Cloud-Einsatz in der Landwirtschaft Gesichtserkennung bei Kühen – und andere innovative Agrar-Lösungen

Die Digitalisierung der Landwirtschaft ist in vollem Gange, denn der steigende Kostendruck, der Klimawandel und der Mangel an Fachkräften zwingen die Betriebe in aller Welt zu optimierten, kosteneffizienten Systemen in allen Tätigkeitsbereichen. Die Cloud wird daher auch in der Agrarwirtschaft zum Innovationsmotor.

Die Landwirtschaft ist ebenso vielfältig wie ihre Anforderungen. Zwar sind Grundvoraussetzungen wie Datenerfassung und Analyse, Planung und IoT-Einsatz auch in anderen Branchen zu finden, aber in der Landwirtschaft finden sich nicht nur eine Vielzahl von Akteuren, Geräten, Fuhrparken, chemischen Stoffen (Dünger) und Viehbeständen, sondern auch zahlreiche Umwelteinflüsse wie etwa Klima, Wasservorkommen und Schädlinge, die sich laufend ändern. Mehr als in anderen Branchen ist es daher notwendig, Analysen und Planungen an Echtzeitbedingungen zu knüpfen.

Cloud-Ressourcen werden daher zunehmend genutzt, weil sie die regelmäßige Anschaffung leistungsfähigerer, skalierbarer IT-Ressourcen in den Bereichen Storage, Rechenleistung und Netzwerk erübrigen. Der jeweilige Dienstleister kümmert sich um die leistungsfähigste Infrastruktur und stellt diese an den nötigen Zugangspunkten zur Verfügung, manchmal weltweit, wie etwa bei Bayer Crop Science. Saisonal lässt sich die abonnierte Leistung und Kapazität dem Bedarf anpassen und skalieren. Im Hinblick auf eine digitale oder geschäftliche Transformation gelten höhere Ansprüche.

„Man kann nicht managen, was man nicht messen kann“, lautet eine alte Managerweisheit. Doch um etwas messen zu können, muss man erst einmal die entsprechenden Daten erfassen. Ein Agrarunternehmen kann heutzutage – etwa in Brasilien oder in USA – durchaus mehrere hundert oder tausend Hektar groß sein, einen Fuhrpark inklusive Drohnen sowie einen Viehbestand umfassen. Dies sind unterschiedlichste Datenquellen, die es zentral zu integrieren gilt.

Cloud-Plattformen für die Agrarwirtschaft

Der erste Schritt kann in einem sensorbasierten Netzwerk erfolgen, das das ganze Unternehmen durchdringt, alle relevanten Daten im JSON-Format in einem AWS IoT-Core zusammenführt. Im zweiten Schritt veranlasst eine Core-Regel, alle Daten an einen Streaming Manager wie etwa Amazon Managed Streaming for Apache Kafka (MSK) weiterzuleiten. Dieser speichert die Daten in einer JSON-kompatiblen Serverless-Datenbank wie etwa Amazon DocumentDB (with MongoDB compatibility) oder MongoDB. Containerisierte Microservices greifen auf Kafka und die jeweilige Datenbank zu, um die Daten aus Sensoren und anderen Datenquellen wie etwa dem Wetter zu verarbeiten.

Die in diesem Fall auf Amazon ECS gehosteten Microservices verarbeiten die Daten aus Amazon DocumentDB mit einer entsprechenden Reporting- und Analyse-App (etwa Amazon QuickSight oder MS PowerBI) und benachrichtigen den Nutzer oder andere Apps mithilfe eines Benachrichtigungsdienstes. Um diese Architektur ereignisbasiert und schnell zu machen, lässt sich ein Trigger wie Amazon EventBridge einbauen, der eine Funktion in einem serverlosen Datenverarbeitungs-Dienst wie AWS Lambda auslöst, die regelmäßig Wetter-Updates oder Bodenprobendaten von Laboren abruft.

Um einen externen Zugang für Versicherungen, Landwirtschaftsbeamte oder andere Farmer zu öffnen, lässt sich optional ein API Gateway einrichten. Da die meisten Komponenten, inklusive Machine-Learning-Modelle, serverlos arbeiten, wird nur wenig Rechenleistung und Speicherkapazität benötigt.

Das gilt auch für den Analytik-Service Amazon Athena, der nicht nur Petabyte an Daten verarbeitet, sondern auch über viele Konnektoren verfügt. So etwa auch zu Machine Learning-Werkzeugen, die Vorhersagen hinsichtlich des Ertrags sowie Planungen im Bereich Predictive Maintenance erlauben. Es sind aber auch Lösungen für automatisierte Entscheidungen realisierbar.

AWS, MS Azure FarmBeats und Google Mineral stellen entsprechende Services zur Verfügung. Die Bayer CropScience AG, bislang ein AWS-Kunde, kooperiert seit März 2023 mit Microsoft im Bereich Landwirtschaft, um eine gemeinsame Plattform zu entwickeln. Denn auch Azure verfügt über Machine Learning-Tools und KI-Fähigkeiten.

Roboter & Co. im Feldeinsatz

Der Fachkräftemangel macht auch vor der Landwirtschaft nicht Halt. Bieten sich Roboter und Drohnen dazu an, nicht nur die Arbeitstätigkeit vorhandenen Personals zu erleichtern, etwa mit GPS-gesteuerten und drohnenüberwachten Treckern, sondern auch fehlende Arbeitskräfte zu ersetzen. Die Automatisierung, die durch Robotik, ML und KI ermöglicht wird, hilft den Farmunternehmen, zentrale Produktionsflüsse zu optimieren und Lücken darin auszufüllen, ja, sogar neue Tätigkeitsfelder zu erschließen, um besser auf einem umkämpften Markt bestehen zu können.

Manche Agrarunternehmen streben danach, die Verfügbarkeit und Effizienz ihres Maschinenparks zu erhöhen: die Overall Equipment Effectiveness (OEE). Dafür stellt beispielsweise AWS eine spezifische Lösung bereit. Sie liefert Erkenntnisse aus dem Maschinenpark und automatisiert zentrale Abläufe für die Geräteverwaltung, so etwa die Erteilung von Aufträgen für Wartungsarbeiten oder die Bestellung von Ersatzteilen.

Nachhaltigkeit und CO₂-Reports

Der Ausstoß von Kohlendioxid wird zunehmend zu einem Kostenfaktor, daher ist es für die Agrarbetriebe wichtig, ihre Emissionen in der Agri-Food-Wertschöpfungskette zu überwachen und zu verringern. Für einen Nachhaltigkeitsreport ist die automatisierte Berechnung des CO₂-Fußabdrucks notwendig, der sich aus verschiedenen Quellen zusammensetzt. Agrarprodukte sind mit einem Carbon Footprint of Product (CFP) verbunden, der direkt Einfluss auf die Umwelt und das Klima hat. Über den CFP können sich Betriebe differenzieren. Je besser der CFP-Wert ausfällt, desto attraktiver sind die Produkte für klimabewusste Käufer.

Automatisierte Lösungen wie etwa die Handlungsempfehlung (engl. „Guidance“), die AWS dafür bereitstellt, können das Vorgehen und die Implementierung beschleunigen. Mit den Services, die in diese Guidance-Lösung integriert sind, lassen sich CO₂-Hotspots aufspüren, der CFP berechnen und Reports für Klimaschutz-Compliance erstellen.

Ein weiterer Leitfaden soll die Erstellung eines Frameworks für Nachhaltigkeitsanalysen ermöglichen. Die nächste Stufe ist die Erfüllung des Lieferkettentransparenzgesetzes durch entsprechende Analyse-Lösungen und Tools, die sich bei AWS, Microsoft oder Google finden. Die damit erzielte Transparenz der Lieferkette hilft den Agri-Food-Unternehmen, sich gegenüber dem Wettbewerb zu differenzieren.

Das Projekt Carbonview bei Bayer Crop Science

Bayer CropScience (CS) ist einer der größten Dienstleister weltweit, wenn es um die Planung und Optimierung von Ernten geht. Bayer hat jüngst ein IT-Projekt mit Microsoft begonnen, ist aber eigentlich seit geraumer Zeit ein AWS-Kunde. Deshalb verwundert es nicht, wenn Bayer CS über sein Projekt „Carbonview“ auf der AWS-Webseite berichtet.

Regulierungsbehörden und Kunden wollen immer häufiger die gesamten Treibhausgasemissionen eines Produkts kennen. Eine Komponente dieser Emissionen stammt aus Anlagen, die ein Hersteller nicht besitzt oder kontrolliert, die aber in seiner Wertschöpfungskette entstehen. Diese Emissionen werden als „Scope 3“ bezeichnet und sind von Natur aus schwer zu messen.

Doch im Dezember 2021 stellten Bayer, Bushel und AWS ein Tool vor, das es den US-Ethanolproduzenten, die Kraftstoff aus Mais herstellen, ermöglichen soll, den durchgängigen Kohlenstoff-Fußabdruck ihrer Lieferketten zu messen und zu melden. „Die Verbraucher verlangen nach nachhaltigeren Produkten, während Regulierungsstellen und Behörden mehr nachhaltige Praktiken fordern”, schreibt Bayer CS in diesem Bericht. „Obwohl Unternehmen, die Kraftstoff oder Lebensmittel aus Mais herstellen, die von ihnen emittierten Treibhausgase messen und überwachen können, haben sie nur einen begrenzten Einblick in die Scope 3-Emissionen (Produktion, Ernte, Transport) des Maises, bevor er in ihrer Produktionsstätte ankommt.“

Bildergalerie

Bildergalerie mit 5 Bildern

Landwirte können diese Emissionen durch nachhaltige Praktiken wie Direktsaat, Deckfrüchte, Fruchtwechsel, präzise Düngung, nachhaltige Transporte, kürzere Transportwege und die Bindung von Kohlenstoff im Boden reduzieren. Aber die Auswirkungen dieser nachhaltigen Praktiken waren für die Landwirte schwer zu messen und zu berichten. Und deren Kunde, ein Hersteller von Lebensmitteln oder Ethanol, hatte bisher keine Möglichkeit, die Nachhaltigkeit seiner Rohstoffe zu beurteilen. Sie konnten diesen Wert auch nicht gegenüber ihren Kunden demonstrieren, zum Beispiel gegenüber einem Verbraucher, der eine Schachtel Frühstücksflocken kauft.

Die Abteilung Crop Science von Bayer hat 2021 ein Konzept entwickelt, wie man Kohlenstoffdaten von landwirtschaftlichen Betrieben nutzen kann, um den Wert nachhaltiger Praktiken in der Lieferkette zu signalisieren. Bayer arbeitete mit Bushel, einem Agrotechnik-Unternehmen, und AWS zusammen, um das Konzept in eine Lösung zu verwandeln.

Das Projekt „Carbonview“ soll es den US-Ethanolherstellern ermöglichen, die Kohlenstoffemissionen entlang ihrer gesamten Lieferkette zu verfolgen, vom Maisanbau bis zur Produktion. Es wird ihnen die Daten liefern, die sie benötigen, um fundiertere Kaufentscheidungen zu treffen und ihre Kohlenstoffemissionen zu reduzieren. Das Projekt rationalisiert die Datenerfassung auf dem Bauernhof mit der „FieldView”-App von Bayer und verbindet sie mit den Liefer- und Transportdaten von 54.000 aktiven Nutzern der landwirtschaftlichen IT-Plattform von Bushel. Durch die erstmalige Zusammenführung dieser Daten zum CO₂-Fußabdruck der Endprodukte ermöglicht das Projekt „Carbonview“ den Landwirten, nachhaltigere Lieferketten zu erreichen und die Auswirkungen der Landwirtschaft auf die Umwelt zu verringern.

„Landwirte können zur Bekämpfung des Klimawandels beitragen, indem sie die Emissionen in ihren nachgelagerten Lieferketten minimieren“, sagt Jake Joraanstad, der CEO von Bushel. „Carbonview hilft Landwirten, Möglichkeiten zur Optimierung ihrer Lieferketten zu identifizieren, um Scope 3-Emissionen vom ersten Jahr an zu reduzieren.“ Das Entwickler-Team führte einen zehnwöchigen Prozess durch, um einen Machbarkeitsnachweis zu erstellen.

Das System verbindet sich mit den Daten von mehr als 54.000 aktiven Nutzern. Die Skalierungsmöglichkeiten stellte die AWS-Cloud bereit, die IoT-Services wie etwa AWS IoT GreenGrass spielten im Test eine zentrale Rolle. Die Lösung liefert Ernteanalysen binnen Minuten statt Tagen. Die Farmer haben tieferen Einblick in die Feldbedingungen. Die Datenverarbeitung am Edge und die Analyse erfolgen in einem Framework, das sich für eine breite Palette von Anwendungsfällen eignet. Die Lösung skaliert ausreichend, um Fertigungs- und andere Initiativen zu unterstützen.

Neue AGCO-Lösung erhöht Effizienz deutlich

AGCO Corporation, ein globaler Anbieter von Lösungen für die Landwirtschaft, stellt industrielle landwirtschaftliche Geräte und digitale Produkte her, die darauf ausgerichtet sind, landwirtschaftliche Betriebe zu transformieren. Das Ziel von datengesteuerten Lösungen für die Präzisions-Landwirtschaft bedeutet, Landwirte in die Lage zu versetzen, nachhaltigen, produktiven Getreideanbau und ebensolche Viehzucht zu führen sowie Ertrag und Rentabilität zu maximieren. AGCO benötigte moderne Technologie, um den Umfang der Datenverfolgung und -speicherung zu ermöglichen, der für „Smart Farming“ erforderlich ist.

Nach seiner Migration 2015 in die Cloud konzentriert sich das Unternehmen seit 2019 auf die Modernisierung mit Microservices, Automatisierung und Serverless-Architektur mithilfe von AWS-Services. Das ehemalige Blackbox-Datensystem eines Drittanbieters von AGCO schränkte das Unternehmen in der Verwendung seiner Daten ein. Entscheidend war, dass die Aufbewahrungszeit des Datenstroms nicht ausreichte, um die langen Wachstums- und Investitionszyklen in der Landwirtschaft zu berücksichtigen. Indem es dieses System durch eine Orchestrierung von AWS-Services ersetzte, darunter drei Amazon-Kinesis-Services, konnte das Unternehmen zeitnah Erkenntnisse gewinnen und schnell auf neue Informationen reagieren. AGCO hat die Datenaufbewahrungszeit und die Datenabrufgeschwindigkeit drastisch erhöht bei gleichzeitiger Kostensenkung, was seine Digital-First-Strategie ermöglicht und als Eckpfeiler für zukünftige Fähigkeiten dient.

„Amazon-Kinesis-Services bieten die Elemente, die wir benötigen, zu einem geringeren Preis. Wir erhalten eine Rendite von 1:3 oder 1:4, weil sie 60 Prozent oder mehr von dem abdecken, was wir zuvor bezahlt haben“, berichtet Paul Thornhill, Product Development Manager bei AGCO. Demnach erzielte seine Firma eine Kostensenkung um 78 Prozent gegenüber der Vorgängerlösung, erhöhte die Datenaufbewahrung auf 1,5 Milliarden Datensätze, reduzierte die Datenextraktionszeit von 8 bis 30 Sekunden auf 600 Millisekunden und verwaltet die Data Pipeline mit nur einer Person statt mit drei bis fünf Personen.

Viehzucht mit Gesichtserkennung

OneCup AI hat sich auf die Überwachung von Rindern spezialisiert. Seine KI-Lösung BETSY (Bovine Expert Tracking and Surveillance) verfügt über Funktionen für Gesichtserkennung, Nachverfolgung und Überwachung. Bei großen Rinderherden etwa in Süd- und Nordamerika kann man leicht den Überblick verlieren, und eine solche Lösung erleichtert das Zählen, was vor und nach dem Kauf bzw. Verkauf sehr wichtig ist. Auf der Basis von Nvidia-Technologie und AWS-Diensten ist OneCup AI in der Lage Videoaufnahmen des Viehs rasch zu verarbeiten. Es handelt sich hier um Milliarden von Datensätzen. Das führt aber zu Problemen hinsichtlich Skalierbarkeit, Rechenleistung und Edge Computing (IoT).

Die wichtigste Komponente kommt daher nicht von AWS, sondern von Nvidia und heißt Deepstream SDK. Das Software Developer Kit (SDK) ist ein auf Gstreamer basierendes Analyse-Toolkit, um mithilfe Intelligent Video Analytics (IVA) Videos und Standbilder KI-basiert in Echtzeit zu verstehen und mit mehreren Sensoren zu verarbeiten. Das SDK umfasst Hardware-beschleunigte Plugins, die neuronale Netze wie zum Beispiel auf TensorFlow-Basis und andere Verarbeitungsschritte in eine Datenströme verarbeitende Analyse- und Verabeitungspipeline bringen. Das SDK, das Teil von Nvidias Videoanalyse-Plattform Metropolis ist, unterstützt zudem LiDaR und Basler-Kameras für die Industrie.

„Es gab keinen Weg, unsere Technologie hochzuskalieren und sie zu testen, ohne Deepstreams vorgefertigte Systeme im AWS Marketplace und sie zu Trainingszwecken mit unseren Modellen zu kombinieren“, berichtet Geoffrey Shmigelsky, CTO und Mitgründer von OneCup AI. „Es war einfach nicht machbar. Mit den Lösungen von Nvidia und AWS können wir jetzt leicht weltweit skalieren.“

Bildergalerie

Bildergalerie mit 5 Bildern

CropX: Fuhrpark-Management für Connected Farms

Die Produktionskosten steigen unaufhörlich, am stärksten bei Arbeitskraft, Futtermitteln und Dünger. Nach einer Umfrage, die das US-Landwirtschaftsministerium USDA durchführte, verringerte sich allein durch den Kostenanstieg um 2,5 Prozent das Nettoeinkommen pro Betrieb von 2021 auf 2022 um 8,1 Prozent. Die Betriebe müssen ihre Preise erhöhen.

Gleichzeitig finden es sieben von zehn befragten Vorarbeitern bzw. Betriebsleitern schwierig, geschulte Fahrer für ihre Landmaschinen zu finden. Es gibt vier Bereiche, in denen die Cloud helfen kann, und einer davon ist die automatische Steuerung von Landmaschinen mithilfe von KI-gestützter Fernsteuerung. Vorausschauende Wartung sorgt für eine erhöhte Verfügbarkeit des Fuhrparks.

Geofencing erlaubt es, logische Grenzen um Felder zu ziehen, die von den ferngesteuerten Landmaschinen beachtet werden. Die farbkodierten Felder zu überwachen unterstützt die Berechnung des jeweiligen Ernteertrags und den Fruchtwechsel. Live-Tracking erlaubt die Echtzeit-Überwachung von Ladungen, Geräten und Fahrern. Alle Fahrten und Übergaben werden nachverfolgt und sind damit optimierbar. Reports und Benachrichtigungen halten den Betriebsleiter auf dem Laufenden und zeigen auf, wo es noch Optimierungsmöglichkeiten gibt, sei es beim Brennstoffverbrauch, bei CO₂-Emissionen oder bei der Wiederbeschaffung gestohlener Maschinen.

Dies funktioniert nur auf vernetzten Farmen. Sie sind mit Sensoren, Überwachungskameras und Drohnen etc. ausgestattet, die laufend Datenströme liefern. Das System muss diese Datenströme verarbeiten, analysieren und interpretieren können. Ein solches System liefert die israelische Firma CropX. Deren Software-Lösungen für Connected Farms werden mittlerweile in mehr als 50 Ländern genutzt.

(ID:49523897)