Diesen Artikel teilen:

15. Sep 2021

|

Wirtschaft

Effizientere und smartere Landwirtschaft

Journalist: Theo Hoffmann

Digitalisierung und Smart Farming werden bei den agrarwissenschaftlichen Studiengängen zu einem immer wichtiger werdenden Thema, meint Josef Bauerdick, M.Sc., Lehrstuhl für Agrarsystemtechnik der Technischen Universität München.

Josef Bauerdick, M.Sc., Lehrstuhl für Agrarsystemtechnik der Technischen Universität München; Foto: Presse

Wie verändert Smart Farming die  Arbeitsabläufe in der Landwirtschaft?

Smart Farming sorgt für eine effizientere Landwirtschaft. Saatgut, Dünger und Pflanzenschutzmittel werden gespart, Arbeitszeiten optimiert. „Smartere“ Maschinen und Prozesse lösen Pfadabhängigkeiten auf. Bisher konkurrieren-de Ziele, wie hohe Effizienz und Biodiversität werden somit gleichzeitig erreicht.

Welche digitalen Technologien werden in naher Zukunft noch für die Landwirtschaft nutzbar gemacht werden können?

Da ist bereits von IoT über autonome Maschinen bis zu KI-basierter Entscheidungsunterstützung alles vertreten. Auch branchenfremde Technologieträger und AgTec Start-ups treten mit Ideen auf, um die Landwirtschaft von morgen zu verändern.

Welche Bedeutung hat Agrarsystemtechnik im Studium heute?

Systemisches Denken ist ein Grundsatz der modernen Agrarwissenschaften. Die Agrarsystemtechnik versteht sich als Bindeglied der Bereiche Technik, Pflanze, Tier und Ökonomie. Die TUM hat die Zeichen der Zeit erkannt und bereitet mit weiteren Professuren der Digitalisierung der Landwirtschaft den Weg.

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.