Icon AgrML

Praxisbeispiel und aktuelle Herausforderungen

  • Die staatlichen Förderungen der autonomen Provinz Bozen sind ein wichtiger Anreiz für die in Südtirol ansässigen landwirtschaftlichen Betriebe. Einige provinzielle Subventionen variieren je nach Größe der Anbaufläche und der Art der Bewirtschaftung. Die korrekte Zuteilung der öffentlichen Fördermittel an die Südtiroler Landwirte ist daher ein wichtiges Thema, das im Sinne einer effizienten Verwaltung der öffentlichen Gelder genauestens überprüft werden muss.
  • Ein Ziel des Projekts AgriML – Machine-Learing für Agrar in Südtirol ist die Ausweitung der automatischen Erkennung der Anbauformen auf 100%, die auf dem Gebiet der autonomen Provinz Bozen deklariert sind. Ein weiteres Ziel ist die Automatisierung der Kontrolle der Anbauformen, um sowohl deren Richtigkeit als auch eventuelle nachträgliche Änderungen dieser zu überprüfen.
  • Zurzeit werden die Subventionen für die Landwirtschaft nach einem manuellen Verfahren ausgezahlt, das sich an den Richtlinien der Europäischen Kommission orientiert. Hierbei werden periodische Überflüge durchgeführt (ca. alle 3 Jahre findet eine Aktualisierung des gesamten Gebietes von Südtirol statt), um die Selbsterklärungen der Betriebsinhaber hinsichtlich des Umfangs und der Art der auf ihren Feldern vorhandenen Kulturen zu überprüfen. Die Überflugbilder werden manuell ausgewertet und beschriftet. Vor-Ort-Kontrollen werden durchgeführt.
  • Es wurde ein Proof of Concept (PoC) entwickelt, um die Machbarkeit des Einsatzes von Machine-Learning-Techniken bei der Erkennung der Art der Kulturen auf Südtirols Satellitenbildern zu demonstrieren und um den Prozess zur Gewährung von Fördermitteln für die Landwirte zu unterstützen und zu automatisieren.
  • In der Implementierungsphase wurden anonymisierte Erntepolygone verwendet, um Satellitenbilder der entsprechenden bewirtschafteten Felder auf dem Gebiet der autonomen Provinz Bozen abzurufen. Gleichzeitig wurden Faltungsmodelle sowie rekurrente neuronale Netze implementiert und trainiert, um die Beziehung zwischen den Satellitenbildern und den in den entsprechenden Polygonbeschriftungen vorhandenen Anbautypen zu modellieren. Bei der Auswahl der Infrastruktur und Architektur der Machine-Learning-Lösung muss darauf geachtet werden, dass sich diese sowohl für die Datenvorverarbeitung als auch Virtual Machines für das Trainieren der Algorithmen eignen.
Infografik: AgriML

Welchen Mehrwert bietet das „Projekt GAIA-X“?

  • Auf Basis von Gaia-X kann der Use Case die Erkennung von Kulturpflanzenarten in Satellitenbildern realisieren und somit zu Einsparungen bei der Miete und Nutzung von Flugzeugen sowie zu einer besseren Arbeitsqualität für die Mitarbeiter*innen im öffentlichen Dienst führen. Eine weitere unmittelbare Folge wäre eine beträchtliche Arbeitsersparnis für die Provinzverwaltung und mehr Zufriedenheit für die Landwirte.
  • Der Mehrwert von Gaia-X liegt in der Möglichkeit, eine Lösung auf Basis europäischer Souveränität und absolutem Datenschutz zu implementieren. Gaia-X kann als europäische Infrastruktur Data Lake-Funktionalitäten und skalierbare Rechenkapazitäten für das Training von Algorithmen der künstlichen Intelligenz anbieten.
  • Die Gaia-X-Infrastruktur ist sowohl für Open-Source-Software als auch für kommerzielle Software offen und entspricht den europäischen Prinzipien und Gesetzen: Dieser Use Case trägt dazu bei, eine Standardisierungsbasis für den Prozess der Bereitstellung von landwirtschaftlichen Beiträgen gemäß den Richtlinien der Europäischen Kommission zu schaffen, die jedoch in den lokalen Kontext jeder öffentlichen Verwaltung fällt.
  • Der in diesem Anwendungsfall beschriebene "AgriML--Machine-Learing für Agrar in Südtirol"-Service, der auf Basis von Gaia-X realisiert wird, soll für jede öffentliche Verwaltung der Europäischen Union zugänglich und nutzbar gemacht werden. Neben dem landwirtschaftlichen Sektor Südtirols kann diese Lösung potenziell auch im Bereich der Grünflächenbewirtschaftung, der Forstwirtschaft und der Überwachung der geologischen Eigenschaften des Gebiets angewendet werden und einen Mehrwert schaffen.

Paten

  • Stefan Gasslitter – Südtiroler Informatik AG – Informatica Alto Adige SpA