Künstliche Intelligenz könnte dazu beitragen, den unterbrochenen Stickstoffkreislauf in der Landwirtschaft wiederherzustellen
Ein neues Rahmenkonzept vereint Satellitendaten, Tiersensoren und Sprachmodelle zu einem einheitlichen Entscheidungssystem
Anzeigen
künstliche Intelligenz könnte dazu beitragen, die Stickstoffbewirtschaftung in landwirtschaftlichen Betrieben zu verändern, indem sie Pflanzenanbau, Tierfütterung, Gülleverwertung und Umweltüberwachung in einem einzigen Entscheidungssystem miteinander verknüpft. Dies geht aus einem neuen Beitrag hervor, der in der Fachzeitschrift „Nitrogen Cycling“ veröffentlicht wurde.
Stickstoffdünger haben eine zentrale Rolle bei der Steigerung der weltweiten Nahrungsmittelproduktion gespielt, doch eine ineffiziente Stickstoffnutzung kann zu Luftverschmutzung, Bodenversauerung, Grundwasserverschmutzung und Emissionen von Lachgas – einem starken Treibhausgas – beitragen. Eine Hauptursache für dieses Problem ist die Trennung von Pflanzen- und Tierproduktion. In der Nähe von intensiven Tierhaltungsbetrieben sammelt sich häufig Gülle an, während landwirtschaftliche Betriebe in anderen Regionen weiterhin stark auf synthetische Düngemittel angewiesen sind.
Die Autoren schlagen vor, dass KI dazu beitragen kann, diesen gestörten Nährstoffkreislauf wiederherzustellen, indem sie Stickstoffflüsse nachverfolgt, wissenschaftliche Modelle verbessert und komplexe Informationen in praktische Empfehlungen für Landwirte umsetzt.
„Künstliche Intelligenz gibt uns die Möglichkeit, den Stickstoff in der Landwirtschaft als ein zusammenhängendes System zu betrachten und nicht als eine Ansammlung einzelner Probleme“, sagte der korrespondierende Autor Xiuming Zhang. „Durch die Verknüpfung von Pflanzen, Tieren, Gülle und Umweltprozessen könnte KI Landwirten helfen, mehr Nahrungsmittel zu produzieren und gleichzeitig Stickstoffverluste zu reduzieren.“
Das vorgeschlagene Rahmenkonzept umfasst drei Hauptkomponenten. Erstens können KI-gestützte Beobachtungssysteme Informationen von Satelliten, Drohnen, Bodensensoren, Wearables für Tiere, Computer-Vision und Überwachungssystemen in Tierhaltungsbetrieben erfassen. Diese Technologien könnten Aufschluss darüber geben, wie sich Stickstoff über Felder, Tiere, Güllelager und die weitere Umwelt bewegt.
Zweitens legen die Forscher Wert darauf, datengesteuerte KI mit Modellen zu kombinieren, die auf physikalischen, biologischen und chemischen Prozessen basieren. Ansätze wie physikalisch informierte neuronale Netze und wissensgestütztes maschinelles Lernen können Vorhersagen verbessern und gleichzeitig wesentliche Regeln, einschließlich der Stickstoffmassenbilanz, einhalten. Diese Hybridsysteme könnten genauere Schätzungen des Düngemittelbedarfs, der Lachgasemissionen, der Stickstoffretention bei Tieren und der mit Gülle verbundenen Verluste ermöglichen.
Drittens könnten landwirtschaftliche Großsprachenmodelle wissenschaftliche Ergebnisse in klare Leitlinien auf Betriebsebene umsetzen. Solche Systeme könnten dabei helfen, die richtige Düngemittelquelle, -menge, -zeitpunkt und -ausbringung zu empfehlen, während sie gleichzeitig das Tierfutter optimieren und Möglichkeiten identifizieren, Gülle aus Viehhaltungsregionen mit Stickstoffüberschüssen in Ackerflächen zu transportieren, die Nährstoffe benötigen.
Langfristiges Ziel ist ein intelligenter Agent für den gesamten landwirtschaftlichen Betrieb, der in der Lage ist, die Düngung von Kulturpflanzen, die Tierernährung und die Gülleverwertung gleichzeitig zu koordinieren. Der Artikel hebt frühe Beispiele für spezialisierte landwirtschaftliche KI-Systeme hervor, die eine Verringerung des Stickstoffeinsatzes bei Düngemitteln oder Futtermitteln bei gleichbleibender oder gesteigerter Produktivität verzeichnen konnten.
Die Autoren warnen jedoch davor, dass weiterhin große Herausforderungen bestehen. Landwirtschaftliche Daten sind oft über verschiedene Institutionen verstreut, KI-Modelle lassen sich unter Umständen nur schwer erklären, und fortschrittliche Technologien könnten für Kleinbauern zu teuer sein. Federated Learning, Edge-Computing und kostengünstigere Tools könnten dazu beitragen, Datenschutz, Zugänglichkeit und Inklusion zu verbessern.
Die Forscher kommen zu dem Schluss, dass KI zum zentralen Koordinationssystem für die Kreislauflandwirtschaft werden könnte, doch der Erfolg erfordert eine enge Zusammenarbeit zwischen Agrarwissenschaftlern, Tierwissenschaftlern, Biogeochemikern, Informatikern, Landwirten und politischen Entscheidungsträgern.
Hinweis: Dieser Artikel wurde mit einem Computersystem ohne menschlichen Eingriff übersetzt. LUMITOS bietet diese automatischen Übersetzungen an, um eine größere Bandbreite an aktuellen Nachrichten zu präsentieren. Da dieser Artikel mit automatischer Übersetzung übersetzt wurde, ist es möglich, dass er Fehler im Vokabular, in der Syntax oder in der Grammatik enthält. Den ursprünglichen Artikel in Englisch finden Sie hier.
Originalveröffentlichung
Weitere News aus dem Ressort Wissenschaft
