Motivation
Die Landwirtschaft ist stark von Klima und Wetter abhängig. Derzeit stehen Saatguthersteller unter großem Druck, schnell neue Pflanzensorten zu liefern, die weniger Dünger und Pflanzenschutzmittel benötigen und zugleich gute Erträge bringen, wenn sich das Klima ändert. Es gilt also, den Ertrag zu steigern und nachhaltiger zu werden. Bisher dauert die Entwicklung einer neuen kommerziellen Pflanzensorte 6 bis 16 Jahre und kostet bis zu 130 Millionen Euro. Pflanzenzüchter benutzen Vorhersagemethoden, um den zu erwartenden Ertrag und andere Merkmale lediglich aus den genetischen Eigenschaften von neuen Pflanzensorten zu bestimmen, bevor die Pflanzen aufwendig auf Feldern getestet werden. Merkmale von Pflanzensorten wie Aussehen und Ertrag sind einerseits durch die Umwelt, in der sie wachsen, und andererseits durch ihre vererbten genetischen Eigenschaften bestimmt.
Ziele und Vorgehen
Ziel des Verbundvorhabens CropML ist es, maschinelle Lernverfahren zu entwickeln, die Ertrag und andere Merkmale genau vorhersagen, indem sowohl die genetischen Eigenschaften als auch die Umwelteinflüsse berücksichtigt werden. Dafür werden erstmals Daten eingebunden, die die Umwelt beschreiben, also z.B. Wetterdaten, Bodenbeschaffenheit oder Faktoren wie Düngemitteleinsatz.
Innovationen und Perspektiven
Während des Projekts werden passende Datenquellen für Umwelteinflüsse identifiziert. Neue Verfahren werden entwickelt, die die sehr unterschiedlichen Daten aus genetischen Eigenschaften und Umwelteinflüssen integrieren können und den Einfluss beider auf Ertrag und andere Merkmale modellieren, insbesondere auch deren Zusammenwirken. Die entwickelten Methoden sollen weitgehend automatisiert werden, um Züchtern schnell Informationen für zeitkritische Kreuzungsentscheidungen liefern zu können. Dies wird den Züchtern eine präzisere Auswahl biologisch diverser, vielversprechender Sorten erlauben. Das System wird dabei helfen, geeignete Sorten für das Indoor Farming (den Innenanbau) und sich ändernde Klimabedingungen zu identifizieren. Insbesondere im ökologischen Landbau spielt die Auswahl der richtigen Sorte eine wichtige Rolle. Das Forschungsvorhaben unterstützt den Landwirtschaftssektor Deutschlands und trägt zur breiteren Nutzung maschineller Lernverfahren in Wissenschaft und Wirtschaft bei. Durch den Einsatz der zu entwickelnden Methoden können Züchter einen ökonomischen und ökologischen Vorteil erlangen, indem sie bessere und robustere Sorten mit weniger Ressourcen züchten.