Diesen Artikel teilen:

15. Sep 2021

|

Wirtschaft

Agrartechnik braucht Daten-Kompatibilität

Journalist: Jakob Bratsch

Der Zugang zu Daten und deren praxisorientierte Interpretation sind Innovationstreiber für eine nachhaltigere Landwirtschaft. Die wachsen-de Menge Informationen erfordert neue Datenmanagementkonzepte.

Ein Kernproblem war bisher die mangelnde oder nicht vorhandene Kompatibilität und Interoperabilität der angebotenen Soft- und Hardware für die Landwirtschaft, da viele Hersteller geschlossene Systeme anbieten. Zur stetigen Optimierung der landwirtschaftlichen Produktionsprozesse sind neue Features wie herstellerübergreifende Datenauswertungen, Dokumentation der Prozesse, Nachhaltigkeitsnachweise und Entscheidungsunterstützung gefragt.

Um diese am Markt geforderten Features anbieten zu können, nimmt der herstellerübergreifende Datenaustausch eine zentrale und fundamentale Rolle ein, da in landwirtschaftlichen Produktionsketten Maschinen und Agrar-Software-Produkte unterschiedlicher Hersteller zum Einsatz kommen. 

Differente Ordnerstrukturen und nicht zu 100 Prozent eingehaltene Standards führten vor allem in den vergangenen Jahren zu einer hohen Frustration bei den Anwendern, weil der gewünschte herstellerübergreifende Datenaustausch so nicht durchgängig möglich war. Hinzu kommt, dass vermehrt Agrar-Software-Unter-nehmen sich nicht diesen vermeintlich genormten Formaten gewidmet, sondern ebenfalls auf geschlossene Lösungen im Verbund mit Consumer Hardware gesetzt haben. Große Landtechnikhersteller bieten zudem auch eigene, in sich geschlossene Lösungen aus bestehenden Maschinen und Agrar-Software-Funktionen an. So waren bis dato wertvolle agronomische und Maschinendaten für die Endnutzer:innen, Landwirt:innen und Lohnunternehmer:innen, nicht herstellerübergreifend nutzbar. Die APIs als auch die konsequente Einhaltung genormter Datenformate (ISO11783/10) unterscheiden sich häufig von Hersteller zu Hersteller. 

Aktuell gibt es nur wenige verfügbare Schnittstellen zwischen Agrarsoftware-Lösungen und Maschinen für den Datenaustausch. Für eine ausreichend hohe Marktdurchdringung müsste jeder Anbieter von Agrarsoftware-Lösungen je eine Schnitt-stelle zu den jeweiligen Landmaschinen entwickeln und pflegen. Dieser Aufwand ist sehr hoch, meist unwirtschaftlich und begründet die bis heute relativ geringe Nutzung von Maschinendaten.

Da es keinen zentralen Zugang über die bestehenden hersteller-spezifischen Lösungen gibt, müssen auch hier viele individuelle Schnittstellen zu den Herstellern aufwendig aufgebaut und gepflegt werden. Wertvolles Know-how dieser Anbieter ist somit aus Sicht des Landwirts nicht nutzbar. Neben den etablierten Herstellern von Agrarsoftware bieten weitere Unternehmen, zum Teil Start-ups, neue Softwareprodukte für meist sehr spezifische Anwendungen an. Viele dieser Software-Tools benötigen den herstellerübergreifenden Zugang zu agronomischen sowie Maschinendaten, um den Landwirt bei seiner angestrebten Produktionsprozess-Optimierung zu unterstützen.

Das Marktpotenzial offener Datenaustauschplattformen oder zukünftiger Netzwerke zur Steigerung der Interoperabilität ist sehr hoch. Denn das Konzept berücksichtigt alle Markteilnehmer entlang der landwirtschaftlichen Wertschöpfungskette und ermöglicht allen Beteiligten einen diskriminierungsfreien Zugang. Darüber hinaus können damit alle Teilnehmenden ihren Endkund:innen, den Landwirt:innen und Lohnunternehmern, über nur eine Schnittstelle die Möglichkeit zum Datenaustausch mit allen anderen Teilnehmenden anbieten. Den Endnutzer:innen wird damit ein großes Portfolio zum individuellen Aus-tausch von Daten für ihren landwirtschaftliche Wertschöpfungskette geboten.

Der Zugang zu Daten und deren praxisorientierte Interpretation sind Innovationstreiber für eine nachhaltigere Agrarproduktion. Gleichzeitig erfordern die zunehmende Komplexität der landwirtschaftlichen Verfahren sowie die wachsende Menge an relevanten Informationen neue Konzepte für ein optimales Datenmanagement.

Landwirt:innen agieren als Unternehmer und müssen somit ihre Produktionsprozesse stetig und nachhaltig optimieren. Die Digitalisierung und das damit verbundene Datenmanagement sind dafür zunehmend adäquate Hilfsinstrumente.

Um die digitalen Hilfsmittel durchgängig nutzen zu können, sind folgende Hauptforderungen zukünftig zu erfüllen: offener und herstellerübergreifender Datenaustausch zwischen Maschinen und Softwareprodukten, freie und unabhängige Auswahl der Maschinen und Agrarsoftware-Applikationen und die Möglichkeit der individuellen Zusammenstellung und Konfiguration eines betriebseigenen Datenmanagement-ECO-Systems, automatisierte Korrektur von Maschinendaten und Konvertierung von Datenstandards untereinander, Nutzung öffentlich verfügbarer Daten, digitale Interaktion mit staatlichen Behörden, zeitlich befristete Zugriffssteuerung auf die eigenen Daten durch den Datenproduzenten mit ausschließlicher Datenhoheit beim Endnutzer/Eigenbestimmung zur Speicherung von Nutzungsdaten/transparente Übersicht der Datenflüsse. 

Diese Arbeit unterscheidet den Agrarsektor von anderen Branchen sehr stark, da der Bedarf zwischen den landwirtschaftlichen Systemen einer langen Historie unterliegt. So mussten sich die Landtechnikhersteller schon früh auf Standards z. B. bei der mechanischen sowie hydraulischen Koppelung von Traktor und Gerät einigen. Diese langjährige Zusammenarbeit ermöglicht heute die gemeinsame Umsetzung der oben aufgeführten Hauptforderungen. Neben der Zusammenarbeit in Industrie-Initiativen und Verbänden wird die Agrarbranche weiterhin in zukunftsweisenden Forschungsprojekten zum Datenmanagement auf nationaler und internationaler Ebene zusammenarbeiten, um für bekannte Problematiken Lösungen zu finden.

2. Apr 2026

|

Business

Kein Roboter zum Gelddrucken, aber ein starker Wächter: KI bei Banken

Künstliche Intelligenz kann im Bankwesen schon ziemlich viel – aber eigenständig Geld drucken oder wundersam vermehren, das kann sie (noch) nicht. Banken setzen KI heute flächendeckend in mehreren Bereichen ein, allen voran in der Betrugsprävention, wo Fraud Detection mittlerweile Branchenstandard ist. KI-gestützte Systeme analysieren Transaktionen von Kundinnen und Kunden in Echtzeit, erkennen und stoppen auffällige Transaktionen und Zahlungsanweisungen in der Regel sofort, und reagieren innerhalb von Sekunden auf neue Angriffsszenarien. Gerade, weil sich Betrugsmaschen ständig weiterentwickeln, ist die Adaptionsgeschwindigkeit in diesem Bereich besonders hoch. Solche Systeme werden in Zukunft weiter optimiert werden, wodurch Banken Routineaufgaben mehr und mehr automatisieren können. Das eröffnet neue Möglichkeiten für personalisierte Kundenberatung, schnellere Analysen – etwa bei Kreditentscheidungen – und insgesamt bessere Kundenerlebnisse. Banken nutzen KI auch immer öfter, um internes Wissen für ihre Mitarbeitenden zu strukturieren, aufzubereiten und schneller zugänglich zu machen. Ziel ist es, Informationen effizienter zu nutzen und Entscheidungsprozesse zu beschleunigen. Im Vergleich zur Betrugsprävention befindet sich dieser Bereich jedoch noch in einer stärkeren Wachstumsphase, auch wenn die Entwicklung hier aktuell sehr dynamisch verläuft. >Der Mensch muss weiterhin die Kontrolle über kritische Prozesse behalten und klare Grenzen setzen. Es gibt unzählige Anbieter von bankenspezifischer KI. Viele davon decken nur bestimmte Anwendungsfelder ab, weshalb Banken häufig mehrere KI-Systeme parallel einsetzen. Auch, wenn Banken langjährige Erfahrung im Umgang mit sensiblen Daten haben, kann die Auswahl passender KI-Tools herausfordernd sein, denn die Lösungen müssen regelkonform sein, Change Compliance- und Datenschutzrichtlinien beachten, außerdem sollten die Daten innerhalb Europas bleiben und nicht unkontrolliert in andere Rechtsräume fließen. Erhöht KI im Bankwesen nun die Sicherheit – oder eher das Risiko für Betrug und Verlust? Grundsätzlich beides. Denn einerseits verbessert KI die Fähigkeit, Betrug frühzeitig zu erkennen und zu verhindern, andererseits entstehen neue Gefahren, insbesondere durch autonome KI-Agenten. Je mehr Entscheidungsfreiheit diese Systeme erhalten, desto größer ist das Risiko, dass sie Sicherheitsvorgaben umgehen oder manipuliert werden. Deshalb gewinnt das Prinzip „Human in the Loop“ beziehungsweise „Human in the Lead“ an Bedeutung: Der Mensch muss weiterhin die Kontrolle über kritische Prozesse behalten und klare Grenzen setzen. Auch im Finanzmarkt insgesamt sind automatisierte Prozesse kein neues Phänomen. Mechanismen wie algorithmischer Handel oder Stop-Loss-Orders können bereits heute Kettenreaktionen auslösen. KI könnte solche Effekte künftig verstärken, stellt aber nicht die ursprüngliche Ursache dar. Wohin wird sich KI im Bankwesen entwickeln? Eigenständig Geld drucken wird sie hoffentlich niemals – doch sie wird als umfassendes System im Hintergrund immer besser in den Bankenalltag integriert werden. Der Mensch wird im Bankwesen jedoch in zentralen Bereichen immer die Oberhand behalten, besonders bei der letzten Kontrolle und beim direkten Kundenkontakt – denn hier können aufmerksame Bankangestellte besser als jede KI als Sicherheitsschranke wirken, die ihre betagten Kundinnen davor schützen, auffällige Transaktionen hoher Summen vorzunehmen. >Banken nutzen KI auch immer öfter, um internes Wissen für ihre Mitarbeitenden zu strukturieren, aufzubereiten und schneller zugänglich zu machen.