Aufgrund zunehmend trockener Sommer in Folge des Klimawandels und gleichzeitig abnehmender Wasserverfügbarkeit (schwierigere Genehmigungen für neue Brunnen durch die Landkreise) häufen sich die Fragen der Baumschulen nach präziser und effektiver Bewässerung. Dabei wird die Steuerung der wichtigsten Produktionsfaktoren „Wasser“ und „Nährstoffe“ heute fast ausschließlich nach der aktuellen Situation der Kulturen und kurzfristig nach Schätzungen oder ungenauen Messwerten durchgeführt. Auch heutzutage ist die einzig nutzbare Vorhersage der auf den Agrarbereich abgestimmte Wetterbericht, aus dem die die Betriebe ihre Schlüsse selbstständig ziehen müssen.

Umweltbedingungen gezielt überwachen

Das Ziel des Projektes Predictive Plant Production ist es, zunächst für die zwei Modellpflanzen, den Lebensbaum (Thuja) und den Rhododendron, ein System zu entwickeln, welches die Umweltbedingungen dieser Pflanzen überwacht. Anschließend können aus den gewonnen Daten die Pflegemaßnahmen für ein möglichst ressourcenschonendes oder zeitlich planbares Pflanzenwachstum bestimmt werden. Dazu werden die Substratfeuchte, die Düngerkonzentration, die Bodentemperatur, die lokalen Wetterbedingungen sowie die Zugabe von Wasser und Dünger und die Schattierung und Lüftung von Gewächshäusern in einer Baumschule von speziellen Sensoren erfasst. Somit werden lokale Gegebenheiten und Einflussgrößen für jeden Einsatzort individuell mit Methoden der Künstlichen Intelligenz (KI) erlernt. Mit dem erlernten Wissen werden genaue Vorhersagemodelle des Wasser-, Dünger- und Temperaturhaushaltes und darauf aufbauend des Pflanzenwachstums konfiguriert und dann genutzt, um bei der Steuerung von Bewässerung, Düngung und Temperaturregulierung zu unterstützen und diese sogar zu automatisieren.

Schäden an den Pflanzen vermeiden

Hierbei kann die Predictive Plant Production eine wertvolle Hilfe sein, indem sie aus den gegebenen Daten vor Ort, den Wettervorhersagen, Erfahrungen über die Freisetzung der verabreichten Depotdünger sowie der Messwerte an der Pflanze eine zeitnahe, möglichst präzise Vorhersage des Wasser- und Nährstoffbedarfs und eine daran orientierte, automatisierte Steuerung aller Komponenten ermöglicht. Das würde für eine gleichmäßigere Qualität im Pflanzenbestand sorgen und die Vermeidung von Pflanzenschäden deutlich erhöhen. Die Betriebe würden also nachhaltig von größeren, schöneren, ertragreicheren und schneller wachsenden Pflanzen profitieren.

Generell soll im Projekt eine selbstlernende Methode entwickelt werden, welche die folgenden vier Fragen für den jeweiligen Betrieb beantwortet:

• Welche Pflegemaßnahmen sorgen für optimales Pflanzenwachstum?
• Wie kann ich für ein normales Pflanzenwachstum bei minimalem Einsatz von Betriebsmitteln sorgen?
• Wie kann ich die Pflanzenproduktion zeitlich bei möglichst geringem Betriebsmitteleinsatz planen?
• Wie kann ich die Schädlings- und Krankheitsbekämpfung über die Wahl der Umgebungsbedingungen unterstützen und so den Einsatz von Pflanzenschutzmitteln reduzieren?

Derzeit existieren weder eine selbstkonfigurierende – sich an die lokalen Gegebenheiten anpassende Wasser-, Dünger- und Temperatursteuerung – noch Ansätze zur Predictive Plant Production oder verwandten Techniken, aus denen eine vergleichbare Lösung abgeleitet werden könnte.

Partner des Projektes sind neben OFFIS als Koordinator der Baumschulberatungsring Weser-Ems, die Baumschulen Johann Bruns und Hellwig, die Landwirtschaftskammer Niedersachsen sowie das Unternehmen Communicate 2 Integrate. Predictive Plant Production wird im Rahmen der Europäischen Innovationspartnerschaft „Produktivität und Nachhaltigkeit in der Landwirtschaft“ EIP-Agri durch das Bundesministerium für Ernährung und Landwirtschaft gefördert.