Es gibt aktuell viele Gründe, die Land- und Ernährungswirtschaft transformieren zu wollen. Wohin die Transformation gehen soll ist allerdings kontrovers. Die vielgestaltigen Zielkonflikte dahinter sind kürzlich wieder durch die Zukunftskommission Landwirtschaft dargelegt worden: Tierwohl, Biodiversität, Lebensmittelpreise, Lebensmittelqualität, Co2-Reduktion, sozialverträgliche Erhaltung der Ländlichen Räume, der Kulturlandschaften oder alle zusammen und alles versöhnt in ökonomischer, ökologischer und sozialer Nachhaltigkeit? Die Stichworte Digitalisierung und Künstliche Intelligenz (KI) kommen in solchen Zukunftsdiskussionen zuverlässig vor – manche denken anscheinend sogar, KI würde die Zielkonflikte auflösen.
Digitalisierung ist nicht neu in der Landwirtschaft: Modern ausgestattete Höfe (arbeiten sie „konventionell“ oder „ökologisch“) verwenden auf dem Schlag wie im Stall längst Informationssysteme und digitalisierte Maschinen, teils mit vollautomatisierten Funktionen oder mit komplexen Assistenzfunktionen für die Menschen, die sie bedienen.
Auch KI-Module werden in solchen Maschinen eingesetzt und nutzen die Daten, welche die Digitalisierung bereitstellt: etwa zur Regelung komplexer Prozessparameter in Erntemaschinen oder zum vollautomatischen Betrieb von Fütterungs- und Reinigungsrobotern in Ställen.
Aus Sicht eines KI-Forschers wie offenbar auch aus der des BMEL sind die Möglichkeiten von KI-Einsatz in der Landwirtschaft nicht ausgereizt. Doch in der Auseinandersetzung über die fällige Transformation der Landwirtschaft sind Fragen dazu plausibel: Wäre mehr KI Teil der Lösung oder Teil des Problems? Erhöht KI Komplexität, wo Vereinfachung nottut? Ist KI somit ein Werkzeug nur für Großbetriebe, die sie sich leisten können? Selbst falls KI beitrüge, die Agrarwirtschaft in Europa zu transformieren – lenkt das nicht von der Priorität ab, weltweit jeweils regional angemessen nachhaltige agrarische Produktion zu ermöglichen?
Nicht die Wissenschaft entscheidet über die Transformation der Landwirtschaft, sondern die Gesellschaft und hoffentlich hört sie im Diskurs der Wissenschaft zu. Als KI-Forscher empfehle ich keine alternativen Formen der Landwirtschaft oder rate der Gesellschaft in der Auflösung globaler Agrar-Zielkonflikte.
Aber ich werbe dafür, Beiträge mitzudenken, die KI-Werkzeuge in einer transformierten Landwirtschaft oder im Transformationsprozess leisten können. Nach meiner Erfahrung wird das Potenzial der KI ebenso wie ihre Grenzen und Verlockungen durch Oberflächlichkeit der Betrachtung verkannt. Ich bin überzeugt, KI kann vielfältige positive Beiträge bei der und nach einer Transformation der Landwirtschaft leisten – wohin auch immer diese Transformation führen soll. Den Hintergrund dieser Überzeugung will ich in drei Punkten skizzieren.
Welche KI ist gemeint?
KI oder Artificial Intelligence als Wissenschaftsgebiet existiert unter diesem Namen seit den 1950ern. Die ursprüngliche, namensgebende Motivation bestand darin, Analoga menschlicher kognitiver Leistungen wie Sprechen, Schlussfolgern, Lernen oder Bildverstehen algorithmisch zu modellieren und damit auf Computern verfügbar zu machen.
Bald stellte sich heraus, was als Moravecsches Paradox bezeichnet wird: Viele für Menschen überkomplexe Aufgaben etwa mit kombinatorischem, statistischem oder logischem Charakter sind algorithmisch leicht beschreibbar (und auf heutiger Hardware mühelos realisierbar) – das klassische Beispiel war Schachspielen.
Andererseits erweisen sich Aufgaben, welche die menschliche Kognition ohne bewussten Aufwand erledigt, als technisch überkomplex und zum Teil bis heute nicht mit plausiblem Aufwand implementierbar – laufende Szeneninterpretation aus Sensordaten ist so ein Problem, an dessen praktischer Unlösbarkeit entgegen ursprünglich optimistischer Erwartungen aus Industrie und Gesellschaft das autonome PKW-Fahren bis heute scheitert.
Nach modernem Verständnis* behandelt die Disziplin KI algorithmische Grundlagen zum Bau künstlicher Systeme – Softwaresysteme wie auch Roboter –, die in Umgebungen zielgerichtet agieren, welche unvollständig kontrollierbar, dynamisch oder vorab ungenau bekannt sind. Bei solchen Algorithmen geht es also nicht darum, schematische Funktionen festzuschreiben, sondern um Programmierung von Verhalten, das unter vorab im Detail unbekannten und unkontrollierbaren Umgebungsbedingungen zielgerichtet „das Richtige“ tut.
Beispiele dafür sind Algorithmen zum Schlussfolgern (aus lückenhaftem Wissen weiteres erschließen), Planen (flexibel ausführbare Aktionen zum Ziel berechnen) oder Lernen (aus wenigen Trainingsbeispielen auf viele Anwendungsergebnisse generalisieren) – Letzteres in jüngerer Zeit das aktivste KI-Teilgebiet angesichts verfügbarer großer Datenmengen zum Training, einiger Erfolge bei der Entwicklung von Lernalgorithmen und steigender Rechnerkapazität.
Zahlreiche Erträge früherer KI-Entwicklungen nutzen wir täglich – oft ohne dass der KI-Hintergrund dieser Werkzeuge bewusst ist: Navigationssysteme, Spracheingabe, Nutzer:innenverifikation durch Gesichtserkennung und viele andere. Wie jede gute Software integrieren sich gute KI-Softwarebausteine in den Umgang mit Geräten, die wir nutzen wollen und treten nicht merklich in Erscheinung. Es gibt nicht mehr die Welt vor KI – wir sind längst mit KI- Unterstützung unterwegs.
Von dem genannten KI-Verständnis zu unterscheiden ist übrigens die sogenannte „starke KI“, der es in der Wissenschaft explizit ums Modellieren biologischer Kognition geht. Das ist hier nicht Thema.
Passt KI zur Landwirtschaft?
KI formalisiert zielgeleitetes Handeln unter Unsicherheit; Landwirtschaft ist eine Domäne voller Hintergrundwissen und voller kurzfristiger Unsicherheit und Unschärfe: Wetter, Boden, Pflanzen, Tiere, Preise. Zudem ist die moderne Landwirtschaft weit digitalisiert, aktuelle Daten aus Maschinen und Prozessen sind also für KI-Algorithmen verfügbar. Diese Aussage trifft übrigens sowohl die „konventionelle“ wie die „ökologische“ Landwirtschaft.
Weiterhin erweisen sich sowohl Landwirte und Landwirtinnen als auch die Hersteller- und Betreiberfirmen von Landtechnik als interessiert an Informationstechnik; das geht zusammen mit dem genannten hohen Digitalisierungsgrad.
Kurzum, die Landwirtschaft ist sowohl von den wissenschaftlich- technischen Voraussetzungen als auch von der Motivation beteiligter Personen ein attraktives Feld für KI-Praxis wie für Forschung – unter einer Voraussetzung allerdings: Robustes Funktionieren auch unter harschen Randbedingungen ist ein Muss.
Komponenten, die ihren Preis nicht bald durch Leistung einspielen, sind unnütz; eine Assistenzsoftware, die mitten in der Erntekampagne ausfällt oder den eng getakteten Prozess behindert, ist schnell vom Markt. Für etablierte Produkte ist solche Robustheit selbstverständlich; für den Praxistransfer innovativer KI- Forschungsergebnisse ist das herausfordernd.
Was verändert KI in der Landwirtschaft?
Ganz praktisch beschleunigt und verschärft der Einsatz von KI in der Landwirtschaft Tendenzen, die wir dort schon durch die Digitalisierung sehen. Zum einen ändert sich das Berufsbild Landwirt/in und ebenso die Anforderungen an Personal in der Landtechnik, im Landhandel und in der Ausbildung zu all diesen Berufsbildern, zu denen Betrieb und Wartung der entsprechenden Maschinen und Anlagen gehört.
Zum zweiten werden Sicherheit und Schutz von IT-Systemen in der Landwirtschaft überragend wichtige Themen: Schon ohne KI sollte die digitalisierte Steuerung beispielsweise von Stallanlagen gut gegen Angriffe von außen geschützt sein; jeder weitere Ausbau von Digitalisierung mit oder ohne KI bestätigt diese Notwendigkeit. Schließlich verschärft der Einsatz von KI, insbesondere von Datenanalyse- und Lernverfahren das Thema der Datenhoheit in der Agrar-Wertschöpfungskette: Wer darf Daten aus den Landwirtschaftsprozessen nutzen; doch nun zusätzlich: Wer darf aus diesen Daten automatisch abgeleitetes Wissen nutzen?
Aber noch grundsätzlicher: Informationstechnik wird zunächst meist dazu eingesetzt, hergebrachte Abläufe effizienter zu machen. Das ist in allen Branchen zu sehen und Landwirtschaft ist keine Ausnahme. Die Landwirtschaft hat in den letzten hundert Jahren einen drastischen Produktivitätsschub erlebt – nach dem Zweiten Weltkrieg konnte eine Person in der Landwirtschaft zehn Menschen ernähren, heute 140.
Dieser Schub beruhte ursprünglich auf Mechanisierung, Züchtung und Einsatz von Agrarchemie; in neuerer Zeit machen Automatisierung und Digitalisierung Maschinen und Prozesse immer effizienter. KI mit ihrem schon jetzt sichtbaren Beitrag in Assistenzfunktionen in Landmaschinen oder Vollautomaten in der Innenwirtschaft treibt diese Tendenz weiter.
Wenn wir nun aber davon überzeugt sind, die Landwirtschaft müsse sich grundlegend ändern, dann ist all diese Optimierung hergebrachter Prozesse und Maschinen zweischneidig. Sie hat einerseits den genannten Produktivitätsschub ermöglicht. Andererseits führt Optimierung von Prozessen immer auch dazu, diese Prozesse selbst dann weiter zu nutzen, wenn sie bereits als inadäquat erkannt wurden.
An dieser Stelle scheint aber die Landwirtschaft zumindest in einigen Industrieländern zu stehen, und damit zurück zur Transformationsdebatte. KI ist genau dann Teil des Problems und der aktuellen Krise der Landwirtschaft, wenn man sie als eine der Optimierungstechniken einsetzt, um hergebrachte Prozesse zu reparieren, die man eigentlich transformieren sollte. Dazu kann sie eingesetzt werden, wie Informationstechnik insgesamt oder Mechatronik oder alle andere Technik.
Ihr Potenzial liegt aber darin, beim Neukonzipieren von Prozessen landwirtschaftlicher Produktion zu helfen, die ohne KI schlichtweg nicht möglich sind. KI kann dazu beitragen, Flächen kleinteilig lohnend zu bewirtschaften, weil sie physisch kleine Systeme ohne zusätzlichen Personalaufwand zielgerichtet steuert. KI kann Landwirt:innen in Entscheidungen beim Wirtschaften angesichts von Datenmengen helfen, die für Menschen nicht bewältigbar sind. Sie kann durch permanente Beobachtung von Datenströmen auf Chancen und Risiken für einzelne Betriebe hinweisen. Sie kann Nachhaltigkeitsreserven in komplexen digitalisierten Wertschöpfungsketten erkennen.
Aber sie tut all das nicht von allein. Wenn KI-Algorithmen zielgeleitetes Agieren unter unsicheren und unvollständig erfassbaren Randbedingungen leisten sollen, dann sind wir es, die ihnen die Ziele vorgeben müssen, durch die sie geleitet werden. Keine KI nimmt uns ab, die eingangs skizzierten Zielkonflikte für eine nachhaltige Erzeugung qualitativ hochwertiger Lebensmittel zu lösen und Agrarprozesse gegebenenfalls daraufhin umzustellen, dass sie mit dieser Lösung verträglich sind. Nur dann hilft KI, die Landwirtschaft zu transformieren.
* Russell, S.; Norvig, P. (2020): Artificial Intelligence: a modern approach. Pearson, 4. Auflage.
Dieser Gastbeitrag ist zuerst auf ThePioneer.de erschienen.