BMFTR: BioMLAgrar-2 – Biodiversität, Maschinelles Lernen und Agrarwirtschaft

Die Landwirtschaft kann durch Digitalisierungsansätze wie Precision und Smart Farming mit ihren erhobenen und zu erhebenden Daten, ihren Flächen sowie einer von Maschinellem Lernen (ML) gestützten Auswertung einen wesentlichen Beitrag zur Biodiversitätssteuerung leisten. In der Nutzbarmachung dieses Beitrags liegt das wesentliche Ziel dieses Vorhabens. Bislang sind die Potenziale der Unterstützung von Biodiversitätssteuerung durch Informationen aus dem Agrarsektor nicht ausreichend analysiert und einer Verwertung zugeführt worden.

Diesem Defizit möchte das Vorhaben mit einer Kombination aus innovativen und etablierten Ansätzen sowohl auf Seite der Datenbereitstellung wie auch auf Seite der Datenanalyse und Prognosemodelle begegnen. Eine besondere Herausforderung ergibt sich bei Biodiversitätsfragestellungen durch die vergleichsweise geringe Zahl von Datensätzen. Das Erzeugen einer möglichst hohen Anzahl von Datensätzen und die Anwendung von ML-Algorithmen, welche die Integration von Expertenwissen erlauben, um aussagekräftige Modelle und Prognosen trotz geringen Datenumfangs zu generieren, sind daher ebenfalls zentrale Fragestellungen des Vorhabens.

Projektlaufzeit: 01.01.2025 – 31.12.2027

Projektpartner

Technische Hochschule Ostwestfalen-Lippe

Helmut Schmidt Universität / Universität der Bundeswehr Hamburg

Institut für Agrarökologie und Biodiversität (IFAB)

HSU

Letzte Änderung: 27. Juli 2025