Forschen für eine umweltgesteuerte, diversifizierte pflanzliche Produktion
Wir entwickeln Technik und Verfahren für die pflanzenbauliche Produktion. In der Bioökonomie liefert pflanzliche Biomasse nicht nur Nahrungs- und Futtermittel, sondern ist auch die Grundlage für biobasierte Stoffe und Energie.
Mit unserer Forschung folgen wir dem Konzept einer umweltgesteuerten, hochgradig diversifizierten agroökologischen Produktion. Hierbei nutzen wir die Vorteile der Digitalen Transformation und unterstützen den Übergang von Präzisionslandwirtschaft zu einem neuen Ansatz "Diversität durch Präzision".
Der Verlust an Biodiversität ist derzeit eines der drängendsten Probleme weltweit. Der gemischte Anbau verschiedener Kulturen auf einer Fläche, also das Zusammenwirken verschiedenster Pflanzen, Tiere und Mikroorganismen in sogenannten Inter- oder Mixed Cropping-Systemen birgt viele Vorteile, u. a. eine verbesserte Resilienz und höhere Gesamterträge.
Für ein agiles Management solch diverser und komplexer Produktionssysteme müssen Maschinen, Sensoren, Kontrollsysteme, Algorithmen und insbesondere die Bewirtschaftungsstrategien angepasst werden. Der systemische Ansatz der Kreislaufwirtschaft erfordert zudem ein besseres Verständnis des Mikrobioms und seiner Wechselwirkungen innerhalb landwirtschaftlicher Systeme.
Unsere Forschung befasst sich mit der Entwicklung von smarten Sensoren zur digitalen Erfassung von Umweltbedingungen und Pflanzenstatus und methodischen Fragen der intelligenten Bildanalyse. Diese digitalen Methoden sollen entscheidende Beiträge zur Weiterentwicklung der sensorbasierten Prozesssteuerung und -automatisierung leisten als Voraussetzung für die komplexen Steuerungssysteme einer zirkulären Bioökonomie.
Eine zentrale Aufgabe liegt in der Entwicklung digitaler Zwillinge für eine wissensbasierte, präzise, dynamische und anpassungsfähige Prozesssteuerung dieser sehr komplexen Systeme.
Für unsere Forschung steht uns u. a. das ATB Fieldlab for Digital Agriculture in Marquardt mit einer Teststrecke für Bodensensoren und einer Installation zur automatisierten Datenerfassung in Obstbaumkulturen. Zudem werden Forschungsarbeiten perspektivisch in den Leibniz-Innovationshof am Standort Groß Kreutz (derzeit im Aufbau) implementiert.
Bodengesundheit

Im Forschungsfokus steht die Weiterentwicklung proximaler Bodensensorik, um alle für eine nachhaltige Pflanzenproduktion relevanten Informationen digital erfassen zu können, sowie die Entwicklung und Anwendung biologischer Sensorsysteme zur Analyse der Bodengesundheit. Ziel ist eine nachhaltige Nutzung und Verbesserung des Bodens.
Pflanzengesundheit

Unser Forschungsfokus liegt auf einem präzisen Pflanzenmonitoring mit Hilfe insbesondere optischer Sensorsysteme wie LIDAR oder Multispektralkameras - im Acker- und im Gartenbau. Daten aus der In-situ-, Nah- und Fernerkundung liefern Informationen über den Zustand von Pflanzen und Krankheitserregern bzw. Schädlingen. Ziel eines präzisen Pflanzenmonitorings ist es, den Pflanzenschutz umweltfreundlich auszugestalten und durch Stärkung der Pflanzengesundheit die Nahrungsmittelversorgung zu sichern.
Automatisierung
Digitalisierung und Robotik sollen langfristig als verlässliche Kontrollsysteme die Vielfalt in der Landwirtschaft unterstützen. In unserem Forschungsfokus stehen die Identifizierung und Entwicklung von Assistenzsystemen sowie von automatisierten und Feldrobotik-Anwendungen. Simulations- und IoT-Technologien kommen zum Einsatz, um Digitale Zwillinge, hochautomatisierte Feldsensorsysteme, Feldmaschinen und Feldrobotik zu entwickeln und zu verbessern.
Systemanalyse und -bewertung
Ziel ist es, die Auswirkungen landwirtschaftlicher Bewirtschaftungsmaßnahmen auf Treibhausgasemissionen, Wasserproduktivität und IKT-Anwendung zu ermitteln sowie ein besseres Verständnis mikrobieller Prozesse zu gewinnen. Rebound-Effekte werden analysiert.
Zu allen Mitarbeiter*innen des Programmbereichs
Aktuelles
Veranstaltungen
Forschungsprojekte
-
Die Herausforderungen der Landwirtschaft sind vielfältig - neben dem ständigen, intensiven Wettbewerbsdruck sehen sich Landwirte mit immer stärkeren Umweltproblemen als Folgen des Klimawandels konfrontiert und sind gleic…
-
Im Obstbau bedeutet das Aufplatzen von Früchten eine gravierende Schädigung und damit eine erhebliche Beeinträchtigung bei Qualität und Ertrag des Ernteguts. Das Problem tritt hauptsächlich in der Vorerntephase auf und b…
-
-
JaetRobi will die herbizidfreie, automatisierte Unkrautregulierung in direkt gesäten Gemüsekulturen ermöglichen: für einzelne Gartenbaubetriebe, mit praxistauglichen Geräten. Im Projekt JaetRobi sollen für kritische Punk…
-
Mit dem Projekt DigiMix-PA leistet das ATB Beiträge, um in einem systemischen Ansatz Hindernisse auf dem Gebiet der Digitalisierung der Landwirtschaft im Land Brandenburg abzubauen. Gesamtziel ist die Erprobung, Erforsch…
Alle Projekte aus dem Programmbereich
Publikationen aus dem Programmbereich
- Marzban, N.; Libra, J.; Rotter, V.; Ro, K.; Moloeznik Paniagua, D.; Filonenko, S. (2023): Changes in Selected Organic and Inorganic Compounds in the Hydrothermal Carbonization Process Liquid While in Storage. ACS Omega. (4): p. 4234-4243. Online: https://doi.org/10.1021/acsomega.2c07419 1.0
- Bettoni, M.; Maerker, M.; Sacchi, R.; Bosino, A.; Conedera, M.; Simoncelli, L.; Vogel, S. (2023): What makes soil landscape robust? Landscape sensitivity towards land use changes in a Swiss southern Alpine valley. Science of the Total Environment. (2): p. 159779. Online: https://doi.org/10.1016/j.scitotenv.2022.159779 1.0
- Tkachenko, V.; Marzban, N.; Vogl, S.; Filonenko, S.; Antonietti, M. (2023): Chemical Insight into the Base-Tuned Hydrothermal Treatment of Side Stream Biomasses. Sustainable Energy & Fuels. : p. 769-777. Online: https://doi.org/10.1039/D2SE01513G 1.0
- Karimi, H.; Navid, H.; Dammer, K. (2023): A Pixel-wise Segmentation Model to Identify Bur Chervil (Anthriscus caucalis M. Bieb.) Within Images from a Cereal Cropping Field. Gesunde Pflanzen. (1): p. 25-36. Online: https://doi.org/10.1007/s10343-022-00764-6 1.0
- Alipasandi, A.; Mahmoudi, A.; Sturm, B.; Behfar, H.; Zohrabi, S. (2023): Application of meta-heuristic feature selection method in low-cost portable device for watermelon classification using signal processing techniques. Computers and Electronics in Agriculture. (107578): p. 1-16. Online: https://doi.org/10.1016/j.compag.2022.107578 1.0
- Küchler, J.; ; Reiß, E.; Nuß, L.; Conrady, M.; Ramm, P.; Schimpf, U.; Reichl, U.; Szewzyk, U.; Benndorf, D. (2023): Degradation Kinetics of Lignocellulolytic Enzymes in a Biogas Reactor Using Quantitative Mass Spectrometry. Fermentation. (1): p. 67. Online: https://doi.org/10.3390/fermentation9010067 1.0
- Klongklaew, A.; Unban, K.; Kalaimurugan, D.; Kanpiengjai, A.; Azaizeh, H.; Schroedter, L.; Schneider, R.; Venus, J.; Khanongnuch, C. (2023): Bioconversion of Dilute Acid Pretreated Corn Stover to L-Lactic Acid Using Co-Culture of Furfural Tolerant Enterococcus mundtii WX1 and Lactobacillus rhamnosus SCJ9. Fermentation. (2): p. 112. Online: https://doi.org/10.3390/fermentation9020112 1.0
- Specka, X.; Martini, D.; Weiland, C.; Arend, D.; Asseng, S.; Boehm, F.; Feike, T.; Fluck, J.; Gackstetter, D.; Gonzales-Mellado, A.; Hartmann, T.; Haunert, J.; Hoedt, F.; Hoffmann, C.; König, P.; Lange, M.; Lesch, S.; Lindstädt, B.; Lischeid, G.; Möller, M.; Rascher, U.; Reif, J.; Schmalzl, M.; Senft, M.; Stahl, U.; Svoboda, N.; Usadel, B.; Webber, H.; Ewert, F. (2023): FAIRagro: ein Konsortium in der nationalen Forschungsdateninfrastruktur (NFDI) für Forschungsdaten in der Agrosystemforschung. Informatik Spektrum. (Januar): p. 1-12. Online: https://doi.org/10.1007/s00287-022-01520-w 1.0
- Dammer, K. (2023): Arbeitstagung Sensorgestützte Erkennung von Schaderregern in Freilandkulturen am Leibniz-Institut für Agrartechnik und Bioökonomie Potsdam-Bornim (ATB), 11. und 12. Mai 2022. Gesunde Pflanzen. : p. 1-4. Online: https://doi.org/10.1007/s10343-022-00799-9 1.0
- Gautam, S.; Höhne, M.; Hansen, S.; Jenssen, R.; Kampffmeyer, M. (2023): This looks More Like that: Enhancing Self-Explaining Models by Prototypical Relevance Propagation. Pattern Recognition. (April): p. 109172. Online: https://doi.org/10.1016/j.patcog.2022.109172 1.0
Alle Publikationen aus dem Programmbereich