Report
💡 Active projects and challenges as of 07.09.2026 20:26.
Hide text CSV Data Package Print
Peter Müller
Gardener AI
Ein portables, benutzerfreundliches Open-Source-System zur Verwaltung von Pflanzendaten.
Wir entwickeln eine Pflanzendatenbank weiter, die es Gärtnern und Planern ermöglicht, Pflanzenbestände zu verwalten und Pflanzlisten zu erstellen. Das Tool basiert auf einer Weboberfläche und kann sowohl auf einem Server veröffentlicht werden als auch lokal auf einem USB Stick benutzt oder installiert werden.
Viele Biogärtnereien erstellen ihre eigenen Pflanzenlisten und pflegen das Sortiment von Hand oder mit proprietärer Software. Anbieter professioneller Datenbanken fokussieren sich auf das Sortiment, das im internationalen Handel angeboten wird und nicht auf das Sorten- und Artenspektrum, das im Bioanbau produziert und gefragt wird. Gleichzeitig können Gartenbauer, Gartenplaner und Stadtgärtnereien nur sehr mühsam auf die angebotenen Sortimente der Biogärtnereien zugreifen, weil sie in unterschiedlichen Datenformaten auf verschiedenen Webseiten vorliegen. Wir wollen für Schweizer Gärtner eine Plattform entwickeln, die diese Probleme löst und die Gärtnereien von der Bindung an proprietäre Softwaresysteme befreit. Gleichzeitig stellt das Projekt umfangreiche Daten über die im Handel verfügbaren Pflanzen für die Öffentlichkeit zur Verfügung, die den Schweizer Bedürfnissen angepasst sind. Projektziel Wir entwickeln ein portables, benutzerfreundliches Open-Source-System zur Verwaltung von Pflanzendaten, das • Bio-Gärtnereien bei der Bestandsverwaltung unterstützt • Gartenplanern bei der Pflanzenwahl hilft • Den Datenaustausch zwischen Gärtnereien ermöglicht • Auf USB-Stick lauffähig ist (XAMPP-basiert) • Am Open Farming Hackday weiterentwickelt werden kann Zielgruppen • Bio-Gärtnereien (Primäre Nutzer) ◦ Pflanzendaten erfassen und verwalten ◦ Bestand verwalten ◦ Etiketten drucken ◦ Export zu Webshops ◦ Kataloge veröffentlichen • Gartenplaner, Gartenbauer und Stadtgärtnereien (Sekundäre Nutzer) ◦ Pflanzenlisten erstellen ◦ Pflanzen nach Kriterien auswählen ◦ Verfügbarkeit prüfen ◦ Anfragen an Gärtnereien senden • Öffentliche User (Tertiäre Nutzer) ◦ Pflanzeninformationen abrufen ◦ Gärtnereien finden ◦ Als zusätzliche Option entwickeln wir einen AI Agenten auf einer lokalen Plattform, der • Auf den Bio-Richtlinien (Bio-Verordnung, Bio Suisse) trainiert wird und alle Fragen zum Bioanbau korrekt beantworten kann. • Öffentlich verfügbare Daten zu den verschiedenen Pflanzenarten und -sorten sammeln kann und in die Datenbank integrieren kann.
Pflanzendatenbank (PDB)
Ein portables, benutzerfreundliches Open-Source-System zur Verwaltung von Pflanzendaten, das:
- Bio-Gärtnereien bei der Bestandsverwaltung unterstützt
- Gartenplanern bei der Pflanzenwahl hilft
- den Datenaustausch zwischen Gärtnereien ermöglicht
- auf USB-Stick lauffähig ist (XAMPP-basiert)
- auf jedem Computer im Webbrowser läuft
- öffentlich umfangreiche Informationen über Pflanzen bereitstellt
- strukturierte Daten für Webseiten und Webshops bereitstellt
- Bio-Gärtnereien ein freies, nicht-proprietäres Framework zur Pflanzenverwaltung zur Verfügung stellt
Peter Müller
CO₂-freie Gewächshausheizung mit saisonalem Erdwärmespeicher
Dieses Projekt entwickelt ein autarkes Heizsystem für Gewächshäuser. Überschüssige Sommerwärme wird im Erdreich unter dem Gewächshaus gespeichert und im Winter über eine Wärmepumpe zum Heizen genutzt. Eine KI optimiert die Steuerung für maximale Effizienz und CO₂-Neutralität.
Dieses Projekt präsentiert ein technisches Konzept fur CO₂-freie, autarke Gewächshausheizungssysteme durch saisonale Wärmespeicherung im oberflächennahen Erdkörper unter dem Gewächshaus. Die im Gewächshaus gesammelte Sommerwärme wird durch einen Wärmetauscher in ein Rohrsystem in den Erdkörper geleitet und im Winter über eine Wärmepumpe entnommen und zur Heizung der Pflanzentische verwendet. Die Steuerung soll durch künstliche Intelligenz unterstützt werden.
Eine künstliche Intelligenz (AI) soll auf einem lokalen Computer laufen und hat über einen MCP Server Zugriff auf Daten von Shelly-Sensoren und -Aktoren, die über homeassistant ausgelesen werden. Zusammen mit Meteo-Daten soll die AI die Lade- und Entladevorgänge optimieren und die Temperatur der Gewächshaustische optimal regeln. Die Herausforderungen bestehen darin, 1. ein geeignetes LLM auszuwählen, das Open Source als lokales Modell verfügbar ist. Zur Auswahl stehen Apertus, Olmo, Rnj-1, Qwen, Deepseek, Mistral und GPT-oss. 2. zu bestimmen, wie die Daten gespeichert werden können, damit die AI in Echtzeit darauf zugreifen kann und Vorhersagen machen kann, um die Steuerung zu optimieren. 3. die AI auf geeigneten Algorithmen und Zielvorgaben zu trainieren. 4. die Anzahl und Positionierung der Shelly-Sensoren und -Aktoren zu bestimmen. Zur Verfügung steht ein ASUS NUC 14 Performance mit CPU i9 185, 64 GB RAM, GPU RTX 4070 mit 8 GB VRAM, Ubuntu 24.04, ollama oder LMStudio. Die Machbarkeitsstudie der FHNW kann zur Verfügung gestellt werden.
CO₂-freie Gewächshausheizung mit saisonalem Erdwärmespeicher und KI-unterstützter Steuerung
Beschreibung
Dieses Projekt präsentiert ein technisches Konzept für CO₂-freie, autarke Gewächshausheizungssysteme durch saisonale Wärmespeicherung im oberflächennahen Erdkörper unter dem Gewächshaus.
Die im Gewächshaus gesammelte Sommerwärme wird durch einen Wärmetauscher in ein Rohrsystem in den Erdkörper geleitet und im Winter über eine Wärmepumpe entnommen und zur Heizung der Pflanzentische verwendet. Die Steuerung soll durch künstliche Intelligenz (KI) unterstützt werden.
Technische Umsetzung
Eine KI soll auf einem lokalen Computer laufen und hat über einen MCP-Server Zugriff auf Daten von Shelly-Sensoren und -Aktoren, die über Home Assistant ausgelesen werden.
Zusammen mit Meteo-Daten soll die KI die Lade- und Entladevorgänge optimieren und die Temperatur der Gewächshaustische optimal regeln.
Herausforderungen
Die Hauptherausforderungen des Projekts sind:
- Auswahl eines geeigneten LLMs: Ein Open-Source-Modell, das lokal läuft. Zur Auswahl stehen Apertus, Olmo, Rnj-1, Qwen, Deepseek, Mistral und GPT-oss.
- Datenarchitektur: Bestimmung, wie die Daten gespeichert werden, damit die KI in Echtzeit darauf zugreifen und Vorhersagen zur Optimierung der Steuerung treffen kann.
- Training der KI: Entwicklung geeigneter Algorithmen und Zielvorgaben für das Training.
- Sensorik: Bestimmung der Anzahl und Positionierung der Shelly-Sensoren und -Aktoren.
Verfügbare Hardware
- Rechner: ASUS NUC 14 Performance
- CPU: Intel Core i9 185
- RAM: 64 GB
- GPU: NVIDIA RTX 4070 (8 GB VRAM)
- Betriebssystem: Ubuntu 24.04
- KI-Tools: Ollama oder LMStudio
Weitere Informationen
Die vollständige Projektbeschreibung ist unter folgendem DOI verfügbar:
https://doi.org/10.5281/zenodo.16940781
Teilnahme
Diese Challenge ist Teil der Open Farming Hackdays. Bei Interesse an einer Teilnahme oder für Fragen steht der Challenge-Owner gerne zur Verfügung.