Wie UAS-gestützte Hochdurchsatz-Phänotypisierung die moderne Pflanzenzüchtung verändert

Bis 2050 wird die Weltbevölkerung voraussichtlich auf 9,8 Milliarden Menschen anwachsen, wodurch sich der Nahrungsmittelbedarf verdoppelt. Die Ausweitung der landwirtschaftlichen Nutzfläche, um diesen Bedarf zu decken, ist jedoch nicht nachhaltig. Über 501.300 Tonnen neues Ackerland, das seit dem Jahr 2000 angelegt wurde, haben Wälder und natürliche Ökosysteme verdrängt und so den Klimawandel und den Verlust der Artenvielfalt verschärft.

Um dieser Krise zu entgehen, setzen Wissenschaftler verstärkt auf Pflanzenzüchtung – die Wissenschaft der Entwicklung von Nutzpflanzen mit höheren Erträgen, Krankheitsresistenz und Klimabeständigkeit. Traditionelle Züchtungsmethoden sind jedoch zu langsam, um mit der Dringlichkeit des Problems Schritt zu halten.

Hier kommen Drohnen und künstliche Intelligenz (KI) ins Spiel und verändern die Spielregeln grundlegend. Sie bieten eine schnellere und intelligentere Möglichkeit, bessere Nutzpflanzen zu züchten.

Warum die traditionelle Pflanzenzüchtung ins Hintertreffen gerät

Die Pflanzenzüchtung beruht auf der Auswahl von Pflanzen mit erwünschten Eigenschaften wie Trockenheitstoleranz oder Schädlingsresistenz und deren Kreuzung über mehrere Generationen. Der größte Engpass in diesem Prozess ist die Phänotypisierung – die manuelle Messung von Pflanzenmerkmalen wie Höhe, Blattgesundheit oder Ertrag.

Die Messung der Pflanzenhöhe auf einem Feld mit 3.000 Parzellen kann beispielsweise Wochen dauern, wobei menschliche Fehler zu Abweichungen von bis zu 201 Tonnen pro 100 Tonnen führen können. Hinzu kommt, dass sich die Ernteerträge jährlich nur um 0,5–11 Tonnen pro 100 Tonnen verbessern, weit unter der Wachstumsrate von 2,91 Tonnen pro 100 Tonnen, die erforderlich ist, um den Bedarf bis 2050 zu decken.

Mais, ein Grundnahrungsmittel für Milliarden von Menschen, veranschaulicht diese Verlangsamung: Sein jährliches Ertragswachstum ist von 2,21 TP3T in den 1960er Jahren auf 1,331 TP3T heute gesunken. Um diese Lücke zu schließen, benötigen Wissenschaftler Werkzeuge, die die Datenerfassung automatisieren, Fehler reduzieren und die Entscheidungsfindung beschleunigen.

Wie die Drohnentechnologie die Pflanzenzüchtung revolutioniert

Drohnen, auch unbemannte Luftfahrtsysteme (UAS) genannt, ausgestattet mit fortschrittlichen Sensoren und künstlicher Intelligenz, revolutionieren die Landwirtschaft. Diese Geräte können über Felder fliegen und innerhalb von Minuten präzise Daten von Tausenden von Pflanzen erfassen – ein Verfahren, das als Hochdurchsatz-Phänotypisierung (HTP) bekannt ist.

Im Gegensatz zu herkömmlichen Methoden erfassen Drohnen Daten über ganze Felder hinweg und vermeiden so Verzerrungen durch die Stichprobenziehung. Sie nutzen spezielle Sensoren, um alles von der Pflanzenhöhe bis zum Wasserstressniveau zu messen.

Multispektrale Sensoren erfassen beispielsweise das von gesunden Blättern reflektierte Nahinfrarotlicht, während Wärmebildkameras Trockenstress durch die Messung der Kronentemperatur erkennen.

Durch die Automatisierung der Datenerfassung reduzieren Drohnen die Arbeitskosten und beschleunigen die Züchtungszyklen, wodurch es möglich wird, verbesserte Pflanzensorten in Jahren statt Jahrzehnten zu entwickeln.

Die Wissenschaft hinter Drohnensensoren und Datenerfassung

Drohnen nutzen verschiedene Sensoren, um wichtige Pflanzendaten zu erfassen. RGB-Kameras, die kostengünstigste Option, erfassen sichtbares Licht, um die Kronenbedeckung und die Pflanzenhöhe zu messen. Auf Zuckerrohrfeldern haben diese Kameras eine Genauigkeit von 64–69% bei der Halmzählung erreicht und damit die fehleranfällige manuelle Zählung ersetzt.

Multispektrale Sensoren gehen noch einen Schritt weiter, indem sie nicht sichtbare Wellenlängen wie Nahinfrarot erfassen, die mit dem Chlorophyllgehalt und der Pflanzengesundheit korrelieren. So konnten sie beispielsweise die Trockenheitstoleranz von Zuckerrohr mit einer Genauigkeit von über 801 TP3T vorhersagen.

• RGB-Kameras: Rotes, grünes und blaues Licht einfangen, um Farbbilder zu erzeugen.
• Multispektrale Sensoren: Licht jenseits des sichtbaren Spektrums erfassen (z. B. Nahinfrarot).
• Thermische Sensoren: Messung der von Pflanzen abgegebenen Wärme.
• LiDAR: Nutzt Laserimpulse zur Erstellung von 3D-Karten von Pflanzen.
• Hyperspektrale Sensoren: Erfassung von über 200 Lichtwellenlängen für ultra-detaillierte Analysen.

Wärmesensoren erfassen Wärmesignaturen und identifizieren so Pflanzen unter Wasserstress, die wärmer erscheinen als gesunde Pflanzen. Auf Baumwollfeldern haben Wärmebilddrohnen die bodengestützten Temperaturmessungen mit einer Abweichung von weniger als 51 µT³T bestätigt.

LiDAR-Sensoren nutzen Laserimpulse, um 3D-Karten von Nutzpflanzen zu erstellen und Biomasse und Höhe in Versuchen mit Energie-Zuckerrohr mit einer Präzision von 95% zu messen. Die fortschrittlichsten Geräte, hyperspektrale Sensoren, analysieren Hunderte von Lichtwellenlängen, um Nährstoffmängel oder Krankheiten zu erkennen, die mit bloßem Auge nicht sichtbar sind.

Mithilfe dieser Sensoren konnten Forscher 28 neue Gene mit der verzögerten Alterung von Weizen in Verbindung bringen, einer Eigenschaft, die den Ertrag steigert.

Vom Flug zur Erkenntnis: Wie Drohnen Erntedaten analysieren

Die Drohnen-Phänotypisierung beginnt mit einer sorgfältigen Flugplanung. Drohnen fliegen in einer Höhe von 30–100 Metern und erfassen überlappende Bilder, um eine vollständige Abdeckung zu gewährleisten. Ein 10 Hektar großes Feld kann beispielsweise in 15–30 Minuten gescannt werden.

Nach dem Flug fügt Software wie Agisoft Metashape mithilfe von Structure-from-Motion (SfM) – einer Technik, die 2D-Fotos in 3D-Modelle umwandelt – Tausende von Bildern zu detaillierten Karten zusammen. Mithilfe dieser Modelle können Wissenschaftler Merkmale wie Pflanzenhöhe oder Kronenbedeckung per Knopfdruck messen.

Anschließend analysieren KI-Algorithmen die Daten, um Erträge vorherzusagen oder Krankheitsausbrüche zu erkennen. Drohnen scannten beispielsweise 3.132 Zuckerrohrparzellen in nur sieben Stunden – eine Aufgabe, die manuell drei Wochen dauern würde. Diese Geschwindigkeit und Präzision ermöglichen es Pflanzenzüchtern, schnellere Entscheidungen zu treffen, etwa leistungsschwache Pflanzen frühzeitig in der Saison auszusortieren.

Wichtigste Anwendungsgebiete von Drohnen in der modernen Landwirtschaft

Drohnen werden eingesetzt, um einige der größten Herausforderungen in der Landwirtschaft zu bewältigen. Eine wichtige Anwendung ist die direkte Merkmalsmessung, bei der Drohnen manuelle Arbeit ersetzen. Auf Maisfeldern messen Drohnen die Pflanzenhöhe mit einer Genauigkeit von 90% und reduzieren Fehler von 0,5 Metern auf 0,21 Meter.

Sie erfassen außerdem die Kronenbedeckung, ein Indikator dafür, wie gut die Pflanzen den Boden beschatten und so Unkraut unterdrücken. Züchter von Energierohr nutzten diese Daten, um Sorten zu identifizieren, die das Unkrautwachstum um 401 TP3T reduzieren.

Ein weiterer Durchbruch ist die vorausschauende Züchtung, bei der KI-Modelle Drohnendaten nutzen, um den Pflanzenertrag vorherzusagen. So hat beispielsweise die multispektrale Bildgebung Maiserträge mit einer Genauigkeit von 801 TP3T vorhergesagt und damit herkömmliche Genomtests übertroffen.

Drohnen unterstützen auch die Genforschung, indem sie Wissenschaftlern helfen, DNA-Abschnitte zu lokalisieren, die für erwünschte Eigenschaften verantwortlich sind. Bei Weizen brachten Drohnen die Grünfärbung des Kronendachs mit 22 neuen Genen in Verbindung, was möglicherweise die Trockenheitstoleranz erhöht.

Darüber hinaus erkennen hyperspektrale Sensoren Krankheiten wie Citrus Greening Wochen bevor Symptome auftreten, sodass die Landwirte Zeit zum Handeln haben.

Steigerung genetischer Fortschritte durch Präzisionstechnologie

Der genetische Gewinn – die jährliche Verbesserung der Pflanzeneigenschaften durch Züchtung – wird mit einer einfachen Formel berechnet:

(Selektionsintensität × Heritabilität × Merkmalsvariabilität) ÷ Zuchtzykluszeit.

Der genetische Gewinn (ΔG) wird wie folgt berechnet:
ΔG = (i × h² × σp) / L

Wo:

• i = Selektionsintensität (wie streng die Züchter sind).
• h² = Vererbbarkeit (wie viel eines Merkmals von den Eltern an die Nachkommen weitergegeben wird).
• σp = Merkmalsvariabilität in einer Population.
• L = Zeit pro Brutzyklus.

Warum das wichtig istDrohnen verbessern alle Variablen:

1. iScannen 10-mal mehr Pflanzen, wodurch eine strengere Selektion ermöglicht wird.
2. h²: Reduzierung von Messfehlern, Verbesserung der Heritabilitätsschätzungen.
3. σp: Subtile Merkmalsvariationen über ganze Felder hinweg erfassen.
4. L: Zykluszeit verkürzen von 5 Jahre bis 2–3 Jahre durch frühe Prognosen.

Drohnen verbessern jeden Aspekt dieses Prozesses. Durch das Scannen ganzer Felder ermöglichen sie es Pflanzenzüchtern, die besten 11 TP3T anstatt der besten 101 TP3T auszuwählen und so die Selektionsintensität zu erhöhen. Zudem verbessern sie die Schätzungen der Vererbung durch die Reduzierung von Messfehlern.

Die manuelle Erfassung der Pflanzenhöhe führt beispielsweise zu einer Variabilität von 20%, während Drohnen diese auf 5% reduzieren. Darüber hinaus erfassen Drohnen subtile Merkmalsvariationen über Tausende von Pflanzen hinweg und maximieren so die Merkmalsvariabilität.

Am wichtigsten ist jedoch, dass sie die Zuchtzyklen durch frühzeitige Vorhersagen verkürzen. Zuckerrohrzüchter, die Drohnen einsetzen, haben ihre genetischen Fortschritte im Vergleich zu traditionellen Methoden verdreifacht und damit das transformative Potenzial dieser Technologie unter Beweis gestellt.

Herausforderungen meistern und die Zukunft gestalten

Trotz ihres Potenzials steht die drohnenbasierte Phänotypisierung weiterhin vor erheblichen Herausforderungen. Die hohen Kosten fortschrittlicher Sensoren stellen nach wie vor ein großes Hindernis dar – Hyperspektralkameras beispielsweise können über 50.000 Euro kosten und sind damit für die meisten Kleinbauern unerschwinglich.

Die Verarbeitung der enormen Datenmengen erfordert zudem erhebliche Cloud-Computing-Ressourcen, was die Kosten weiter erhöht. KI-Plattformen wie AutoGIS automatisieren die Datenanalyse und machen manuelle Eingaben überflüssig.

Forscher integrieren Drohnen mit Bodensensoren und Wetterstationen und schaffen so ein Echtzeit-Überwachungssystem, das Landwirte vor Schädlingen oder Dürre warnt. Diese Innovationen ebnen den Weg für eine neue Ära der Präzisionslandwirtschaft, in der datengestützte Entscheidungen das Rätselraten ersetzen.

Schlussfolgerung

Drohnen und KI revolutionieren nicht nur die Pflanzenzüchtung, sondern definieren nachhaltige Landwirtschaft neu. Durch die schnellere Entwicklung dürreresistenter, ertragreicher Nutzpflanzen könnten diese Technologien die Nahrungsmittelproduktion bis 2050 verdoppeln, ohne die Anbauflächen zu vergrößern.

Dadurch würden über 100 Millionen Hektar Wald, eine Fläche so groß wie Ägypten, gerettet und der CO₂-Fußabdruck der Landwirtschaft verringert. Landwirte, die Drohnendaten nutzen, konnten den Wasser- und Pestizideinsatz bereits um bis zu 301 Tonnen reduzieren und so Ökosysteme schützen und Kosten senken.

Wie ein Forscher feststellte: “Wir müssen nicht länger raten, welche Pflanzen am besten geeignet sind. Die Drohnen liefern uns die Antwort.” Dank kontinuierlicher Innovationen könnte diese Verbindung von Biologie und Technologie die Ernährungssicherheit für Milliarden von Menschen gewährleisten und gleichzeitig unseren Planeten schützen.

ReferenzKhuimphukhieo, I., & da Silva, JA (2025). Unmanned Aerial Systems (UAS)-basierte Hochdurchsatz-Phänotypisierung (HTP) im Feld als Werkzeugkasten für Pflanzenzüchter: ein umfassender Überblick. Smart Agricultural Technology, 100888.