Bis ins kleinste Korn: Wie John Deere industrielle KI nutzt, um Ernteerträge durch Präzisionslandwirtschaft zu steigern

Kürzlich hat The Verge mit Jahmy Hindman gesprochen, dem CTO von John Deere, über die Transformation der Landmaschinen des Unternehmens in den letzten drei Jahrzehnten von rein mechanischen Maschinen zu dem, was Jahmy als „mobile Sensor-Suiten mit Rechenleistung“ bezeichnet. Dies steht im Dienst der „Smart Industrial“-Strategie von John Deere. Bei „Smart Industrial“ geht es um mehr als nur den Verkauf von Maschinen. Es geht darum, das gesamte System (Maschinen, Daten, Analysen und Automatisierung) bereitzustellen, das Landwirte benötigen, um jeder der zehntausenden Pflanzen pro Acre (multipliziert mit tausenden von Acres pro Betrieb) eine individuelle Pflege (exakte Menge an Wasser, Nährstoffen und Pestiziden) auf Scale zukommen zu lassen, was zu höheren Erträgen und weniger Abfall führt.

Auf dem diesjährigen Data + AI Summit (DAIS) erläuterten Gregory Finch (Senior Principal Software Engineer, Intelligent Lösungen Group) und Jake Sankey (Technical Produkt Manager, Enterprise Data & Analytics Platforms) von John Deere während ihrer Keynote zum Thema Fertigung ausführlich die Datenplattform, die dies ermöglicht. Da sich die von den Geräten erzeugte Datenmenge jährlich verdoppelt oder verdreifacht, benötigte Deere eine Datenplattform, die dieses Daten-Scale jetzt und in Zukunft bewältigen, neue Datenquellen (z. B. Wetter) einfach integrieren und anschließend vereinheitlichen konnte, sodass verschiedene nachgelagerte Teams – wie Vertrieb, Service oder Engineering – die Kundenergebnisse verbessern konnten.

Wie Jake erklärte: „Unser Technologie-Stack ist wirklich umfangreich... Er besteht aus Onboard- und Offboard-Komponenten.“ An Bord haben wir Sensoren, jede Menge davon. Wir haben Vision-Systeme, Lenksysteme und drahtlose Konnektivität. Offboard verfügen wir über Cloud-Infrastruktur, Speicher und skalierbare Dienste, die es uns ermöglichen, all diese Daten zu empfangen, zu verarbeiten und zu analysieren. Dieser Stack ermöglicht es uns, unseren Kunden zu helfen, produktiver und erfolgreicher zu sein.“

Als Beispiel verweist er auf den X9-Mähdrescher (die Maschine, die Getreide erntet), bei dem „Kameras kontinuierlich Bilder des Ernteguts bis hin zu den einzelnen Körnern überwachen, während es über den Elevator des Mähdreschers nach oben befördert und in den Tank entleert wird. Wir setzen maschinelles Lernen ein, um die Getreidequalität zu analysieren und die Betriebsparameter der Maschine automatisch anzupassen, wenn Schäden an den Körnern festgestellt werden.“

Solche Fortschritte helfen nicht nur den Landwirten, sondern haben auch einen breiteren gesellschaftlichen Nutzen. Durch Präzisionslandwirtschaft können Landwirte den Einsatz von Chemikalien um 70 % reduzieren und so die Umweltauswirkungen des übermäßigen Einsatzes von Pestiziden verringern.

In dieser Keynote sprechen Jake und Greg darüber, wie ein 184 Jahre altes Unternehmen die Transformation der Branche anführt, da Daten und künstliche Intelligenz (KI) zu immer wichtigeren Werkzeugen des Handels werden – von der Ausführung in der Fertigung bis hin zur Funktionsweise in der Hand des Kunden.