KI und Citizen Science: BTU-Forschung macht Smartphones zu Werkzeugen für eine nachhaltige Landwirtschaft

Forschende der Brandenburgischen Technischen Universität Cottbus-Senftenberg (BTU) haben einen innovativen Ansatz entwickelt, der Künstliche Intelligenz (KI) und Citizen Science verbindet, um die Produktivität von Kaffeeplantagen einfach, kostengünstig und wissenschaftlich fundiert zu überwachen. Die Dissertation von Juan Camilo Rivera-Palacio im Fachgebiet Environmental Data Science zeigt, dass Kleinbauern in Kolumbien und Peru mit gewöhnlichen Smartphones und einem einfachen Aufnahmeprotokoll Erträge zuverlässig dokumentieren können. Die Ergebnisse könnten den Zugang zu digitaler Landwirtschaft für Millionen kleinbäuerlicher Betriebe weltweit erleichtern. 

Präzisionslandwirtschaft für alle

Die globale Landwirtschaft steht vor der Herausforderung, die Ernährung einer wachsenden Weltbevölkerung zu sichern und gleichzeitig die Folgen des Klimawandels zu bewältigen. Präzisionslandwirtschaft bietet hierfür vielversprechende Lösungen, bleibt jedoch für viele Kleinbauern aufgrund hoher Kosten und technischer Anforderungen unerreichbar. Die an der BTU entstandene Dissertation untersucht deshalb, ob Smartphones – kombiniert mit moderner KI – eine praxistaugliche Alternative darstellen. 

Drei Fotos reichen für eine präzise Ertragsschätzung

Im Mittelpunkt der Arbeit steht ein Deep-Learning-Modell, das die Anzahl der Kaffeekirschen auf Grundlage von Smartphone-Bildern schätzt. Bereits drei Fotos pro Kaffeebaum genügen, um Ertragsschätzungen mit einer Genauigkeit zu erzielen, die mit bestehenden computergestützten Verfahren vergleichbar oder sogar besser ist. 

Darüber hinaus untersuchte die Dissertation, welche Faktoren die Qualität der KI-Auswertungen beeinflussen. Dabei zeigte sich, dass weniger die Eigenschaften des Smartphones als vielmehr die konsequente Einhaltung des Aufnahmeprotokolls und die sorgfältige Datenerhebung entscheidend für zuverlässige Ergebnisse sind. 

Von einzelnen Bäumen zur gesamten Plantage

In einem weiteren Schritt gelang es, die Analyse von einzelnen Bäumen auf ganze Betriebe auszuweiten. Durch die Kombination der Bilddaten mit Informationen zu Boden, Klima und Bewirtschaftung konnte die Produktivität kompletter Kaffeeplantagen mit hoher Genauigkeit vorhergesagt werden. Mithilfe erklärbarer KI wurden zudem Zusammenhänge zwischen Bodeneigenschaften, klimatischen Bedingungen und landwirtschaftlichen Praktiken sichtbar. 

„Unser Ziel war es zu zeigen, dass moderne KI nicht zwangsläufig teure Spezialtechnik benötigt. Viele Kleinbauern besitzen bereits ein Smartphone. Wenn sie dieses nach einem einfachen wissenschaftlichen Protokoll einsetzen, können sie selbst hochwertige Daten erzeugen und von digitalen Werkzeugen profitieren. Citizen Science wird damit zu einem wichtigen Baustein einer nachhaltigen und inklusiven Landwirtschaft“, sagt Juan Camilo Rivera-Palacio. 

Die Arbeit liefert nicht nur einen Beitrag zur Weiterentwicklung der digitalen Landwirtschaft, sondern zeigt auch, wie sich Wissenschaft und Gesellschaft enger miteinander verbinden lassen. Landwirte werden dabei nicht nur zu Nutzern neuer Technologien, sondern zu aktiven Partnern der Forschung. Gleichzeitig eröffnet der Ansatz neue Möglichkeiten für ein großflächiges Monitoring landwirtschaftlicher Produktion – eine wichtige Grundlage, um die Auswirkungen des Klimawandels besser zu verstehen und geeignete Anpassungsstrategien zu entwickeln. 

Skalierbarer Ansatz mit globalem Potenzial

Die Dissertation validiert Smartphones als wissenschaftliche Instrumente für die Landwirtschaft, unterstreicht die zentrale Rolle des Menschen bei der Datenerhebung und zeigt einen skalierbaren Weg von der Erfassung einzelner Pflanzen bis zur Analyse ganzer Betriebe auf. Künftig sollen die Verfahren weiterentwickelt, Echtzeitanwendungen ermöglicht und auf weitere Kulturen und Anbausysteme übertragen werden.

Die Dissertation:

Artificial Intelligence and Citizen Science for Scalable Monitoring of Coffee Productivity (Künstliche Intelligenz und Citizen Science für ein skalierbares Monitoring der Kaffeeproduktivität) / Autor: Juan Camilo Rivera-Palacio