GMV präsentiert reale Beispiele für Künstliche Intelligenz als Treiber für landwirtschaftliche Nachhaltigkeit

Auf der Veranstaltung „GREEN AI: Die nachhaltige Zukunft der künstlichen Intelligenz", die vom Ministerium für digitale Transformation und der öffentlichen Stiftungorganisiert wurde, hob Miguel Hormigo, Direktor des GMV-Industriesektors, die Schlüsselrolle der künstlichen Intelligenz für die Zukunft der nachhaltigen Landwirtschaft hervor. In seiner Rede stellte er das Projekt AgrarIAvor, bei dem künstliche Intelligenz auf die Wertschöpfungskette der landwirtschaftlichen Produktion angewandt wird, um die spanische Agrar- und Ernährungswirtschaft auf ein nachhaltigeres und technologisch fortschrittlicheres Modell umzustellen. Es handelt sich dabei um ein industrielles Forschungsprojekt, das vom Ministerium für digitale Transformation und öffentlichen Dienst finanziert wird, und das Ziel verfolgt, eine nachhaltige globale Agrarindustrie mit einem neutralen Kohlenstoff-Fußabdruck zu entwickeln, indem fortschrittliche Technologien wie künstliche Intelligenz, Robotik und Bioengineering eingesetzt werden, um neue landwirtschaftliche Produktionsmethoden zu identifizieren.

Das Projekt sieht die Entwicklung eines Datenraums unter dem Namen AgrarIA vor, der auf KI-Diensten basiert, die alle Modelle der landwirtschaftlichen Wertschöpfungskette - Produktion, Verarbeitung und Vertrieb - in einer einzigen entkoppelten Recheneinheit vereinen und die Umsetzung einzigartiger Initiativen ermöglichen, die mittelfristig eine schnelle, effiziente, produktive und nachhaltige Transformation des Agrar- und Lebensmittelsektors begünstigen. Hormigo betonte, wie diese Technologien ein intelligenteres Ressourcenmanagement ermöglichen, das mit den Zielen des auf der Konferenz vorgestellten nationalen Programms für grüne Algorithmen (PNAV) übereinstimmt. Insbesondere hat AgrarIA innerhalb seiner Arbeitspakete spezifische Entwicklungsaktivitäten, um grüne Algorithmen zu untersuchen, die auf den Datenraum und auf verschiedene von den Projektpartnern entwickelte Anwendungsfälle angewendet werden. Ebenso konzentriert sich das Projekt darauf, den Verbrauch von Rechenressourcen effizient zu gestalten, damit sie noch nachhaltiger wird. Dies ist jeweils auf die großen Herausforderungen der Branche ausgerichtet: Wettbewerbsfähigkeit und Produktivität.

Ein weiteres Hauptziel des Projekts ist die Erforschung der Modellierung durch verschiedene Anwendungsfälle dieses Datenraums, um seine Tauglichkeit als interoperable, nachhaltige und sichere Plattform aufzuzeigen: Dazu verwies er in seiner Präsentation auf einige beispielhafte Anwendungsfälle, die von allen Partnern des Konsortiums entwickelt werden: Verbesserung der Messung von Weinkulturen, Energieeffizienz in Kühlanlagen, schnelle Erkennung und Beseitigung von Schädlingen bei in Gewächshäusern angepflanzten Tomaten, künstliches Sehen in Supermärkten zur Verbesserung der Kundenerfahrung und zur Erkennung von Früchten in der Kassenschlange, Quantencomputer für Satellitenbilder, Wassereffizienz in großen Plantagen usw.

Ein Beispiel ist die Zusammenarbeit mit TEPRO. Dabei wurde Vorhersagemodelle entwickelt, anhand derer der im Boden für die Pflanzen verfügbare Wassergehalt anhand von Schlüsselvariablen wie der Niederschlagsmenge und der Evapotranspiration berechnet wurde. Diese Modelle ermöglichen es, den Wasserbedarf der Pflanzen vorherzusehen und so den Einsatz der Bewässerung zu optimieren. In einem Mandelbetrieb in Carmona (Sevilla) wurden so beeindruckende Ergebnisse erzielt. Hier konnten bis zu 58 % des Bewässerungswassers eingespart werden, was eine erhebliche Verbesserung der Nachhaltigkeit der Wassernutzung darstellt.

GMV und Familia Torres arbeiteten auch an einem Projekt zur Vorhersage der Traubenmenge, die in die Weinkellerei gelangen wird, indem sie Satellitenbilder und agroklimatische Informationen kombinierten. Die entwickelte KI hilft nicht nur, die eigene Produktion besser zu steuern, sondern erleichtert auch die Kontrolle von Prognosen Dritter, die Optimierung des Traubeneinkaufs und anderer erntebezogener Prozesse.

In Zusammenarbeit mit dem CSIC führt GMV einen Pilotversuch mit künstlicher Intelligenz zur Vorhersage des Ertrags landwirtschaftlicher Kulturen durch. Bei dieser Initiative werden verarbeitete Satellitenbilder verwendet, um eine auf Quantum Machine Learning (QML) basierende Vorhersagevariable zu erstellen, die dann eine genauere Ertragsvorhersage ermöglicht. Darüber hinaus werden andere Daten wie Klima und damit verbundene Risiken integriert und das Vorhersagemodell so erweitert, dass es eine globalere und effizientere Vision bietet.

Das Projekt AgrarIA: KÜNSTLICHE INTELLIGENZ IN DER WERTSCHÖPFUNGSKETTE DER LANDWIRTSCHAFTLICHEN PRODUKTION 2050 (TSI-100114-2021-0) wurde vom Ministerium für digitale Transformation und öffentlichen Dienst über das Programm F+E-Missionen in der Künstlichen Intelligenz 2021 im Rahmen der Digitalen Agenda 2025 Spaniens und der Nationalen Strategie für künstliche Intelligenz mit europäischen Mitteln aus dem Plan für Erholung, Transformation und Resilienz finanziert.