Leichte Sprache
Data Science in der Bioökonomie
Moderne landwirtschaftliche und bioökonomische Produktionsprozesse erzeugen große und vielfältige Datenmengen – von Sensordaten aus landwirtschaftlichen Maschinen über Satelliten- und Luftbilder, Wetter- und Klimadaten bis hin zu Daten über Bodeneigenschaften und Bodenfruchtbarkeit.
Die Verarbeitung und Analyse dieser großen Datenmengen durch moderne Verfahren des maschinellen Lernens und der intelligenten Datenanalyse hat das Potenzial, die entsprechenden Produktionsprozesse in großer räumlicher und zeitlicher Ordnung zu erfassen, zugrundeliegende Mechanismen im Detail zu verstehen und auf dieser Basis Prozesse gezielt zu optimieren und angepasst zu steuern.
Um die methodischen Grundlagen für dieses Potenzial zu legen, entwickelt die Arbeitsgruppe Data Science in Agriculture Verfahren des maschinellen Lernens und der intelligenten Datenanalyse für Anwendungen im Bereich der Agrartechnik und Bioökonomie.
Aktuelle Arbeitsschwerpunkte liegen beispielsweise im Bereich der Mustererkennung in Bild- und Spektraldaten für den Präzisionspflanzenbau sowie in der Emissions- und Strömungsmodellierung in freigelüfteten Ställen in der Tierhaltung. Ein weiterer methodischer Arbeitsschwerpunkt liegt in der Entwicklung von Verfahren des maschinellen Lernens, die räumliche und zeitliche Variation in Daten explizit abbilden.
In Ihrem Interview mit bioökonomie.de gibt Prof. Marina Höhne einen Einblick, wie Sie Entscheidungen von KI-Modellen nachvollziehbar machen möchte, um das komplexe System der Bioökonomie besser zu verstehen, und so Ursache und Wirkung verschiedener Prozesse entschlüsseln.
Zu allen Mitarbeiter*innen des Kompetenzbereichs Data Science in Bioeconomy