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 (wassersparender) Bewässerung. Die Steuerung der Produktionsfaktoren Wasser und Nährstoffe wird von den Betrieben heute fast ausschließlich nach der aktuellen Situation der Kulturen und kurzfristig nach Schätzungen oder ungenauen Messwerten durchgeführt. Die einzig nutzbare Vorhersage ist der auf den Agrarbereich abgestimmte Wetterbericht. Die Schlüsse daraus müssen die Betriebe selbst ziehen und entsprechend umsetzen. Das Projekt Predictive Plant Production befasst sich im Kern mit einer künstlichen Intelligenz, um Pflanzen-produzierende Betriebe wie Baumschulen bei gezieltem resourcenschonenden Pflanzenwachstum zu unterstützen.

Ziel des Projektes ist es, für zunächst zwei Modellpflanzen, den Lebensbaum (Thuja) und den Rhododendron ein System zu entwickeln, welches die Umweltbedingungen dieser Pflanzen mit Sensoren überwacht und daraus die Pflegemaßnahmen für ein möglichst ressourcenschonendes oder zeitlich planbares Pflanzenwachstum bestimmt. Dazu werden die Substratfeuchte, die Düngerkonzentration, die Bodentemperatur, die lokalen Wetterbedingungen, die Zugabe von Wasser und Dünger und die Schattierung und Lüftung von Gewächshäusern in einer Baumschule mit Sensoren überwacht und somit 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.