Wie aimGrassland entstanden ist

aimGrassland („Artificial Intelligence for Maintenance of Grassland – KI für die Pflege von Grünland“) baut gezielt auf zwei Projekten auf, die sich gegenseitig ideal ergänzt haben: dem EIP-Agri-Projekt Antago Senecio und dem Kooperationsprojekt KIhUG. Aus den Erkenntnissen beider Vorhaben ist der Ansatz entstanden, Grünlandpflege künftig datenbasiert, selektiv und möglichst ohne chemische Mittel zu unterstützen.

Ausgangspunkt 1: Antago Senecio – integrierte Strategien gegen Kreuzkräuter

Im Projekt Antago Senecio stand eine zentrale Herausforderung im Fokus: Jakobskreuzkraut (Jacobaea vulgaris, Syn.: Senecio jacobaea) tritt vor allem auf extensiv bewirtschaftetem Grünland gehäuft auf und kann durch Pyrrolizidinalkaloide die Nutzung als Futtergrundlage gefährden. Ziel war es, naturverträgliche und integrierte Strategien zu entwickeln, um Kreuzkräuter zu regulieren und gleichzeitig artenreiche Wiesen zu erhalten.

Wichtige Lernpunkte aus Antago Senecio

  • In der Praxis braucht es verlässliches Monitoring, um Vorkommen und Dynamik von Problempflanzen frühzeitig zu erkennen.
  • Für die Grünlandpraxis fehlen häufig selektive, effiziente Werkzeuge, die Begleitvegetation schonen und Zielkonflikte (z. B. Naturschutzauflagen vs. Schnittzeitpunkt) reduzieren.

Ausgangspunkt 2: KIhUG – KI-basierte Erkennung als technologische Grundlage

Um den Bedarf an digitalen Werkzeugen zu adressieren, entstand das Projekt KIhUG als Kooperation, die sich auf die KI-gestützte Erkennung von zu bekämpfendem Unkraut konzentrierte. Im Mittelpunkt standen:

  • die Generierung (auch synthetischer) Trainingsdaten,
  • das Training künstlicher neuronaler Netze für die Erkennung,
  • sowie Perspektiven der Systemintegration/Robotik, um aus Erkennung später gezielte Bekämpfung ableiten zu können.

Warum ein neues Projekt notwendig war: Von „Erkennen“ und „Verstehen“ zu „Anwenden“

Antago Senecio lieferte vor allem ökologisch-biologische und produktionstechnische Grundlagen sowie ein starkes Praxisnetzwerk. KIhUG schuf die technologische Basis, um Problempflanzen automatisiert zu erkennen. Gleichzeitig wurde deutlich: Eine praxistaugliche Lösung braucht beides – ökologisches Systemverständnis und robuste digitale Technik, die im Feld funktioniert.

Genau hier setzt aimGrassland an: Die Erfahrungen aus beiden Projekten werden gebündelt, um Monitoring und Maßnahmenwahl im Grünland standortangepasst, effizient und umweltschonend weiterzuentwickeln (u. a. mit Sensorik/Drohnen, KI-Auswertung und perspektivisch integrierbaren Bekämpfungswerkzeugen).

Was aimGrassland aus den Vorprojekten übernimmt

  • Praxisnähe & Relevanz: Fragestellungen und Tests orientieren sich an realen Herausforderungen auf Grünlandbetrieben.
  • Evidenzbasierte Grundlagen: Managementansätze werden auf ökologische Verträglichkeit und Wirksamkeit hin bewertet.
  • Digitale Umsetzbarkeit: KI-Modelle, Datenerhebung und Systemlogik werden so gestaltet, dass sie in der Praxis nutzbar sind (z. B. Karten/Übersichten als Entscheidungsgrundlage).