Ziel: Entwickle eine innovative Lösung, um Inhalte eines umfassenden Handbuches in ein GPT-basiertes KI-Modell zu integrieren. Ziel ist es, durch gezielte Prompts präzise und kontextuell relevante Informationen aus dem Handbuch abrufen zu können.

Aufgabenstellung:

1. Datenaufbereitung: Strukturieren und formatieren Sie das Handbuch so, dass es für das GPT-Modell optimal nutzbar ist.
2. Modelltraining: Trainieren Sie das GPT-Modell mit den aufbereiteten Daten, um sicherzustellen, dass es die Inhalte des Handbuchs versteht und darauf basierend präzise Antworten geben kann.
3. Prompt-Design: Entwickeln Sie effektive Prompts, die es ermöglichen, spezifische Informationen aus dem Handbuch abzurufen.
4. Evaluation: Testen und bewerten Sie die Genauigkeit und Relevanz der Antworten des Modells anhand realer Anfragen.

Erwartetes Ergebnis: Ein leistungsfähiges KI-System, das durch gezielte Prompts detaillierte und relevante Informationen aus dem Handbuch liefern kann, und somit den LandwirtInnen eine effiziente und intuitive Möglichkeit bietet, auf das Wissen des Handbuchs zuzugreifen.

Motivation: Diese Challenge bietet dir die Möglichkeit, an der Schnittstelle von KI und Wissensmanagement zu arbeiten und innovative Lösungen zu entwickeln, die den Zugang zu umfangreichen Informationen revolutionieren können. Nutze deine Expertise, um ein System zu schaffen, das den Umgang mit komplexen Daten vereinfacht und die Effizienz in der Informationsbeschaffung und Vermittlung steigert.

Unterlagen: Zwei umfassende Kapitel aus dem Handbuch Beeren.

Problem

In der Schweiz fallen pro Jahr gut zwei Millionen Suppenhühner an, diese Tendenz ist seit Jahren steigend. Doch Herr und Frau Schweizer konsumieren so gut wie kein Fleisch von Legehühnern mehr. Zu schlecht der Ruf vom zähen, ausgemergelten Vogel, vergessen das Wissen über die Zubereitung. Zudem ist Pouletfleisch bereits so billig, dass es sich für die Nahrungsmittelindustrie kaum lohnt, die Legehühner zu schlachten und zu verwerten.

Ab einem Alter von ca. sechs Monaten legt ein Legehuhn je nach Rasse 150 bis 300 Eier pro Jahr. Doch jeweils nach einem Jahr müssen Hühner eine Pause einlegen. In der modernen Eierproduktion kann sich jedoch niemand mehr einen solchen Ausfall leisten. Deshalb haben die Hühner heute nach 1 Jahr meistens ausgedient.

Rund 2 Millionen Tiere werden in der Schweiz jährlich «entsorgt». Das ist nicht nur ethisch schwierig, sondern auch unschöner Foodwaste. Denn für Schmorgerichte, Suppen oder sonstwie verarbeitet eignet sich das Fleisch von Legehennen hervorragend. Es soll im Geschmack sogar noch aromatischer sein als das in Rekordzeit hochgefütterte Mastpoulet. Aber: Die Verarbeitung ist etwas aufwändiger. Ein Mehraufwand, der sich für die meisten Gastronomiebetriebe nicht lohnt – es findet sich kaum Abnehmer und so landet in der Schweiz ein grosser Anteil in der Biogas-Anlage.

https://www.tagblatt.ch/wirtschaft/biogasanlage-statt-kochtopf-ld.1137559

Verbesserungsansatz

Es gibt mittlerweile jedoch immer mehr meist kleinere Betriebe, welche Fleisch und auch Wurstprodukte von Legehühnern anbieten. Daneben findet man ebenfalls eine riesige Anzahl von unterschiedlichen Rezepten und Zubereitungsarten (z.B. Burger, Grill-Poulet etc.). Um diesen «Trend» aufzugreifen und zu unterstützen, könnte im Rahmen einer Challenge ein Konzept zur Verbreitung von Legehühnerfleisch entwickelt werden. Denkbar wäre eine Plattform welche die zahlreichen Anbieter und Angebote nach Regionen bspw. in einer Art «Poulet-Landkarte» anzeigt und diese zudem mit den zahlreichen Rezepten, Menü- und Verarbeitungsvorschlägen verknüpft

Konzeption eines digitalen Buchungssystems für ein- bis mehrtägige Touren auf dem Routennetz von Pferdeerlebnisse Aargau. Das Thema Kontingentsverwaltung ist einzubeziehen. Für kleinere Anbieter (bspw. Agrotourismus) ist es schwierig, das buchbare Kontingent zu verwalten.

Wenn bspw. eine Zimmerbuchung über eine Plattform abgewickelt wird, muss zwingend das Gesamtkontingent der verfügbaren Zimmer auf allen Plattformen angepasst werden. In dem Fall ist ein gestützter Buchungsprozess, welcher eine E-Mail mit einer Buchungsanfrage zur Folge haben wird, nötig. Geht das auch einfacher?

• Buchungskategorien: Leihpferde, Übernachtung für Reiter/innen, Übernachtung für Pferde, Verpflegung für Reiter/innen.
• Das Thema Kontingentsverwaltung ist einzubeziehen.
• Für kleinere, nicht professionell organisierte Anbieter ist es schwierig, das buchbare Kontingent zu verwalten. Wenn bspw. eine Zimmerbuchung über eine Plattform abgewickelt wird, muss zwingend das Gesamtkontingent der verfügbaren Zimmer auf allen Plattformen angepasst werden. In dem Fall ist ein gestützter Buchungsprozess, welcher eine E-Mail mit einer Buchungsanfrage zur Folge haben wird, nötig. Geht das auch einfacher?

Ziel dieses Challenges ist die Entwicklung eines Prototyps basierend auf existierender Hardware und Software (biolingo). Biolingo misst die Emotionen von Menschen mit Hilfe eines Pflanzensensors. In diesem Challenge soll der Sensor eingesetzt werden, um Pflanzengesundheit und Stress zu messen, sei es durch Schädlinge, Pilzbefall, oder Wasser oder Sonneneinstrahlung.

Titelbild:

(Vollauflösung)

Code:

• Originaler Code von Peter Gloor: https://github.com/pgloor/hiddenbiosignals/tree/main/plant_spectrograms
• Reduzierter Code mit gesammelten Daten: https://github.com/philippkueng/hiddenbiosignals
• Server Code an welcher der ESP32 die Rohdaten schickt und welcher die Daten in eine WAV Datei transformiert: https://github.com/diego411/plant_emotion_classification

Challenge

Das Thema Pflanzenernährung ist komplex. Die ideale Zusammensetzung hängt von vielen Faktoren ab.

Für einen ressourceneffizienten Anbau ist es entscheidend, den Nährstoffbedarf im Detail zu kennen: nicht zu viel, nicht zu wenig; und dies für jeden Nährstoff. Die Ernte (Qualität und Menge), die Kosten, Bodengesundheit und Pflanzengesundheit hängen wesentlich von der Pflanzenernährung ab: vom Stickstoff bis zum Spurenelement Bor. Um die Komplexität zu reduzieren, möchten wir in einem ersten Schritt und als Basis-Wert den substratfreien Anbau anschauen. Dazu gibt es unseres Wissens keine Open Source Datenbank, welche zudem sehr präzis ist und alle Nährstoffe umfasst. Wie sieht der erste Schritt aus, um dies zu ändern?

Wir möchten den Prototypen einer App entwickeln. Der Landwirt kann die Kultur auswählen und sieht dann den Nährstoffbedarf aufgeschlüsselt auf alle Komponenten. Starten möchten wir mit der Tomate, da sie die häufigste Kultur im Hors-sol Gemüseanbau ist. Ein wichtiger Teil dieser Challenge ist die Suche nach Daten/Informationsquellen, welche präzise sind für den substratfreien Anbau. Wie viele weitere Kulturen schaffen wir dank Deinem Mithacken an dieser Challenge? Der Prototyp soll erweiterbar sein. Was ist wenn ich die Tomate nicht substratfrei sondern im Boden anbaue? Dann wird es natürlich viel komplexer.

Durch Bodenproben gibt es aber einen guten Anhaltspunkt. Dank der App kann der Landwirt die Werte seiner Bodenprobe eintragen und nun viel besser abschätzen, welche Nährstoffe in welcher Menge noch zugegeben werden müssen. Passt die Rezeptur des Düngerproduzenten? Auch Informationen zu Anzeichen für Mangel oder Überschuss (z.B. Fotos) könnte man einbauen. Hast du weitere Ideen, um Landwirt:innen bei der optimalen Dosierung der Nährstoffe zu unterstützen?

Wer sind wir? Sproutsystems.ch

Wen suchen wir? Praktiker:innen im Anbau von Kulturpflanzen, Programmierer:innen, Interessierte im Bereich Pflanzenernährung.

Fortschritt

• Der Challenge war uns präsentiert, und wir haben 2x mit unsere Expertin danach per Telefon gesprochen.
• Unsere erste Überlegungen und Skizzen befinden sich hier in der Log-Bereich.
• Eine breite Rescherche war gemacht nach Ressourcen: Datenquellen (Ressourcen 👇🏽), bestehende Apps (Inspiration 👇🏽), wissenschaftliche Berichten...
• Wir haben mit ein kleines Pflanzenverzeichnis-Export (PGREL) und mit eine KI-generierte Tabelle (Cohere) von Nahrstoffen angefangen.
• Wir arbeiten an einer offentliche Datenbank mit einem No-Code tool (Baserow). Wir haben an der Open Source Projekt ein Fehler gemeldet.
• In der Formular können einzeln die Berichte hinzugefügt werden, der Galerie-Ansicht zeigt die eingetragene Daten.
• Damit wir ein API in ein Proto-App anbinden können, haben wir die Daten exportiert (phyto.csv nutri.csv check.csv)
• Wir starten einen App-Projekt um die Idee etwas klarer zu präsentieren zu können.

Ressourcen

Daten

• PGREL Datenbank (Nationales Informationssystem zur Erhaltung und Nachhaltigen Nutzung pflanzengenetischer Ressourcen für Ernährung und Landwirtschaft)
• PlantaeDB
• Wikipedia: Nährstoff (Pflanze)
• Wikipedia: Plant nutrients in soil
• Wikidata: Q98605589
• UkrTrait: Ukrainian Plant Trait Database

Vereine & Instituten

• ETH Plant Nutrition
• Deutsche Gesellschaft für Pflanzenernährung (Database)
• International Fertilizer Association
• RAL Gütesicherung Substrate für Pflanzen (Beispiel)
• Anleitung zu Substraten

Firmen

• Farbio - Pflanzennährstoffe im Überblick - Guide
• Yara als Beispiel für Pflanzenernährungs-Tech
• Dennerle

Inspiration

Apps

Hortusfox (Open Source)

Plantix

EasyGrowing

Grow with Jane

PlantPal

Projekte

Agroscope NUVOG - Cider (via opendata.swiss)

Unser kleiner Vorschlag für die Verein eCH, basiert auf die Schematische darstellung der Datenstandards Agrardaten

Influencers

https://youtu.be/FI2ztxuM8VE

https://www.youtube.com/watch?v=ryc_G2a7B_c

Titelbild: Generated using Stable Diffusion XL 1.0 based on a NASA photo of Chris Hadfield juggling tomatoes

Vereinfachungen – das Zauberwort in der Agrarpolitik! Alle wollen sie, aber wie erreicht man wirkliche Vereinfachungen?

Zum Beispiel bei den Bäumen: Die heutigen Direktzahlungsbestimmungen sind umfassend und relativ starr. Hat der Grossvater die Hochstamm-Feldobstbäume vor 50 Jahren etwas zu dicht oder nur mit einer Stammhöhe von 1.1 m gepflanzt, gibt es keine Biodiversitätsbeiträge dafür, selbst wenn der Wendehals darin brütet.

Gesucht ist ein neues Fördersystem für Bäume und eventuell auch Hecken, welches weniger Massnahmen vorschreibt als vielmehr ökologisch Wertvolles belohnt. Das neue System soll möglichst auch moderne Agroforstsysteme berücksichtigen.

Die wahre Challenge dabei: Das System soll sowohl für die Landwirtinnen und Landwirte als auch in der Kontrolle umsetzbar sein, also die Gehölze auf Tausenden von Betrieben erfassen und bewerten. Alle Ideen sind willkommen

In der Landwirtschaft entstehen jährlich Schäden durch Mäusebefall von mehreren Milionen Franken. Aktuell ist die Bekämpfung personal- zeitintensiv. Die Flächen der Betriebe haben sich vergrössert und Grossvater geht auch lieber wandern. An den letzten Open Farming Hackdays haben wir das Mock-up entwickelt.

In der Zwischenzeit konnten wir erste Schritte zum auffinden von Mäusegängen durch den Einsatz von Bodenradar machen. Jetzt wollen wir an dem System weiter arbeiten.

Wir verfolgen zwei Stossrichtungen:

1. Bodenradardaten ergeben gute Resultate bei der Detektion von Mäusegängen. Die Bilder müssen im Augenblick noch von Hand ausgewertete werden. Mittels KI wollen wir diesen Task automatisieren und die guten Resultate aus der Laborumgebung im Feldtest wiederholen.

2. Mäuse-Aktivität aufklähren: Mittels Drohnenbildern wollen wir möglichsts frühzeitig erkennen, wo eine Mäusepopulation auftritt, damit wir rasch und zielgerichtet Gegemassnahmen einleiten könnten.

https://hack.farming.opendata.ch/project/114

Automatisierte Plattform für präzise und vielseitige Anwendungen in der Landwirtschaft

Unsere innovative Plattform bietet eine automatisierte Lösung für die Bewegung über definierte kurze Strecken oder endlos in eine eingestellte Richtung – und das ganz ohne Korrekturmöglichkeit. Diese Funktion ist besonders vorteilhaft für verschiedene Anwendungen in der Landwirtschaft und im Gartenbau.

Was wir uns noch wünschen würden:

• Vorausschicken: Die Plattform kann sich 1-3 Meter vorausbewegen, um beispielsweise Drähte in Junganlagen zu installieren oder Substratbecken in Stellagenkulturen für Erdbeeren zu verteilen.
• Nachlaufen: Die Plattform kann 1-3 Meter nachlaufen, um Mostäpfel in Pallox aufzusammeln oder Mäuse mit Mauki auf der Plattform zu jagen.
• Bewegung entlang der Reihe: Mithilfe von Kameras und Sensoren kann sich die Plattform entlang einer Reihe bewegen, ideal für die Apfelernte.
• GPS oder Lernmodus: Die Plattform kann eine Strecke durch gemeinsames Ablaufen lernen oder via Google Maps einprogrammiert werden.

Benötigte Komponenten:

• Sensoren
• GPS-Empfänger
• Kameras