Vorgehensweise
Die Umsetzung der technischen Architektur erfolgte für die vier ausgewählten Business-Use-Cases (BUCs). Die Herausforderung bestand in der Entwicklung und Umsetzung eines herstellerübergreifenden Ansatzes. Die Entwicklung/Anpassung von Funktionsbausteinen erfolgte auf Basis einer Plattform der Deutschen Telekom AG entsprechend der zuvor spezifizierten Architektur (siehe Arbeitspaket „Analyse der IT-Architektur“).
Das Konsortium hatte sich entschieden, die prototypische Umsetzung mit zwei MS-Azure-Plattforminstanzen zu realisieren. Dies wurde in Form eines agilen Entwicklungsvorgehens nach der SCRUM-Methodik schrittweise umgesetzt. Hierzu wurden die notwendigen Funktionsbausteine definiert und auf der Plattform realisiert. Parallel dazu erfolgten Anpassungen auf dem Kommunikationsmodul (KOM-Modul) (vgl. Abbildung 1), das auf der selbstfahrenden Maschine installiert ist, sowie hinsichtlich der eingesetzten Mobile Devices.
Ergebnisse
Für die Umsetzung der BUCs auf der Smart-Farming-Plattform wurden Funktionsbausteine definiert und mit vorkonfigurierten bzw. angepassten Elementen realisiert. Die herstellerübergreifende Kommunikation erforderte, zusätzliche neue Elemente zu entwickeln und zu implementieren.
Das Kommunikationsmodul (KOM-Modul) von LogicWay wurde bei den Projektpartnern erprobt und gemeinsam weiterentwickelt. Die vier Anwendungsfälle wurden softwaretechnisch weitgehend umgesetzt. Eine erste Anbindung an die Plattform ist bereits erfolgte. Für Mobilfunk-Kommunikation steht 4G (LTE) zur Verfügung, lokale Kommunikation wird über LAN, WLAN und CAN-Bus unterstützt.
Als „Mobile Device“ wird zur Ernteoptimierung der Prototyp einer intelligenten, schmerzempfindlichen Kartoffel „nPotato“ (n= nociceptive = schmerzempfindlich) entwickelt (vgl. Abbildung 3).
Die „nPotato“ ist ein physisches Objekt, welches in Größe und Form einer echten Kartoffel ähnelt. Sie ist mit Sensoren ausgestattet, die Beschleunigung und Rotationsgeschwindigkeit messen. Gesammelte Daten werden lokal mittels Methoden des maschinellen Lernens analysiert und in Echtzeit an den Landwirt gesendet. Beschädigungen werden klassifiziert und die Schadensverteilung der Ernte kontinuierlich kalkuliert. Diese Ergebnisse werden mit einer statistischen Methode weiterverarbeitet, bei der historische Kartoffelpreise der vergangenen Jahre gesammelt und die Preise für die kommenden drei Monate prognostiziert werden. So kann der Landwirt je nach Vorhersage seinen Erntevorgang planen.
Die entwickelten Datenanalysen und Services sind Teil der „Realtime Smart Farming Services“-Plattform (RESFAST). Ziel von RESFAST ist die schnelle Entwicklung neuer Smart Farming Services, die mit unterschiedlichen Datenströmen umgehen können. Die Plattform koppelt lokale Analysen auf landwirtschaftlichen Maschinen mit zentralen Cloud-Diensten.
