Durch das Projekt AGRARSENSE  wächst das Verständnis für Lösungsansätze rund um die Sicherung der Nahrungsmittelversorgung. Das Studio SDIS war Teil eines Integrationsworkshops in Niederösterreich und eines Meetings in Finnland, um diese Bemühungen voran zu treiben.. 

AGRARSENSE, „Intelligente, digitalisierte Komponenten und Systeme für die datengestützte Land- und Forstwirtschaft“, ist ein Projekt von Horizont Europa, das sich mit einer Reihe von Problemen unserer Zeit befasst: Klimawandel, Lieferkettenprobleme und Arbeitskräftemangel bedrohen die Ernährungssicherheit. Durch ein gemeinsames Unternehmen plant das AGRARSENSE-Konsortium aus 57 Partnern, die landwirtschaftliche Technologie und Produktivität auf die nächste Stufe zu heben.

Vertical Farms können eine Lösung für diese Probleme sein. Doch mit dieser neuen Technologie entstehen auch neue Herausforderungen, denen sich der Use Case 2 „Vertical Farming“ widmet, indem er sich mit der industriellen Produktion von Pflanzen mit medizinischem Wert beschäftigt. Das Ziel des Use Case-Teams ist es, die Effizienz durch Skalierbarkeit zu steigern und gleichzeitig die Produktqualität zu erhöhen. Das Arbeitspaket besteht aus dem Projektlead Smart Greenery, Research Studios Austria Studio SDIS, Micro Fluidic Chips Shop, Swiss Center for Electronics and Microtechnology (CSEM), CISC Semiconductor, und Soil Scout). 

Das Konsortium traf sich zu seiner zweiten persönlichen Sitzung in Rovaniemi, Finnland, auf Einladung der Lapland University of Applied Sciences. Sie diskutierten die Projektziele, den Projektfortschritt sowie die nächsten Schritte und neue Ideen. Vom Studio SDIS sind die Forscher Christian Hirsch und Michael Boch nach Finnland gereist, um ihren Beitrag zu präsentieren.

Die Ziele von Use Case 2 sind

  • Reduktion von Dünger, Wasser und Co2 
  • Verluste auf unter 1% reduzieren 
  • 30% mehr Energie zu sparen 
  • 30 % bei der Beleuchtung einzusparen

Vor allem in einem vertikalen Betrieb kann ein einziger falscher Parameter oder eine unentdeckte Fehlfunktion einen ganzen Erntezyklus zerstören. Eine ebenso wichtige Anforderung ist die maximale Betriebseffizienz in Bezug auf Energie-, Wasser- und Düngemittelverbrauch. Da die Energiekosten für die Anbaubeleuchtung einer der Hauptkostentreiber sind, bietet die Optimierung des Energieflusses und der Energierückgewinnung zwischen miteinander verbundenen Modulen eine zusätzliche Möglichkeit zur Senkung der Produktionskosten.

Um das zu erreichen implementiert die RSA FG eine MAPE-K control loop (Monitor, Analyze, Plan, Execute, and Knowledge). Dieses Framework besteht aus folgenden Elementen:

  • Monitor: Sensoren, die Daten zu Umweltparametern wie Licht, Temperatur, Luftfeuchtigkeit und Energieverbrauch erfassen.
  • Analyze: Modelle für maschinelles Lernen analysieren Sensordaten, um Trends zu erkennen.
  • Plan: Auf der Grundlage der Analyse entwickelt das System Strategien, wie z. B. die Anpassung der Beleuchtungszeiten oder eine höhere Wassergabe für die Pflanzen.
  • Execute: Die geplanten Aktionen durchführen
  • Knowledge: Das System speichert historische und Echtzeitdaten, um die ML-Algorithmen zu verfeinern.

Das zweite Forschungsthema des SDIS-Teams in diesem Projekt ist die Skalierbarkeit. Es nutzt neben den Algorithmen des maschinellen Lernens auch Edge Computing und IoT, um eine flexible und skalierbare Produktionsinfrastruktur zu schaffen.

Sensoren integrieren in Breitenfurt 

Vor dem Treffen in Finnland trafen sich die UC2-Partner zu einem Integrationsworkshop in der Testfarm von Smart Greenery in Breitenfurt, Niederösterreich. Während des Workshops integrierten sie erfolgreich alle Sensoren in der Testfarm des Anwendungsfallleiters.

Diese Testfarmen produzieren Pflanzen für medizinische und kosmetische Zwecke. Der Anbau dieser Pflanzen in einer kontrollierten Umgebung garantiert nicht nur die Produktqualität, sondern zielt auch darauf ab, die Produktionskosten zu senken. Der Anwendungsfall AGRARSENSE zielt auf die Optimierung dieses Prozesses ab und wird bis zum Abschluss des Projekts im Jahr 2025 fortgesetzt. Die nächsten Schritte werden Sicherheitsbewertungen sein, und nach dem Integrationsworkshop kann das SDIS-Team bei RSA FG alle Daten und Informationen sammeln, die für das Training ihrer maschinellen Lernmodelle erforderlich sind.