top of page
Hunger

Machine Intelligence bekämpft Welthunger

Welthunger ist eines der Hauptprobleme unserer Zeit. Angesichts des stetigen Bevölkerungswachstums der Erde wird sich die Situation voraussichtlich noch weiter verschlechtern, was durch den Klimawandel und außergewöhnliche Ereignisse wie die COVID-19-Pandemie und Naturkatastrophen noch verstärkt wird. Machine Intelligence (MI) kann bei der Bewältigung dieser Herausforderung helfen.

Rund 700 Millionen Menschen oder 9,2% der Weltbevölkerung leiden derzeit unter schwerer „Ernährungsunsicherheit“ (definiert als das Fehlen eines zuverlässigen Zugangs zu einer ausreichenden Menge bezahlbarer, nahrhafter Lebensmittel) [1]. Gleichzeitig wächst die Weltbevölkerung weiter und wird nach Angaben der Vereinten Nationen bis zum Jahr 2050 9,7 Milliarden Menschen erreichen [2], was zu einem um 69 % höheren Nahrungsmittelbedarf (gemessen in Kalorien) führen wird als 2006 [ 3]. Einfach die Ackerflächen in der Welt zu erweitern wird das Problem nicht lösen, da die bestehenden landwirtschaftlichen Systeme unsere Umwelt bereits jetzt extremen belasten: Die Landwirtschaft macht rund 18% der globalen CO2-Emissionen aus [4] und nutzt bis zur Hälfte des bewohnbaren Landes [5] mit verheerenden Folgen für Ökosysteme, Wasserversorgung und Artenvielfalt.

Global land use for food production

Globale Landnutzung für die Lebensmittelproduktion. Die Landwirtschaft nutzt bis zur Hälfte des bewohnbaren Landes der Welt [5].

Die Lösung für das Problem Welthunger ist nicht einfach und sollte folgende Ziele haben:

  • Reduzierung des bestehenden Hungers,

  • Verhinderung künftiger Hungerausbrüche,

  • Suche nach nachhaltigen und klimafreundlichen Lösungen.

 

Bei jedem dieser Ziele kann MI eine entscheidende Rolle für den Erfolg der Lösung spielen. Unten betrachten wir einige Beispiele von MI-Ansätzen zur nachhaltigen Bekämpfung von Hunger.

 

Bestehenden Hunger reduzieren

 

Die Versorgung Bedürftiger mit Nahrungsmitteln ist eine wichtige kurzfristige Maßnahme, die das Problem an der Quelle jedoch nicht angeht. Eine nachhaltigere Lösung wäre es, der Landwirtschaft in Regionen mit Nahrungsmittelknappheit zu helfen, sich zu einem selbsttragenden System zu entwickeln. Tatsächlich kann die landwirtschaftliche Entwicklung eines der wirksamsten Instrumente zur Bekämpfung des Hungers sein: Nach Angaben der Weltbank kann das Wachstum des Agrarsektors zwei- bis viermal wirksamer sein, um die Einkommen der Ärmsten zu steigern als das Wachstum in anderen Wirtschaftssektoren [6]. Derzeit gibt es mehrere Initiativen, die erhebliche Anstrengungen zur Entwicklung der lokalen Landwirtschaft in von Hunger betroffenen Ländern unternehmen. Einige von ihnen setzen bereits MI-Technologien ein.

 

So bekämpft die deutsche NPO Thriving Hunger die Unterernährung nach einem innovativen Konzept [7]. Sie lehren und helfen den Einheimischen, eine Mikroalge namens Spirulina anzubauen, ein nahrhaftes Superfood, das täglich geerntet werden kann, hohe Erträge liefert und nur eine geringe Menge an Wasser benötigt. Da Spirulina hohe Temperaturen bevorzugt, eignet es sich perfekt, um Menschen zu ernähren, die in Wüsten leben. Bei der Kultivierung von Spirulina bietet Thriving Green den Einheimischen eine einfache und robuste Technologie, die allerdings auch eine künstliche Intelligenz (KI) Komponente beinhaltet: Der Gesundheitszustand der Spirulina-Population wird mit einer Kamera beobachtet, das an einen kleinen Computer angeschlossen ist. Auf diesem Computer wird ein KI-Modell ausgeführt, mit dem kranke Mikroalgen identifiziert werden, so dass die LandwirtInnen rechtzeitig benachrichtigt werden können, wenn eine Krankheit vorliegt. Auf diese Weise können sie Maßnahmen ergreifen, um die Ausbreitung der Krankheit früh genug zu stoppen und den größten Teil der wertvollen Ernte zu retten.

 

In der Tat ist eine der vielversprechendsten Anwendungen von MI in der Landwirtschaft die Identifizierung von Pflanzenkrankheiten. Mögliche Anwendungen von MI in diesem Bereich sind zu einem Thema intensiver Forschung geworden. Beispielsweise haben WissenschaftlerInnen in der Schweiz und in den USA daran gearbeitet, mithilfe von KI kranke Pflanzen anhand von Fotos zu identifizieren, die mit Smartphones aufgenommen wurden [8]. Dieser Ansatz ermöglicht es den LandwirtInnen, erkrankte Pflanzen frühzeitig zu erkennen und rechtzeitig zu handeln, um ihre Erträge zu steigern. Tatsächlich war dieses Forschungsprojekt so erfolgreich, dass es die Entwicklung einer umfassenden KI-basierten Software namens PlantVillage ausgelöst hat [9]. Die Software ist nicht nur in der Lage Pflanzenkrankheiten mit einer Genauigkeit zu identifizieren, die mit der einer menschlichen Expertin vergleichbar ist, sondern verwendet auch Boden- und Satellitendaten, um Ereignisse vorherzusagen, die sich auf die Erträge der LandwirtInnen auswirken können. Darüber hinaus kann PlantVillage mithilfe eines KI-basierten Systems, das eine große Open-Access-Datenbank zur Pflanzengesundheit und Spracherkennung nutzt, automatisch auf Fragen von LandwirtInnen antworten.

 

Andere Unternehmen, die an der Bekämpfung des globalen Hungers beteiligt sind, haben die Macht ihrer eigenen Daten und der Technologien, mit denen diese Daten ausgewertet werden können, erkannt: Unternehmen wie myAgro, Farmerline und TechnoServe, die sich der Entwicklung lokaler Agrarsysteme in armen Regionen widmen, haben mit dem in den USA ansässigen gemeinnützigen Startup Delta Analytics zusammengearbeitet, um ihre Daten besser zu verstehen und sie auf für Menschen leicht verständlichen Dashboards anzuzeigen [10]. Solche fortschrittlichen Datenanalyseprojekte können wichtige Einblicke in die Auswirkungen verschiedener Aktivitäten im Portfolio einer NPO liefern und Potenziale für die Optimierung interner Prozesse und Lieferketten aufdecken.

 

 

Verhinderung zukünftiger Hungerausbrüche

 

Die Verhinderung künftiger Hungerausbrüche ist ein noch schwierigeres Ziel als die Reduzierung des bestehenden Hungers. Tatsächlich werden wir das Problem ohne Innovation und den Einsatz neuer Technologien nicht auf nachhaltige Weise lösen können. Die gute Nachricht ist, dass es bereits mehrere vielversprechende MI-Ansätze gibt, die zur Lösung dieses Problems beitragen können.

 

Beispielsweise führt ein interdisziplinäres Forscherteam der Carnegie Mellon University ein Programm namens FarmView durch [11]. Dieses Programm beinhaltet die Erforschung und den Einsatz eines innovativen Systems aus Sensoren, Robotik und KI-Technologien zur Verbesserung der Pflanzenzüchtung und des Pflanzenmanagements. Der Schwerpunkt des Programms liegt auf der Entwicklung automatisierter, datengesteuerter Entscheidungsinstrumente zur Steigerung des Ertrags von Sorghum, einem dürre- und hitzebeständigen Getreide, das häufig in Regionen mit Hungergefahr verwendet wird. Auf Testfeldern sammeln Drohnen, Roboter und stationäre Sensoren Daten über Merkmale von Sorghumkulturen. Diese Daten werden dann durch KI-Algorithmen so analysiert, dass ZüchterInnen und GenetikerInnen diejenigen Pflanzen auswählen können, die für die Ertragsverbesserung am besten geeignet und am widerstandsfähigsten gegen Krankheiten und Trockenheit sind. Mit diesem Ansatz werden neue, sehr fruchtbare und resistente Sorghumsorten gezüchtet und LandwirtInnen in Entwicklungsländern zur Verfügung gestellt, die den Ertrag ihrer Pflanzen steigern können, während sie weiterhin ihre traditionellen landwirtschaftlichen Praktiken anwenden.

 

Eine weitere Maßnahme, die erforderlich ist, um genügend Nahrung für alle bereitzustellen, besteht darin, zu vermeiden, dass bereits verfügbare Lebensmittel verschwendet werden. Anstatt Lebensmittel wegzuwerfen, weil sie in Größe, Farbe oder Aussehen abnormal sind, können sie an Lebensmittelbanken gespendet oder zur Herstellung von verarbeiteten Lebensmitteln verwendet werden. Zum Beispiel können Tomaten, die für den Supermarktverkauf nicht gut genug sind, zur Herstellung von Ketchup und unverkäufliche Kartoffeln zur Herstellung von Chips oder Pommes Frites verwendet werden. In der Tat sind wir bereits auf dem Weg, die Verschwendung in der Lebensmittelproduktion zu minimieren und Unternehmen wie TOMRA bieten uns bereits High-Tech-Lösungen zum Sortieren von Lebensmitteln an, die zu diesem Zweck fortschrittliche Analysetechniken verwenden [12]. Der nächste Schritt wird darin bestehen, diese Technologien in großem Umfang anzuwenden und es den Entwicklungsländern zu ermöglichen, auch davon zu profitieren.

 

Wenn man sich die obigen Beispiele ansieht, wie MI-Technologien die Landwirtschaft verändern können, könnte man sich ein ganzheitliches MI-System vorstellen, das Ackerland und Pflanzen kontinuierlich beobachtet, Daten sammelt und auswertet und gleichzeitig Ertrag, Ressourcenverbrauch und Umweltauswirkungen optimiert. Tatsächlich gibt es bereits Versuche, solche Systeme zu entwickeln, z. B. das des in Israel ansässigen Startups Prospera [13]. Obwohl solche Lösungen derzeit nicht in großem Umfang implementiert werden, ist es nur eine Frage der Zeit und der Investition bis unsere landwirtschaftlichen Systeme vollständig revolutioniert sind. Dies mag nach einer guten Nachricht klingen, aber wir sollten bedenken, dass solche Technologien nicht nur großen Unternehmen aus den Industrieländern zugänglich sein sollten, sondern auch Entwicklungsländern zur Verfügung gestellt werden müssen. Nur so können wir künftige Hungerausbrüche verhindern.

 

 

Landwirtschaft und umweltfreundliche Lösungen

 

Während es nur eine Frage der Zeit ist, bis neue Technologien eine Revolution in der Landwirtschaft auslösen, müssen wir sicherstellen, dass die Umwelt dadurch nicht stärker belastet wird als durch die landwirtschaftlichen Systeme, die sie ersetzen sollen. Die Umwelt kann auch von der Kraft der MI-Technologien in der Landwirtschaft profitieren.

 

Beispielsweise können MI-Technologien dazu beitragen, den Einsatz von Herbiziden erheblich zu reduzieren. Derzeit ist der Einsatz von Herbiziden mit „Flächenbombardement“ vergleichbar: Das gesamte Feld wird mit Herbiziden behandelt. Dieser Ansatz führt zur Entstehung herbizidresistenter Unkräuter und belastet die Umwelt unnötig. Ein Unternehmen namens Blue River Technology will diese Situation ändern [14]. Es bietet LandwirtInnen intelligente landwirtschaftliche Geräte an, die mithilfe von KI-gestützter Computer-Vision-Technologie Unkraut identifizieren. Diese Geräte sind in der Lage Herbizide nur dort zu versprühen, wo sie wirklich benötigt werden. Dadurch wird „Flächenbombardement“ vermieden und die Menge der verwendeten Herbizide wird um ca. 90% reduziert. Dieser Ansatz ist sowohl für die Geldbörsen der LandwirtInnen als auch für die Umwelt gut.

Machine Intelligence identifiziert Unkräuter

Von Blue River Technology entwickeltes Computer-Vision-System in Aktion. Auf diesem Foto unterscheidet das System zwischen Baumwollpflanzen und Unkraut [14].

Eine neue, aber vielversprechende Alternative zur konventionellen Landwirtschaft ist die sogenannte vertikale Landwirtschaft, bei der Pflanzen in übereinander gelagerten Ebenen in Innenräumen angebaut werden [15]. Obwohl vertikale Landwirtschaft sehr teuer ist und viel Energie verbraucht, reduziert sie die Menge an Ackerland, spart viele natürliche Ressourcen und ist für empfindliche Ökosysteme weniger störend. Daher sollte es als vielversprechende nachhaltige Alternative zur konventionellen Landwirtschaft betrachtet werden und könnte Teil einer zukünftigen Lösung für Hunger- und Umweltprobleme sein. Da bei vertikaler Landwirtschaft Pflanzen in einer kontrollierten Umgebung wachsen, in der Feuchtigkeit, Licht, Temperatur usw. kontinuierlich gemessen werden müssen, wodurch eine große Datenmenge generiert wird, besteht ein großes Potenzial für die Anwendung von MI-Technologien in diesem Bereich. Es überrascht nicht, dass der Marktführer in der vertikalen Landwirtschaft, AeroFarms, bereits KI, Predictive Analytics, Machine Vision und Data Science einsetzt, um den Ressourcenverbrauch zu optimieren, die Qualität der Pflanzen sicherzustellen und den Ertrag zu verbessern [16].

 

Eine weitere Möglichkeit, die Auswirkungen auf die Umwelt durch Landwirtschaft und Lebensmittelversorgung zu verringern, besteht darin, den Verbrauch von Fleisch und tierischen Produkten zu verringern, da der Viehsektor für 14,5% der vom Menschen verursachten Treibhausgasemissionen verantwortlich ist [17]. Für die meisten Menschen ist es jedoch sehr schwierig, auf tierische Produkte zu verzichten. MI kann auch in diesem Bereich hilfreich sein: Das chilenische Startup NotCo ist darauf spezialisiert, KI einzusetzen, um pflanzliche Lebensmittel herzustellen, die wie ihre tierischen Gegenstücke aussehen, riechen und schmecken [18]. Die zentrale Rolle in diesem Startup spielt ein KI-Algorithmus, den seine Gründer Giuseppe nennen. Es wurde bereits auf einer enormen Anzahl von Pflanzenkombinationen trainiert, mit denen tierische Produkte im Geschmack und in anderen Eigenschaften nachgebildet werden können. Derzeit bietet NotCo seinen KundInnen vegane Milch, Eis, Mayonnaise und Burger-Patties an, die mit Hilfe von MI entwickelt wurden.

 

 

Fazit

 

Innovative Ansätze, die die Kraft der Machine Intelligence nutzen, können im Kampf gegen den Hunger eingesetzt werden. Tatsächlich sind wir bereits auf dem besten Weg, die Landwirtschaft mithilfe von MI-Techniken zu revolutionieren. Wir müssen jedoch sicherstellen, dass diese Revolution nachhaltig ist und sich positiv auf die Agrarsysteme in Entwicklungsländern auswirkt. Denken Sie also kreativ und nutzen Sie die Kraft moderner Technologien in Ihrer NPO oder Ihrem Forschungsprojekt, um den Hunger zu bekämpfen [19].

Literaturverzeichnis

 

[1] https://undocs.org/en/E/2020/57.

[2] https://population.un.org/wpp/Download/Standard/Population/.

[3] https://www.wri.org/blog/2013/12/global-food-challenge-explained-18-graphics.

[4] https://ourworldindata.org/emissions-by-sector.

[5] https://ourworldindata.org/land-use#breakdown-of-global-land-use-today.

[6] http://documents1.worldbank.org/curated/en/700061468334490682/pdf/95768-REVISED-WP-PUBLIC-Box391467B-Ending-Poverty-and-Hunger-by-2030-FINAL.pdf.

[7] https://www.thriving-green.com/en/.

[8] https://arxiv.org/abs/1604.03169.

[9] https://plantvillage.psu.edu/.

[10] http://www.deltanalytics.org/past-grant-recipients.html.

[11] https://www.cmu.edu/work-that-matters/farmview.

[12] https://www.tomra.com/en/sorting/food.

[13] https://home.prospera.ag/.

[14] http://www.bluerivertechnology.com/.

[15] https://en.wikipedia.org/wiki/Vertical_farming#:~:text=Vertical%20farming%20is%20the%20practice,hydroponics%2C%20aquaponics%2C%20and%20aeroponics..

[16] https://aerofarms.com/.

[17] http://www.fao.org/news/story/en/item/197623/icode/#:~:text=Total%20emissions%20from%20global%20livestock,of%20all%20anthropogenic%20GHG%20emissions.&text=On%20a%20commodity%2Dbasis%2C%20beef,the%20sector's%20overall%20GHG%20outputs..

[18] https://notco.com/us/.

[19] Wir bei MI4People sind bestrebt mit Ihnen zusammenzuarbeiten, um Ihnen zu helfen, das volle Potenzial von MI zu verstehen. Zusammen identifizieren wir Forschungsprojekte, die zu wirksamen MI-basierten Lösungen führen, welche dazu beitragen, das Gemeinwohl zu stärken und die gemeinnützigen Ziele Ihrer Organisation besser zu erreichen.

https://www.mi4people.org/contributetomi4people.

bottom of page