KI-Kompass 60+ – KI in der Landwirtschaft

Für mehr Tierwohl, Umweltschutz und Klimafolgenanpassung

Kuratierte Schlaglichter für Lernlustige und Multiplikatorinnen im DACH-Raum*

Ausgabe 06/2026. Diese Ausgabe blickt auf KI in der Landwirtschaft als Chance: für besser messbares Tierwohl, gezielteren Pflanzenschutz und klügeres Wassermanagement im Klimawandel – und fragt gleichzeitig nach Hürden und Zielkonflikten. Sie erhalten vier Schlaglichter aus Forschung, Praxis und internationaler Entwicklung, mit Fokus auf Deutschland/West-Europa und einem Spiegel auf wasserarme Regionen.

Transparenz

Text und Bild(er) mit KI-Unterstützung erarbeitet.

Ausgabe 06/2026 – Die Landwirtschaft steht vor einer tiefgreifenden Transformation. Künstliche Intelligenz (KI) und Big Data sind bereits Teil der täglichen Praxis weltweit, zunehmend auch in Westeuropa. Mit Drohnen erzielte Bildaufnahmen können qua KI-Mustererkennung Schädlinge im Acker lokalisieren; über Sensordaten kann das Verhalten einer Kuh analysiert werden: KI-Systeme ermöglichen präzisere, nachhaltigere und effizientere Landwirtschaft. Das bedeutet Veränderung und birgt Chancen und Risiken für Tierwohl, Umwelt und Ernährungssicherheit im Klimawandel, aber auch für Betriebsstrukturen und Geschäftsmodelle in der Landwirtschaft.

Fundstück 1: Wenn KI Schweine „versteht” – Tierstimmenanalyse für mehr Tierwohl

Quelle: dpa Mecklenburg-Vorpommern, Meldung „KI geht in die Schweinesprachschule – für mehr Tierwohl”, veröffentlicht u.a. bei ZEIT ONLINE (Link) © dpa-infocom, dpa:251004-930-120815/1

Was ist passiert?

Die dpa-Meldung berichtet über ein Forschungsprojekt in Mecklenburg‑Vorpommern, in dem mit Hilfe von KI Lautäußerungen von Schweinen ausgewertet werden, um Rückschlüsse auf ihr Wohlbefinden zu ziehen und damit das Tierwohl besser zu erfassen. Grundlage dafür sind Arbeiten, in denen Forschende mehrere Tausend Grunz‑, Quiek‑ und andere Lautäußerungen von Schweinen entlang ihres gesamten Lebens aufgenommen und mit Hilfe eines Algorithmus verschiedenen positiven und negativen Emotionen zugeordnet haben (z.B. beschrieben in einer Projektmeldung des Thaer‑Instituts der HU Berlin: „Schweine verraten ihre Gefühle durch Grunzen”).

Im Verbundprojekt KI‑TIERWOHL werden diese Ansätze systematisch weiterentwickelt: Kameras, Mikrofone und Sensoren sollen eine „umfassende, automatisierte und kontaktlose Tierwohlerkennung” ermöglichen – mit Bildverarbeitung, Bioakustik und Sensortechnologien, ausgewertet durch Big‑Data‑Analysen, Mustererkennung und maschinelles Lernen (siehe auch Projektbeschreibung Fraunhofer IGD). Parallel dazu laufen Anwendungen in der Geflügelhaltung, bei denen KI‑Systeme Verhalten und Stallumwelt von Legehennen überwachen, um Tierwohl, Management und Effizienz besser auszubalancieren (z.B. im Vortrag „KI in der Geflügelhaltung – Chancen für Tierwohl, Management und Effizienz”.

Warum ist das für 60+ relevant?

Das EU‑Briefing „Transforming animal farming through artificial intelligence” des Europäischen Parlaments hebt hervor, dass KI auf Betriebsebene „in einer erstaunlichen Vielfalt von Anwendungen” eingesetzt werden kann, gleichzeitig aber nur dann allen Betrieben zugutekommt, wenn Dateninfrastruktur, IT‑Netze und passende Schulungen verfügbar sind und Risiken wie Cyberangriffe, technische Ausfälle und unbeabsichtigte Umweltfolgen berücksichtigt werden (PDF). Daten müssten demnach in „biologisch sinnvollen und tierwohlbezogenen Kategorien” interpretiert werden; die Technik allein entscheidet nicht, was gutes Tierwohl ist.

Die Tierwohlforscherin Marian Stamp Dawkins fasst in ihrem Beitrag „Smart farming & artificial intelligence: how can we ensure that animal welfare is a priority?” zusammen, dass das Potenzial für besseres Tierwohl davon abhängt, ob Öffentlichkeit und Tierhaltende überzeugt sind, dass automatisierte Messungen wirklich das erfassen, was sie unter „gutem Tierwohl” verstehen, ob die Technik ihre Versprechen in der Praxis nachweisbar einlöst – und ob sich Investitionen für die Betriebe wirtschaftlich tragen (Artikelübersicht University of Oxford). Sie betont, dass die Einführung neuer Technik vor allem von den Kostenwirkungen für die Betriebe abhängt und dass dort, wo sich Investitionen nicht über Effizienzgewinne amortisieren, andere Geschäftsmodelle nötig sind, um Landwirten und Landwirtinnen zum Einsatz solcher Systeme zu bewegen.

Dieses Fundstück zeigt exemplarisch: KI‑Systeme im Stall können Tierwohl objektiver und kontinuierlicher messbar machen und den Alltag der Tierhalter und Tierhalterinnen unterstützen. Sie bringen aber nur dann tatsächlich Verbesserungen, wenn Daten richtig gedeutet werden, die Systeme bezahlbar sind und Tierwohl nicht hinter reiner Effizienzoptimierung zurücksteht.

Was Sie mitnehmen können

Pain-Points zur Einordnung von KI-Anwendungen in der Tierhaltung sind u.a.:

  • Infrastruktur & Datenzugang: Ohne zuverlässige Netze, Dateninfrastruktur und Unterstützung bei Investition und Schulung bleibt KI‑Tierwohltechnik für viele Betriebe schwer erreichbar.
  • Was heißt „gutes Tierwohl”? Damit KI‑Messungen akzeptiert werden, müssen sie zu dem passen, was Tierhalter und Tierhalterinnen und die Verbraucherinnen und Verbraucher unter gutem Tierwohl verstehen – und in der Praxis nachweislich Verbesserungen zeigen.
  • Kosten‑Nutzen‑Balance: Technik, die Tierwohl verbessert und zugleich betriebswirtschaftliche Vorteile bringt, hat gute Chancen, sich durchzusetzen; wenn sich Investitionen nicht tragen, sind zusätzliche Anreize, Programme oder Vergütungsmodelle nötig.

Quellen

⁂

Fundstück 2: KI gegen Unkraut – punktgenauer Pflanzenschutz und mehr Artenvielfalt

Quelle: dpa, Meldung „KI hilft Bauern beim Unkraut erkennen – Vernetzung fehlt”, verbreitet u.a. von ZEIT ONLINE (Link) und der Süddeutschen Zeitung © dpa-infocom, dpa:250826-930-955701/1

Was ist passiert?

Die dpa-Meldung berichtet über Smart-Farming-Anwendungen, bei denen Kameras und KI Unkräuter auf dem Acker erkennen, sodass Spritze oder Hacktechnik nur dort aktiv werden, wo Pflanzen tatsächlich stören. Durch den gezielteren Einsatz von Herbiziden kann der Einsatz insgesamt gesenkt werden. Ein Verbandsvertreter betont, KI sei besonders dort hilfreich, wo „grünes Unkraut von grünen Nutzpflanzen” zu unterscheiden ist – eine typische Herausforderung auf dem Feld.

Der Markt für Smart-Farming-Technologien ist groß und attraktiv für die Hersteller. Die Landwirte und Landwirtinnen wünschen sich herstellerübergreifende, anwenderfreundliche Plattformen, stehen in der Praxis aber häufig vor nicht kompatiblen Fabrikaten, zwischen denen Daten kaum ausgetauscht werden können. Viele Systeme sind proprietär ausgelegt, sodass Anbieter ihre eigene Produktlinie durchsetzen wollen, statt systemoffen zu arbeiten, auch in der Landwirtschaft ist das ein Stolperstein für den Einstieg in KI‑gestützte Technik.

Der SWR‑Beitrag „Landwirtschaft: KI für mehr Artenvielfalt auf dem Acker” zeigt, dass es beim Einsatz von KI auf dem Feld nicht nur um Effizienz und Betriebsabläufe geht, sondern auch um Umwelt- und Naturschutz. Wenn nur die Unkräuter entfernt ewrden, die Nutzpflanzen tatsächlich beeinträchtigen, kann das die Artenvielfalt fördern.

Warum ist das für 60+ relevant?

Deep-Learning-Modelle und Robotik können Unkräuter präzise erkennen und punktgenau entfernen oder besprühen, mit dem Potenzial, den Einsatz von Herbiziden deutlich zu reduzieren und gleichzeitig Erträge zu stabilisieren. Eine große Übersichtsarbeit zu modernen Agrartechnologien ordnet diese Entwicklungen in eine globale Perspektive ein: Sie beschreibt Chancen für Ressourcenschonung und Produktivität weltweit.

Für Deutschland liefert eine gemeinsame Studie des Digitalverbands Bitkom und der Deutschen Landwirtschafts-Gesellschaft (DLG) zusätzliche Einordnung: Digitale Technologien sind auf vielen Betrieben angekommen, KI wird zunehmend als Option gesehen, es werden aber noch Hürden gesehen. Etwa die Hälfte der an der Studie beteiligten Betriebe beklagt eine mangelnde Beteiligung an der Planung politischer Maßnahmen sowie unzureichende Internetabdeckung, fast ebenso viele nennen Bedenken zur Datensouveränität, zur Komplexität digitaler Systeme, zur IT‑Sicherheit und zu fehlenden digitalen Fähigkeiten.

Ein DLG‑Vertreter fokussiert, dass ein klares, verlässliches Rahmenwerk für Praxisbetriebe fehlt – ohne verlässlichen Rahmen würden Investitionen und damit Innovation behindert. Zusammengenommen ergibt sich damit ein Doppelbild: Hemmnisse liegen einerseits bei Politik, Infrastruktur und Förderung, andererseits bei einer Anbieterlandschaft, die häufig nicht systemoffen arbeitet und die Betriebe in Insellösungen drängt.

Diskussionsimpuls:

Wenn KI im Ackerbau hilft, Pflanzenschutzmittel zu reduzieren und Artenvielfalt zu stärken – sind wir als Gesellschaft bereit, die nötigen Investitionen mitzutragen, etwa über etwas höhere Lebensmittelpreise oder über gezielt finanzierte Förderprogramme von EU/Bund/Ländern?

Quellen

⁂

Fundstück 3: Wer sät besser – Bauer oder KI? Entscheidungshilfen und Digitale Zwillinge

Quelle: BR24, „Landwirtschaft: Wer sät besser – Bauer oder KI?” (2025) – verfügbar unter: https://www.br.de/nachrichten/wissen/landwirtschaft-wenn-die-ki-saet,UzcJ6mQ

Was ist passiert?

BR24 begleitet den Landwirt Tom Koller aus Niederbayern, der auf einem Feld Winterweizen anbaut und die Hälfte nach Empfehlungen eines KI‑gestützten Entscheidungssystems bewirtschaftet, die andere Hälfte nach eigener Erfahrung. Das System „Smartfield” der Technischen Universität München analysiert dazu langjährige Wetteraufzeichnungen, Bodendaten und Sorteninformationen aus Versuchsberichten und Beratung, um Vorschläge etwa zu Sortenwahl, Saattermin sowie Düngungs‑ und Pflanzenschutzstrategie zu machen.

Versuche auf Versuchsflächen der TU München zeigen laut Bericht, dass die KI beim Ertrag mit den besten fünf Prozent der Landwirte und Landwirtinnen mithalten kann; bei der Qualität liegt sie ganz vorne, trotzdem bleibt Koller vorsichtig und prüft jeden Vorschlag kritisch. Er betont, dass man „nicht alles glauben” solle, was die KI empfiehlt, und insbesondere darauf achten müsse, ob empfohlene Pflanzenschutzmittel überhaupt zugelassen sind.

Parallel dazu skizzieren Forschungsprojekte wie EOAgriTwin die nächste Ausbaustufe solcher Systeme: Digitale Zwillinge sollen landwirtschaftliche Flächen virtuell abbilden, Satellitendaten, Wetter und Bodeneigenschaften mit KI‑ und Prozessmodellen verknüpfen und so Szenarien für Ertrag, Wasserbedarf und Stressfaktoren durchspielen, als Entscheidungsunterstützung für Betriebe und Politik (Projektstart-Meldung ZALF). Auch ein „Digital Advisor Twin” für die Stickstoffdüngung, der Wissen aus der landwirtschaftlichen Beratung systematisch in ein Entscheidungssystem überführt, zeigt, wie sich Fachberatung und Datenmodell verknüpfen lassen, ohne den Menschen aus der Verantwortung zu nehmen (mediaTUM/TUM).

Warum ist das für 60+ relevant?

Der BR‑Beitrag macht ein Grundmuster sichtbar, das sich in vielen Studien zur Digitalisierung der Landwirtschaft findet: KI‑Systeme können Erfahrungswissen ergänzen, indem sie große Datenmengen aus Vergangenheit, Standort und Versuchen zusammenführen – Entscheidungen bleiben aber beim Menschen, der die Vorschläge einordnet und die Verantwortung trägt. Gerade unter Klimawandel‑Bedingungen, mit volatileren Wetterlagen und steigenden Anforderungen an Dokumentation und Ressourceneffizienz, können solche Systeme helfen, Risiken besser abzuschätzen und den Beruf des Landwirts planbarer zu machen.

Was Sie mitnehmen können

Entscheidungssysteme wie Smartfield oder Digitale Zwillinge können Landwirte und Landwirtinnen entlasten, wenn drei Bedingungen erfüllt sind:

  • Nachvollziehbarkeit: Empfehlungen müssen begründbar sein – etwa durch einsehbare Datenquellen, klare Annahmen und die Möglichkeit, Szenarien („Was‑wäre‑wenn?“) durchzuspielen.
  • Ergänzung, nicht Ersatz: KI sollte als „zweite Meinung” und Rechenhilfe verstanden werden; die Entscheidungshoheit und Verantwortung bleiben beim Menschen.
  • Verlässliche Rahmenbedingungen: Gute Dateninfrastruktur, klare Regeln zu Datenhoheit und ein konsistenter politischer Rahmen erleichtern Investitionen und mindern das Risiko, sich auf eine einzelne, proprietäre Lösung zu verlassen.

Quellen

⁂

Fundstück 4: KI‑gestützte Bewässerung – von Almería bis Israel

Quelle: GIZ‑Leitfaden „Guide to Digitalisation in Agricultural and Food Systems” (2025) – verfügbar unter: https://www.giz.de/de/downloads/giz2025-en-guide-digitalisation-agricultural-food-systems.pdf

Was ist passiert?

Der GIZ‑Leitfaden zeigt anhand zahlreicher internationaler Praxisbeispiele, wie digitale Lösungen – darunter Sensorik und KI‑gestützte Bewässerung – in Kleinbetrieben eingesetzt werden, um Wasser effizienter zu nutzen, Erträge zu stabilisieren und Risiken durch Wetterextreme besser zu managen. Digitale Hardware wie Bodensensoren, vernetzte Ventile und Smart‑Irrigation‑Controller liefert Daten zu Feuchte, Niederschlag und Pflanzenzustand; Apps und Entscheidungslogiken helfen dabei, Bewässerungszeitpunkte und -mengen anzupassen, damit Felder weder austrocknen noch überbewässert werden.

Ein Blick nach Südspanien macht deutlich, wie relevant das ist: In der Gewächshausregion Almería – eine der größten Gemüselieferanten Europas – gelten Wasser und Nährstoffe als knapp und teuer. Projekte wie HORTISYS testen Sensorsysteme, mit denen Gewächshausbetriebe die „Fertigation” (kombinierte Düngung und Bewässerung) optimieren; eine von der EU porträtierte Tomatenbäuerin berichtet, dass sie mit den Sensoren Kosten sparen, die Produktion verbessern und die Umwelt schonen konnte und dass sich das System bereits nach einer Saison wirtschaftlich gerechnet habe (EIP‑AGRI / Europäische Kommission). Parallel dazu setzen Unternehmen und Systemintegratoren auf IoT‑Plattformen, die Klimadaten, Pflanzenwachstum und Logistik verknüpfen, um Produktion, Wasserverbrauch und Lieferketten besser zu planen.

Israelische Systeme gelten in diesem Kontext als technischer Taktgeber: Der Bewässerungsspezialist Netafim beschreibt sein System NetBeat als „erstes Bewässerungssystem mit Gehirn”, das Sensordaten aus Boden, Pflanzen und Wetter mit Entscheidungslogik und Automatisierung kombiniert, um Wasser und Dünger präzise und bedarfsgerecht zu dosieren. KI‑gestützte Plattformen und Start‑ups wie SupPlant ergänzen das durch Algorithmen, die den Zustand der Pflanzen kontinuierlich auswerten und Bewässerung automatisch anpassen – mit dem Ziel, Wasserverbrauch spürbar zu senken und Erträge zu stabilisieren.

Warum ist das für 60+ relevant?

Für die globale Perspektive zeigt eine Metastudie zu modernen Agrartechnologien, dass Smart‑Irrigation‑Systeme und digitale Beratungsdienste wesentliche Bausteine für „climate‑smart agriculture” sind: Sie helfen, mit knappen Wasserressourcen auszukommen, Ertragsrisiken im Klimawandel zu mindern und gleichzeitig Umweltbelastungen zu begrenzen – allerdings mit großen Unterschieden zwischen Regionen und Betriebstypen. Der GIZ‑Leitfaden macht deutlich, dass digitale Lösungen gerade kleine Betrieben in Afrika, Asien und Lateinamerika unterstützen können, wenn sie an lokale Bedingungen angepasst sind und Zugangshürden (Kosten, Infrastruktur, digitale Kompetenzen) gezielt adressiert werden.

Für den DACH‑Kontext sind zwei Aspekte besonders interessant: Erstens lässt sich an Regionen wie Almería oder Israel ablesen, wie sich Landwirtschaft in wasserarmen Räumen unter hohem Technisierungsgrad organisiert – inklusive Chancen und Risiken für Umwelt, Landschaftsbild und Abhängigkeiten von Technik‑Anbietern. Zweitens stellt sich die Frage, wie solche Systeme so gestaltet werden können, dass sie auch hiesigen Betrieben helfen, sich auf häufigere Dürren und Starkregenereignisse einzustellen, ohne dass kleinstrukturierte Betriebe oder ökologische Ziele unter die Räder kommen.

Was Sie mitnehmen können

KI‑gestützte Bewässerungssysteme verbinden mehrere Ziele:

  • Wasser sparen und Erträge stabilisieren: Sensorik und Algorithmen helfen, genau dann zu wässern, wenn Pflanzen es brauchen – weder zu viel noch zu wenig – und damit Wasserknappheit besser zu bewältigen.
  • Lokale Bedingungen berücksichtigen: Systeme müssen an Klima, Böden, Betriebsgrößen und Wissensstand angepasst werden, damit sie nicht nur in High‑Tech‑Gewächshäusern, sondern auch in kleineren Betrieben funktionieren.
  • Gerechtigkeit und Abhängigkeiten mitdenken: Je stärker Betriebe auf proprietäre Plattformen und komplexe Technik angewiesen sind, desto wichtiger werden Fragen von Datenhoheit, langfristigem Support und fairer Verteilung von Kosten und Nutzen.

Diskussionsimpuls: Wenn KI‑gestützte Bewässerung hilft, Wasser zu sparen und Ernten im Klimawandel abzusichern – wie können Förderpolitik, Technologieanbieter und Verbraucher und Verbraucherinnen gemeinsam dafür sorgen, dass solche Lösungen nicht nur in großen High‑Tech‑Betrieben ankommen, sondern auch kleineren Betrieben und wasserarmen Regionen zugutekommen?

Quellen

Informiert bleiben.

Bleiben Sie mit unserem Newsletter auf dem Laufenden.

Mit der Anmeldung zum Newsletter stimmen Sie der Verarbeitung Ihrer Daten entsprechend der Datenschutzerklärung zu.