Chip Happens-Podcast, Staffel 4, Folge 10 | Welternährung sichern mit Mikroelektronik

Situation:

Um den Zustand von Böden in der Landwirtschaft zu verstehen, braucht es mehr Messungen auf den Äckern auf molekularer Ebene. Neben Elementanalysen und pH-Wert-Messungen ist die Unterscheidung spezifischer Moleküle für Landwirt:innen entscheidend, beispielsweise zur Bestimmung des anorganischen oder organischen Kohlenstoffgehalts. Benötigt wird daher eine mobile, molekülspezifische Messmethode. Diese Aufgabe haben sich Forschende am Ferdinand-Braun-Institut im Verbundprojekt »i4S« (Intelligence for Soil) unter Koordination des Leibniz-Instituts für Agrartechnik und Bioökonomie (ATB) und gefördert vom BMFTR gestellt. Als geeignete Methode dient die Ramanspektroskopie, bei der Laserlicht an Molekülen gestreut wird. Da jedes Molekül durch den Energieverlust des Lichts charakteristische Schwingungen ausführt, entsteht ein einzigartiges Ramanspektrum. Die Methode ist kontaktlos, zerstörungsfrei und für feste, flüssige sowie gasförmige Proben geeignet.

Problemstellung:

Der Raman-Effekt ist sehr schwach: Es werden etwa eine Million Laserphotonen benötigt, um ein einziges Ramanphoton zu erzeugen. Zudem stören Tageslicht und Fluoreszenz die Messungen vor Ort im Feld massiv, was den Einsatz außerhalb des Labors bisher enorm erschwert hat.

Lösungsansätze / Innovationspotenziale:

Am FBH wurden neuartige Halbleiter-Diodenlaser mit maßgeschneiderten Funktionalitäten entwickelt. Dank der speziellen Eigenschaften dieser Laserchips lassen sich die schwachen Ramansignale physikalisch von Störsignalen und Umgebungslicht trennen. Dies ermöglichte erstmals den erfolgreichen Nachweis, dass die Ramanspektroskopie als spezifische Analysemethode direkt vor Ort im Boden eingesetzt werden kann. Die Forschenden integrierten das Messsystem in eine mobile Messplattform des Leibniz-Instituts für Agrartechnik und Bioökonomie (ATB) und realisierten damit weltweit erste Ramanmessungen direkt während der Fahrt über das Feld. Basierend auf diesen hochaufgelösten Daten lässt sich die exakte Verteilung von Substanzen kartieren und ein intelligentes Bodenmanagement umsetzen.

Weiterer Forschungs-/Entwicklungsbedarf:

Werden Landmaschinen künftig mit dieser Technologie ausgerüstet, können Landwirte jeden Quadratmeter Ackerfläche in Echtzeit bedarfsgerecht mit Nährstoffen, Dünger oder Wasser versorgen. Die Anwendungspotenziale reichen jedoch über den Boden hinaus: Die Messmethode lässt sich ebenso in der Lebensmittelanalyse, z. B. in Molkereien, oder in der Medizin einsetzen, wo die Technologie im Rahmen des Innovationscampus Elektronik und Mikrosensorik »iCampus« in Cottbus bereits erfolgreich in einer medizinischen Studie zur Analyse von Gewebe und Tumorkanten bei Tumorpatienten erprobt wurde.

Situation:

Für ein präzises Umwelt- und Bodenmanagement – etwa zur Ermittlung von Bodenfeuchtigkeit oder Nährstoffen – werden flächendeckend Sensoren benötigt. Daten bilden die essenzielle Grundlage für künstliche Intelligenz und moderne Landwirtschaft. Bislang werden Sensoren meist über Batterien oder Kabel mit Strom versorgt.

Problemstellung:

Kabelgebundene Lösungen sind auf Feldern, in Wäldern oder an beweglichen Objekten schlicht unmöglich, verursachen hohe Kosten und bergen Stolpergefahren. Batterien wiederum erzeugen einen erheblichen Wartungsaufwand: Sie müssen regelmäßig ausgetauscht werden, was durch Personaleinsatz und schwierige Zugänglichkeit oft 100 bis 200 Euro pro Tausch kostet. Zudem verbraucht das Versenden von Daten meist ein Vielfaches an Energie im Vergleich zur reinen Messung.

Lösungsansätze / Innovationspotenziale:

Um den hohen Wartungs- und Verkabelungsaufwand von Sensoren auf Feldern oder an unzugänglichen Orten zu lösen, setzen Dr. Peter Spies und sein Team am Fraunhofer IIS auf »Energy Harvesting«. Diese Technologie nutzt verfügbare Umgebungsenergie – wie Licht, Temperaturunterschiede oder Vibrationen -, um kleine elektrische Verbraucher direkt vor Ort autark und wartungsfrei zu versorgen. Wie vielseitig diese Technologie eingesetzt werden kann, zeigen praxisnahe Entwicklungen wie das energieautarke, modulare Trackingsystem ENTRAS, das Energy Harvesting zur kontinuierlichen Lokalisierung und Zustandsüberwachung von Gütern, Personen oder Tieren nutzt. Da Umweltenergiequellen oft nur geringe Strommengen liefern, greift ein durchdachtes Gesamtkonzept: Der Sensor sammelt über längere Zeit Energie, misst in Intervallen und versendet die Daten sparsam über LPWAN-Technologien, wie mioty®, über Distanzen von bis zu 15 Kilometern. Ergänzt wird dies durch KI direkt auf dem Sensorknoten (Edge AI): Statt energieintensiver Rohdaten verarbeitet der Sensor die Informationen lokal und überträgt nur aufbereitete Erkenntnisse oder Abweichungen, was den Strombedarf auf ein Minimum reduziert.

Weiterer Forschungs-/Entwicklungsbedarf:

Innerhalb aktueller Förderprojekte arbeiten Dr. Peter Spies und sein Team daran, die KI auf den Sensoren noch intelligenter zu machen, sodass sie sich vor Ort selbst nachlernen kann (Training on the Edge). Das ist nötig, da sich Umweltbedingungen und Maschinenzustände über die Jahre verändern. Künftig könnten z. B. auch autarke Sensoren in großer Zahl aus Flugzeugen abgeworfen werden, um beispielsweise Waldbrände frühzeitig zu erkennen oder flächendeckende Boden- und Klimadaten in bisher unzugänglichen Regionen zu erfassen.