KI-iREPro – mithilfe von KI den Weinbau effizienter managen
Vorhandenes Wissen gezielt bündeln
Im Projekt KI-iREPro wird modernste Sensortechnik mit intelligenten, leistungsstarken Prognosemodellen verbunden.
Der Weinbau ist im Vergleich zu anderen landwirtschaftlichen Kulturen in Deutschland meist durch sehr kleinparzellige Betriebsstrukturen geprägt. Oftmals sind Flächen von Winzerinnen und Winzern über weite Strecken verstreut und einzelne Weinberge meist kleiner als ein Hektar. Zudem sind die Betriebe sehr heterogen aufgestellt (Voll- oder Nebenerwerbsbetriebe, Flaschen- oder Fassweinproduzenten, Traubenproduzenten, genossenschaftlich organisiert oder selbständig) und besitzen eine sehr unterschiedliche Wirtschaftskraft.
Ertragsprognosen als Schlüsselelement im Weinbau
Diese Struktur des Weinbaus führt dazu, dass eine gut geplante Logistik im Weinbau essentiell ist. Hierfür spielen Ertragsprognosen eine entscheidende Rolle. Zum Beispiel werden auf ihrer Grundlage die betriebliche Transport- und Kellerlogistik geplant. Ertragsprognosen sind aber – mit den Folgen des Klimawandels jetzt mehr denn je – von zum Teil schwer vorhersagbaren Faktoren abhängig. Das macht Ertragsprognosen bisher sehr fehlerträchtig und zeitaufwendig.
Mit KI zu genaueren Prognosen
Im Projekt KI-iREPro sollen daher mithilfe von Methoden des Maschinellem Lernens (Teilbereich der Künstlichen Intelligenz (KI)) neuartige Ertragsprognosemodelle entwickelt werden – und dies technologieübergreifend und anwendungsbezogen. Als Grundlage dazu dienen vorhandene Ertragsdaten sowie existierende Wetter-, Boden- und Prozessdaten.
KI in der Praxis
In einem zweiten Schritt werden zusätzlich sensorbasierte Merkmalsdaten genutzt – also solche, die direkt im Weinberg erfasst werden (zum Beispiel Daten zum Gesundheitszustand der Trauben). Außerdem werden bilderkennende KI-Methoden eingesetzt – um Fragen zu beantwortet wie zum Beispiel: "Wie viele Beeren hängen am Rebstock und wie groß sind sie?"
Langfristige Ziele
Durch eine automatisierte Datenerhebung und Datenanalyseverfahren ergeben sich langfristig preisgünstigere und fundiertere Ertragsschätzungen. Dies stärkt die Betriebseffizienz. Damit wird nicht nur ein wichtiger Beitrag zum Erhalt der Kulturlandschaft Weinbau geleistet, sondern auch der Grundstein gelegt für neue Ansätze innovativer Dienstleistungen und Geschäftsmodelle.
- Projektname: KI-iREPro (Künstliche Intelligenz für die innovative Ertragsprognose bei Reben)
- Ziel: Durch zeitgleiche Erfassung wichtiger, ertragsrelevanter Merkmale Lösungsansätze für eine angepasste Ertragsprognose entwickeln – und das direkt im Weinberg
- Ansatz: Verbesserung der Ertragsprognose und damit der Weinleselogistik und Weinqualität
- Eingesetzte Künstliche Intelligenz: Methoden des Maschinellen Lernens (ML)
- Hauptstandort: Siebeldingen, Rheinland-Pfalz
- Projektkoordination: Julius Kühn-Institut Bundesforschungsinstitut für Kulturpflanzen (JKI), Institut für Rebenzüchtung
- Projektbeteiligte: Julius Kühn-Institut Bundesforschungsinstitut für Kulturpflanzen (JKI), Institut für Rebenzüchtung Geilweilerhof; Rheinische Friedrich-Wilhelms-Universität Bonn, Institut für Informatik 4, Arbeitsgruppe Intelligent Vision Systems; Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung (IOSB); Vineyard Cloud GmbH; Deutsches Weintor eG
Adresse
KI-Projekt KI-iREPro
76833 Siebeldingen, Rheinland-Pfalz
