Seed

Diese Vorlesung führt praxisnah in das Thema Ertragsprognosen ein: von den zugrundeliegenden Datenarten über Modellierungs-ansätze bis hin zur Anwendung im Entscheidungsprozess.

Weiterlesen

Ackerschlag zwischen Kaiserslautern und Alzey, 250 m ü. NN 13,1 ha Wintergerste KWS Faro, gesät am 24.9.2024 Photo-Date: 2025-06-02, 12:45 h MEZ

📘 Agrardaten:

Schlüsselressource für nachhaltige, produktive Agrar- und Ernährungssysteme

👤 Autor:

Dr. Matthias Nachtmann, in Kooperation mit Friends of Digital Farming

🌱 Was bietet dieses Kapitel?

Dieses Kapitel ergänzt die bestehenden Inhalte um zentrale Erkenntnisse zum Thema Saatgut, Aussaat und die Bedeutung der Interoperabilität. Besondere Bedeutung erhalten dabei die Informationen die Saatgutqualität beschreiben, Schlag-spezifischen Informationen die Saatgutauswahl erfordern und die Bedeutung des ISOBUS, um diese Informationen zur standortspezifischen Aussaat zu berücksichtigen.

Zur PowerPoint der Vorlesung

🧭 Inhalte im Überblick:

1. Einordnung & Relevanz Bedeutung und Definition

Saatgut bildet die genetische Grundlage der Pflanzenproduktion. Die Auswahl geeigneter Sorten beeinflusst Ertrag, Widerstandsfähigkeit gegen Stress und Krankheiten sowie digitale Bewirtschaftung. Es gibt über 135 Weizensorten mit jährlicher Erneuerungsrate von etwa 15 %.

2. Selektion und Kennzeichnung

Sortenwahl basiert auf Standortbedingungen (Boden, Klima, pH-Wert). Sorteneigenschaften werden in Datenbanken, Etiketten und Prüfberichten dokumentiert (z. B. Keimfähigkeit, Tausendkorngewicht, Krankheitsresistenz).

3. Interoperabilität & Standards für Ausbringung von Betriebsmitteln, hier Saatgut

- ISOBUS (ISO 11783): Kommunikation zwischen Traktor und Geräten

- ISO 8000: Datenqualität, Austausch und semantische Standards

- Ziel ist ein einheitlicher, interoperabler Datenfluss für Inputs, Maschinen und Software

4. Digitale Entscheidungsunterstützung

KI und Systeme wie LLMs, ML und Computer Vision werden zur Bodenklassifikation, Ertragsvorhersage und automatisierten Sortenwahl eingesetzt. Datenflüsse kombinieren Wetter, Boden, Pflanzenwachstum und Maschinendaten (z. B. für „variable rate seeding“).

5. Herausforderungen

- Hohe Komplexität durch viele Sorten & Umweltvariabilität

- Notwendigkeit hochwertiger, interoperabler Daten

- Effizienzsteigerung durch Automatisierung & digitale Integration

Der Ackerschlag

Weiter

Das Projekt

Weiter