BIOdiversität, Maschinelles Lernen und Agrarwirtschaft

Landwirtschaftsflächen haben im Industrieland Deutschland einen Anteil von mehr als der Hälfte der Gesamtfläche und können damit die Biodiversität im Land maßgeblich beeinflussen. Das Projekt BioMLAgrar zielt darauf ab, die von Sensoren aktueller Landwirtschaftsmaschinen erzeugten Datenmengen für das Biodiversitätsmonitoring zu nutzen. Mithilfe der KI sollen Biodiversitätsdaten von Agrarflächen sowie die dazugehörigen landwirtschaftlichen Betriebsdaten genutzt werden, um Prognosemodelle für die Biodiversitätssteuerung zu entwickeln. Ein Schwerpunkt ist das maschinelle Lernen, um Expertenwissen aus dem Bereich der Biodiversität zu modellieren und trotz der Small-Data-Situation belastbare Prognosemodelle zu erhalten. In der ersten Phase soll ein Kennzahlensystem für den Status der Biodiversität entwickelt werden. Dabei werden Parameter für Biodiversität sowie ergänzende Parameter aus der Agrarwirtschaft und dem Umweltmonitoring betrachtet. Zudem erfolgen die vertiefte Ausarbeitung des weiteren Forschungskonzepts und die Antragstellung für die zweite Phase.

In einer möglichen zweiten Phase soll das entwickelte Kennzahlensystem in der Praxis unter Einbezug von biologischen Stationen, Kommunen und Umweltverbänden erprobt werden und für das Biodiversitätsmonitoring zur Verfügung stehen. Ein Fokus wird hier auf die Übertragbarkeit des Kennzahlensystems auf andere Regionen gerichtet. Zudem steht mit Abschluss der zweiten Phase ein interdisziplinärer Datenpool für weitere Forschungsarbeiten zur Verfügung. Hieraus soll auch ein Prognosewerkzeug für die Stakeholder entwickelt werden. Dieses dient dazu, Planungsaufgaben zu unterstützen und transparente Handlungsempfehlungen zu ermöglichen.