Zwischen 2017 und 2026 sind in vier öffentlich geförderten Forschungsvorhaben Prognosesysteme für die Landwirtschaft entstanden, in zwei davon in Projektleitung: Qualitäts- und Erntezeitpunktprognose für Obst (BigApple, Apfel4Null), resilientes KI-gestütztes Monitoring der Pflanzenproduktion (ResKIPP) und ein digitaler Zwilling für den kontrollierten Anbau (SenCEA).
Entstanden sind die Vorhaben an der Professur Regelungstechnik und Systemdynamik der TU Chemnitz, wo ich sie bearbeitet und geleitet habe.
Landwirtschaftliche Produktion erzeugt Daten aus unterschiedlichen Quellen und in unterschiedlichen Takten: zerstörungsfreie Sensorik am Produkt, Umwelt- und Klimadaten, Bild- und Spektraldaten, Prozessdaten aus Lagerung und Logistik. Die Frage dahinter ist über alle Vorhaben hinweg dieselbe geblieben: Was passiert mit dieser Charge, diesem Bestand, dieser Kultur, und was ist jetzt zu tun?
Qualitätsverlust im Lager, Krankheitsrisiko im Bestand, der richtige Ernte- oder Auslagerungszeitpunkt: Das waren Erfahrungsentscheidungen. Sie werden prognostizierbar, sobald die Datenlage stimmt und das Modell zur Datenlage passt.
Die schwierige Arbeit liegt selten im Modell. Sie liegt darin, mehrjährige Messkampagnen über viele Standorte und Saisons so aufzubereiten, dass ein Modell darauf überhaupt etwas lernen kann, das im nächsten Jahr noch gilt.
| Vorhaben | Zeitraum | Inhalt | Rolle und Förderung |
|---|---|---|---|
| BigApple | 2017–2023 | Erntezeitpunkt- und Krankheitsprognose für Äpfel | Bearbeitung |
| Apfel4Null | 2020–2023 | Qualitätsprognose für gelagerte Äpfel über multivariate Zeitreihenklassifikation | Projektleitung; 350.000 € Förderung der Bundesanstalt für Landwirtschaft und Ernährung (BLE) |
| ResKIPP | 2023 | Resilientes KI-gestütztes Monitoring pflanzlicher Produktionsprozesse | Antragstellung und Einwerbung; 590.000 € Förderung des Freistaats Sachsen, TU Chemnitz |
| SenCEA | 2023–2026 | Sensorbasierte Effizienzsteigerung im kontrollierten Anbau, digitaler Zwilling mit modellprädiktiver Regelung | Projektleitung |
Sensorfusion, multivariate Zeitreihen und prognosegestützte Entscheidungen sind nicht agrarspezifisch. Dieselbe Methodik trägt dort, wo Maschinen, Prozesse und Anlagen Zeitreihen erzeugen:
Dr.-Ing. Grigory Devadze. Promotion in Elektrotechnik und Informationstechnik, Studium der Angewandten Mathematik, langjährige Tätigkeit in Forschung, Softwareentwicklung und Lehre.
Kurzes Vorgespräch, dann eine Einschätzung, ob Ihre Datenlage für eine Prognose reicht und was der nächste Schritt wäre.
Dr.-Ing. Grigory