Roboter zwischen den Reihen: Wie künstliche Intelligenz die Pflanzenzüchtung beschleunigt
Ein bayerischer Technologiepreis rückt gerade ein Start-up ins Licht, das mit KI Feldversuche auswerten will. Dahinter steht eine leise Revolution in der Pflanzenforschung: Die Merkmale einer Pflanze zu erfassen, war lange der Flaschenhals der Züchtung – jetzt übernehmen Kameras, Drohnen und Algorithmen.
Wenn Bayern seine Hightech-Preise vergibt, tauchen darunter regelmäßig Namen auf, die kaum jemand kennt. In diesem Jahr ist ein Start-up dabei, das nach eigenen Angaben Feldversuche in der Landwirtschaft mit künstlicher Intelligenz auswerten will. Die einzelne Firmenmeldung ist dabei weniger interessant als das Feld, auf dem sie unterwegs ist: In der Pflanzenzüchtung verschiebt sich gerade, was Menschen und was Maschinen erledigen – und das hat Folgen weit über einzelne Preisverleihungen hinaus.
Der Engpass heißt Phänotypisierung
Züchtung ist im Kern eine Suche nach der besten Kombination von Eigenschaften: Ertrag, Trockenheitstoleranz, Widerstandskraft gegen Pilze, Standfestigkeit. Um herauszufinden, welche Pflanze welche Merkmale mitbringt, muss man sie beobachten und vermessen – Fachleute sprechen von Phänotypisierung. Genau das war jahrzehntelang mühsame Handarbeit: Züchterinnen und Züchter liefen durch Versuchsparzellen, maßen Wuchshöhen, zählten Ähren, notierten Blattfarben.
Das Problem ist ein Missverhältnis. Die Analyse des Erbguts, also die Genotypisierung, ist in den vergangenen Jahren enorm billig und schnell geworden. Die Erfassung der sichtbaren Merkmale hielt damit nicht Schritt. In der Fachliteratur gilt die Phänotypisierung deshalb inzwischen als Flaschenhals der modernen Züchtung: Man weiß viel über die Gene einer Pflanze, aber zu wenig darüber, wie sie sich tatsächlich auf dem Acker verhält.
Was Kameras sehen, das der Mensch übersieht
An dieser Stelle setzt die Technik an. Statt einzelner Messungen kommen heute ganze Sensorketten zum Einsatz: Drohnen, die über Versuchsflächen fliegen, bodengebundene Fahrzeuge und autonome Roboter, die zwischen den Pflanzreihen hindurchfahren. Erprobt sind unter anderem multispektrale und hyperspektrale Kameras, die Licht in Bereichen aufzeichnen, die das menschliche Auge nicht wahrnimmt, dazu Wärmebild- und Fluoreszenzsensoren. Aus solchen Daten lassen sich Rückschlüsse auf Wasserstress, Nährstoffversorgung oder beginnenden Krankheitsbefall ziehen, oft bevor ein Schaden mit bloßem Auge sichtbar wird.
Die eigentliche Arbeit erledigt danach maschinelles Lernen. Bilderkennungsverfahren zählen Pflanzen, vermessen ihre Höhe, unterscheiden Kultur- von Unkraut und ordnen Merkmale zu. Forschungsroboter wie das in den USA entwickelte Modell TerraSentia fahren nach vorgegebener Route durch Bestände und dokumentieren mit Kameras und Lasern, was sie sehen. Projekte in Deutschland koppeln solche Feldbeobachtungen mit Genomdaten, um vorherzusagen, welche Kreuzung voraussichtlich am ertragreichsten ausfällt – laut den beteiligten Forschungseinrichtungen lässt sich damit die Zahl der teuren Feldversuche verringern.
Zwischen Effizienzversprechen und Bodenhaftung
So beeindruckend die Technik klingt, sie ersetzt keine Landwirtschaft, sie stützt sie. Sensoren liefern zunächst nur Zahlen; ob daraus verlässliche Aussagen werden, hängt von der Qualität der Trainingsdaten und der Kalibrierung ab. Kleinere Zuchtprogramme verfügen selten über riesige Datensätze, weshalb ein Teil der aktuellen Forschung ausdrücklich daran arbeitet, mit vergleichsweise wenig Daten auszukommen. Auch die Anschaffung von Drohnen, Robotern und Auswertesoftware ist für viele Betriebe eine Hürde.
Bemerkenswert ist gleichwohl, wie schnell aus einem Nischenthema der Agrarforschung ein Gründungsfeld geworden ist. Dass ein regionaler Technologiewettbewerb ein KI-Start-up für die Feldauswertung auszeichnet, ist ein kleines Signal dafür, dass die Digitalisierung inzwischen dort ankommt, wo sie lange als reine Zukunftsmusik galt: auf dem Acker. Ob die großen Effizienzversprechen halten, wird sich weniger im Labor entscheiden als in vielen unspektakulären Saisons – Reihe für Reihe, Ernte für Ernte.
Dieser Beitrag ist eine redaktionelle Einordnung eines Branchentrends und keine Empfehlung für einzelne Anbieter oder Produkte.