resKIL – damit maschinelles Lernen in der Landwirtschaft deutlich mehr zum Einsatz kommt
Perfektionierte KI in der Landtechnik
Im Mittelpunkt des Projekts resKIL steht die landwirtschaftliche Arbeitsmaschine. Das Projektziel: die Entwicklung von Lösungsmethoden, damit Künstliche Intelligenz (KI) gerade unter den herausfordernden Bedingungen der Landwirtschaft schneller, kostengünstiger und effizienter umgesetzt werden kann.
Auch in der Landwirtschaft gewinnt KI zunehmend an Bedeutung. Ihre Vorteile liegen auf der Hand: bessere Planbarkeit, mehr Möglichkeiten zur Steuerung und entlastete Arbeitsroutinen. KI-Methoden einzuführen und umzusetzen, erforderte aber bislang einen sehr hohen Aufwand. Dieser reicht beispielsweise von besonders geschultem Personal, über große Rechenkapazitäten zum Trainieren der Modelle bis hin zum vermehrten Ressourcenverbrauch auf den Steuergeräten. Hier will das Projekt resKIL Verbesserungen erreichen.
Ressourceneffizienz am Rande des Netzwerks
Auf mobilen, landwirtschaftlichen Arbeitsmaschinen steht der KI als „Edge-Komponente“ meist nur eine limitierte Ressourcenbasis zur Verfügung. Das heißt, notwendige Datenberechnungen erfolgen auf Hardwaresystemen "on the edge" („am Rande“ von zentralen Netzwerkknoten wie den Cloud-Diensten von Rechenzentren) und bieten daher nur eine begrenzte Kapazität. Das Projektteam entwickelt neuartige, smarte Methoden und legt den Fokus stark auf eine ganzheitliche ressourceneffiziente Entwicklung von KI-Algorithmen. Dadurch sollen die Methoden des maschinellen Lernens nach Abschluss des Projektes effizienter und ressourcenschonender in der breiten landwirtschaftlichen Praxis angewendet werden.
Systematische Entwicklung von KI-Werkzeugen
Nach einer detaillierten Analyse der Problemstellung wird im Projekt resKIL eine variable KI-Architektur (Software) integriert in eine KI-Plattform (Hardware) entwickelt. Anhand einer praktischen Demonstration möchten die Projektbeteiligten aufzeigen, wie ihre Methode es ermöglicht, maschinelles Lernen in der Landwirtschaft ressourcen- und kosteneffiziente einzubinden. Beispielhaft wird dazu der Prozess der Ernte genauer betrachtet. Dabei werden Qualitätsbestimmungen des Ernteguts und Merkmalserkennungen im Maschinenumfeld in digitale Funktionsmuster überführt. Die KI wird dabei über einen Zeitraum von drei Ernteperioden entwickelt, um die Qualität der KI - bzw. im beispielhaften Fall die Qualität des Ernteprozesses - stetig zu steigern. Gerade der Transfer der Entwicklungen über mehrere Ernten hinweg ist ein wichtiger Bestandteil, um die Generalisierbarkeit und darüber hinaus eine Steigerung der Robustheit und Qualität der KI-Entwicklungsansätze zeigen zu können.
- Projektname: resKIL (Ressourceneffiziente KI für eingebettete Systeme in Landmaschinen)
- Ziel: Optimierung des KI-Entwicklungsprozesses zur einfachen Umsetzung und Skalierung auf Landmaschinen
- Ansatz: Ganzheitliche Optimierung der KI-basierten Funktionsentwicklung mit dem Fokus auf die mobile Arbeitsmaschine als Edge-Komponente mit limitierten Ressourcen
- Eingesetzte Künstliche Intelligenz: Ressourceneffizientes maschinelles Lernen auf Basis bildgebender Sensorik
- Hauptstandort: Dissen, Niedersachsen
- Projektkoordination: CLAAS E-Systems GmbH
- Projektbeteiligte: CLAAS E-Systems GmbH; CLAAS Selbstfahrende Erntemaschinen GmbH; Deutsches Forschungszentrum für Künstliche Intelligenz GmbH (DFKI) Labor Niedersachsen, Planbasierte Robotersteuerung; Technisches Universität Dortmund, Lehrstuhl für Mathematische Statistik und industrielle Anwendungen; Universität Osnabrück, Institut für Informatik; Zauberzeug GmbH
Adresse
KI-Projekt resKIL
49201 Dissen, Niedersachsen
