Am von Justin Brinkmann

Weinbau

VineForecast: Prognosemodell im Weinbau

Das Göttinger Start-up „VineForecast“ verspricht schlagspezifische Krankheitsprognosen für den Echten und Falschen Mehltau im Weinbau per App. Nutzer werden zur Mitarbeit eingeladen. 

f3:

Was ist VineForecast und was genau macht ihr?

Paul:

VineForecast ist ein Prognosetool für Pilzkrankheiten im Weinbau, v.a. den Echten und Falschen Mehltau. Unsere langfristige Vision ist es, Winzern zu helfen, nachhaltiger zu wirtschaften und Fungizide einzusparen. Vorhersagen halten wir für besonders wichtig, weil es eben nicht ausreicht, zu wissen, ob eine Krankheit den Weinberg in diesem Moment infiziert, sondern auch in Zukunft infizieren wird. Dadurch, dass die meisten Fungizide nur protektiv wirken, muss man in die Zukunft blicken. Deswegen liegt unser Fokus eher auf der Vorhersage - und deshalb heißen wir nicht VineMonitoring, sondern VineForecast.

f3:

Und was unterscheidet euch von anderen Prognosemodellen? Mir ist z.B. VitiMeteo ein Begriff.

Richard:

Die Frage hören wir oft. Zunächst haben wir herausgefunden, dass sich pflanzenbauliche Prognosen auch ohne Wetterstationen und deutlich geringere Kosten  treffen lassen. Unsere Modelle können mit einer Wahrscheinlichkeit von 85 bis 95 % das Krankheitsrisiko im Weinbau vorhersagen. Darüber hinaus bleiben wir bezahlbar. Das ist eine zentrale Forderung eines jeden Winzers. Es gibt eine Menge Forschung zu dem Thema. Diese Forschung fundiert auf Wetterstationen und ist damit meist nur sehr kostspielig zugänglich. Das ist eigentlich der Kern. Wir können das, was die Forschung schon hergibt, in die Fläche rechnen und jedem Weingut individuell zugänglich machen.

f3:

Wie funktioniert eure Technik denn dann? Schließlich sagt ihr, dass ihr keine Wetterstationen benötigt. Muss der Winzer im Gegenzug überall Blattnässe-Sensoren installieren?

Paul:

Nein. Wir arbeiten mit „virtuellen Wetterstationen“. Diese Bezeichnung macht die Erklärung etwas verständlicher. Wir haben Zugriff auf mehr als 13 Millionen Stundenwerte von verschiedenen Wetterstationen, unter anderem vom Deutschen Wetterdienst. Diese nutzen wir auf Basis anderer Daten als Grundlage. Darunter fallen Wettervorhersage-Modelle, also Simulationen von Wetter, die die Zukunft abbilden, aber ebenso in der Vergangenheit zur Verfügung stehen. Diese Modelle sind Flächendaten, die uns in ganz Deutschland zur Verfügung stehen. Sie haben eine Pixel-Auflösung von einem Kilometer für die Vergangenheit und werden größer, je weiter man in die Zukunft blickt. Auf diese 13 Millionen Stundenwerte haben wir einen Machine-Learning-Algorithmus trainiert. Mit diesem können wir Wetterstationen „imitieren“. Das ist dann so etwas wie eine virtuelle Wetterstation, die wir überall hinstellen können, wo wir wollen und diese Flächendaten zur Verfügung haben.

Die Gründer von VineForecast: Paul und Richard Petersik (v.l.n.r.) (Bildquelle: VineForecast)

f3:

Kann es auch mal sein, dass diese Flächendaten auf irgendeiner Fläche nicht zur Verfügung stehen?

Paul:

Unsere Technik benötigt lediglich die Koordinaten der Weinberge. Anschließend bezieht es die...


Du musst dich anmelden um Kommentare zu bewerten

Abbrechen

Du hast noch kein Benutzerkonto?

Benutzerkonto erstellen

Kommentar melden

Abbrechen

Du hast noch kein Benutzerkonto?

Benutzerkonto erstellen

Kommentar melden

Abbrechen

Du hast noch kein Benutzerkonto?

Benutzerkonto erstellen