{"id":3264,"date":"2021-02-10T04:58:53","date_gmt":"2021-02-10T04:58:53","guid":{"rendered":"https:\/\/new3.farm21.com\/?p=3264"},"modified":"2022-09-13T06:44:20","modified_gmt":"2022-09-13T06:44:20","slug":"machine-learning-in-agriculture","status":"publish","type":"post","link":"https:\/\/www.farm21.com\/de\/maschinelles-lernen-in-der-landwirtschaft\/","title":{"rendered":"Maschinelles Lernen und Entscheidungsfindung in der Landwirtschaft"},"content":{"rendered":"

Zweck der Anbauberatung 2.0<\/strong><\/h2>\n\n\n\n

Farm21 <\/a>entwickelt ein selbstlernendes System zur Unterst\u00fctzung von Anbauentscheidungen. Dabei handelt es sich um eine Plattform, auf der landwirtschaftliche Datenquellen kombiniert und durch maschinelle Lernalgorithmen analysiert werden. Die Ergebnisse werden durch Nutzerfeedback bewertet und verbessert. Wir nennen dies Anbauratgeber 2.0. Unter dieser andere Blog<\/a> erkl\u00e4ren wir, was wir damit meinen.<\/p>\n\n\n\n

In diesem Blog konzentrieren wir uns jedoch darauf, welche Aspekte f\u00fcr die Einrichtung dieses Systems erforderlich sind. Wir definieren die Schl\u00fcsselelemente und die Ausgangspunkte. An diesen Aspekten arbeiten wir Tag f\u00fcr Tag.<\/p>\n\n\n\n

\u200d<\/strong>Die Anbautipps 2.0 bieten eine einzigartige Unterst\u00fctzung f\u00fcr den einzelnen Anbauer. Sie erm\u00f6glicht es dem Anbauer, den Anbau effizienter zu gestalten. Das bedeutet: Ertragssteigerung, Einsparung wertvoller Ressourcen wie Pflanzenschutz, D\u00fcnger und Wasser.<\/p>\n\n\n\n

Wir glauben, dass dies die Zukunft der Digitalisierung in der Landwirtschaft ist.<\/p>\n\n\n\n

Maschinelles Lernen als Schwungrad<\/strong><\/h2>\n\n\n\n

Um dir einen sehr technischen Aufsatz zu ersparen, erkl\u00e4ren wir maschinelles Lernen auf einer sehr hohen Ebene. Maschinelles Lernen ist eine automatisierte Methode zur Analyse gro\u00dfer Datenmengen. Grunds\u00e4tzlich besteht ein gut funktionierendes maschinelles Lernsystem aus einer kontinuierlichen Schleife der folgenden Schritte.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n
  1. Datenerhebung.<\/strong> Konsistente, qualitativ hochwertige und umfangreiche Datenerfassung. Ein st\u00e4ndig wachsender Datensatz mit so vielen (relevanten) Daten wie m\u00f6glich ist die Grundlage des Schwungrads.<\/li>
  2. Daten kategorisieren.<\/strong> Datenspezialisten kategorisieren die Daten und trainieren die ML-Algorithmen. In unserem Fall legen wir ein Thema fest, das wir analysieren wollen, z. B. eine bestimmte Krankheit bei einer Kulturpflanze, und welche Parameter dieses Ergebnis potenziell beeinflussen k\u00f6nnten.<\/li>
  3. Ergebnisse anzeigen.<\/strong> Die Ergebnisse der ML-Algorithmen werden den Landwirten und Pflanzenberatern gezeigt.<\/li>
  4. Feedback.<\/strong> Das Feedback wird verarbeitet und in die nachfolgenden Analysen einbezogen.<\/li><\/ol>\n\n\n\n

    Um die Zukunftsvision von Farm21 zu verwirklichen und das Schwungrad des maschinellen Lernens in Gang zu setzen, m\u00fcssen eine Reihe von Schl\u00fcsselphasen abgeschlossen werden. Dieser Zeitplan zeigt die wichtigsten Phasen.<\/p>\n\n\n\n

    1 Daten sammeln<\/strong><\/h3>\n\n\n\n

    \u200d<\/strong>Maschinelles Lernen erfordert die konsequente Sammlung von qualitativ hochwertigen und umfangreichen Daten.<\/p>\n\n\n\n

    Um die richtige Datendichte zu erreichen, ist es notwendig, die Kosten pro Messpunkt zu senken und sich mit bereits vorhandenen Sensoren verbinden zu k\u00f6nnen.<\/p>\n\n\n\n

    Zu diesem Zweck entwickeln wir eigene Sensoren, die eine feink\u00f6rnige Datenerfassung erm\u00f6glichen, und nutzen vorhandene Sensoren, um einen Datensatz mit feink\u00f6rnigen Daten aufzubauen.<\/p>\n\n\n\n

    2 Daten anreichern<\/strong><\/h3>\n\n\n\n

    \u200d<\/strong>Durch die Verkn\u00fcpfung von Datenquellen ist es einem Algorithmus f\u00fcr maschinelles Lernen m\u00f6glich, Korrelationen in den Daten zu finden.<\/p>\n\n\n\n

    Zu den Datenquellen, die wir verbinden, geh\u00f6ren zum Beispiel Satellitenbilder, Erntedatenbanken, Ertragsregistrierung, Bodenscans, Traktordatens\u00e4tze und viele mehr.<\/p>\n\n\n\n

    Mit Informationen aus verschiedenen Quellen ist es auch m\u00f6glich, Ausrei\u00dfer herauszufiltern. Die Qualit\u00e4t der Daten, die f\u00fcr das Training der Algorithmen f\u00fcr maschinelles Lernen verwendet werden, wird verbessert.<\/p>\n\n\n\n

    3 Allgemeine Warnungen<\/strong><\/h3>\n\n\n\n

    \u200d<\/strong>Ein bereits bestehendes Modell (Generic Decision Support System) bildet die Grundlage f\u00fcr die Warnmeldungen. Grundlegende Algorithmen wie \"bei Temperatur X, Luftfeuchtigkeit Y \u00fcber einen Zeitraum von Z hast du einen hohen Krankheitsdruck.\" Diese generischen Warnmeldungen sind unser Ausgangspunkt.<\/p>\n\n\n\n

    Wir sammeln, wann sie ausgel\u00f6st werden und setzen diese Ereignisse sp\u00e4ter mit der Reaktion des Nutzers in Verbindung.<\/p>\n\n\n\n

    4 R\u00fcckmeldung<\/strong><\/h3>\n\n\n\n

    \u200d<\/strong>Feedback ist der Motor des selbstlernenden Systems. Ein einfaches \"das ist richtig\/nicht richtig\" sagt schon viel \u00fcber die Qualit\u00e4t der Beratung aus. Wie bereits erw\u00e4hnt, speichern wir dieses Feedback und vergleichen es mit den gegebenen Ratschl\u00e4gen.<\/p>\n\n\n\n

    Auf diese Weise k\u00f6nnen maschinelle Lernalgorithmen auf individueller Ebene bestimmen, wie die Gewichtungsfaktoren f\u00fcr die pers\u00f6nliche Anbauberatung sein sollten, aber auch mehr Verbindungen zwischen den Datens\u00e4tzen finden.<\/p>\n\n\n\n

    5 Die Zukunft vorhersagen<\/strong><\/h3>\n\n\n\n

    \u200d<\/strong>Mithilfe des st\u00e4ndig wachsenden Datensatzes und der Hilfe von maschinellem Lernen k\u00f6nnen wir Ratschl\u00e4ge oder Warnungen \u00fcber das geben, was kommen k\u00f6nnte.<\/p>\n\n\n\n

    Der Landwirt wird so fr\u00fcher \u00fcber klimatische Entwicklungen und ihre Auswirkungen auf sein Feld und seine Ernte informiert. So kann er schneller handeln.<\/p>\n\n\n\n

    6 Personalisierte Ernteberatung<\/strong><\/h3>\n\n\n\n

    \u200d<\/strong>Auf dieser Stufe erreichen wir die Anbauberatung 2.0 f\u00fcr den einzelnen Landwirt.<\/p>\n\n\n\n

    Die feink\u00f6rnige Messung erm\u00f6glicht es, Bewirtschaftungsma\u00dfnahmen auf einer sehr pr\u00e4zisen Ebene auszuf\u00fchren. Durch die vielen Informationen, die in das System eingespeist und von den Algorithmen des maschinellen Lernens analysiert werden, wird der Erkenntnisgrad enorm erh\u00f6ht. Das Ergebnis sind lokalisierte, personalisierte Anbauempfehlungen.<\/p>\n\n\n\n

    Die automatisierte, ma\u00dfgeschneiderte Anbauberatung ist extrem detailliert, wirkt pr\u00e4ventiv und ist dennoch zielgerichtet. Sie bieten die M\u00f6glichkeit, jede Ma\u00dfnahme zum richtigen Zeitpunkt durchzuf\u00fchren, um die Effizienz von Ertrag und Ressourceneinsatz zu optimieren.<\/p>","protected":false},"excerpt":{"rendered":"

    Zweck der Anbauberatung 2.0 Farm21 entwickelt ein selbstlernendes System zur Unterst\u00fctzung von Anbauentscheidungen. Dies ist eine Plattform in...<\/p>","protected":false},"author":5,"featured_media":3267,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"content-type":"","inline_featured_image":false,"_kad_blocks_custom_css":"","_kad_blocks_head_custom_js":"","_kad_blocks_body_custom_js":"","_kad_blocks_footer_custom_js":"","_kadence_starter_templates_imported_post":false,"_kad_post_transparent":"","_kad_post_title":"","_kad_post_layout":"","_kad_post_sidebar_id":"","_kad_post_content_style":"","_kad_post_vertical_padding":"","_kad_post_feature":"","_kad_post_feature_position":"","_kad_post_header":false,"_kad_post_footer":false,"_kad_post_classname":"","_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[1],"tags":[],"class_list":["post-3264","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-blog"],"taxonomy_info":{"category":[{"value":1,"label":"Blog"}]},"featured_image_src_large":["https:\/\/www.farm21.com\/wp-content\/uploads\/2022\/09\/nsplsh_97f0fc33d1a24c008d2c3b47f4c682fdmv2.webp",808,606,false],"author_info":{"display_name":"Dana Gelerter","author_link":"https:\/\/www.farm21.com\/de\/author\/dana-gelerter\/"},"comment_info":245,"category_info":[{"term_id":1,"name":"Blog","slug":"blog","term_group":0,"term_taxonomy_id":1,"taxonomy":"category","description":"Resources you can use to predict and manage day-to-day farming in the most efficient, sustainable and cost-effective way.","parent":0,"count":26,"filter":"raw","cat_ID":1,"category_count":26,"category_description":"Resources you can use to predict and manage day-to-day farming in the most efficient, sustainable and cost-effective way.","cat_name":"Blog","category_nicename":"blog","category_parent":0}],"tag_info":false,"jetpack_featured_media_url":"https:\/\/www.farm21.com\/wp-content\/uploads\/2022\/09\/nsplsh_97f0fc33d1a24c008d2c3b47f4c682fdmv2.webp","jetpack_sharing_enabled":true,"acf":[],"_links":{"self":[{"href":"https:\/\/www.farm21.com\/de\/wp-json\/wp\/v2\/posts\/3264","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.farm21.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.farm21.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.farm21.com\/de\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/www.farm21.com\/de\/wp-json\/wp\/v2\/comments?post=3264"}],"version-history":[{"count":0,"href":"https:\/\/www.farm21.com\/de\/wp-json\/wp\/v2\/posts\/3264\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.farm21.com\/de\/wp-json\/wp\/v2\/media\/3267"}],"wp:attachment":[{"href":"https:\/\/www.farm21.com\/de\/wp-json\/wp\/v2\/media?parent=3264"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.farm21.com\/de\/wp-json\/wp\/v2\/categories?post=3264"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.farm21.com\/de\/wp-json\/wp\/v2\/tags?post=3264"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}