.

Ist KI ein Ersatz für die Erfahrung des Betriebsleiters?

Nein. Unser Pilot hat gezeigt, dass KI vor allem dabei hilft, vorhandene Informationen schneller auszuwerten und Zusammenhänge sichtbar zu machen. Die Entscheidung über geeignete Maßnahmen bleibt weiterhin beim Betriebsleiter.

Wie unterstützt Farmable den Einsatz von KI?

Farmable verbindet Beobachtungen, Fotos und Betriebsdaten an einem Ort. Dadurch entsteht die Datengrundlage, auf der zukünftige KI-Funktionen aufbauen können.

Fazit

Künstliche Intelligenz wird den Obst-, Wein- und Sonderkulturbau verändern. Die wichtigste Erkenntnis unseres Piloten war jedoch eine andere.

Nicht die KI allein macht den Unterschied. Entscheidend sind die Daten, auf die sie zugreifen kann.

Wer heute Beobachtungen, Pflanzenschutzmaßnahmen, Ernten und weitere Betriebsdaten konsequent dokumentiert, schafft damit die Grundlage für präzisere Analysen und fundiertere Entscheidungen in Zukunft.

Das war die wichtigste Erkenntnis unseres KI-Piloten, und gleichzeitig der Grund, warum eine gute Dokumentation schon heute einen Mehrwert bietet, ganz unabhängig davon, welche KI-Werkzeuge morgen verfügbar sein werden.