Unwissenheit im Feld: Mit KI zur Pflanzengesundheit An einem Junimorgen im Oderbruch steht ein Ackerbauer vor einem Weizenschlag. Auf einigen Teilflächen wirken die Pflanzen matt, Blätter zeigen Flecken – ob Pilz oder Mangel oder Fehler, ist unklar. In einem solchen Fall kann eine Pflanzendiagnose per Foto helfen: Ein Foto mit Smartphone gemacht, kurz beschrieben, und die KI liefert innerhalb von Sekunden eine erste Einschätzung. Die digitale Lösung ersetzt keinen Pflanzenschutzberater, kann aber helfen zu entscheiden, was los ist und wie ernst es um die Pflanze steht. Alltagssicht auf vielen Betrieben Auf den Ackerbaubetrieben läuft der Tag eng getaktet. Typische Probleme im Zusammenhang mit Pflanzenschäden sind: Unsicherheit, ob es sich um Krankheit, Nährstoffmangel, Frost- oder Herbizidschäden handelt. Zeitverlust, weil für jede Auffälligkeit telefoniert, gegoogelt oder auf den nächsten Beratungstermin gewartet werden muss. Kostenrisiko durch falsche oder verspätete Maßnahmen: unnötige Spritzgänge, Ertragsverluste, Qualitätsabzüge. In der Praxis zeigt sich oft: Entscheidungen werden „auf Sicht“ getroffen – aus Erfahrung, aber auch aus Bauchgefühl. Wer kein eigenes Pflanzenschutzbüro oder eine gut erreichbare Beratung in der Nähe hat, schiebt unklare Befunde leicht nach hinten, bis es deutlicher wird. Dann ist es für eine wirksame Gegenmaßnahme mitunter schon spät. Was KI bei der Pflanzendiagnose konkret leistet Kurz erklärt: KI als nützliches Werkzeug Künstliche Intelligenz ist ein Sammelbegriff für Technologien und Programme, die imstande sind, Aufgaben zu übernehmen, die bis dato nur Menschen vorbehalten waren. Die große Stärke von KI: Sie kann aus Beispielen lernen und Muster erkennen. Für die Pflanzendiagnose bedeutet das: Das System hat Millionen Bilder gesehen und gelernt, wie typische Schadbilder aussehen. In der Praxis läuft es so: Ein Foto oder mehrere Fotos der betroffenen Pflanze werden in einer KI-Anwendung wie Landwirt.ai hochgeladen. Dazu kommen ein paar Angaben: Kultur, Stadium, Standort, letzte Maßnahmen. Die KI gleicht das Bild mit bekannten Mustern ab und nennt mögliche Ursachen mit einer kurzen Erklärung. Wichtig ist: Die Verantwortung bleibt beim Betrieb. Die KI liefert eine erste Einschätzung und eventuell eine Handlungsempfehlung („Befall beobachten“, „Blattanalyse prüfen“, „Berater hinzuziehen“), ersetzt jedoch nicht die Sachkunde, das Pflanzenschutzrecht und die eigene Erfahrung. Zumal die Bilddiagnosen (noch) nicht fehlerfrei sind – besonders bei seltenen Krankheiten oder unsauberen Fotos kann die Einschätzung danebenliegen. Konkrete Einsatzbereiche und Beispiel-Dialoge 1. Winterweizen in Brandenburg: Rost oder Mangel? Ein Ackerbaubetrieb in der Lausitz bewirtschaftet rund 600 Hektar mit Getreide, Raps und Mais. Im Juni fallen in einem Weizenschlag gelbliche Flecken und rostbraune Pusteln auf den Blättern auf. Die Frage an die KI lautet: „Was hat mein Weizen?“ Wenn die Frage so gestellt wird, könnte das Ergebnis allerdings allgemein ausfallen: mehrere mögliche Pilzkrankheiten, vielleicht auch Nährstoffmangel, mit groben Hinweisen – wenig hilfreich. Der bessere Prompt (= Frage an die KI) mit Foto ist: „Winterweizen, frühe Milchreife, sandiger Lehmboden in der Lausitz, Vorfrucht Mais. Witterung: letzte zwei Wochen warm und feucht, vorher Trockenphase. Pflanzenschutz: Fungizidbehandlung Anfang Mai, seitdem nichts mehr. Foto zeigt oberes Blattetage mit gelben Flecken und rostbraunen Pusteln. Welche 2–3 Ursachen kommen am ehesten infrage und was sollte als Nächstes geprüft werden?“ Die KI kann nun genauer arbeiten: Abgrenzung zwischen Gelbrost, Braunrost und möglichen Abreife-Erscheinungen. Hinweise, welche Blattetagen zu prüfen sind. Empfehlung, in welchen Temperatur- und Feuchtebereichen die Krankheit typisch ist. Diese Einschätzung kann als erste Orientierungshilfe nützlich sein und bei der Entscheidung helfen, ob kurzfristig gehandelt sollte oder weiterhin beobachtet werden kann. 2. Zuckerrüben im Oderbruch: Herbizidschaden oder Schädlinge? Ein Betrieb im Oderbruch meldet Schäden in den Zuckerrüben. Junge Blätter wirken verkrüppelt, es gibt Aufhellungen, teilweise Fraßspuren. Der allgemeine Prompt wäre: „Rübenschlag mit gelben Blättern, was tun?“ Die KI kann viele mögliche Ursachen aufzählen: Nährstoffmangel, Herbizidschaden, Frostschäden, Schädlinge etc. Die Antwort bleibt vage. Empfehlenswert ist ein solcher Prompt mit Foto: „Zuckerrüben, 4–6-Blattstadium, leichter Boden, Oderbruch. Letzte Behandlung: Herbizid-Mischung aus Produkt A und B vor 5 Tagen bei starkem Tau am Morgen. Es gab in der Nacht leichten Bodenfrost. Das Bild zeigt verkrüppelte Jungblätter mit aufgehellten Feldern, teils ohne klaren Fraßrand. Bitte mögliche Ursachen abwägen und mir sagen, welche Hinweise ich im Bestand prüfen sollte.“ Die KI kann jetzt: typische Muster von verschiedenen Schäden gegenüberstellen, auf Unterschiede bei Blattadern, Übergängen und Flächen hinweisen, konkrete Prüfaufträge geben (z. B. Randbereiche, Fahrspuren, andere Schläge vergleichen). So entsteht eine strukturierte Checkliste für den nächsten Feldgang. 3. Kartoffeln im Havelland: Verdacht auf Virus oder Nährstoffmangel Ein Gemischtbetrieb im Havelland hat Speisekartoffeln im Anbau. Ein Teil des Schlages zeigt mosaikartige Aufhellungen, teils eingerollte Blätter. Die Frage lautet: „Was ist mit meinen Kartoffeln los?“ Die erste Antwort der KI könnte allgemein sein. Also geben wir der KI folgende Information: „Speisekartoffeln, Sorte festkochend, mittlere Reife, Havelland. Witterung: Frühjahr kühl und feucht, aktuell wechselhaft. Auf dem Foto sind mosaikartige Aufhellungen und leicht eingerollte Blätter in der oberen Etage zu sehen. Keine bekannten Herbizidfehler, N-Düngung nach Plan. Bitte mögliche Viruskrankheiten von Nährstoffmängeln abgrenzen und sagen, ob eine Laboruntersuchung sinnvoll ist.“ Die KI kann daraufhin: typische Virus-Symptome (Mosaik, Blattstellung) erklären, Unterschiede zu Magnesium- oder Stickstoffmangel nennen, Hinweise geben, wann eine Probe an das Labor oder an den Züchter sinnvoll ist. Genau hier zeigt sich der Nutzen: Nicht die endgültige Diagnose, sondern eine sortierte Übersicht, was als Nächstes zu tun ist. Schritt-für-Schritt-Anleitung für die Pflanzendiagnose per Foto 1. Technik auf dem Hof prüfen Ein gängiges Smartphone mit guter Kamera reicht in der Regel aus. Entscheidend sind scharfe, gut belichtete Fotos. Die Internetverbindung auf dem Feld ist in vielen Regionen lückenhaft. Sinnvoll ist es, Fotos notfalls auf dem Feld aufzunehmen und später im WLAN auf dem Hof hochzuladen. Wer ohnehin ein Tablet für Ackerschlagkartei oder Lenksystem nutzt, kann dieses ebenfalls verwenden. 2. Passende Anwendung wählen Es gibt verschiedene Angebote: Forschungsprojekte, Dienste von Beratungseinrichtungen oder private Anbieter mit KI-gestützter Pflanzendiagnose. Für den Einstieg bieten sich KI-Lösungen wie Landwirt.ai an, die ohne Installation, ohne Registrierung und ohne Vorkenntnisse funktionieren. Wichtig sind klare Angaben zu Datenschutz, Datenspeicherung und zur Herkunft der Bilddaten, mit denen das System trainiert wurde. 3. Erste Tests im überschaubaren Rahmen Sinnvoll ist es, zunächst harmlose oder bekannte Schadbilder zu testen, etwa leichten Mehltaubefall im Getreide. So entsteht ein Gefühl dafür, wie das System arbeitet und welche Angaben im Prompt die Qualität der Antwort deutlich verbessern. Niemand sollte mit einem hochkritischen Problem beginnen, bei dem es um große Beträge oder rechtliche Konsequenzen geht. 4. Fotos bewusst aufnehmen Mehrere Fotos aus unterschiedlicher Entfernung: Übersicht des Bestandes, einzelner Trieb, Nahaufnahme des Blattes. Blattober- und -unterseite, Stängel und gegebenenfalls Wurzeln zeigen. Gegenlicht und starke Schatten vermeiden, lieber im seitlichen oder diffusen Licht fotografieren. 5. Schadbild beschreiben, nicht nur fragen „Was ist das?“ Kultur, Sorte und Entwicklungsstadium nennen. Standortbedingungen (Bodenart, Trocken- oder Staunässelage), Witterung der letzten Wochen und durchgeführte Maßnahmen (Düngung, Pflanzenschutz, Bodenbearbeitung) ergänzen. Ziel der Frage nennen, zum Beispiel: „Benötige ich kurzfristig eine Behandlung oder reicht Beobachten?“ 6. Ergebnis prüfen und absichern Die Antwort der KI nie ungeprüft umsetzen. Mit eigener Erfahrung, Beratungsunterlagen, Merkblättern und Etiketten der Pflanzenschutzmittel abgleichen. Bei größerer Tragweite (z. B. hoher Kostenblock, Gefahr von Resistenzproblemen, Risiken für Nachbarflächen) einen fachlichen Berater hinzuziehen. Pro-Tipps aus der Praxis Immer mehrere Fotos hochladen: Übersicht, Detail, verschiedene Pflanzenteile – das verbessert die Trefferquote deutlich. Kultur, Stadium und Witterung gehören fast immer in den Prompt: Ohne diese Angaben kann die KI ein Schadbild kaum sinnvoll einordnen. Vorherige Maßnahmen genau nennen: Gerade bei Verdacht auf Herbizidschaden oder Düngungsfehler sind Produkte, Aufwandmengen und Termine entscheidend. Keine unnötig sensiblen Daten übertragen: Feldnamen, GPS-Koordinaten oder Kundendaten sind für eine Pflanzendiagnose in der Regel nicht nötig. Antworten konsequent mit der Realität abgleichen. Wenn die Einschätzung nicht zum Bild auf dem Schlag passt, ist im Zweifel die Praxis vor Ort wichtiger als der Bildvorschlag auf dem Bildschirm. Stolperfallen und Grenzen Ein Problem dabei ist: KI-Systeme lernen vor allem aus den Daten, die ihnen zur Verfügung stehen. Viele Bilder stammen aus Versuchsstationen oder aus anderen Ländern mit anderen Sorten und Klimabedingungen. Das kann dazu führen, dass seltene oder regionstypische Schaderreger schlechter erkannt werden. In der Praxis zeigt sich gelegentlich: Verwechslungen zwischen Nährstoffmängeln und Krankheiten. Schwierigkeiten, wenn mehrere Faktoren (z. B. Trockenstress plus Pilzbefall) zusammenkommen. Falsche Einstufung der Dringlichkeit, etwa „sofortiger Fungizideinsatz“, obwohl der Befall auf die untere Blattetage begrenzt ist. Hinzu kommen technische Grenzen: Schlechte Fotos bei Wind, Regen oder grellem Sonnenlicht. Funklöcher auf dem Feld, sodass Bilder erst später hochgeladen werden können. Unterschiedliche Qualität der verfügbaren Systeme – nicht jedes Angebot ist fachlich sauber aufgebaut. Lohnt sich der KI-Einsatz auch für kleinere Betriebe? Für kleinere Bauernhöfe mit wenigen Kulturen lohnen sich KI-Lösungen wie Landwirt.ai alleine schon, um einfach und schnell eine erste Orientierung zu bekommen. Auf den Betrieben mit weiten Flächen und wenig Personal kann die Pflanzendiagnose per Foto dazu beitragen, Problemstellen zu priorisieren: Wo muss zuerst hingefahren werden? In jedem Fall kann die Pflanzendiagnose per Foto helfen, seltene oder ungewohnte Schadbilder besser einzuordnen, ohne gleich mehrere Fachleute anrufen zu müssen. Wo ohnehin ein enger Draht zum Berater besteht und die Felder nah am Hof liegen, ist der Nutzen kleiner – aber auch dort kann ein schnelles Foto eine gute Ergänzung sein.
