Startschuss für neue Förderprojekte zu Künstlicher Intelligenz
Bundeslandwirtschaftsministerium stellt 10 Millionen Euro für acht Verbundprojekte bereit
Ressourcen effizienter einsetzen, hochwertige Lebensmittel nachhaltig produzieren, Arbeitsprozesse optimieren: Komplexe Herausforderungen in der Landwirtschaft brauchen komplexe Lösungsansätze – konventionelle Methoden haben hierzu nicht immer eine Antwort parat. Das Bundesministerium für Ernährung und Landwirtschaft (BMEL) fördert daher seit vergangenem Jahr über die "Bekanntmachung zur Förderung der Künstlichen Intelligenz (KI) in der Landwirtschaft, der Lebensmittelkette, der gesundheitlichen Ernährung und den Ländlichen Räumen" Forschungsvorhaben zur Nutzung von KI-Technologien.
Ziel ist es, das Potenzial von KI zu erschließen und Werkzeuge für die Praxis nutzbar zu machen.
Bei einer virtuellen Übergabe von Förderurkunden gab der Parlamentarische Staatssekretär bei der Bundesministerin für Ernährung und Landwirtschaft, Uwe Feiler, den offiziellen Startschuss für acht neue KI-Verbundprojekte aus den Bereichen Landwirtschaft, Lebensmittelkette und gesundheitliche Ernährung. Das BMEL fördert diese Projekte mit insgesamt mehr als 10 Millionen Euro.
Uwe Feiler: "Mit der Förderung von künstlicher Intelligenz investieren wir in die Zukunft der Land- und Ernährungswirtschaft. Ich bin beeindruckt, welche Bandbreite die heute gestarteten Projekte haben. Wir fördern damit Lösungen, die in der Praxis dringend gebraucht und erwartet werden. Klar ist: Unsere Landwirtinnen und Landwirte sind bereit für Innovationen. Damit haben wir beste Bedingungen, durch künstliche Intelligenz Ressourcen zu schonen, die Landwirtschaft nachhaltiger zu gestalten – und somit unsere Ernährung zu sichern. Das ist die zentrale Aufgabe der Landwirtschaft."
Geförderte Projekte
Baden-Württemberg
Bereich Landwirtschaft (Pflanzenproduktion)
KI-iREPro – Künstliche Intelligenz für die innovative Ertragsprognose von Reben
Das Verbundvorhaben KI-iREPro setzt sich zum Ziel, digitale Tools zur weinbergspezifischen Ertragsprognose zu entwickeln, welche modernste Sensortechnik (die vom Schlepper aus eingesetzt werden kann) mit intelligenten, leistungsstarken Prognosemodellen verbindet. Das Projekt liefert leistungsstarke Prototypen und fortgeschrittene Demonstratoren intelligenter, digitaler Technologien sowie neue innovative Dienstleistungen für das Management in Weinberg und Kellerwirtschaft.
Bereich gesundheitliche Ernährung
KI-SusCheck – KI zur Förderung eines gesünderen und nachhaltigen Verbraucherverhaltens – "Nachhaltiger Einkaufsassistent"
Gegenstand des geplanten Vorhabens KI-SusCheck ist die Entwicklung einer web-basierten App für den personalisierten Einkauf, welche die Nachhaltigkeit eines Produkts über einen möglichst transparenten und im Projekt entwickelten Nachhaltigkeitsindex anzeigt. Dazu werden relevante Nachhaltigkeitskriterien definiert und ein Berechnungsmodell für den Index erstellt. Über ausgewählte Datenbanken werden benötigte Produktinformationen gezogen, welche in einer dezentralen Cloud mit Hilfe von Blockchain nachweisbar und vertrauenswürdig verknüpft werden. Ein virtueller Sprachassistent (Chatbot) soll in die Anwendung integriert werden.
Bayern
Bereich gesundheitliche Ernährung
KI-SusCheck – KI zur Förderung eines gesünderen und nachhaltigen Verbraucherverhaltens – "Nachhaltiger Einkaufsassistent"
Gegenstand des geplanten Vorhabens KI-SusCheck ist die Entwicklung einer web-basierten App für den personalisierten Einkauf, welche die Nachhaltigkeit eines Produkts über einen möglichst transparenten und im Projekt entwickelten Nachhaltigkeitsindex anzeigt. Dazu werden relevante Nachhaltigkeitskriterien definiert und ein Berechnungsmodell für den Index erstellt. Über ausgewählte Datenbanken werden benötigte Produktinformationen gezogen, welche in einer dezentralen Cloud mit Hilfe von Blockchain nachweisbar und vertrauenswürdig verknüpft werden. Ein virtueller Sprachassistent (Chatbot) soll in die Anwendung integriert werden.
Niedersachsen
Bereich Landwirtschaft (Pflanzenproduktion)
resKIL – Ressourceneffiziente KI für eingebettete Systeme in Landmaschinen
Das Forschungsvorhaben resKIL wird an einer Lösung arbeiten, wie KI-Methoden besser in Landmaschinen integriert werden können. Das Ziel des Verbundvorhabens ist es, mit der Entwicklung einer variablen KI-Architektur (Software) und integriert in eine KI-Plattform (Hardware), den Einsatz von KI in der Landwirtschaft zu erleichtern und in diesem Bereich noch stärker zu etablieren. Verschiedene Ansätze für die KI-Architektur und die KI-Plattform werden daher im Rahmen des Forschungsvorhabens erprobt und optimiert.
AI-TEST-FIELD – Versuchsumgebung zur industrietauglichen Entwicklung semantischer Umgebungswahrnehmung
Gegenstand des geplanten Forschungsvorhabens AI-TEST-FIELD ist die Entwicklung robuster, maschinenunabhängiger Algorithmen zur Interpretation von Sensordaten im Sinne einer zielführenden Umsetzung in Handlungsanweisungen für Landmaschinen des Pflanzenbaus. Zu diesem Zweck wird im Projekt ein ganzjährig genutztes Outdoor-Testfeld aufgebaut, auf dem die KI-Methoden wie maschinelles Lernen und "Deep Learning" entwickelt und evaluiert werden.
RegisTer – Einsatz von Künstlicher Intelligenz und optischen Sensoren zur Merkmalserfassung in Sortenprüfungen bei Zuckerrüben
Das Vorhaben RegisTer beschäftigt sich mit der Entwicklung von automatisierten Routinen zur Charakterisierung und Bewertung von Zuckerrübensorten. Dabei ist das Ziel, eine Automatisierung, Standardisierung und Verbesserung des Begutachtungsprozesses für Sortenprüfungen (wie die Register- und Wertprüfungen beim Bundessortenamt oder die Leistungsprüfungen in der Pflanzenzüchtungsbranche), zu erreichen. Die "Drohnenbonitur" soll die (visuellen) manuellen Feldbonituren unterstützen.
Bereich Nutztierhaltung
EVOLECTION – System zur Förderung des Zuchtfortschrittes in produktiven Sauenherden auf Grundlage einer Statistik-, KI und Sensordaten-basierten Selektion der Stammsauen in Herden mit Wechselkreuzung
Im Forschungsvorhaben EVOLECTION wird für die Schweinezucht eine Datenbank von Züchtungscharakteristika erstellt sowie Klassifikationsmodelle für eine objektive und automatische Selektionsentscheidung nach dem Wechselkreuzungsprinzip entwickelt. Ziel des Verbundvorhabens ist es, einen KI-basierten Datenpool für Kriterien nach dem Wechselkreuzungsprinzip in der Schweinzucht zu etablieren und auf dieser Basis einen „Goldstandard“ für Schweinezüchter zu definieren.
Bereich Lebensmittelkette
Movi-Q – Entwicklung eines mobilen und modularen Prototyps zur visuellen Qualitätserkennung durch künstliche Intelligenz in der Lebensmittelindustrie
Ziel des Verbundvorhabens Movi-Q ist das Erkennen von Fehlstellen (Abweichungen in Farbe und Form von definierten Klassifizierungskriterien) in Lebensmitteln mittels Kameratechnik. Im Rahmen des Verbundvorhabens wird dazu ein Prototyp als mobiles und modulares Konstrukt entwickelt, damit eine Übertragung in andere Anwendungsgebiete sowie die Anpassung an unterschiedliche Lebensmittelverarbeitungsstätten ermöglicht wird. Zusätzlich soll ein Greifroboter entwickelt werden. Zusammen mit der Klassifizierungssystematik kann so eine automatische und objektive Sortierung bzw. Ausschleusung von Lebensmittelprodukten mit Fehlstellen ermöglicht werden.
Nordrhein-Westfalen
Bereich Landwirtschaft (Pflanzenproduktion)
resKIL – Ressourceneffiziente KI für eingebettete Systeme in Landmaschinen
Das Forschungsvorhaben resKIL wird an einer Lösung arbeiten, wie KI-Methoden besser in Landmaschinen integriert werden können. Das Ziel des Verbundvorhabens ist es, mit der Entwicklung einer variablen KI-Architektur (Software) und integriert in eine KI-Plattform (Hardware), den Einsatz von KI in der Landwirtschaft zu erleichtern und in diesem Bereich noch stärker zu etablieren. Verschiedene Ansätze für die KI-Architektur und die KI-Plattform werden daher im Rahmen des Forschungsvorhabens erprobt und optimiert.
AI-TEST-FIELD – Versuchsumgebung zur industrietauglichen Entwicklung semantischer Umgebungswahrnehmung
Gegenstand des geplanten Forschungsvorhabens AI-TEST-FIELD ist die Entwicklung robuster, maschinenunabhängiger Algorithmen zur Interpretation von Sensordaten im Sinne einer zielführenden Umsetzung in Handlungsanweisungen für Landmaschinen des Pflanzenbaus. Zu diesem Zweck wird im Projekt ein ganzjährig genutztes Outdoor-Testfeld aufgebaut, auf dem die KI-Methoden wie maschinelles Lernen und "Deep Learning" entwickelt und evaluiert werden.
RegisTer – Einsatz von Künstlicher Intelligenz und optischen Sensoren zur Merkmalserfassung in Sortenprüfungen bei Zuckerrüben
Das Vorhaben RegisTer beschäftigt sich mit der Entwicklung von automatisierten Routinen zur Charakterisierung und Bewertung von Zuckerrübensorten. Dabei ist das Ziel, eine Automatisierung, Standardisierung und Verbesserung des Begutachtungsprozesses für Sortenprüfungen (wie die Register- und Wertprüfungen beim Bundessortenamt oder die Leistungsprüfungen in der Pflanzenzüchtungsbranche), zu erreichen. Die "Drohnenbonitur" soll die (visuellen) manuellen Feldbonituren unterstützen.
KI-iREPro – Künstliche Intelligenz für die innovative Ertragsprognose von Reben
Das Verbundvorhaben KI-iREPro setzt sich zum Ziel, digitale Tools zur weinbergspezifischen Ertragsprognose zu entwickeln, welche modernste Sensortechnik (die vom Schlepper aus eingesetzt werden kann) mit intelligenten, leistungsstarken Prognosemodellen verbindet. Das Projekt liefert leistungsstarke Prototypen und fortgeschrittene Demonstratoren intelligenter, digitaler Technologien sowie neue innovative Dienstleistungen für das Management in Weinberg und Kellerwirtschaft.
Rheinland-Pfalz
Bereich Landwirtschaft (Pflanzenproduktion)
KI-iREPro – Künstliche Intelligenz für die innovative Ertragsprognose von Reben
Das Verbundvorhaben KI-iREPro setzt sich zum Ziel, digitale Tools zur weinbergspezifischen Ertragsprognose zu entwickeln, welche modernste Sensortechnik (die vom Schlepper aus eingesetzt werden kann) mit intelligenten, leistungsstarken Prognosemodellen verbindet. Das Projekt liefert leistungsstarke Prototypen und fortgeschrittene Demonstratoren intelligenter, digitaler Technologien sowie neue innovative Dienstleistungen für das Management in Weinberg und Kellerwirtschaft.
Bereich Lebensmittelkette
Movi-Q – Entwicklung eines mobilen und modularen Prototyps zur visuellen Qualitätserkennung durch künstliche Intelligenz in der Lebensmittelindustrie
Ziel des Verbundvorhabens Movi-Q ist das Erkennen von Fehlstellen (Abweichungen in Farbe und Form von definierten Klassifizierungskriterien) in Lebensmitteln mittels Kameratechnik. Im Rahmen des Verbundvorhabens wird dazu ein Prototyp als mobiles und modulares Konstrukt entwickelt, damit eine Übertragung in andere Anwendungsgebiete sowie die Anpassung an unterschiedliche Lebensmittelverarbeitungsstätten ermöglicht wird. Zusätzlich soll ein Greifroboter entwickelt werden. Zusammen mit der Klassifizierungssystematik kann so eine automatische und objektive Sortierung bzw. Ausschleusung von Lebensmittelprodukten mit Fehlstellen ermöglicht werden.
Saarland
Bereich Landwirtschaft (Pflanzenproduktion)
PORTAL – Pflanzenzüchtung mittels Robotik und KI zur erweiterten Datenanalyse und Entscheidungsfindung im virtuellen Raum
Gegenstand des geplanten Vorhabens PORTAL ist die Entwicklung eines virtuellen Zuchtgartens, in dem erstmalig unabhängig von Zeit und Raum die züchterische Erfassung von Pflanzen und Parzellen im Feld in einem virtuellen und erweiterten Abbild vorgenommen werden kann. Modernste Technologien aus den Bereichen Künstliche Intelligenz (KI), Robotik und virtueller Realität (VR) werden dazu erweitert und zusammengeführt.
Sachsen-Anhalt
Bereich Landwirtschaft (Pflanzenproduktion)
RegisTer – Einsatz von Künstlicher Intelligenz und optischen Sensoren zur Merkmalserfassung in Sortenprüfungen bei Zuckerrüben
Das Vorhaben RegisTer beschäftigt sich mit der Entwicklung von automatisierten Routinen zur Charakterisierung und Bewertung von Zuckerrübensorten. Dabei ist das Ziel, eine Automatisierung, Standardisierung und Verbesserung des Begutachtungsprozesses für Sortenprüfungen (wie die Register- und Wertprüfungen beim Bundessortenamt oder die Leistungsprüfungen in der Pflanzenzüchtungsbranche), zu erreichen. Die "Drohnenbonitur" soll die (visuellen) manuellen Feldbonituren unterstützen.
Schleswig-Holstein
Bereich Landwirtschaft (Pflanzenproduktion)
PORTAL – Pflanzenzüchtung mittels Robotik und KI zur erweiterten Datenanalyse und Entscheidungsfindung im virtuellen Raum
Gegenstand des geplanten Vorhabens PORTAL ist die Entwicklung eines virtuellen Zuchtgartens, in dem erstmalig unabhängig von Zeit und Raum die züchterische Erfassung von Pflanzen und Parzellen im Feld in einem virtuellen und erweiterten Abbild vorgenommen werden kann. Modernste Technologien aus den Bereichen Künstliche Intelligenz (KI), Robotik und virtueller Realität (VR) werden dazu erweitert und zusammengeführt.
Hintergrund:
Mit der im Februar 2020 gestarteten Bekanntmachung zur Förderung der Künstlichen Intelligenz (KI) unterstützt das BMEL mit rund 45 Millionen Euro Projekte in der Landwirtschaft, der Lebensmittelkette, der gesundheitlichen Ernährung und den ländlichen Räumen. Konkret gefördert werden sollen Projekte, die ihren Schwerpunkt in einem der sechs nachfolgenden Bereiche von KI haben:
1. Mustererkennung, Musteranalyse und Mustervorhersage
2. Maschinelles Lernen
3. Deep Learning
4. Wissensbasierte Systeme
5. Intelligente Maschinen (Robotik)
6. Maschinelles Planen und Handeln
Das erste Projekt startete Ende des vergangenen Jahres. Bis Ende Juni 2021 sollen insgesamt 37 Projekte in die Praxisphase übergehen.
