Smart Services in der Lebensmittelproduktion: von Smart Farming zu datengetriebenen Geschäftsmodellen

Bilder
Intelligente Dienstleistungen sorgen für Transparenz beim Anbau und der Weiterverarbeitung von landwirtschaftlichen Gütern. Am Beispiel der Produktion von Speisekartoffeln zeigt der DFKI-Forschungsbereich Smart Service Engineering, wie der Weg von Kartoffeln vom Feld in die Fabrik für alle Beteiligten, vom Bauern über Lieferanten und Produzenten bis hin zum Rohstoffinvestor, transparent werden kann.

Am DFKI-Stand in Halle 27, Stand F 62 auf der CEBIT 2018 demonstrieren die Forscher die service-orientierte Weiterentwicklung der intelligenten Kartoffel „nPotato“ und suchen Partner, um sie für den Praxiseinsatz tauglich zu machen.

 

„nPotato“ sorgt dafür, dass der Landwirt in Echtzeit erfährt, ob die Einstellung seiner Vollerntemaschinen optimal ist und ob die Ernte auskömmlich ist oder Optimierungspotenzial besteht. Basierend auf diesen Daten werden mittels Deep Learning Technologien Prognosen erstellt, wie viel Gewinn mit der aktuellen Ernte erwirtschaftet wird. Erweitert wird die „nPotato“ durch „Smart Services“. Hierfür wird eine digitale Verwaltungsschale nach RAMI 4.0 erzeugt, eine Art Logbuch, das so viele Informationen wie möglich über die Kartoffel-Charge enthält.

Mit der "schmerzempfindlichen" künstlichen Knolle ermitteln die Forscher, wie viele Schläge die Kartoffeln abbekommen: „Wir setzen vor Ort auf dem Feld unsere so genannte nPotato ein“, sagt Projektmanagerin Sabine Janzen. Der Kartoffelroder erntet diese mit und die „nPotato“ nimmt denselben Weg durch die Erntemaschinerie wie ihr echtes Pendant. Mittels Sensoren erfasst sie Stöße und Rotationen. Wird es zu viel, warnt sie. „Um physische und virtuelle Gegenstände zu vernetzen, die Stöße zu klassifizieren und Schlussfolgerungen zu ziehen, kombinieren wir Methoden des maschinellen Lernens, so genannte Deep Learning-Verfahren, mit Informations- und Kommunikations-Technologien“, erklärt Sabine Janzen.

Anschließend werden die Daten analysiert, die Qualität der Ernte wird eingestuft und mit Hilfe der Low-Code Plattform TUCANA werden verschiedene Sichten für den Traktorfahrer, den Landwirt im Büro und zukünftige Produzenten dargestellt. So können weitere Geschäftsmodelle entwickelt werden: Von der Entscheidungshilfe für den Landwirt, wann er die Kartoffeln am besten auf den Markt bringt, bis hin zu Qualitätsstufen, ob sich die Charge für den Sternekoch oder eher für Stärkemehl eignet. Auch Produktionsmaschinen können sich anpassen und zum Beispiel die Kartoffelschale tiefer abschälen. Rohstoffinvestoren können durch Qualitätssiegel Käufe absichern. „Wenn wir die Daten mehrerer Landwirte zusammen betrachten, sind uns noch weitergehende Prognosen möglich. So könnten sich Chips-Hersteller für eine andere Kartoffelsorte entscheiden, wenn die Erntequalität absehbar so ausfällt, das bei der anderen Sorte in drei Monaten ein Problem entsteht“, erklärt Professor Maaß, Leiter des DFKI Forschungsbereichs Smart Service Engineering.

Weitere Informationen
https://www.dfki.de/web/forschung/sse

Kontakt
Prof. Dr. Wolfgang Maaß
Leiter Forschungsbereich Smart Service Engineering
E-Mail: Wolfgang.Maass@dfki.de
Tel.: +49 681 302 64736