APP4FARM: Anwendung von künstlicher Intelligenz in der Landwirtschaft
Zuwendungsgeber: Bundesministerium für Ernährung und Landwirtschaft (BMEL)
Förderkennzeichen: 2823ERA22H
Förderzeitraum: 24.04.2023 - 23.04.2026
Projektpartner:
- Consiglio Nazionale delle Ricerche, CNR-IBBR,Italy
- Helmholtz Centre Potsdam – GFZ German Research Centre for Geosciences, Germany
- University of Florence, UNIFI, Italy
- Munster Technological University, MTU, Ireland
Das Ziel von APP4FARM ist die Definition einer IKT-Infrastruktur, die es dem Landwirt ermöglicht, Stickstoffverluste zu überwachen, um eine effiziente Verwaltung von Stickstoffdüngern zu ermöglichen. Dadurch werden die Kosten für die Landwirtschaft und die Stickoxidemissionen in die Atmosphäre kontrolliert, was zu einer Verbesserung sowohl der Treibhausgaswerte (N2O) als auch der lokalen Luftqualität (Stickoxide, sekundäre anorganische Aerosole und Ozon) führen wird. Die Infrastruktur wird ein Überwachungssystem umfassen, das die Verfolgung aller meteorologischen Daten und Stickstoffemissionen ermöglicht und ein Entscheidungsunterstützungssystem antreibt, das dem Landwirt alle gemessenen Daten und Prognosen bis zu drei Tage im Voraus liefert. Die vorgestellte Lösung wird alle Daten bereitstellen, die erforderlich sind, um dem Verbraucher die vollständige Rückverfolgbarkeit der Produktionsbedingungen und die Transparenz der Umweltauswirkungen zu gewährleisten und die Entscheidungsträger bei der Festlegung des "grünen Etiketts" entlang der gesamten Lieferkette zu unterstützen.
Wichtigste Projektaktivitäten
- Definition eines Entscheidungsunterstützungssystems (DSS) zur Unterstützung des optimalen Einsatzes von Stickstoffdüngern:
- Entwicklung des Dashboarding-Systems für das DSS
- Entwicklung von Vorhersagemodellen für maschinelles Lernen und künstliche Intelligenz
- Definition des Sensorsystems zur Überwachung von Umwelt und Bodengesundheit
- Entwicklung maßgeschneiderter Sensoren für die N-bezogene mikrobielle Aktivität im Boden
- Definition eines virtuellen Sensors, der Umweltvariablen und die N-bezogene mikrobielle Vielfalt im Boden miteinander verbindet