25.11.2021
Welche Ebenen und Methoden zur ganzheitlichen Modellierung werden in den Zukunftslaboren eingesetzt? Welche Unterschiede und Schnittmengen lassen sich zwischen den verschiedenen Zukunftslaboren erkennen? Darum ging es im zukunftslaborübergreifenden Workshop des Zukunftslabor Agrar. Die Teilnehmer*innen tauschten sich darüber aus, auf welchen Ebenen Daten erhoben werden und mit welchen Hilfsmitteln dies geschieht. Dadurch zeigte sich nicht nur die Vielfalt in den genutzten Datenquellen und Methoden, sondern auch die Expertise der Teilnehmer*innen in der Anwendung der verschiedensten Analysewerkzeugen. Das Zukunftslabor Agrar erklärte dabei eine mögliche Betrachtungsebene eines Simulationsmodells anhand eines Beispiel. Anschließend wurde erläutert, was man unter semantischer Kartierung versteht und wie diese zum Einsatz kommt. Danach erarbeiteten die Teilnehmer*innen in einer interaktiven Session auf dem Conceptboard Schnittmengen innerhalb der verschiedenen Methoden und Herangehensweisen. Der Workshop fand im Rahmen der Reihe „Perspektivenwechsel – Von anderen Zukunftslaboren lernen“ statt, bei der sich wissenschaftliche Mitarbeiter*innen der sechs ZDIN Zukunftslabore über Querschnittsthemen der Digitalisierung austauschen.
Mögliche Betrachtungsebenen eines Simulationsmodells
Im ersten Impulsvortrag stellten Dr.-Ing. Jan Schattenberg (Technische Universität Braunschweig) und Phillip Hildner die verschiedenen Betrachtungsebenen eines Simulationsmodells anhand des Beispiel „Spot Farming als Projektidee für Modellierung“ vor. Die Idee beim Spot Farming ist eine nachhaltige Nutzung unter der Herausforderung eines heterogen beschaffenen Ackers. Um dies zu erreichen wird beim Spot Farming der Acker in mehrere Teilbereiche (auch Spots genannt) eingeteilt und mit dem jeweils optimalen Pflanzenbausystem bewirtschaftet. Der Ausgangspunkt der Simulation ist ein homogenes Feld welches nicht über lokale Abbildung von Feldeigenschaften verfügt. Zur Anfertigung des Simulationsmodells wurde das Feld grafisch dargestellt, in Zellen aufgeteilt und dazugehörige Wachstumsfunktionen als Parameter hinzugenommen.
Die Teilnehmer*innen beschrieben im Anschluss an den Impulsvortrag ihre eigenen Modellierungen und wandten sie auf das Spot Farming an. Das Ziel dahinter war, Parallelen der fachlich gebundenen Modellierung herauszuarbeiten und Herausforderungen sowie Chancen zu erläutern und zu diskutieren.
Semantische Kartierung
Im zweiten Impulsvortrag stellte Benjamin Kisliuk (Deutsches Forschungszentrum für Künstliche Intelligenz) die semantische Kartierung vor. Bei der semantischen Kartierung werden Objekte in Beziehung zueinander gebracht, z. B. Geometrie oder Topologie. In der Landwirtschaft wird vor allem räumlich strukturiert. Ein häufiger Fall der semantischen Kartierung ist das Aufteilen von Landwirtschaftsbetrieben in Teilbereiche, um das heterogene Gelände in Teilbereiche zu teilen und diesen Bedingungen zuzuordnen. Dabei wird ein 2D-Modell des Geländes erstellt und das Gelände in verschiedene Bereiche eingeteilt. Diesen Bereichen wird dann ein Name zugeordnet (z. B. Einfahrt, Stall, Feld). Den zugeordneten Namen werden anschließend Regeln zugeordnet (z. B. nicht die Einfahrt verlassen). Die semantische Kartierung ist ein wichtiger Baustein für die Automatisierung der Landwirtschaft. Durch sie können komplexe Implikationen aus simplen Begriffen erstellt werden. Die Semantik ermöglicht dadurch, Roboter zu kontrollieren und die Navigation auf dem Gelände zu vereinfachen.
