Institut für Rebenzüchtung
Im Weinbau bestimmt der Ertrag über die Menge-Güte-Relation des Ernteguts maßgeblich die Produktqualität und somit die Rentabilität. Für den Weinbaubetrieb sind daher Ertragsprognosen wichtige betriebswirtschaftliche Stellschrauben, die jedoch stark von der Witterung, d.h. dem jeweiligen Jahrgang beeinflusst werden. Bisher sind Ertragsprognosen sehr fehlerträchtig und führen alljährlich in den Betrieben zu Überraschungen nach oben wie nach unten. Gleichzeitig bieten genaue Ertragsprognosen wichtige Grundlagen für das betriebliche Management: (1) Einstellen des gewünschten Ertrages (Menge-Güte-Relation, Qualitätsmanagement); (2) Transportlogistik (Transportkapazität vom Weinberg zum Betrieb, Reduktion von Wartezeiten bei der Traubenanlieferung) und (3) Kellereilogistik (Auslastung von Weinpressen- und Gärtankkapazitäten). Technologieübergreifend und anwendungsbezogen soll mit Methoden aus dem Bereich des Maschinellen Lernens (einem Teilbereich der Künstlichen Intelligenz (KI)) ein Ertragsprognosemodell entwickelt werden. KI-iREPro soll auf langjährigen Daten über die Ertragsleistung von Weinbergen sowie Umweltdaten basiert. In einem zweiten Schritt wird KITraubenertrag ergänzt um die Nutzung von sensorbasierten Merkmalsdaten, welche direkt im Weinberg erfasst werden und die Genauigkeit von KI-iREPro durch Berücksichtigung weinbergsspezifischer Bedingungen (z.B. Erfassung erkennbarer Trauben sowie Gesundheitszustand) zu erhöhen. Diese erweiterte Version wird als KI-iREProext bezeichnet. Ziel sind Lösungsansätze für eine angepasste Ertragsprognose und eine methodisch-technische Innovationen zu KI-getragenen, modularen und preisgünstigen Echtzeitsensorik, um eine Merkmalserfassung im Hochdurchsatz direkt auf dem Fahrzeug zu erreichen.
Bundesministerium für Ernährung und Landwirtschaft
