Einführung einer KI-gestützten Betriebsmanagement-Software
Seit letzter Woche testen wir bei Farmable die ersten KI-gesteuerten Funktionen. Wir haben uns mit 30 unserer engagiertesten Nutzer zusammengetan, die diese neuesten Funktionen testen dürfen – nicht, um zu sehen, ob sie sinnvoll sind (davon sind wir schon überzeugt), sondern um die technischen Feinheiten der Arbeit mit KI-Modell-APIs auszutüfteln. Hier sind die bisherigen Ergebnisse: Die Möglichkeiten sind schier unglaublich.
Drei Säulen der KI-Analyse
Unser Prototyp nutzt KI, um aus Betrieben hochgeladene Bilder zu analysieren, die mit Metadaten aus Farmables umfangreicher Datenbank ergänzt wurden. Dabei haben wir uns auf drei zentrale Funktionen konzentriert: die Identifikation von Kulturen und Sorten, die Erkennung von Schädlingen und Krankheiten sowie die Prognose von Erntemengen.
- Identifizierung von Kulturen und Sorten: Hier geht es vor allem um die Überprüfung. Durch die Analyse eines Bildes bestätigt die KI, dass auf der Fläche wirklich das wächst, was der Nutzer für diesen Schlag dokumentiert hat. Es ist ein praktischer Schutz vor Fehlern und Missbrauch und stellt sicher, dass das System die Realität widerspiegelt.
- Identifizierung von Schädlingen und Krankheiten: Durch die Nutzung von früheren Beobachtungen, Informationen über Pflanzenbehandlungen aus den Vorjahren und regionaler Wissensdatenbanken werden Schädlinge und Krankheiten mit bemerkenswerter Präzision identifiziert. Ein Betrieb könnte z. B. das Foto einer welkenden Pflanze hochladen, und die KI würde eine bestimmte Art der Fäule erkennen, indem sie auf jahrelange lokale Daten zurückgreift, und entsprechende Maßnahmen vorschlagen.
- Ertragsvorhersage: Die Ertragsvorhersage ist die ehrgeizigste Aufgabe. Sie funktioniert am besten, wenn sie einen vollständigen Datensatz zur Verfügung hat – aktuelle Bilder, kombiniert mit früheren Erträgen, Infos zu Pflanzenbehandlungen, Düngepläne und Kennzahlen zur Pflanzengesundheit. Mit all diesen Informationen prognostiziert die KI den Ertrag so genau, dass Betriebe mitten in der Saison noch Anpassungen vornehmen oder die Ernte planen können. Ohne die zusätzlichen Informationen sind die Vorhersagen jedoch unzureichend – eine Herausforderung, die wir noch in diesem Pilotprojekt lösen wollen.
Die Macht des digitalen Zwillings
Damit diese KI funktioniert, braucht es nicht nur clevere Algorithmen, sondern auch die Datenbank von Farmable und damit einen digitalen Zwilling der realen Erzeugerbetriebe. Unsere primäre Datenbank besteht aus fast 200 miteinander verbundenen Objekten, die alle auf unterschiedliche Weisen zusammenhängen, um reale Abhängigkeiten im Betrieb darzustellen. Mit den richtigen Fragen kann die KI einen genauen Einblick in Organisation und Abläufe eines Betriebs erhalten – für jede Fläche, jede Behandlung, jede Ernte. Das sind nicht nur um Daten, sondern ein Spiegelbild des Betriebs fast in Echtzeit.
Ohne diese Struktur wären wir wieder beim alten Problem der Datensilos: isolierte Tabellenkalkulationen, SQL-Datenbanken und unzusammenhängende Erkenntnisse. Mit dem digitalen Zwilling stellen wir sicher, dass die KI nicht nur ein einzelnes Bild sieht, sondern die Geschichte dahinter versteht. Bei der Identifizierung eines Schädlings geht es zum Beispiel nicht nur um das Blatt auf dem Foto, sondern auch um die Geschichte der Kultur, die Schädlingsmuster der Region und die bisherigen Maßnahmen des Erzeugerbetriebs. Das ist der Unterschied zwischen Vermutungen und Intelligenz.
Die technische Seite
Diese Pilotprojekte sind ein Realitätscheck für die Integration von KI. Wie optimieren wir API-Aufrufe für höhere Geschwindigkeit? Wie gehen wir mit Grenzfällen wie dem Hochladen von falschen Daten um? Wie bringen wir die KI dazu, ein Farmable-Objekt wie einen “Sprühauftrag” zurückzugeben? Unsere 30 Testnutzer helfen uns bei der Feinabstimmung dieser Details, und ihr erstes Feedback wird bereits genutzt, um die nächsten Schritte anzupassen.
Blick in die Zukunft
Das ist erst der Anfang. Demnächst werden wir die KI auf das gesamte Ökosystem von Farmable ausweiten. Stell dir vor, dass KI Erntechargen analysiert, um die Qualität zu bestimmten Flächen zurückzuverfolgen, oder Satellitenbilder auswertet, um in Echtzeit Informationen über die Gesundheit der Kulturen zu erhalten. Wir planen sogar, die Listen der Packhäuser zu scannen und Qualitäts- und Preisdaten auszulesen, um die finanziellen Ergebnisse direkt mit der Leistung vor Ort zu verknüpfen. Jeder Schritt bringt uns einer vollständig integrierten Plattform näher, bei der KI den Erzeugern auf Schritt und Tritt zur Seite steht und das Einfache automatisiert, das Komplexe unterstützt und bessere Entscheidungen ermöglicht.
Farmables Anspruch
Unser Ziel ist einfach, aber ehrgeizig: Wir wollen KI nutzen, um die finanziellen Ergebnisse für Erzeugerbetriebe zu verbessern. Indem wir KI auf allen Ebenen von Farmable einbinden – von der Planung über die Ernte bis zur Vermarktung – schaffen wir ein System, das genauso hart arbeitet wie die Menschen, denen es dient. Das Pilotprojekt, das wir letzte Woche gestartet haben, ist ein Meilenstein und gleichzeitig ein Versprechen. Bei Farmable ist KI kein Schlagwort – sie ist die Basis einer smarteren, profitableren Zukunft für Erzeugerbetriebe.
