KI-gestützte Neuzüchtungen machen Obst und Gemüse länger haltbar
- Veröffentlicht am
Haltbarkeit ist schon heute ein wichtiges Kriterium, ob ein verderbliches Lebensmittel überhaupt auf den Markt gebracht wird. Geprüft wird das bisher mit dem sogenannten Lebensmittel-Haltbarkeits-Test (LH-Test), der verschiedene Transport- und Lagermöglichkeiten berücksichtigt, allerdings aufwändig durchzuführen ist. Jetzt kann der Test systematisch erweitert werden, da mit Verfahren der Künstlichen Intelligenz (KI) große Datenmengen einfach ausgewertet werden können – und zwar durch Kameraaufnahmen der gezüchteten Pflanzen. Anhand dieser Bilder ist es möglich, Haltbarkeitsmerkmale auszuwerten und anschließend in Bezug zu den genetischen Merkmalen der Pflanzen zu setzen. Das Wissen über die Kombination dieser Merkmale bietet Züchtern einen enormen Vorteil: Sie erhalten ein fundiertes Auswahlkriterium, um zielgerichtet neue, haltbarere Sorten zu züchten.
Automatisierte Tests und virutelle Züchtungen mit KI
Um den LH-Test zu automatisieren und den Aufwand dafür erheblich zu senken, braucht es einen großen Datensatz. Dafür fotografieren Hunderte Kameras Hunderte Pflanzen und erfassen im Zeitverlauf verschiedene optische Merkmale wie welkende Blätter oder braune Stellen. Aus diesen Informationen leitet das KI-basierte System optische Muster ab, auf deren Basis es Rückschlüsse auf die Haltbarkeit der Pflanzen ziehen kann. Diese Informationen verknüpft das KI-System anschließend mit genetischen Daten und kann so auch sehr komplexe Zusammenhänge zwischen der Haltbarkeit und möglichen genetischen Merkmalen herstellen. Sobald diese genetischen Merkmale ermittelt wurden, die für die Haltbarkeit der Pflanze relevant sind, kann eine weitere Software virtuelle Kreuzungen durchführen. So sind weit weniger aufwändige, langwierige Versuchszüchtungen in Gewächshäusern nötig. Die ideale Kombination für eine länger haltbare Pflanze wird zunächst in der virtuellen Welt gefunden, bevor sie im Gewächshaus bestätigt wird.
Schlüssel zu weiteren Merkmalen
Das Projekt ist eine gute Basis, um weitere genetische Merkmale von Pflanzensorten zu entschlüsseln. Da sich Bilderkennung und KI-gestützte Züchtungen auf nahezu alle Pflanzen anwenden lassen, wird dieses Verfahren zukünftig auf viele Fragen Antworten liefern. Man denke beispielsweise an den Klimawandel: Steigende Temperaturen und immer trockenere Böden erfordern Neuzüchtungen, die auch bei Hitze und Wasserarmut gedeihen. Die KI-basierte Züchtung neuer, natürlich haltbarer Pflanzensorten würde nicht nur für die Züchter, sondern auch für die Bevölkerung nachhaltig Vorteile bringen.
Unternehmen sparen durch den automatisierten LH-Test und die dadurch gewonnenen Ergebnisse Zeit und Geld. Lange Testzyklen in realen Gewächshäusern gehören der Vergangenheit an. Stattdessen bringen gezielte Kreuzungen in der virtuellen Welt haltbarere Pflanzen hervor, die ihren Produzenten einen echten Wettbewerbsvorteil und der Umwelt einen Gewinn bringen.
Hintergrundinformationen zum Innovationswettbewerb KI für Klein- und Mittelständische Unternehmen:
In Künstlicher Intelligenz (KI) steckt viel Potenzial, um innovative Produkte, Dienstleistungen und Geschäftsmodelle zu entwickeln – und zwar quer durch alle Branchen und Lebensbereiche. Das eröffnet Firmen aus Baden-Württemberg neue Chancen für Wertschöpfung und Wachstum, insbesondere wenn sie ihr spezialisiertes Branchenwissen mit der Kompetenz der im Land ansässigen KI-Forschung bündeln. Damit es auch kleinen und mittleren Unternehmen gelingt, KI-Innovationen schnell und erfolgreich kommerziell zu nutzen, unterstützt der Wettbewerb „KI für KMU“ des Ministeriums für Wirtschaft, Arbeit und Wohnungsbau Baden-Württemberg gezielt Verbundprojekte zwischen Unternehmen und Forschungseinrichtungen. Die mit insgesamt 2,5 Millionen Euro geförderten neun Modellprojekte dienen als Vorbilder, um weitere Unternehmen anzuregen, gemeinsam mit Forschungseinrichtungen eigene KI-Lösungen zu entwickeln.
Zu diesem Artikel liegen noch keine Kommentare vor.
Artikel kommentierenSchreiben Sie den ersten Kommentar.