Alphabet stellt Agrartechnologie-Geschäft ein

Minerals Pflanzenrover bei der Arbeit auf einem Sojabohnenfeld. (Foto: Alphabet)

Der Google-Mutterkonzern Alphabet wird seinen Agrartechnologie-Geschäftsbereich Mineral schließen, erklärte jedoch, dass die Arbeit des Teams bei anderen Agrarunternehmen weiterleben werde.

Mineral wurde im Januar 2023 nach fünfjähriger Entwicklungszeit von X, dem Innovationslabor von Alphabet, als eigenständiges Unternehmen gegründet. Mit der Mission, die nachhaltige Landwirtschaft zu fördern, entwickelte das Mineral-Team unter anderem Roboter, die jede Pflanze auf einem Feld inspizieren, sowie den Einsatz künstlicher Intelligenz (KI) und generativer KI, um Unternehmen bei der Bewältigung der Herausforderungen von Lebensmittelverschwendung, Prognosen und der Erfassung hochwertiger Daten zu unterstützen.

In einem Blogbeitrag zur Schließung schrieb Mineral-CEO Elliott Grant: „Unsere Mission war es schon immer, einen sinnvollen, positiven Beitrag zum globalen Nahrungsmittelsystem zu leisten – ein kühnes und risikoreiches Unterfangen, das wir kannten. Daher haben wir uns regelmäßig gefragt: ‚Ist das der beste Weg, um die Wirkung zu maximieren?‘ und ‚Erreichen wir weltweit die Vielfalt an Landwirten, die wir erreichen möchten?‘ Wir haben bereits zuvor darauf hingewiesen, dass wir nach neuen und innovativen Partnerschaften suchen, die über traditionelle Ansätze hinausgehen. Daher haben wir Anfang des Jahres beschlossen, die Struktur von Mineral und unseren Ansatz zu überdenken, um einen positiven Beitrag für möglichst viele Landwirte zu leisten.“

Die Arbeit von Mineral konzentrierte sich auf drei Bereiche: die Entwicklung einer Sensortechnologie, die umfangreiche Datensätze über Pflanzen generieren kann, die Organisation landwirtschaftlicher Daten aus unterschiedlichen Quellen für maschinelles Lernen und die Entwicklung von Softwarealgorithmen sowie die Durchführung von Forschungen zur Verbesserung des Pflanzenverständnisses.

Mineral stellte in seiner Studie fest, dass die meisten Unternehmen nicht die erforderliche Menge, Vielfalt und Qualität an Daten sammelten, um die Vorteile des maschinellen Lernens voll auszuschöpfen. Daher entwickelte das Unternehmen Tools zur Erfassung, Kuratierung, Bereinigung und Erweiterung multimodaler Daten. Das Unternehmen entwickelte Pflanzenrover zur Erfassung großer Mengen hochwertiger Bilder und erweiterte sein Angebot anschließend auf die Entwicklung einer allgemeinen Wahrnehmungstechnologie, die plattformübergreifend wie Roboter, Landmaschinen von Drittanbietern, Drohnen, Überwachungsgeräte und Mobiltelefone funktioniert.

Mineral erklärte, eine wichtige Erkenntnis aus seiner Arbeit sei, dass die Implementierung von maschinellem Lernen als Dienstleistung ganz anders sei als die von Software as a Service (SaaS). Modelle müssten überwacht und kontinuierlich mit neuen Daten trainiert werden – insbesondere in einem landwirtschaftlichen System, das sich jährlich verändert.

Mineral arbeitete schon früh mit dem Beerenproduzenten Driscoll's zusammen, um KI-Tools zu entwickeln, die die Phänotypisierung von Nutzpflanzen verbessern, Erträge besser vorhersagen, Qualitätskontrollen optimieren und Lebensmittelabfälle reduzieren sollen. Alphabet gab bekannt, einen Teil dieser Technologie nun an Driscoll's übertragen zu haben.

Das kalifornische Unternehmen Driscoll's ist das erste Agrarunternehmen, das Mineral-Technologie nutzt. Das Unternehmen ist vor allem als Erdbeerproduzent bekannt und arbeitete zunächst mit dem Mineral-Team zusammen, um die Datenerfassung in seinen Züchtungsbetrieben zu verbessern. Die Pflanzenzucht umfasst die Erfassung zahlreicher Datenpunkte zu jeder Pflanzensorte während der gesamten Vegetationsperiode. Die Möglichkeit, während der gesamten Saison umfangreiche Daten zu sammeln, ermöglichte es den Pflanzenzüchtern, sich auf andere Aufgaben zu konzentrieren.

Die aus diesen Daten gewonnenen Erkenntnisse inspirierten Driscoll's dazu, gemeinsam mit Mineral an einer weiteren Herausforderung zu arbeiten: der Ertragsprognose für jede Anlage. In einer Fallstudie berichtete Mineral, dass seine Ingenieure und Datenwissenschaftler Driscoll's dabei halfen, die Prognosegenauigkeit zu verbessern, die Prognosehäufigkeit zu erhöhen, die Prognosevolatilität zu reduzieren und den Prognosehorizont zu erweitern.