SAMSON – Per Digitalisierung, praxisnahen Technologien und automatisierten Werkzeugen zum Obstbaubetrieb der Zukunft

fTeilen

Neue Ergebnisse aus dem Projekt SAMSON führen praxisnah und datengestützt
zum Ziel, durch Digitalisierung, künstliche Intelligenz (KI) und
Automatisierung Arbeitsprozesse zu entlasten, Ressourcen effizienter
einzusetzen sowie den Obstanbau resilienter gegenüber klimatischen und
wirtschaftlichen Herausforderungen zu gestalten, um so die Qualität und
Quantität der Erträge langfristig zu optimieren.

Das vom Bundesministerium für Ernährung, Landwirtschaft und Heimat (BMLEH)
geförderte und nun bis Dezember 2027 verlängerte Projekt SAMSON – »Smarte
Automatisierungssysteme und -services für den Obstanbau an der Niederelbe«
– zeichnet sich dadurch aus, dass von Beginn an der Dialog und der
fachliche sowie praktische Austausch mit den Apfelanbauenden aus dem Alten
Land ein wesentlicher Bestandteil der Forschungs- und Entwicklungsarbeiten
(FuE-Arbeiten) ist. In enger Kooperation mit dem Obstbauversuchsring des
Alten Landes e. V. (OVR), Jork, gilt es für die Projektpartner Fraunhofer
IFAM, Stade, HAW Hamburg, hochschule 21, Buxtehude, und der TU Hamburg
gemeinsam mit den Praktikern für die Anbaupraxis der Zukunft nachhaltige
Lösungen zu erarbeiten und sich in regelmäßigen Foren gemeinsam
konstruktiv darüber auszutauschen. Die zusätzliche Projektlaufzeit dient
der Validierung der bisherigen FuE-Ergebnisse: die systematische Analyse
und Aufarbeitung der erhobenen Daten ermöglichen dann die Bereitstellung
praktischer Entscheidungshilfen für die Obstbauer. Zudem finden Feld- und
Techniktage sowie eine Regionalkonferenz statt, die den Wissenstransfer in
die Praxis weiter intensivieren.

Im Fokus stehen dabei neben den ersten Resultaten aus Feldversuchen
insbesondere die neuesten FuE-Ergebnisse zu praxisnahen Technologien und
automatisierten Werkzeugen »zum Anfassen«, die die Obstbaubetriebe bei der
Transformation zu einem Zukunftsbetrieb unterstützen werden –
ressourcenschonend, datenbasiert und zukunftsfähig: von Datenerfassung
über Blühstärkenregulierung, Ertragsprognose, Lokalisierung und Prognose
von Krankheiten und Schädlingen, mobilem Roboter sowie Frostschutz und
Beregnung bis zum digitalen Hofmanagementsystem per App inklusive
digitalen Obstbaum-Zwillingen.

Sensorbox – Grundlegende Datenerfassung für weitere SAMSON-Technologien

Zu Projektbeginn entwickelte das Fraunhofer IFAM in Stade die sogenannte
»Sensorbox« (Abbildung 1). Zur Erfassung von Bild- und Sensordaten enthält
sie einen LiDAR, einen IMU-Sensor, Stereokameras und ein präzises GNSS-
System. Sie lässt sich am Schlepper einfach über die standardisierte Drei-
Punkt-Aufnahme befestigen und wird während üblicher Fahrten durch die
Obstplantage mitgeführt, wodurch bei allen Arbeiten im Jahresverlauf eine
automatische Datenerhebung ohne zusätzlichen Aufwand für den Obstbauer
möglich ist. Während der Fahrt durch die Baumreihen zeichnen die
Kamerasysteme mehrere Bilder aus unterschiedlichen Perspektiven von jedem
einzelnen Baum auf und speichern parallel dazu die präzisen GPS-
Koordinaten. Diese ermöglichen, dass während der arbeitsüblichen Fahrten
nicht nur Baumreihen, sondern auch einzelne Bäume und Früchte sowie Blüten
aus verschiedenen Blickrichtungen genau erfasst werden. Die dabei
gewonnenen Bild- und Sensordaten bilden die Grundlage für die digitale
Abbildung der Baumreihen und einzelner Bäume in den jahreszeitlich
bedingten Entwicklungsstadien.

Daten- und KI-basierte automatisierte Blühstärkenerkennung sowie adaptive
Ausdünnung zur Ertragssteigerung und Alternanzreduktion

Ein übermäßiger Fruchtbehang führt im Obstbau zu kleineren, qualitativ
minderwertigeren Früchten und im Folgejahr zu einem schwachen
Blütenansatz, der sogenannten »Alternanz« (Abbildung 2). Um dem
entgegenzuwirken, wird bei stark blühenden Obstbaumsorten bereits zur
Blütezeit durch Ausdünnung gezielt der Fruchtansatz reduziert. Die
einzelbaumspezifische Ausdünnung zur Blüte oder im jungen Fruchtstadium
ist bislang jedoch arbeitsintensiv und lässt sich nur sehr eingeschränkt
präzise bei jedem individuellen Baum anwenden.

Ein neuer gemeinsamer Ansatz im Rahmen des Projekts SAMSOM kombiniert nun
die automatisierte Erfassung der Blühstärke mit einer darauf abgestimmten,
einzelbaumspezifischen Ausdünnung. Hierfür werden Bilddaten mit der
Sensorbox aufgenommen und danach die Blühstärke jedes einzelnen Baums
durch ein KI-gestütztes Modell bewertet. Dieses Modell nutzt eine
etablierte Blühstärkenboniturskala (1-9), die das Verhältnis von Blatt- zu
Blütenknospen berücksichtigt, und ermöglicht die Erstellung von
Applikationskarten zur gezielten Behandlung, d.h. zur baumspezifischen
Blütenausdünnung. Applikationskarten sind digitale Karten, auf denen für
jeden Baum standortgenau die notwendige Behandlungsintensität festgelegt
ist. Sie können durch GPS-gesteuerte Pflanzenschutzgeräte ausgelesen
werden.

Erste Ergebnisse des OVR, Jork, zur digitalen Blühstärkenerfassung an der
Sorte »Elstar« im Frühjahr 2025 zeigen eine gute Übereinstimmung zwischen
der automatischen datengestützten Bewertung und der manuellen Bonitur. Das
neu entwickelte System ist vielversprechend, insbesondere da es auch
physiologisch relevante Merkmale – wie das Blatt- zu
Blütenknospenverhältnis – berücksichtigt. Derzeit besteht jedoch noch ein
Verbesserungsbedarf bei der Erkennung sehr starker Blühstärken (Stufen
7-9).

Basierend auf Applikationskarten aus 2024 deutet der erste
Ausdünnungsversuch bei schwach blühenden Bäumen auf ein Potenzial zur
Ertragserhöhung hin. Ob sich auch die Alternanz dadurch wirksam brechen
lässt, bleibt Gegenstand weiterer Untersuchungen.

Genauere Ernteprognosen durch Fruchterfassung und Fruchtgrößenmessung
mittels Sensorbox und KI

Im Projekt SAMSON bilden neue innovative Verfahren der TU Hamburg zur
digitalen Fruchterfassung und Fruchtgrößenmessung die Grundlage für die
Erhöhung der Genauigkeit von Ernteprognosen. Dabei stehen die Zählung der
Früchte und die Ermittlung der Fruchtgrößen zu bestimmten Zeitpunkten des
Wachstumszyklus im Mittelpunkt, da die Parameter einen wesentlichen
Einfluss auf die Prognosequalität haben.

Durch die Kombination von Stereo-Bildern, GNSS-Daten und einer KI zur
visuellen Bewegungserkennung können zum Beispiel den im Bild erkannten
Äpfeln eindeutige GNSS-Koordinaten zugewiesen werden. So lassen sich Äpfel
eindeutig dem richtigen Baum zuordnen – selbst wenn die Aufnahme der
Baumreihen aus verschiedenen Blickwinkeln erfolgt – und Doppelzählungen
bei Hin- und Rückfahrt vermeiden. Dedizierte Objekterkennungsmodelle
identifizieren die einzelnen sichtbaren Äpfel im Bild zuverlässig.
Ergänzend stellen Tracking-Algorithmen sicher, dass jeder erkannte Apfel
in aufeinanderfolgenden Bildern seine digitale ID beibehält und
kontinuierlich verfolgt wird – auch bei kurzzeitigen Verdeckungen durch
Blattwerk.

Die dadurch erreichbare Zählgenauigkeit der KI für die Fruchterfassung
liegt ersten Ergebnissen zufolge bei rund 80 Prozent im Vergleich zur
manuellen Apfelzählung pro Baum. Die Größenbestimmung der Früchte basiert
auf der pixelgenauen Segmentierung der Apfelkontur in Kombination mit
Tiefeninformationen: erste Messungen zeigen geringe Abweichungen im
Millimeterbereich beim Durchmesser.

Diese Daten dienen als Grundlage für präzisere Ernteprognosen, die mit
langjährigen Erfahrungswerten von Obstanbauberatern weiter optimiert
werden.

Daten- und KI-basierte Erkennung und Lokalisierung von Pilzkrankheiten
sowie Schädlingen

Mittels der in der Sensorbox integrierten Kamerasysteme, GPS-Daten und
speziell trainierten KI-Algorithmen ist es möglich, für den Obstanbau
typische Krankheitsbilder, wie Pilzkrankheiten, oder Schädlingsbefall in
hoher Auflösung zu erkennen und zu lokalisieren. Dieses datenbasierte
Monitoring ermöglicht den Obstbauern nicht nur ein frühzeitiges Eingreifen
in den Obstbaumbestand, sondern insbesondere auch eine gezielte präzise
Ausbringung von Pflanzenschutzmitteln.

Der HAW Hamburg ist es gelungen, mithilfe einer Basis-KI zur visuellen
Bewegungserkennung und einer 3D-Rekonstruktion sowohl die Position und
Ausrichtung der Kamera als auch ein 3D-Modell der von der Sensorbox
erfassbaren Umgebung zu erstellen. Dadurch lassen sich die Positionen
verschiedener Baummerkmale, hier zum Beispiel Pilzerkrankungen und
Schädlingsbefall, per GPS-Koordinaten lokalisieren und dem individuellen
Baum zuweisen.

Bisher arbeitet die KI zur Krankheitserkennung auf Basis eines aufwendig
erstellten Datensatzes – bestehend aus hochaufgelösten Smartphone-
Makroaufnahmen, um zu validieren, ob die Krankheitserkennung bildbasiert
möglich ist – mit guten Ergebnissen (Abbildung 3).

Der nächste Schritt besteht darin, einen neuen Datensatz mit Bildern aus
der Sensorbox zu erstellen. Dies ist notwendig, da sich die Kamerabilder
der Sensorbox sehr von den Bildern der Smartphonekamera unterscheiden: die
Krankheiten machen aus der Perspektive der Sensorbox nur einen kleinen
Teil des Gesamtbildes aus, weshalb es für die KI schwieriger ist, die
Krankheit im Bild zu lokalisieren.

Eine KI zur Erkennung von Schadeinflüssen kann beispielsweise
Obstbaumkrebs, Apfelschorf, Mehltau sowie einen Befall durch Blutläuse in
hoher Auflösung erkennen und der entsprechenden Position zuweisen.

Prognosemodell für Schädlingsdruck – Beispiel grüne Futterwanze

Die Grüne Futterwanze richtet im Kern- und Beerenobst zunehmend Schäden
an. Sie verursacht Deformationen und Nekrosen an jungen Trieben sowie
Früchten, was zu erheblichen Ertrags- und Qualitätsverlusten führen kann.
Da sie versteckt lebt, ist der Befall im Bestand häufig erst spät
sichtbar, oft zu spät für effiziente Gegenmaßnahmen.

Die HAW Hamburg hat hierfür ein datenbasiertes Prognosemodell zur
Früherkennung von Schädlingsbefall im Obstbau entwickelt. Ziel ist es,
Pflanzenschutzmaßnahmen präziser, rechtzeitiger und mit geringerem
Ressourceneinsatz zu planen sowie effizienter einzusetzen. Am Beispiel der
Grünen Futterwanze zeigt das Modell, wie sich Wetterdaten,
Standortinformationen und Felddaten sinnvoll kombinieren lassen, um das
Risiko von Schadensereignissen frühzeitig zu erkennen.

Berücksichtigt werden u.a. Wetterdaten wie Temperaturverläufe,
Niederschläge, Luftfeuchte sowie weitere mikroklimatische Einflüsse, die
die Entwicklung des Schädlings steuern. Hinzu kommen standortbezogene
Faktoren in der und um die Obstanlage, die sich auf die
Populationsdynamiken auswirken können. Als Felddaten werden konkret vor
Ort erhobene Monitoringinformationen genutzt, etwa Beobachtungen, visuelle
Bonituren, Entwicklungsstadien der Kultur, typische Schadensbilder sowie
historische Befallsdaten der jeweiligen Obstplantage. Durch die
Kombination dieser Datentypen entstehen individuelle Risikoprofile für
einzelne Parzellen oder ganze Obstanlagen.

Die zugrunde liegende Datenplattform ist modular aufgebaut und für einen
produktiven Einsatz über eine Weboberfläche vorbereitet. Sie bietet Zugang
zu Risikomerkmalen, Zeitreihen und Warnhinweisen. Zusätzlich lassen sich
in Zukunft auch betriebliche Monitoringdaten einpflegen, wodurch sich die
Prognose für den jeweiligen Betrieb weiter verbessert. Die modulare
Architektur der Plattform ermöglicht eine zukünftige Erweiterung um
weitere Kulturen und Schaderreger.

Außerdem entstehen dokumentierbare Entscheidungsgrundlagen für den
Betrieb, die z.B. in Beratungsgesprächen nutzbar sind. Das System soll
zukünftig auf weitere Daten und Schadorganismen ausgeweitet werden.
Perspektivisch ist zudem eine Integration des Systems in föderierte
Datenräume im Obst- bzw. Gartenbau möglich. Sie erlauben einen dezentralen
und sicheren Austausch zwischen Betrieben, Beratung, Forschung oder
Behörden, ohne dass die Datenhoheit verloren geht. Für die Praxis bedeutet
das einen erweiterten Zugriff auf regionale Informationsquellen und eine
Verbesserung des Monitorings durch Datenaggregation über mehrere Betriebe
hinweg.

AurOrA – Autonomer mobiler Roboter-Allrounder für die Obstplantage

Der autonome mobile Roboter »AurOrA« (»Autonomer Obstplantagenhelfer Altes
Land«) der hochschule 21 in Buxtehude ist eine modular aufgebaute
Plattform, die speziell für die täglichen Arbeiten in modernen
Obstplantagen entwickelt wurde. Im aktuellen SAMSON-Projekt wurde eine
komplett neue AurOrA-Plattform konstruiert und umgesetzt, um die
Anforderungen der Praxis noch besser zu erfüllen. Hierzu wurde ein
grundlegend neues kinematisches Modell entwickelt. AurOrA unterstützt
Obstbaubetriebe bei mehreren zeitintensiven und körperlich belastenden
Aufgaben, wie:
•       Transport der Sensorbox: Mithilfe einer eigens entwickelten Drei-
Punkt-Aufnahme kann auch AurOrA die Sensorbox durch die Plantage bewegen.
So kann die wiederkehrende Datenaufnahme vollautonom durchgeführt werden.
•       Beikrautregulierung zwischen und rund um die Bäume: Unerwünschtes
Beikraut entzieht jungen Bäumen Wasser und Nährstoffe, dient aber auch als
Unterschlupf für Mäuse sowie andere Nager, die empfindliche Wurzeln
anknabbern und dadurch Wachstums- oder sogar Totalschäden verursachen
können. AurOrA entfernt Beikraut vollautomatisch und hilft so,
Pflanzenstress zu reduzieren (Abbildung 4).
•       Gezielte Bewässerung junger Bäume: Neu gepflanzte Jungbäume
benötigen eine präzise und individuelle Wasserversorgung. Der Roboter kann
jeden Baum gezielt ansteuern und bedarfsgerecht bewässern.
•       Transport von Apfelkisten: Während der Ernte transportiert AurOrA
schwere Obstkisten schnell und sicher durch die Plantage. Dies spart
wertvolle Arbeitszeit.

Der Schwerpunkt der Entwicklung liegt auf dem Navigationssystem, das eine
zuverlässige autonome Fortbewegung zwischen den engen Reihen der Plantage
ermöglicht. AurOrA bewegt sich sicher unter realen Wetter- sowie
Bodenbedingungen und interagiert dabei präzise mit den angebauten Modulen.
Ein wesentliches Merkmal ist, dass AurOrA nicht nur als Geräteträger
dient, sondern aktiv mit den jeweiligen Werkzeugen kommuniziert. Dadurch
werden alle Arbeiten effizienter, präziser und ressourcenschonender
ausgeführt.

Auf Basis der Erfahrungen mit dem bisherigen Robotersystem wurde eine
neue, weiterentwickelte Version von AurOrA gebaut. Diese neue Plattform
ist stabiler, aber gleichzeitig rund 25 Prozent leichter – ein Vorteil,
der zur Bodenschonung auf empfindlichen Obstplantagen beiträgt.

Digitale Frostwarnsensorik und Beregnungssteuerung

Im Rahmen des SAMSON-Projekts führte das Fraunhofer IFAM in Stade eine
umfassende Vergleichsstudie durch, in der moderne kommerzielle IoT-
basierte Frostwarnsysteme sowie ein vom Fraunhofer IFAM eigens
entwickeltes System mit dem etablierten Frostwarnsystem der Esteburg,
verglichen wurden. Im Fokus standen neben der Messgenauigkeit auch Aspekte
wie Datenaktualisierungsrate, Warnmethoden sowie die technologische Basis
der Datenübertragung.

Von besonderem Interesse sind die Vor- und Nachteile verschiedener
Funktechnologien wie LoRaWAN (Long Range Wide Area Network), Mobilfunk und
anderer Low-Power-Wide-Area-Networks (LPWAN). Die Untersuchung zeigt, dass
LoRaWAN durch seine hohe Energieeffizienz, niedrigen Betriebskosten und
gute Reichweitenabdeckung ein vielversprechender Ansatz für den
dezentralen Einsatz im Obstbaugebiet Altes Land darstellt – insbesondere
bei kleinteiliger Topografie und begrenzter Mobilfunkabdeckung.

Darüber hinaus erfolgen demnächst erste Feldversuche mit LoRaWAN-basierten
Drucküberwachungssensoren zur Kontrolle von Frostschutzberegnungspumpen.
In Entwicklung befindet sich zudem ein System zur ferngesteuerten
Aktivierung von LoRaWAN-Geräten, das einen automatisierten Start von
Frostschutzberegnungssträngen aus der Ferne ermöglichen soll.

Ziel ist es, durch diese Technologien eine präzisere, schnellere und
automatisierte Reaktion auf Frostereignisse in den Obstplantagen zu
erreichen, somit Ernteverluste zu minimieren und den Wasserverbrauch durch
bedarfsgerechte Steuerung der Frostschutzberegnung deutlich zu reduzieren.

SAMSON-App – Digitales Hofmanagementsystem mit Einzelbaumdaten

Neben den beschriebenen innovativen Technologiebausteinen zur Erfassung
präziser, anbaurelevanter Daten auf den Anbauflächen mithilfe der
Sensorbox ermöglicht die vom Fraunhofer IFAM in Stade eigens entwickelte
SAMSON-App »OrchardDigitizer«, die im Bestand generierten Daten so
umzusetzen, dass von jedem einzelnen Obstbaum ein digitaler Zwilling
entsteht (Abbildung 5 und 6). Die intuitive App bietet die Möglichkeit,
über den Import von Geo-Informationen nicht nur bestehende Obstbaumreihen,
sondern auch jeden einzelnen Baum als eigenständige Instanz zu importieren
oder diese mittels digitaler Werkzeuge über Satellitenkarten einzutragen.
Bereits bei der Planung lassen sich Flächen vor der eigentlichen
Bepflanzung anlegen und unter Konfiguration von Reihen- und Pflanzabstand
ideal belegen.

Die sensorisch und kamerabasiert erhobenen Datensätze werden über die
synchrone geobasierte Lokalisierung jedem einzelnen Baum zugeordnet,
sodass sich daraus der Datenstamm anreichert und individuelle
Informationen wie Blühstärke, Fruchtanzahl oder Fruchtgröße ableitbar
sind.

Am Beispiel der Apfelblüte 2025 lässt sich die präzise Zuordnung der Daten
und die Ableitung anbaurelevanter Informationen für jeden einzelnen Baum
darstellen: Die Bilder aus dem Frühjahr werden hinsichtlich der Blühstärke
analysiert und die Blühstärke wird jedem einzelnen Baum zugewiesen. Darauf
basierend sind die Obstbauern in der Lage, baumspezifische
Applikationskarten zu generieren, die nur solche Bäume berücksichtigen,
die über einen gewissen Grenzwert hinsichtlich der Blühstärke liegen. Das
digitale Hofmanagementsystem unterstützt dies und bietet dem Anwender die
Chance, die Analyse zu visualisieren, stichprobenartig im Feld die
Bewertungen zu überprüfen und die Blüten entsprechend auszudünnen.

Umfangreiche Fallunterscheidungen zeigen prototypisch, wie z.B. die
Identifikation der Bäume, die 2025 eine hohe und 2024 eine niedrige
Blühstärke aufwiesen, möglich ist. Hieraus lassen sich für die Praxis zum
einen baumspezifische Handlungsempfehlungen ableiten, zum anderen bietet
das der Forschung die Möglichkeit, dem Zusammenhang der alternierenden
Blühstärke auf den Grund zu gehen.

Die Interaktion mit dem digitalen Zwilling stellt darüber hinaus weiteres
hohes Innovationspotenzial sowohl für Obstbaubetriebe als auch
Forschungseinrichtungen dar. So lassen sich nicht nur Applikationskarten
generieren, sondern auch großflächig angelegte Sorten-, Dünungs- sowie
Schnittstudien verwalten und Korrelationen zwischen Datensätzen bzw.
abgeleiteten Informationen untersuchen. Die Einzelbaumdaten können durch
die modulare Softwarearchitektur über mobile Endgeräte (z.B. Handy oder
Tablet) im Feld direkt abgerufen und mit dem realen Apfelbaum abgeglichen
werden, stehen aber auch webbasiert im Büro zur Ableitung von
Applikationskarten oder Analysen zur Verfügung.

Auch mittels mobiler Geräte, wie Messstäben, ist die Aufnahme
individueller Messdaten im Feld möglich. Über die interaktive Oberfläche
der App können die Nutzenden z.B. dann jedem einzelnen Baum – alternativ
zur sensorischen Erfassung mittels Sensorbox – manuell die Blühstärke
zuweisen, was einerseits als Bewertungsgröße nutzbar ist, andererseits
aber auch Forschenden eine Plattform zur digitalen Versuchsführung bietet.
Praktischerweise kann sich der Obstbauer damit auch sonstige
Auffälligkeiten oder Anmerkungen mittels der App GPS-gestützt und
baumspezifisch notieren. So stehen ihm die gespeicherten Informationen für
weitere Zwecke zur Verfügung.

Auftraggeber

Das Bundesministerium für Landwirtschaft, Ernährung und Heimat (BMLEH)
fördert das Forschungsprojekt »Smarte Automatisierungssysteme und
-services für den Obstanbau an der Niederelbe« (»SAMSON«) im Rahmen des
Programms zur Innovationsförderung. Die Laufzeit des Projekts beträgt fünf
Jahre und endet im Dezember 2027. Im Namen aller Projektpartner bedankt
sich das Fraunhofer IFAM bei dem Bundesministerium für die Förderung sowie
bei der Bundesanstalt für Landwirtschaft und Ernährung (BLE) als
Projektträger für deren Unterstützung.

Projektpartner

Fraunhofer-Institut für Fertigungstechnik und Angewandte Materialforschung
IFAM, Fraunhofer IFAM, Stade (FKZ 28DE201B21)

Hochschule für Angewandte Wissenschaften Hamburg, HAW Hamburg (FKZ
28DE201C21)

hochschule 21, Buxtehude (FKZ 28DE201D21)

Technische Universität Hamburg, TU Hamburg, Institut für Technische
Logistik (FKZ 28DE201E21)

Obstbauversuchsring des Alten Landes e.V.; OVR, Jork