Wie KI die landwirtschaftliche Innovation neu gestaltet

KI und Datenwissenschaft unterstützen ausgewählte Forschungs-, Entwicklungs- und agronomische Entscheidungsunterstützungsaktivitäten von Bayer. Wir nutzen diese Werkzeuge, um Saatgut- und Merkmalskandidaten zu bewerten, potenzielle Pflanzenschutzlösungen zu prüfen und agronomische Empfehlungen zu entwickeln. Wo verfügbar, können Empfehlungen betriebsspezifische Daten nutzen, um Entscheidungen wie Aussaat und Bewässerung zu unterstützen; die Ergebnisse hängen von Faktoren wie lokalen Bedingungen, Datenqualität und Umsetzung ab.

KI unterstützt bereits spezifische Anwendungen in den Bereichen Produktentwicklung, Saatgutproduktion, Lieferkettenplanung und betriebliche Entscheidungsunterstützung. Die folgenden Beispiele beschreiben, wie Bayer diese Werkzeuge einsetzt, und unterscheiden zwischen aktuellen Anwendungen, beobachteten Ergebnissen und zukünftigen Zielen.

Lange vor der jüngsten Ausbreitung generativer KI hatte Bayer eine umfangreiche Plattform für Präzisionszüchtung entwickelt. Die Kombination umfangreicher Zuchtdaten mit Genomik und künstlicher Intelligenz hilft Forschern, potenzielle genetische Kombinationen zu bewerten und ausgewählte Zuchtprogramme effizienter voranzutreiben.

Unsere Züchter nutzen maschinelles Lernen und die Digital Twin Technology, um potenzielle genetische Kombinationen zu bewerten und die Pflanzenleistung unter verschiedenen klimatischen und Bodenbedingungen zu modellieren. Diese Modelle helfen, die Entwicklung von Kulturen zu unterstützen, die auf identifizierte Bedürfnisse von Landwirten eingehen sollen; die Feldleistung variiert je nach Produkt, Umgebung und Bewirtschaftungspraktiken.

Bei ausgewählten Anwendungen können Schritte, die früher fünf bis sechs Jahre dauerten, mit Bayers KI-gestütztem Präzisionszucht-Workflow nun in etwa vier Monaten abgeschlossen werden. Bayers erklärtes Ziel ist es, mit diesen Fähigkeiten die Rate der genetischen Innovation zu erhöhen; Fortschritte sollten anhand der festgelegten Kennzahlen und Berichterstattung des Programms bewertet werden.

Das E.L.Y. Expertensystem (GenAI) ist darauf ausgelegt, Agronomen bei ausgewählten Aspekten ihrer täglichen Arbeit zu unterstützen. Bayer hat das zugrunde liegende große Sprachmodell mit internen Daten, Erkenntnissen aus Versuchen in seinem Testnetzwerk und aggregiertem Fachwissen von Bayer-Agronomen trainiert.

Das System ist darauf ausgelegt, Fragen zu Agronomie, Betriebsmanagement und landwirtschaftlichen Bayer-Produkten anhand natürlichsprachlicher Eingaben zu beantworten. In einem Pilotprojekt in den Vereinigten Staaten bewerteten Mitarbeiter mit Kundenkontakt zu Landwirten die Ergebnisse und nutzten das Tool zur Unterstützung ausgewählter Aufgaben.

Interne Teams bei Bayer erproben diese Technologie und testen verschiedene Szenarien, in denen die Fähigkeiten großer Sprachmodelle einen Mehrwert schaffen und die Produktivität durch die Möglichkeit, auf natürliche Weise mit Betriebsdaten zu interagieren, steigern könnten.

Wir nutzen KI auch, um Pflanzenschutzkandidaten anhand definierter Leistungs- und Sicherheitskriterien zu bewerten, einschließlich für die Produktentwicklung relevanter Umweltaspekte.

Unsere Wissenschaftler haben einen Prozess zur Identifizierung und Bewertung von Pflanzenschutzmolekülen namens CropKey entwickelt. KI-gestütztes virtuelles Screening ermöglicht es Forschern, mehr potenzielle Kandidaten zu bewerten als mit konventionellem Screening allein. Prädiktive Modelle bewerten definierte Eigenschaften, einschließlich des erwarteten Verhaltens im Boden und möglicher Auswirkungen auf Nichtzielorganismen, bevor ausgewählte Kandidaten zu weiteren Labor-, Feld-, Sicherheits- und Zulassungsprüfungen übergehen. Bayer wendet diesen Ansatz auf Pipeline-Kandidaten an, darunter ein neuartiges Fungizid für Obst und Gemüse sowie Icafolin, ein Breitband-Herbizidmolekül; jede zukünftige Markteinführung unterliegt einer erfolgreichen Entwicklung und den geltenden behördlichen Zulassungen.

Über den landwirtschaftlichen Betrieb hinaus untersucht Bayer, wie KI und Zwischenfrucht-Ölsaaten Wertschöpfungsketten für erneuerbare Kraftstoffe unterstützen könnten. Bayers erklärtes Ziel ist es, Kultur- und agronomische Lösungen für erneuerbaren Diesel und nachhaltige Flugkraftstoff-Rohstoffe zu entwickeln und dabei Auswirkungen auf Landnutzung, Lebensmittelproduktion, Betriebsrentabilität und Treibhausgasemissionen innerhalb der relevanten Wertschöpfungskette zu bewerten.

KI-Algorithmen können die Sortenwahl, Fruchtfolgeplanung, Logistik und Verarbeitung für Zwischenfrucht-Ölsaaten unterstützen. Jeder Treibhausgas-Nutzen muss anhand definierter Lebenszyklusgrenzen, Baselines und Methoden bewertet werden, und die Ergebnisse können je nach Kultur, Geografie, Anbausystem und Endverwendung variieren. Bayer prüft zudem, wie Präzisionszüchtung, Pflanzenschutz und Datenwerkzeuge die Leistung innerhalb dieser Wertschöpfungskette unterstützen können.

Bayer hat die Einführung der Marke newgold® seed in den Vereinigten Staaten und Kanada im Jahr 2026 angekündigt, seiner ersten Multifrucht-Saatgutmarke, die speziell für Pflanzen mit geringer Kohlenstoffintensität wie Camelina und Winterraps entwickelt wurde.

Bayer nutzt fortschrittliche Datenwissenschaft, um Entscheidungen zur Saatgutproduktion für neue Hybriden und Sorten zu unterstützen. Die Modelle informieren Entscheidungen wie Feldplatzierung, Pflanzdichte, Aussaatzeitpunkt, Bewässerungszeitpunkt und Erntezeitpunkt. In den von Bayer bewerteten Produktionsfeldern war der Einsatz dieser Modelle mit einer Produktivitätssteigerung von mehr als 30 % verbunden. Das Ergebnis bezieht sich auf die bewerteten Betriebe und den bewerteten Zeitraum; die Ergebnisse hinsichtlich des Ressourceneinsatzes hängen von den lokalen Bedingungen und der Umsetzung der Empfehlungen ab.

Angesichts der Volatilität und Komplexität unserer Pflanzenschutz-Lieferkette nutzen wir maschinelles Lernen, um potenzielle Schwachstellen zu identifizieren, deren mögliche Auswirkungen zu modellieren und Reaktionsoptionen unter verschiedenen Nachfrageszenarien zu bewerten. Wir prüfen zudem, wie diese Modelle die Planung für die Lieferkette von Wirkstoffen unterstützen könnten.

Schauen wir uns nun an, wie KI von Landwirt*innen eingesetzt werden kann.

FieldView ist Bayers digitale Landwirtschaftsplattform und verwaltet mehr als 220 Millionen Acres in über 20 Ländern. In unterstützten Märkten liefern die KI-gestützten Funktionen Entscheidungsunterstützungsinformationen, die Landwirten helfen sollen, ausgewählte Feldaktivitäten zu planen und zu steuern. Die Ergebnisse variieren je nach verfügbaren Daten, lokalen Bedingungen und der Umsetzung durch den Landwirt.

So funktioniert es: Zunächst bietet die App in den jeweiligen Regionen sogenannte Seed Scripts an, eine erweiterte Funktion, die mithilfe von maschinellem Lernen mit Satellitenbildern oder den Ertragsdaten eines Landwirts ein Feld in verschiedene Bewirtschaftungszonen unterteilt. Anschließend schlagen prädiktive Modelle vor, wie dicht in bestimmten Bereichen gesät werden sollte, basierend auf den spezifischen Ertrags- oder Gewinnzielen des Landwirts.

Durch diese Fortschritte auf und außerhalb des Betriebs unterstützt Bayer Landwirte dabei, ihre Abläufe effizienter zu gestalten und auf sich verändernde Anforderungen zu reagieren.