Bild: Hauptkategorien für die (potentielle) KI-Unterstützung bei der Bewässerung

KI in der landwirtschaftlichen Bewässerungssteuerung - Internationaler Forschungsstand und Entwicklungspotential für Deutschland

Diese Studie untersucht den Einsatz Künstlicher Intelligenz (KI) in der landwirtschaftlichen Bewässerungssteuerung in Deutschland. Durch eine umfassende Literaturrecherche von 37 Publikationen aus dem Zeitraum 2002 bis 2025 sowie Projektanalysen wurde der aktuelle Entwicklungsstand dokumentiert.


Die Untersuchung identifizierte 4 Hauptkategorien der KI-Unterstützung: Datenmanagement, Datenanalysen und Berechnungen, Entscheidungsunterstützung und Prozessoptimierung sowie Automatisierung. Als KI-Methoden dominierten Künstliche Neuronale Netze (KNN), Fuzzy Logic und hybride Neuro-Fuzzy-Ansätze. Bei den Lernmethoden sind klassische Machine-Learning-Ansätze sowie – als dessen Unterkategorie – Deep Learning am stärksten vertreten, primär zur Vorhersage von Kenngrößen wie Evapotranspiration, Bodenfeuchte und Wasserstress.
 

Die Ergebnisse zeigen, dass die KI-basierte Bewässerungssteuerung in Deutschland noch in einem frühen Entwicklungsstadium steckt.
Während international erste Belege für Wassereinsparungen von 6 bis 23 % und Ertragssteigerungen um bis zu 4,3 % durch KI-Optimierung vorliegen (AGYEMAN et al., 2023), sind umfassende KI-Anwendungen in der deutschen Bewässerungspraxis nach aktuellem Kenntnisstand noch nicht etabliert. Bestehende Systeme wie die Bewässerungs-App der Arbeitsgemeinschaft Landtechnik und Landwirtschaftliches Bauwesen in Bayern (ALB) nutzten ausschließlich Algorithmen. Kommerzielle Plattformen bieten Datenmanagement und teilweise Automatisierung; eine vollständige Integration von KI Methoden im Sinne lernfähiger Algorithmen war zum Zeitpunkt der Recherche im Jahr 2025 aber noch nicht verfügbar (NETAFIM, 2025; RAINDANCER, 2025).


Haupthindernisse für Anwendungen in der Praxis sind derzeit mangelndes Vertrauen in KI-Systeme, unzureichende Digitalisierung der Bewässerungsprozesse und fehlende qualitativ hochwertige Trainingsdaten (MILLER et al., 2025; YU et al., 2025). Das Potenzial von KI liegt insbesondere in hybriden Systemen, die räumlich differenzierte Berechnungsmodelle mit Echtzeitdaten kombinieren (YU et al., 2025). Um dieses Potenzial unter den spezifischen Bedingungen der deutschen Feldberegnung zu erproben und die genannten Hindernisse gezielt zu adressieren, präsentiert diese Studie ein Testkonzept für eine KI-gestützte Bewässerungssteuerung mit Linearberegnern, das als Prototyp für weitere Entwicklungen dienen soll.

 

Projektarbeit Digitaler Zwilling

Motivation und Problemstellung


Wasser zählt zu den kostbarsten Ressourcen unseres Planeten. Insbesondere der fortschreitende Klimawandel und die damit einhergehenden Trockenperioden stellen die Landwirtschaft und den Gartenbau vor immense Herausforderungen. Vor diesem Hintergrund gewinnt eine effiziente Wassernutzung massiv an Bedeutung. Die traditionelle, manuelle Bewässerung erweist sich in der Praxis jedoch häufig als ineffizient, da sie auf rein subjektiven Schätzungen basiert. Die Folge ist entweder eine schädliche Überwässerung (Staunässe) oder eine Unterwässerung, die die Pflanzen austrocknen lässt. Eine bedarfsgerechte Steuerung ist manuell kaum realisierbar, da Faktoren wie Bodenfeuchte, Temperatur und Luftfeuchtigkeit sich ständig ändern.


Genau an dieser Schnittstelle setzt die vorliegende Projektarbeit an. Es wurde nicht nur das Ziel verfolgt, die theoretischen Probleme der Ressourcenverschwendung zu verstehen, sondern es sollte eine konkrete, praxistaugliche Lösung entwickelt werden. Im Rahmen dieser Arbeit wurden die theoretischen Konzepte des „Internet of Things“ (IoT) und der Datenanalyse praktisch angewendet. Der konkrete Anlass für dieses Projekt ist die Entwicklung und Erprobung eines skalierbaren Prototyps. Um herauszufinden, wie eine automatisierte Bewässerung gesteuert werden kann und wie das System auf veränderte Umweltbedingungen reagiert, werden die Abläufe zunächst im kleinsten Maßstab untersucht. Eine Pflanzbox dient dabei als Testumgebung, um die Sensorik, das Zusammenspiel der Software und die Modellierung des Digitalen Zwillings unter kontrollierten Bedingungen zu analysieren.

 

Zum Bericht:

Screenshot: Thomas Killing

3D Gebäudeaufnahme von Tucherschloss und Hirsvogelsaal in Nürnberg

Im Rahmen des Lehrforschungsprojekts "3D-Laserscanning und photogrammetrische Gebäudeaufnahme von denkmalgeschützten Bauwerken mit historischer und kultureller Bedeutung für die Region" wurden das Tucherschloss und der Hirsvogelsaal von 2 Studentinnen mit einem Laserscanner und einer Drohne aufgenommen. 
Aus den gewonnen Daten wurde ein digitales Raummodell generiert, welches mit einer VR-Brille virtuell begangen werden kann.

Bericht:
3D-Laserscanning und photogrammetrische Gebäudeaufnahme

Foto: Michael Killing-Heinze

Akeakamai 3D Cave Survey Hawaii 2017

Im Zuge eines interdisziplinären Projektseminars wurden, in Zusammenarbeit mit der Ruhr Universität Bochum - Arbeitsgruppe Höhlen- und U-Bahn- Klimatologie sowie Studierenden der Humboldt Universität zu Berlin - Geographie, Lavafelder und Höhlen vulkanischen Ursprungs mit Hilfe von luftbildgestützter Fotogrammetrie und 3D-Laserscanning vermessen.

Bericht:
Akeakamai 3D Cave Survey Hawaii 2017

VR-Brille HTC Vive
Foto: Valentin Viezens

Building Information Modelling (BIM) und Virtual Reality (VR) im Bauwesen

Mit Hilfe von Fördermitteln des Bayerischen Staatsministerium für Bildung, Kultus, Wissenschaft und Kunst sollen Anwendunsszenarien und Arbeitsprozesse zur praktischen Anwendung von BIM und VR im Bauwesen erarbeitet werden. Ziele sind z.B. die virtuelle Begehung von Gebäuden und Baustellen. Für die Durchführung des Projektes wurde eine VR-Brille sowie ein leistungsstarker Rechner angeschafft. Das Projekt wird in Kooperation mit dem Konstruktiven Labor durchgeführt.

Bericht:
Building Information Modelling (BIM) und Virtual Reality (VR) im Bauwesen

Multikopter DJI Phantom 3
Foto: Thomas Killing

Luftbildgestützte Photogrammetrie

In Kombination mit dem Laserscanner lassen sich, mit Hilfe von Luftaufnahmen eines Multikopters, Lücken zwischen Gelände und Gebäude füllen. Der Multikopter ist für großflächige Geländeaufnahmen und Dächer geeignet. Aus den Aufnahmen lassen sich wie beim Laserscanner digitale Geländemodelle mit zugehörigen Texturen errechnen. Diese können im Anschluss mit entsprechender Software und den Laserscandaten zu einem Gesamtmodell vereinheitlicht werden. Anwendungsgebiete sind Geländeaufnahmen, Massenermittlung von Baugruben, Dachflächenaufnahme, Bauwerksdiagnostik. Der Multikopter eignet sich besonders zur Aufnahme von Fotos an unzugänglichen Stellen.

FARO Laserscanner
Foto: Thomas Killing

Faro 3D-Laserscanner

Mit dem Laserscanner der Fa. FARO können Geländegeometrien und Gebäude als 3D-Punktwolke aufgezeichnet werden. Die Punktwolke wird mit Programmen wie z.B. Agisoft, Scene und Aspect3D errechnet und bearbeitet. Forschungsinhalte sind die Erstellung von Geometrien auf Basis von Laserscandaten, Massenermittlung, Konservierung historischer Gebäude als 3D-Modell, Höhlenerkundung, Kartografie von U-Bahntunneln, usw.