Datenerfassung, Organisation und Nutzung neu denken

Solange Obstbauern Daten nicht ordentlich verwalten, hast du keine Chance, irgendeine der Technologien im Präzisionslandwirtschaftsbereich erfolgreich einzusetzen.

Der Originalbeitrag wurde von Lars Petter Blikom in englischer Sprache veröffentlicht. Deutsche Übersetzung von Max Bangen.

Daten sammeln in Obstflächen

Alle neuen Technologien im Agrarsektor basieren auf der Analyse von Daten. Doch es gibt eine altbekannte Regel unter Analysen: „Garbage in, garbage out“.

Dann kam die künstliche Intelligenz auf: maschinelles Lernen, Big-Data-Analytik, unstrukturierte Daten. Die Verheißung war, die Algorithmen würden alles selbst herausfinden; man wirft die Daten einfach hinein, und sie spuckten die Erkenntnisse wieder aus.

Aber auch hier setzte sich die alte Wahrheit durch: „Garbage in, garbage out“.

Es tut mir leid, der Überbringer schlechter Nachrichten zu sein, aber solange du deine Daten nicht ordentlich managst, hast du keine Chance, irgendeine der smarten Technologien im Präzisionslandwirtschaftsbereich erfolgreich einzusetzen.

Daten sind schwer zu handhaben

Das Problem des Datenmanagements ist nicht nur der Landwirtschaft eigen, sondern in allen Branchen zu finden:

  • Daten werden in Silos gespeichert: Sprühaufzeichnungen liegen in einer Datenbank, die von der Genossenschaft bereitgestellt wird; Ernteprotokolle sind in einer Tabellenkalkulation erfasst und in den Quittungen des Großhändlers – und die beiden Quellen stimmen nicht überein; Bilder kleben im Familienalbum; Notizen stehen auf einem Notizzettel; Feststellungen und Empfehlungen des Agraringenieurs sind in einem ausgedruckten Formular notiert.
  • Die Datenformate sind nicht harmonisiert. Selbst einfache Dinge wie Datumsangaben werden durcheinandergebracht, weil sie in verschiedenen Computerprogrammen unterschiedlich protokolliert werden. Einheiten für Flächen, Längen, Ausbringungsmengen stimmen nicht überein.
  • Daten werden nicht akribisch gesammelt (da sie sowieso nicht weiterverwendet werden). Du hast vergessen, einige Feldarbeiten zu dokumentieren, und weißt nicht mehr genau, wann letztes Jahr die erste Blüte war. Du bist dir ziemlich sicher, dass das Sprühen in der vergangenen Woche auf dem Zettel notiert ist, der auf einem der Traktoren lag, als du ihn zuletzt gesehen hast.

Bemühe dich, dein Datenmanagement zu verbessern

Die Lösung der Datenprobleme ist gar nicht so schwer. Es erfordert jedoch ein wenig Entschlossenheit und Struktur:

  1. Daten müssen erfasst werden. Vergiss daher nicht, Dinge zu dokumentieren – was nicht dokumentiert ist, ist auch nicht passiert. Und wenn es nicht passiert ist, kannst du nicht daraus lernen.
  2. Achte darauf, dass die Formate übereinstimmen. Wenn du deinen Hof in Schläge unterteilst und du diese benennst, bleibe dabei und halte dich daran. Wenn der Name des Schlags in einem System „grüner Obstgarten“ ist, du es aber an anderer Stelle „grüne Obstgärten“ nennst, entstehen bereits die ersten Probleme. Computer kommen mit Inkonsistenzen nicht gut zurecht.
  3. Speichere alles an einem zentralen Ort. (Das ist kein Muss, es macht dein Leben nur ein wenig einfacher). Sorge dafür, dass es einer ist, der dir hilft, diese Daten mit jenen zu teilen, die sie benötigen, um zukünftige Services zu erbringen. Wenn du zum Beispiel eine Drohne im Feld einsetzt, wie sagst du ihr dann, wohin sie fliegen soll? Du kannst nicht mit ihr reden. Wenn jedoch alle deine relevanten Flächendaten bereits am richtigen Ort und in der richtigen Form vorliegen, dann agieren sie für dich als Übersetzer zwischen dir und der Drohne.

Theoretisch hört sich das alles einfach an, doch im wahren Leben ist es schwierig. Mein eigener Obstbaubetrieb, den ich mit zwei Partnern führe, geht jetzt in die achte Saison, und wir haben unser Datenmanagement immer noch nicht ganz im Griff. Wir bewirtschaften 50 Hektar, aufgeteilt auf 32 Schläge, mit fünf verschiedenen Kulturen (Äpfel, Pflaumen, Birnen, Erdbeeren, Himbeeren) und unterschiedlichen Sorten. Zwar verfügen wir über Schätzungen und Näherungswerte, dennoch können wir nicht abschließend sagen, welcher Kulturmix das lukrativere Geschäftsmodell für uns ist. Zudem haben wir Mühe, die Arbeitsstunden der Saisonarbeiter auf diese Flächen und Sorten zu verteilen. Und wenn unser Buchhaltungssystem bestimmte Kosten für Pestizide ausweist, gelingt es uns nicht so recht, diese den Feldern und Feldfrüchten zuzuordnen.

Die Zeitachse der Pflanzen

Im Bereich der Datenanalytik ist der Zeitstempel eines der wichtigsten Attribute. Wann ist etwas geschehen? Wenn man die erste Blüte als Beobachtung für spätere Zwecke speichern will und ein Foto davon macht, nützt es nicht viel, wenn man nicht weiß, wann es passiert ist, richtig? Der Rest der Welt ist damit zufrieden, dafür den gregorianischen Kalender zu verwenden; wir Landwirte sind es nicht.

Pflanzen machen sich nicht wirklich viel aus Terminen. Ihnen ist die Temperatur wichtig. Der Kalender der Pflanze wird in Temperaturtagen gemessen. Deshalb müssen wir alle Datensätze mit zwei Zeitstempeln speichern: Einen für uns Menschen, damit wir wissen, wann etwas passiert ist, und den anderen für die Pflanzen, damit sie wissen, wann etwas passiert ist. Wir nennen dies die phänologischen Entwicklungsstadien. Das Abspeichern dieser Daten für alle auf dem Betrieb erhobenen Datenpunkte macht bei zukünftigen Analysen einen enormen Unterschied.

Präzisionslandwirtschaft ist eine Reise, und das Datenmanagement muss in der ersten Etappe der Reise im Vordergrund stehen. Auch wenn es langweilig erscheinen mag, der Lohn der Mühe wird sich auszahlen. Aus guten Daten erwachsen viele neue Chancen. Die erste werden wir im nächsten Blog-Beitrag näher untersuchen.

Dieser Blog ist Teil 3 einer siebenteiligen Reihe.

Teil 1: Präzisionslandwirtschaft ist nicht das, was alle sagen

Teil 2: Welche Probleme löst Präzisionslandwirtschaft?

    Tags: Erzeugergeschichten, Obstbau

    Moin, ich bin Max und arbeite eng mit Erzeugern aus Deutschland, Österreich und der Schweiz. Ich verbringe die meiste Zeit damit, mit Obst- und Weinbauern zu sprechen, um besser zu verstehen, wie sie neue Technologien nutzen und welche Anforderungen sie an Farmable für die Zukunft haben.

    What to read next