R4Agri - Reasoning mit landwirtschaftlichen Daten: Integration von metrischen und qualitativen Sichtweisen

KI-Tools, die eine wettbewerbsfähige und nachhaltige Landwirtschaft unterstützen, müssen verschiedenste Arten von Daten und Wissen ausnutzen: von Rohdaten, die von Sensoren geliefert werden, bis hin zu hochgradigem Fachwissen. Das übergeordnete Ziel des Vorhabens "R4Agri - Reasoning mit landwirtschaftlichen Daten: Integration von metrischen und qualitativen Sichtweisen" ist es, einen Rahmen für die Schlussfolgerung über Wissen auf der Basis heterogener Daten zu schaffen, mit einem Fokus auf multimodalen und multiskaligen Sensordaten. Die wichtigsten Herausforderungen sind kontextabhängige Interpretation von Sensordaten, die Schlussfolgerungen über Vorwissen beinhaltet und Techniken zur Beantwortung von Anfragen, die Domänenwissen ausnutzen und die die Besonderheiten der Datenquellen auf flexible Weise berücksichtigen. Das Anwendungspotenzial in diesem Bereich von weltweiter gesellschaftlicher und ökologischer Bedeutung wird in realistischen Anwendungsfällen demonstriert.