Robert Finger, Mehran Ghasemlou, Ghazanfar Abbas Khan, Benu Adhikari, Colin J. Barrow*

Die globalen Agrar- und Ernährungssysteme stehen vor einer Reihe von miteinander verknüpften Herausforderungen, wie der steigenden Nachfrage nach Nahrungsmitteln und Ökosystemleistungen, den Herausforderungen des Klimawandels und der oft mangelnden Nachhaltigkeit in vielen Bereichen. Neue Technologien im Bereich der Digitalisierung und insbesondere der künstlichen Intelligenz (KI) werden oft als Ansätze zur Bewältigung dieser Herausforderungen gepriesen. In einem im Journal of Agricultural and Food Chemistry veröffentlichten Artikel (Ghasemlou et al. 2025a) diskutieren wir, ob und wie KI angesichts der wachsenden Herausforderungen in Agrar- und Ernährungssystemen dazu beitragen kann, die Nachhaltigkeit von Agrar- und Ernährungssystemen zu fördern. Dabei gehen wir insbesondere auf zwei Fragen ein: 1) Welche Herausforderungen sind mit dem Einsatz von KI in Agrar- und Ernährungssystemen verbunden und welche Strategien können zu ihrer Bewältigung eingesetzt werden? 2) Wie kann KI eingesetzt und gesteuert werden, um Nachhaltigkeit in der Land- und Ernährungswirtschaft tatsächlich zu erreichen? Die zentralen Aspekte sind im Folgenden zusammengefasst.

Der Einsatz von KI kann Agrar- und Ernährungssystem transformieren und nachhaltiger machen

KI-gestützte Technologien können die Produktivität und Effizienz steigern, indem sie die Ressourcennutzung auf dem Feld, im Betrieb und im gesamten Ernährungssystem optimieren und transformieren (Abbildung 1). Die Stärke der KI liegt in ihrer Fähigkeit, heterogene Datenquellen und grosse Datenmengen zu integrieren, zu analysieren, Muster zu erkennen und in Handlungsempfehlungen für Entscheidungsträger auf allen Stufen umzusetzen. Beispielsweise kann der Einsatz von Sensortechnologien auf verschiedenen zeitlichen und räumlichen Skalen LandwirtInnen helfen, den Einsatz von Düngemitteln so anzupassen, dass gleichzeitig die Umweltbelastung reduziert und die Produktivität gesteigert wird (Walter et al. 2017). KI-gestützte Sensortechnologien können Landwirtinnen und Landwirte dabei unterstützen, einen effektiven, kosteneffizienten und nachhaltigen Pflanzenschutz zu betreiben, indem sie Krankheiten in Nutzpflanzen präzise erkennen und so einen präzisen Einsatz von Hilfsstoffen ermöglichen oder diesen sogar vermeiden (Dalhaus et al. 2024). Über den landwirtschaftlichen Betrieb hinaus kann KI ein Katalysator für Innovationen in der Lebensmittelindustrie und entlang der Wertschöpfungsketten sein (Datta et al. 2022). In der traditionellen Lebensmittelproduktion kommt es aufgrund von Ungenauigkeiten bei Bedarfsprognosen und Lagerhaltung häufig zu Verschwendung. Gross- und Einzelhändler können KI-Systeme einsetzen, um Lebensmittelverschwendung zu vermeiden oder zu verringern, indem sie die Preise für Produkte dynamisch auf der Grundlage der verbleibenden Haltbarkeit festlegen. Die Konvergenz von Sensoren und KI, beispielsweise in Form von digitalen Zwillingen, kann dazu beitragen, die tatsächliche Qualität und Haltbarkeit von Produkten besser vorherzusagen, anstatt sich auf ein festes Verfallsdatum zu verlassen (Wang et al. 2024).

Abbildung 1: Künstliche Intelligenz in der Land- und Ernährungswirtschaft

Der Einsatz von KI birgt mögliche Nachteile und Risiken

Allerdings müssen auch die langfristigen Umweltauswirkungen der neuen Technologien selbst berücksichtigt werden (Tzachor et al. 2022). KI kann enorme Rechenleistung erfordern, die derzeit häufig aus nicht erneuerbaren Energiequellen stammt (Ghasemlou et al. 2025b). Je nach Zielfunktion ist KI auch nicht unbedingt nachhaltiger. So kann KI-gestützter Pflanzenschutz je nach zugrunde liegender Zielfunktion zu mehr oder weniger Risiken durch den Einsatz von Pflanzenschutzmitteln führen (Dalhaus et al. 2024). Darüber hinaus kann die Verbreitung von KI und der damit verbundenen neuen Technologien und Produktionsmethoden eine grossbetrieblich strukturierte Landwirtschaft bzw. Lebensmittelproduktion fördern und Kleinbetriebe verdrängen (Vinuesa et al. 2020). Wenn KI-Innovationen vor allem grossen Unternehmen zugute kommen, wird sich die Ungleichheit verschärfen und die Konzentration im Agrar- und Lebensmittelsektor weiter zunehmen.

Der Weg nach vorn

Während die zunehmende Digitalisierung der Agrar- und Lebensmittelsysteme und der verstärkte Einsatz von KI-Werkzeugen unvermeidlich sind, muss dieser Prozess verantwortungsvoll gesteuert und gelenkt werden. Es gilt, Vorteile für alle sicherzustellen, langfristige und integrative Nachhaltigkeit zu fördern, Chancen zu schaffen, den Zugang zu Ressourcen und Wissen zu demokratisieren und eine Verschärfung bestehender Ungleichheiten zu vermeiden. Der Prozess hin zu einer verstärkten Nutzung von KI-Instrumenten sollte so gesteuert werden, dass Ressourcen und Chancen gerecht verteilt werden, so dass alle Beteiligten, einschliesslich der kleinen Unternehmen im Agrar- und Lebensmittelsektor und der Verbraucher, davon profitieren können. Neue Ansätze und Instrumente sollten leicht anwendbar, erschwinglich, zugänglich und benutzerfreundlich sein. Um sicherzustellen, dass die rasche Verbreitung von KI in der Agrar- und Ernährungswirtschaft nicht unbeabsichtigt zu negativen ökologischen oder sozialen Auswirkungen beiträgt und dass KI ethisch und verantwortungsvoll eingesetzt wird, sind umfassende Risikobewertungen und Governance-Rahmen erforderlich. Zu diesem Zweck sollten KI-Innovationen gezielt gefördert werden, um die Nachhaltigkeit und Widerstandsfähigkeit der globalen Agrar- und Ernährungssysteme insgesamt zu verbessern. Die Ausrichtung von KI-Fortschritten auf ökologische, ökonomische und soziale Prioritäten erfordert auch die Integration mit anderen Ansätzen, z.B. der Agrarökologie. Technologie allein reicht nicht aus, es bedarf einer sinnvollen Weiterentwicklung und Transformation der Agrar- und Ernährungssysteme. Neue Technologien wie KI können, richtig eingesetzt, dazu einen Beitrag leisten (Ewert et al., 2023).

Die Agrar- und Ernährungssysteme durchlaufen einen umfassenden technologischen Wandel, der durch KI vorangetrieben wird. Die Frage ist nicht, ob wir diesen Prozess wollen oder nicht (er kommt sowieso), sondern wie wir ihn richtig gestalten, um zu nachhaltigeren und widerstandsfähigeren Agrar- und Ernährungssystemen beizutragen.

Studie: Ghasemlou, M., Khan, G. A., Adhikari, B., Barrow, C. J., & Finger, R. (2025a). Sustainability and Environmental Footprints of AI-Supported Agrifood Systems. Journal of Agricultural and Food Chemistry. In Press https://pubs.acs.org/doi/10.1021/acs.jafc.5c03514

Autoren: Robert Finger (ETH Zürich), Mehran Ghasemlou, Benu Adhikari, Colin J. Barrow (alle Deakin University, Victoria, Australia), Ghazanfar Abbas Khan (RMIT University, Victoria, Australia). Kontakt: rofinger@ethz.ch

Referenzen

Dalhaus, T., Finger, R., Tzachor, A. and Möhring, N., 2024. Innovations for pesticide application must consider environmental impact. Nature Food, pp.1-3.

Datta, A., Nicolaï, B., Vitrac, O., Verboven, P., Erdogdu, F., Marra, F., … & Koh, C. (2022). Computer-aided food engineering. Nature Food, 3(11), 894-904.

Ewert, F., Baatz, R. and Finger, R., 2023. Agroecology for a sustainable agriculture and food system: from local solutions to large-scale adoption. Annual Review of Resource Economics, 15(1), pp.351-381.

Ghasemlou, M., Khan, G. A., Adhikari, B., Barrow, C. J., & Finger, R. (2025a). Sustainability and Environmental Footprints of AI-Supported Agrifood Systems. Journal of Agricultural and Food Chemistry. https://pubs.acs.org/doi/10.1021/acs.jafc.5c03514

Ghasemlou, M., Nguyen, H.C., Talekar, S., Pfeffer, F.M. and Barrow, C.J., (2025b). Artificial Intelligence (AI) for More Sustainable Chemistry and a Greener Future. ACS Sustainable Chemistry & Engineering https://pubs.acs.org/doi/10.1021/acssuschemeng.5c00853

Tzachor, A., Devare, M., King, B., Avin, S. and Ó hÉigeartaigh, S., 2022. Responsible artificial intelligence in agriculture requires systemic understanding of risks and externalities. Nature Machine Intelligence, 4(2), pp.104-109.

Vinuesa, R., Azizpour, H., Leite, I., Balaam, M., Dignum, V., Domisch, S., Felländer, A., Langhans, S.D., Tegmark, M. and Fuso Nerini, F., 2020. The role of artificial intelligence in achieving the Sustainable Development Goals. Nature communications, 11(1), p.233.

Walter, A., Finger, R., Huber, R. and Buchmann, N., 2017. Smart farming is key to developing sustainable agriculture. Proceedings of the National Academy of Sciences, 114(24), pp.6148-6150.

Wang, D., Zhang, M., Zhu, Q., & Adhikari, B. (2024). Intelligent vegetable freshness monitoring system developed by integrating eco-friendly fluorescent sensor arrays with deep convolutional neural networks. Chemical Engineering Journal, 488, 150739.