Sichere Datennutzung in der Landwirtschaft

Forschungsprojekt Smarte Daten Smarte Dienste (SDSD) erfolgreich abgeschlossen

Smarte Daten Smarte Dienste
Gesamtübersicht SDSD

Drei Jahre Forschungs- und Entwicklungsarbeit fanden im September 2020 ihren erfolgreichen Abschluss. Die Ergebnisse des Gemeinschaftsprojekts Smarte Daten Smarte Dienste (SDSD) sind öffentlich verfügbar und so vielversprechend, dass sich neben den Projektpartnern bereits zwei weitere Unternehmen mit einer Nutzung der Forschungsergebnisse für konkrete Produkte befassen. Diee sollen Landwirten und Lohnunternehmern, als jeweils personalisierter Agrardatenspeicher und sogenannter Single Point of Truth, zur Verfügung stehen. Die Möglichkeit der Dienste-Anbindung, wie zum Beispiel die zentrale Verwaltung von Feldgrenzen / Grenzlinie, sollen die neuen Produkte abrunden.

In enger Zusammenarbeit mit dem Konsortialführer Maschinenfabrik Bernard Krone GmbH übernahm das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) wissenschaftliche und technische Leitungsfunktionen. Die SDSD-Forschungsergebnisse beschreiben eine cloudbasierte Speicher- und Dienste-Lösung für die Digitalisierung in der Landwirtschaft. Bei fast allen Prozessen im Agrarsektor fallen zahlreiche, meist kleine Datenpakete an, teilweise höchst vertraulich und mit großem Wert. SDSD hat Lösungen für die sichere Aufbewahrung von Daten und vor allem für die Datenaufbereitung entwickelt mit dem Ziel, den größtmöglichen Nutzen aus den Daten zu erzielen. Außerdem ist eine Schnittstelle für externe Dienste vorgesehen. Mit einer universellen Datenaustauschplattform wie agrirouter können Daten in Richtung SDSD gesendet oder aus SDSD heraus empfangen werden.

Hinter diesem Fortschritt bei der Digitalisierung der Landwirtschaft stecken 6500 Arbeitstage Entwicklungsarbeit und 40 Monate Arbeit von neun Projekt- und weiteren zehn assoziierten Partnern, die in über 100 Projekttreffen die Arbeiten an SDSD vorangebracht haben. Zwei der rund vier Millionen Euro Entwicklungsmittel kamen vom Bundeministerium für Ernährung und Landwirtschaft (BMEL). Die Projektträgerschaft hatte die Bundesanstalt für Landwirtschaft und Ernährung im Rahmen des Programms zur Innovationsförderung übernommen. 

Die Motivation der Beteiligten für das Projekt lässt sich an einer Reihe von Fragen festmachen, zu denen SDSD Antworten geliefert hat: Wie soll der Endkunde mit den Daten seiner Arbeits- und Produktionsprozesse umgehen? Wo und wie soll man die Daten speichern, damit sie bei Bedarf schnell verfügbar, mit Geschäftspartnern austauschbar und dennoch vor fremden Zugriffen geschützt sind? Wie kann man Maschinendaten unterschiedlicher Hersteller nutzen und Kompatibilitätsprobleme lösen? Welche Daten müssen dauerhaft gespeichert und welche können nach bestimmten Fristen gelöscht werden?

Im SDSD Projekt hatten sich Landtechnik, Agrarelektronik und Agrarsoftware-Hersteller (AGCO, Competence Center ISOBUS, DKE-Data, Grimme, Krone, Müller-Elektronik, Same Deutz-Fahr) sowie das DFKI und die Hochschule Osnabrück zusammengetan und gemeinsam Antworten erarbeitet.

Der SDSD Nutzen

Im Kern geht es bei SDSD um das eigenbestimmte Speichern von Daten und den gesteuerten Zugriff auf diese eigenen Daten, also um einen personalisierten Agrardatenspeicher, denn die Verfügbarkeit von Wissen spielt in der modernen Landwirtschaft eine immer wichtigere Rolle.

Mit Umsetzung der SDSD Erkenntnisse in konkrete Angebote beziehungsweise Systeme wird zum Beispiel der Landwirt zukünftig aus seinen Ertragskarten früherer Jahre Ertragspotenzialkarten für seine Felder durch einen Dienst ermitteln lassen. So wird neues Wissen aus bestehenden Informationen generiert und über die Jahre hinweg vergrößert. Über die Speicherdauer entscheidet der Nutzer.

Die hier beschriebene Art der Datenspeicherung und -nutzung ist nicht nur je Landwirt individuell und privat, sondern hat auch regionalen Bezug, die Daten bleiben im Land. Das soll aber nicht ausschließen, von ähnlichen Projekten in Nachbarländern zu lernen und gegebenenfalls „best practice“ Erfahrungen auszutauschen. 

Immer kompatibel

Die Software kann wechseln, die Daten stehen immer zur Verfügung, denn nach der Nutzung wandern sie wieder in den sicheren digitalen Speicher des Nutzers. Ein aus den SDSD Forschungsergebnissen entwickeltes Produkt kann dann kontinuierlich an zukünftige Datenformate angepasst werden und damit buchstäblich mit seinen Aufgaben wachsen. Außerdem wird jeder Endkunde sein System zukünftig an verschiedene Datenaustauschplattformen anbinden können und damit komfortabel mit Maschinen und Agrarsoftware-Lösungen verschiedener Hersteller kommunizieren. 

Daten speichern – Daten nutzen

Ein auf den SDSD Forschungsprojekt Ergebnissen aufgebautes Produkt wird zunächst als Speicherdienst funktionieren, der dem Nutzer nicht nur die volle Kontrolle über seine Daten, zum Beispiel dauerhafte Speicherung oder termin- und inhaltsgesteuerte Löschung, überlässt, sondern sie vor allem systematisieren sowie inhaltlich aufbereiten kann (Smarte Daten) und das auch mit unterschiedlichen Datenformaten. Das lässt sich mit einem Hochregallager vergleichen, in dem, je nach Ergebnis der Wareneingangskontrolle, die Daten in ihr zugewiesenes Fach wandern: Grenzlinien in Fach A, Ertragsdaten in Fach B usw..

Mit den konvertierten und optimierten Smarten Daten können weitere Aufgaben (Smarte Dienste) erledigt werden, die mit unbehandelten Daten nicht zu bewältigen wären. Das kann zum Beispiel ein Feldgrenzen-Tool sein, mit dessen Hilfe Ungenauigkeiten im GPS-Sensor, wodurch aufgenommene Geo-Informationen verzerren und Löcher oder Fragmente in der Feldaufzeichnung entstehen, beseitigt werden. SDSD bereinigt diese Feldgrenzen durch Glättung.

Ein weiteres Beispiel ist die Korrelation von Daten wie Düngereinsatz und Erträge oder Kulturen- / Sortenauswahl und Niederschlagsmengen. Alle Entscheidungen, die der Landwirt aus seinem ureigenen Wissen ableitet, kann er künftig speichern und für neue Entscheidungen heranziehen. Außerdem ermöglicht das gesammelte Wissen über Produktionsprozesse dem Nutzer natürlich auch eine Schwachstellenanalysen mit anschließender Optimierung. Mit jedem Wirtschaftsjahr wächst das Wissen. Die Datenbasis liegt immer zentral vor und wird als Entscheidungshilfe immer besser.

Weitere mögliche Anwendungen, die in SDSD bereits erprobt wurden, umfassen (Auswahl):

  • ein Warnsystem, dass PKWs und Motorräder auf langsam fahrende Landmaschinen im Straßenverkehr hinweist,
  • ein Konvertierungswerkzeug (Übersetzer) für die Datenformate ISOXML und EFDI,
  • ein Lane Converter (z.B. um Aussaatspuren in Erntespuren zu wandeln),
  • einen Wetterdienst,
  • ein Düngebilanz-Tool,
  • Anbindung Telematik-Systeme,
  • diverse Service-, Qualitäts- und „Reparatur“-Dienste (z.B. GPS-Fahrspuren, Grenzlinien),
  • sowie Entwicklungswerkzeuge zur Anbindung von Farmmanagement-Informationssystemen (FMIS).

Zusätzlich kann ein Nutzer festlegen, ob und gegebenenfalls welches Wissen er mit wem teilen möchte, sei es als Gesamtpaket für die nächste Generation oder als kleines Datenpaket zur Verbesserung der Zusammenarbeit zwischen Landwirt und Lohnunternehmer.

Hohe Freiheitsgrade

Diese Smarten Daten ermöglichen die Nutzung Smarter Dienste, wie zum Beispiel dem oben beschriebenen Düngebilanzierungsdienst oder einem Validierungstool für Auftragsdaten (Taskdata.zip nach ISO 11783). Das Datenmanagement erleichtert den Beteiligten nicht nur viele Arbeitsgänge, es schafft auch Mehrwert, weil es den bestmöglichen Nutzen aus der Verknüpfung von Daten erzeugt. Dabei lässt es dem Nutzer völlige Freiheit bei der Wahl von Agrarsoftware wie Farmmanagement-Informationssystemen. Datenspeicherung und -verwaltung übernimmt dann nicht mehr das FMIS, sondern unabhängig davon das SDSD Tool. Die FMIS-Anwendungen bzw. Apps greifen dann auf diesen „Single Point of truth“ als geschützte und zuverlässige Datenquelle zu. So kann beispielsweise ein Feld im SDSD Tool mit einem Basisdienst geteilt werden und alle berechtigten Apps/FMIS bekommen das mit. Der Landwirt oder Lohnunternehmer nimmt die Anpassung seiner Daten nur einmal vor. Synchronisierungsprobleme entfallen. Der Landwirt bleibt Herr über seine Daten und bestimmt selbst, wer einen Auszug seiner Daten nutzen darf.

Nutzung und Weiterentwicklung 

SDSD Forschungsergebnisse werden vielfältig weitergeführt. Besonders wichtig sind Grundlagen für neue Standards, darunter EFDI (Extended FMIS Data Interface). Dafür wurde eine offizielle Guideline im AEF etabliert und freigegeben und eine weltweite Standardisierung innerhalb DIN / ISO angeschoben. Damit wird EFDI als Basis für weitere Anwendungen und Projekte zur Verfügung stehen. Insgesamt werden die SDSD Resultate eine schnelle und moderne „De Facto“ Standardisierung zur Folge haben, denn sie sorgen bereits für eine in diese Richtung zielende Diskussion im VDMA und im AEF wurden ebenfalls neue Prozesse angestoßen. 

Auch für Landtechnikhersteller wird eine Umsetzung der SDSD Forschungsergebnisse Fortschritte bringen, wie etwa bei Standardisierungsthemen und erhöhten Kundennutzung durch Mehrwertdienste für Maschinen.

Ausblick

Die Nutzung von SDSD via Datenaustauschplattformen soll und wird ganz automatisch die Verzahnung von Forschung und Praxis verbessern. Mit einem SDSD Tool (Produkt) kann zukünftig jeder Landwirt und Lohnunternehmer unabhängig von den von ihm genutzten Diensteanbietern seinen individuellen Agrardaten-Speicher nutzen und über mehrere Erntejahre aufbauen. SDSD bildet damit einen weiteren wichtiger Baustein für die digitale Prozessoptimierung.

Alle Beteiligten des Forschungsprojekts werden diesen Prozess über mehrere Jahre begleiten. Ziel ist dabei immer, die Potenziale zur Systemintegration innovativer Forschung von Beginn in Maschinen, Sensorik, KI Module, Beratung, neue Geschäftsmodelle usw. zu integrieren und dadurch ein Auseinanderdriften von Praxis und Forschung zu verhindern. Dabei geht es immer um digitale Technologie, die pragmatische Lösungen für komplexe Aufgaben liefert, kostengünstig ist und nachhaltigen Nutzen für alle bringt.

Beitrag teilen auf:

Kontakt:

Dr. Ansgar Bernardi
Jan Horstmann

Maschinenfabrik Bernard Krone GmbH & Co. KG

Deutsches Forschungszentrum für Künstliche Intelligenz
German Research Center for Artificial Intelligence