Forschungs- und Innovationsprojekt EWIS2
Entwicklung und Bewertung von Beikraut-Applikationskarten für den Einsatz von Robotern zur mechanischen Beikrautregulierung

In diesem Projekt werden mittels Drohnenfotos in Sorghum und Mais Karten zum räumlichen Verteilungsmuster des Beikrautbesatzes entwickelt und validiert. Diese Karten bilden die Basis für teilflächenspezifischen mechanischen oder chemisch-synthetischen Pflanzenschutz, um durch reduzierte Bodenbearbeitung das Erosionsrisiko zu mindern und den Einsatz von Pflanzenschutzmitteln zu reduzieren. Essenzielle Schritte zum teilflächenspezifischen Einsatz von Hackrobotik auf landwirtschaftlichen Feldern werden aufgezeigt. Abschließend erfolgt auf Grundlage der Beikraut-Kartierung eine Wirtschaftlichkeitsbewertung für die verschiedenen Anwendungsmöglichkeiten teilflächenspezifischer Pflanzenschutzmaßnahmen.

In EWIS2 wird die Drohnen-Befliegung von Sorghum- und Maisbeständen mit Blick auf Bildqualität und Flächenleistung optimiert. Die zeitintensive Annotation soll mit Hilfe von eigens entwickelten Vormaskierungen beschleunigt werden, um genaue GNNS-basierte Beikraut- und Kulturkarten zur teilflächenspezifischen Beikrautregulierung automatisiert zu generieren. Diese KI-basierten Karten werden verwendet, um mit Feldrobotern eine autonome teilflächenspezifische mechanische Beikrautregulierung durchzuführen. Im gesamtheitlichen Kontext soll eine ökonomisch-ökologische Bewertung der teilflächenspezifischen mechanischen oder chemisch-synthetischen Beikrautregulierung erfolgen. Alle Ergebnisse des Projektes werden zielgruppenorientiert aufbereitet und über verschiedene Medien (Online, Print, Video, Vorträge, …) weitergegeben. Ebenso werden sämtliche entwickelten Modelle und Daten der wissenschaftlichen Community als Open Source bereitgestellt.

Die moderne Landwirtschaft steht vor großen Herausforderungen: Der Einsatz von Pflanzenschutzmitteln soll reduziert, das Erosionspotenzial durch angepasste Bodenbearbeitung minimiert und neue digitale Technologien effizient genutzt werden. Vor diesem Hintergrund wurde im Projekt EWIS2 untersucht, inwiefern sich aus Drohnenaufnahmen mithilfe künstlicher Intelligenz Applikationskarten, die die räumliche Verteilung des Beikrautbesatzes abbilden, erstellen lassen. Zudem wurde analysiert, wie diese Karten in Feldrobotik integriert und praktisch angewendet werden können. Darüber hinaus erfolgte eine ökologische und ökonomische Bewertung des teilflächenspezifischen Pflanzenschutzes auf Basis von Applikationskarten.

Diese Einsparungen reichen jedoch nicht aus, um die hohen Verfahrenskosten zu kompensieren, sodass keine nennenswerten Gewinnerträge erzielt werden können. Ökologisch zeigt sich insbesondere durch die Reduktion von Herbiziden ein hohes Potenzial. Insgesamt ist die Technologie vielversprechend, jedoch derzeit noch nicht praktikabel einsetzbar.

[1] GENZE, N., WIRTH, M., SCHREINER, C., AJEKWE, R., GRIEB, M. & GRIMM, D. G. (2023): Improved weed segmentation in UAV imagery of sorghum fields with a combined deblurring segmentation model. Plant Methods 19, 87.

Improved weed segmentation in UAV imagery of sorghum fields with a combined deblurring segmentation model.

[2] GENZE N., VAHL, W., GROTH, J., WIRTH, M., GRIEB, M., GRIMM, D. (2024): Manually annotated and curated Dataset of diverse Weed Species in Maize and Sorghum for Computer Vision. Nature Scientific Data 11: 109.

Manually annotated and curated Dataset of diverse Weed Species in Maize and Sorghum for Computer Vision.

[3] JÄNICKE J., VILSMEIER M., GRIEB M. (2025): Entwicklung und Bewertung von Beikraut-Applikationskarten – EWIS2.

Entwicklung und Bewertung von Beikraut- Applikationskarten – EWIS2

[4] JÄNICKE J., VILSMEIER M., GRIEB M. (2025): Überflieger der Landtechnik. Möglichkeiten des Drohneneinsatzes in der Landwirtschaft. Landwirtschafliches Wochenblatt Hessebauer | Pfälzer Bauer | Der Landbote, Nr. 30/2025, S. 11–13.

[5] JÄNICKE J., VILSMEIER M., GRIEB M. (2025): Überflieger der Landtechnik. Möglichkeiten des Drohneneinsatzes in der Landwirtschaft. Rheinische Bauernzeitung, Nr. 31, S. 14–16.

[6] JÄNICKE J., VILSMEIER M., GRIEB M. (2025): Entwicklung von Beikraut-Applikationskarten für den Hackrobotereinsatz. In Julius Kühn-Institut (Hrsg.), 64. Deutsche Pflanzenschutztagung: Pflanzenschutz im System denken; 7. bis 10. Oktober 2025; Technische Universität Braunschweig; – Kurzfassungen der Vorträge und Poster.

Entwicklung von Beikraut-Applikationskarten für den Hackrobotereinsatz

[7] JÄNICKE J., PITSYK V.,GENZE N., PFROMBECK J.,KOPFINGER S., GANDORFER M., GRIMM D., GRIEB M. (2026): Entwicklung von Beikraut-Applikationskarten für den teilflächenspezifischen Pflanzenschutz: Technische Umsetzung und Ökonomische Bewertung. (under review bei Berichte über Landwirtschaft).

[8] JÄNICKE J., GRIEB M. (2026): TFZ-Leitfaden: Drohnenbefliegungen: Einsatz im Präzisionspflanzenschutz (under review).

[9] PFROMBECK J., PITSYK V., GENZE N., HOFER A., SIGHART S., KOPFINGER S., GANDORFER M., GRIMM D., JÄNICKE J., GRIEB M. (2026): Autonome Teilflächenregulierung von Unkraut auf Basis KI-generierter Karten. Projektpräsentation, 46. GIL Jahrestagung, Soest.

Autonome Teilflächenregulierung von Unkraut auf Basis KI-generierter Karten

[10] PFROMBECK J., KOPFINGER S., PITSYK V., GENZE N., GANDORFER M. (2026): Autonomous Site-Specific Weed Control Based on AI-Generated Maps. akzeptiert für CIGR-EurAgEng 2026, Turin, Italien.

[11] PFROMBECK J., PITSYK V., JÄNICKE J. (2026): Zwischen Vision und Realität: Die Präzision digitaler Unkrautkarten (eingereicht bei Schule und Beratung).

[12] PITSYK, V.; PFROMBECK, J.; GANDORFER, M. (2025): Economics of site-specific weed management: a review. Precision agriculture '25, S. 1045–1053.

Economics of site-specific weed management: a review. Precision agriculture

[13] PITSYK V., PFROMBECK J., GANDORFER M.: Economics and adoption perspectives of site-specific weed management: A review. (under review bei Precision Agriculture).

[14] STEINER F. (2025): Landwirtschaft: Grundlagen fürs Hacken schaffen. Heise Medien GmbH & Co. KG.

Landwirtschaft: Grundlagen fürs Hacken schaffen.

[15] SUBRAMANIAN H., GENZE N., BERNHARDT H., GRIMM D., HASELBECK F.: Towards Data-efficient Weed Detection via Fine-Tuning Grounding DINO (under review bei Computers and Electronics in Agriculture).

[16] SÜß H. (2024): Drohnen, KI und Robotik In: Bayerisches Landwirtschaftliches Wochenblatt, Bd. 31/2024, S. 39–40.

[17] VILSMEIER M., JÄNICKE J., GRIEB M. (2025): Drohnen und KI im Feld: Der Weg zu präziser Beikrautregulierung. Schule und Beratung. München: Bayerisches Staatsministerium für Ernährung, Landwirtschaft, Forsten und Tourismus.

[18] VILSMEIER M., JÄNICKE J., GRIEB M. (2025): Drohnen und KI im Feld. Bayerisches Landwirtschaftliches Wochenblatt. Hannover: Deutscher Landwirtschaftsverlag GmbH. Bd. 12/2025, S. 44-45.