[{"data":1,"prerenderedAt":209},["ShallowReactive",2],{"content-de-\u002Fde\u002Fhistory":3},{"id":4,"title":5,"body":6,"description":201,"extension":202,"meta":203,"navigation":204,"path":205,"seo":206,"stem":207,"__hash__":208},"content\u002Fde\u002Fhistory.md","Wie aimGrassland entstanden ist",{"type":7,"value":8,"toc":192},"minimark",[9,13,34,39,58,63,81,85,95,118,122,141,148,152,172,176],[10,11,5],"h1",{"id":12},"wie-aimgrassland-entstanden-ist",[14,15,16,17,21,22,25,26,29,30,33],"p",{},"aimGrassland („",[18,19,20],"strong",{},"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 ",[18,23,24],{},"Antago Senecio"," und dem Kooperationsprojekt ",[18,27,28],{},"KIhUG",". Aus den Erkenntnissen beider Vorhaben ist der Ansatz entstanden, Grünlandpflege künftig ",[18,31,32],{},"datenbasiert, selektiv und möglichst ohne chemische Mittel"," zu unterstützen.",[35,36,38],"h2",{"id":37},"ausgangspunkt-1-antago-senecio-integrierte-strategien-gegen-kreuzkräuter","Ausgangspunkt 1: Antago Senecio – integrierte Strategien gegen Kreuzkräuter",[14,40,41,42,44,45,49,50,53,54,57],{},"Im Projekt ",[18,43,24],{}," stand eine zentrale Herausforderung im Fokus: Jakobskreuzkraut (",[46,47,48],"em",{},"Jacobaea vulgaris",", Syn.: ",[46,51,52],{},"Senecio jacobaea",") tritt vor allem auf extensiv bewirtschaftetem Grünland gehäuft auf und kann durch Pyrrolizidinalkaloide die Nutzung als Futtergrundlage gefährden. Ziel war es, ",[18,55,56],{},"naturverträgliche und integrierte Strategien"," zu entwickeln, um Kreuzkräuter zu regulieren und gleichzeitig artenreiche Wiesen zu erhalten.",[14,59,60],{},[18,61,62],{},"Wichtige Lernpunkte aus Antago Senecio",[64,65,66,74],"ul",{},[67,68,69,70,73],"li",{},"In der Praxis braucht es ",[18,71,72],{},"verlässliches Monitoring",", um Vorkommen und Dynamik von Problempflanzen frühzeitig zu erkennen.",[67,75,76,77,80],{},"Für die Grünlandpraxis fehlen häufig ",[18,78,79],{},"selektive, effiziente Werkzeuge",", die Begleitvegetation schonen und Zielkonflikte (z. B. Naturschutzauflagen vs. Schnittzeitpunkt) reduzieren.",[35,82,84],{"id":83},"ausgangspunkt-2-kihug-ki-basierte-erkennung-als-technologische-grundlage","Ausgangspunkt 2: KIhUG – KI-basierte Erkennung als technologische Grundlage",[14,86,87,88,90,91,94],{},"Um den Bedarf an digitalen Werkzeugen zu adressieren, entstand das Projekt ",[18,89,28],{}," als Kooperation, die sich auf die ",[18,92,93],{},"KI-gestützte Erkennung von zu bekämpfendem Unkraut"," konzentrierte. Im Mittelpunkt standen:",[64,96,97,104,111],{},[67,98,99,100,103],{},"die ",[18,101,102],{},"Generierung (auch synthetischer) Trainingsdaten",",",[67,105,106,107,110],{},"das ",[18,108,109],{},"Training künstlicher neuronaler Netze"," für die Erkennung,",[67,112,113,114,117],{},"sowie Perspektiven der ",[18,115,116],{},"Systemintegration\u002FRobotik",", um aus Erkennung später gezielte Bekämpfung ableiten zu können.",[35,119,121],{"id":120},"warum-ein-neues-projekt-notwendig-war-von-erkennen-und-verstehen-zu-anwenden","Warum ein neues Projekt notwendig war: Von „Erkennen“ und „Verstehen“ zu „Anwenden“",[14,123,124,125,128,129,132,133,136,137,140],{},"Antago Senecio lieferte vor allem ",[18,126,127],{},"ökologisch-biologische und produktionstechnische"," Grundlagen sowie ein starkes Praxisnetzwerk. KIhUG schuf die ",[18,130,131],{},"technologische Basis",", um Problempflanzen automatisiert zu erkennen. Gleichzeitig wurde deutlich: Eine praxistaugliche Lösung braucht beides – ",[18,134,135],{},"ökologisches Systemverständnis"," und ",[18,138,139],{},"robuste digitale Technik",", die im Feld funktioniert.",[14,142,143,144,147],{},"Genau hier setzt aimGrassland an: Die Erfahrungen aus beiden Projekten werden gebündelt, um Monitoring und Maßnahmenwahl im Grünland ",[18,145,146],{},"standortangepasst, effizient und umweltschonend"," weiterzuentwickeln (u. a. mit Sensorik\u002FDrohnen, KI-Auswertung und perspektivisch integrierbaren Bekämpfungswerkzeugen).",[35,149,151],{"id":150},"was-aimgrassland-aus-den-vorprojekten-übernimmt","Was aimGrassland aus den Vorprojekten übernimmt",[64,153,154,160,166],{},[67,155,156,159],{},[18,157,158],{},"Praxisnähe & Relevanz",": Fragestellungen und Tests orientieren sich an realen Herausforderungen auf Grünlandbetrieben.",[67,161,162,165],{},[18,163,164],{},"Evidenzbasierte Grundlagen",": Managementansätze werden auf ökologische Verträglichkeit und Wirksamkeit hin bewertet.",[67,167,168,171],{},[18,169,170],{},"Digitale Umsetzbarkeit",": KI-Modelle, Datenerhebung und Systemlogik werden so gestaltet, dass sie in der Praxis nutzbar sind (z. B. Karten\u002FÜbersichten als Entscheidungsgrundlage).",[35,173,175],{"id":174},"weiterführende-links","Weiterführende Links",[64,177,178,186],{},[67,179,180],{},[181,182,185],"a",{"href":183,"target":184},"https:\u002F\u002Fantagosenecio.wordpress.com","_blank","Antago Senecio – Projektseite",[67,187,188],{},[181,189,191],{"href":190,"target":184},"https:\u002F\u002Finstitut-f-r-technik-und-informatik.git-pages.thm.de\u002Fprojects\u002Fkihug\u002Fdocs\u002F","KIhUG – Projektseite",{"title":193,"searchDepth":194,"depth":194,"links":195},"",2,[196,197,198,199,200],{"id":37,"depth":194,"text":38},{"id":83,"depth":194,"text":84},{"id":120,"depth":194,"text":121},{"id":150,"depth":194,"text":151},{"id":174,"depth":194,"text":175},"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.","md",{},true,"\u002Fde\u002Fhistory",{"title":5,"description":201},"de\u002Fhistory","UPLX-_mz2q-7X8HOK6R13WXIPur6j5ej0fqyjFGC2UE",1793017185931]