Architektur eines unabhängigen Expertennetzes für die Landwirtschaft für das Zeitalter der Digitalisierung (FarmExpert 4.0)

Obwohl die Landwirtschaft technologischen Neuerungen in der Produktion aufgeschlossen ist und diese einsetzt, ist gerade die landwirtschaftliche Beratung bisher noch verhältnismäßig wenig digitalisiert. Es ist gängige Praxis in der landwirtschaftlichen Produktion und Beratung, gesetzliche Regelungen, Fachliteratur und Betriebsdaten in analoger Datenform zu verwenden und in unstrukturierte, digitale Dokumente zu übertragen. Im vorliegenden Projekt wird zur Unterstützung der Landwirte und der Pflanzenbauberatung ein prototypisches Entscheidungshilfesystem entwickelt, welches die Beratung in der Landwirtschaft digital unterstützt. Das System erleichtert die Wissensvernetzung, indem es aktuelles Fach- und Expertenwissen sowie individuelle Betriebsdaten abruft, aufbereitet und zweckgebunden auswertet.

Für die Pflanzenbauberatung ergeben sich durch integrative und datengetriebene Ansätze neue Chancen und Herausforderungen. Die Aufgabe, über den Einzelbetrieb hinaus bei der überbetrieblichen Analyse der zeit- und ortsgebundenen Daten betriebsindividuell zu beraten, erfordert eine gute Vernetzung. Der Pflanzenbauberater mit langjährigen Erfahrungen und aktuellem Fachwissen ist hierbei für den interdisziplinär arbeitenden Landwirt eine große Hilfe, um dem steigenden Effizienz- und Qualitätsdruck aller Stakeholder der gesamten Wertschöpfungskette gerecht zu werden. Dieser Experte ist wiederum auf einen themen- und fragenspezifisch schnellen Zugriff auf personalisiertes und standortspezifisches Wissen in gesicherter Datenqualität angewiesen (s. Abb. 1).

Abb. 1: Vernetzung des internen und externen Daten-Ökosystems

Um diese Herausforderungen zu meistern, bietet es sich an, die Landwirte und Berater mittels eines entsprechenden Expertennetzes zu unterstützen. Dieses Expertennetz integriert verschiedenste Datenquellen fachlich und technisch in eine einheitliche Wissensbasis, um in einer Abfrage auf sämtliches Wissen gleichzeitig zugreifen und entsprechende Zusammenhänge herstellen zu können. Das Verbundprojekt verwendet zur Umsetzung dieser Datenkonnektivität Semantic Web Technologien wie OWL-Ontologien und SPARQL-Abfragen (SPARQL Protocol and RDF Query Language). Diese Technologien ermöglichen es, diese Daten hinsichtlich ihrer Bedeutung, d. h. semantisch, zu modellieren und zur Verfügung zu stellen.

In den weiteren Projektphasen ist geplant, bei der Integration von bisherigen und zukünftigen Datenquellen verstärkt maschinelle Schnittstellen einzusetzen, um größere Datenmengen zu importieren. Der Abdeckungsgrad und das Hintergrundwissen für häufige landwirtschaftliche Fragen könnte dadurch wesentlich erhöht werden. Außerdem hilft es dem Anwender, flexibler auf Änderungen bei fachlichen und gesetzlichen Gegebenheiten zu reagieren.
Ein weiterer Fokus im weiteren Verlauf des Projekts wird der maschinelle Live-Zugriff auf bestehende Datenbanken und Webservices sein. So könnten aktuelle Daten wie beispielsweise Wettervorhersagen bei Entscheidungsfindungen mit einfließen und mit bestehenden landwirtschaftlichen Software-Systemen verknüpft werden. Ein weiteres Ziel ist, Landwirte langfristig zu entlasten, indem Betriebsdaten und Feldmaßnahmen nur einmalig direkt bei der Ausführung eingegeben und vom gleichen oder von anderen Systemen mehrfach automatisch wiederverwendet werden – eine Einwilligung des Landwirts zur Weitergabe dieser sensiblen Daten vorausgesetzt.

Letztendliches Ziel des Forschungsprojekts FarmExpert 4.0 ist die Entwicklung einer Architektur eines dauerhaft nutzbaren Expertennetzwerks für die pflanzliche Produktion. Die Unabhängigkeit von Unternehmensinteressen, eine kontinuierliche Verfügbarkeit, die Datensicherheit und der Datenschutz stehen bei der Entwicklung im Fokus.

Bitte beachten Sie dazu auch das Dokument "Mehr Daten für Beratung" sowie die weiteren Publikationen und Pressemitteilungen im Anschluss daran.

Ergebnisse aus dem Projekt

Kurzbericht zum Projektabschluss

A Digital Advisor Twin for Crop Nitrogen Management

Weckesser, F.; Beck, M.; Hülsbergen, K.; Peisl, S. (2022)

Agriculture 12, 302 (2), S. 1-22.
DOI: 10.3390/agriculture12020302

Open Access Peer Reviewed

ABSTRACT

Farmers and consultants face an unmanageable amount of diverse knowledge and information for crop management decisions. To determine optimal actions, decision makers require knowledge-based support. In this way, decisions can be improved and heuristics can be replaced over time. The study presents a digital knowledge base with an integrated decision support system (DSS), using the example of nutrient supply, specifically nitrogen (N), fertilization. Therefore, the requirements of farmers and crop consultants for DSS to inform fertilization decisions for winter wheat (Triticum aestivum L.) were elaborated using surveys, expert interviews, and a prototype test. Semantic knowledge was enriched by expert knowledge and combined in a web application, the Crop Portal. To map regional and personal decision making patterns and experiences, the tacit knowledge on the complex advisory problem of N fertilization is made digitally usable. For this purpose, 16 fuzzy variables were specified and formalized. Individual decision trees and their interactions with an integrative knowledge base were used to multiply the consulting reach of experts. Using three consultants and nine model farms from different soil–climate areas in Germany, the Crop Portal was tested under practical conditions and the perceived pragmatic and hedonic quality of the system was evaluated using a standardized questionnaire. The field test showed that the variation in fertilizer recommendations from the ‘digital advisor twin’ ranged from 5 kg N ha⁻¹ to 16 kg N ha⁻¹ when compared with the decisions of the experts in the field. The study presents the participatory development and evaluation of a rule-based DSS prototype in agricultural practice.

Ontology-Based Decision Support System for the Nitrogen Fertilization of Winter Wheat

Kessler, I.; Perzylo, A.; Rickert, M. (2021)

Proceedings of the 14th International Conference "Metadata and Semantic Research", MTSR 2020, Madrid, Spain, December 2–4, S. 245-256.
DOI: 10.1007/978-3-030-71903-6_24

Peer Reviewed

ABSTRACT

Digital technologies are already used in several aspects of agriculture. However, decision-making in crop production is still often a manual process that relies on various heterogeneous data sources. Small-scale farmers and their local consultants are particularly burdened by increasingly complex requirements. Regional circumstances and regulations play an essential role and need to be considered. This paper presents an ontology-based decision support system for the nitrogen fertilization of winter wheat in Bavaria, Germany. Semantic Web and Linked Data technologies were employed to both reuse and model new common semantic structures for interrelated knowledge. Many relevant general and regional data sources from multiple domains were not yet available in RDF. Hence, we used several tools to transform relevant data into corresponding OWL ontologies and combined them in a central knowledge base. The GUI application of the decision support system queries it to parameterize requests to external web services and to show relevant information in an integrated view. It further uses SPARQL queries to automatically generate recommendations for farmers and their consultants.

Entscheidungsunterstützung durch Datenvernetzung - Ein Fallbeispiel der Pflanzenbauberatung

Weckesser, F.; Hartmann, A.; Beck, M.; Peisl, S. (2020)

Lecture Notes in Informatics, Informatik in der Land-, Forst- und Ernährungswirtschaft, Proceedings 2020 (299), S. 337-342.

Peer Reviewed

ABSTRACT

Der Bayerischen Landwirtschaft stehen eine Vielzahl von Informationen zur Verfügung, welche als Basis für fundierte Entscheidungen im landwirtschaftlichen Produktionsprozess dienen. Um diese Fülle an Information gebündelt und fachlich sinnvoll verknüpft für Landwirte und Berater verfügbar zu machen, wird eine digitale Wissensbasis, als Grundlage für eine bessere Ausnutzung von Effizienzsteigerungspotenzialen im Pflanzenbau, entwickelt. Die Modellierung der Daten-konzepte in OWL-Ontologien und die Datenhaltung in RDF-Graphdatenbanken bilden die Basis für ein unabhängiges Expertennetzwerk. Am Fallbeispiel Stickstoffdüngung im Winterweizen entstehen unter Einbeziehung von realen Betriebsdaten erste Bausteine dieser Wissensbasis.

Daten vernetzen, unabhängig beraten

Weckesser, F.; Peisl, S.; Beck, M.; Hartmann, A.; Röhrl, G.; Kessler, I.; Perzylo, A....

Bayerisches Landwirtschaftliches Wochenblatt (16), S. 22-23.

ABSTRACT

Das unter Projektleitung der Hochschule Weihenstephan-Triesdorf durchgeführte Forschungsprojekt Farm-Expert 4.0 soll eine breite digitale Datengrundlage schaffen. Damit will das Landeskuratorium für pflanzliche Erzeugung in Bayern e.V. (LKP) die betriebs- und standortindividuelle Beratungsqualität und -effizienz weiter steigern. Die digitale Bereitstellung von landwirtschaftlichem Fachwissen erhöht den Aussagewert und unterstützt Landwirt und Beratung bei der Entscheidungsfindung. Der Beitrag erläutert Zielsetzungen, Vorgehensweisen und erste Ergebnisse des Projekts sowie Ausblicke zur Implementierung und Verstetigung in der Praxis.

Wissensbasierte digitale Unterstützung in der Pflanzenbauberatung

Nafissi, A.; Weckesser, F.; Kessler, I.; Rickert, M.; Pfaff , M.; Peisl, S....

Lecture Notes in Informatics, Informatik in der Land,- Forst- und Ernährungswirtschaft, Proceedings 287, S. 145-150.

Peer Reviewed

ABSTRACT

Obwohl die Landwirtschaft schon immer technologische Neuerungen in der Produktion einsetzt, ist gerade die landwirtschaftliche Beratung bisher noch verhältnismäßig wenig digitalisiert. Oft ist es gängige Praxis für Landwirte und Berater, gesetzliche Regelungen, Fachliteratur und Betriebsdaten in Papierform nachzuschlagen und in unstrukturierten, digitalen Dokumenten einzutragen. Zur Unterstützung der Landwirte und der Pflanzenbauberatung wird ein Entscheidungshilfesystem entwickelt, welches die Beratung in der Landwirtschaft digital unterstützen und erleichtern soll, indem es aktuelles Fach- und Expertenwissen sowie individuelle Betriebsdaten abruft, aufbereitet und zweckgebunden auswertet. Dafür ist es notwendig, das entsprechende Fachwissen aus vielfältigen heterogenen Datenquellen in einer einheitlichen Wissensbasis verfügbar zu machen. Der hier beschriebene Ansatz verwendet Semantic-Web-Technologien wie OWL-Ontologien und SPARQL-Abfragen, um diese Daten hinsichtlich ihrer Bedeutung, d. h. semantisch, zu modellieren und abzufragen.