Neuronale «lernende» Sensoren für die Landwirtschaft

Die Universität Zürich erforscht neuronale «lernende» Sensoren für die Landwirtschaft. Die Systeme können autonom vor Ort die gesammelten Daten auswerten und interpretieren und damit Bewässerung und Düngemittelgabe steuern.

10.10.2024

Die Neuroinformatikerin Chiara De Luca von der der Universität Zürich (UZH) und des Politecnico Turin erforschen neuronale Netzwerke, die den Zustand von Landwirtschaftsflächen überwachen und den Einsatz von Wasser, Dünger oder Pestiziden effizient steuern können. Und zwar genau an den Stellen, an denen sie benötigt werden. Herkömmliche Anwendungen von künstlicher Intelligenz könnten dies kaum leisten, schreibt die Universität in einem Bericht. Denn die Sensoren müssten grosse Datenmengen an zentrale Server schicken, die diese auswerten und dann die Ergebnisse dem System wieder zurückmelden.

De Luca forscht deshalb an einem anderen Ansatz: Sie entwickelt Sensoren und Chips, die von biologischen neuronalen Netzen inspiriert sind und autonom vor Ort die gesammelten Daten auswerten und interpretieren. Sie sollen Feuchtigkeit, Temperatur und pH-Wert messen, um Bewässerung und Düngemittelgabe steuern zu können. «Das ist ein ergänzender Ansatz zu herkömmlicher künstlicher Intelligenz», erklärt De Luca. Dabei lernt das System von den bisher gesammelten Daten und fügt neue Informationen zum bereits vorhandenen Wissen hinzu – genauso, wie es das menschliche Hirn macht.

Erste Daten aus ihrem Versuch seien vielversprechend und deuten darauf hin, dass eine auf neuromorphe Sensoren beruhende Bewirtschaftung von Agrarflächen tatsächlich eine spürbare Verminderung des Ressourceneinsatzes bringen könnte. Derzeit geht es bei De Lucas Forschung darum, Grundlagen zu erarbeiten. Eine kommerzielle Anwendung werde erst in einigen Jahren möglich sein. röt