David Wuepper, Jan Dirk Wegner, Nikolina Mileva, Jean Bouchat, Shijuan Chen, Ariel Ortiz Bobea, Robert Finger*

Obwohl weltweit immer mehr Agrarumweltpolitiken eingeführt werden (Wuepper et al., 2024), werden weltweit für die meisten landwirtschaftlichen Systeme Nachhaltigkeitsziele nicht erreicht (Möhring et al., 2025; te Wierik et al., 2025). Neue Praktiken und Technologien, z.B. aus den Bereichen Smart Farming und Agrarökologie, bieten große Chancen, aber nur unter den richtigen politischen Rahmenbedingungen – insbesondere der effizienten Internalisierung externer Effekte (Ewert et al. 2023; Finger, 2023; Wuepper et al., 2026). Fortschritte in der Satellitenfernerkundung ermöglichen eine zunehmend detaillierte Analyse von Landwirtschafts- und Umweltsystemen, gekennzeichnet durch eine stetig steigende Informationsdichte und -qualität bei zugleich sinkenden Kosten. Satellitendaten bieten dabei auch eine große Chance, innovative Agrarumweltpolitiken zu implementieren, die bisherige Politikschwachstellen beheben und das Potential haben, landwirtschaftliche Systeme fundamental zu transformieren.

In einer neuen Studie, veröffentlicht in der Fachzeitschrift Environmental Research Letters, diskutieren wir nun, welche Vorteile Satellitendaten genau bieten und worauf geachtet werden sollte, wenn nun neue Politiken entworfen und implementiert werden (Wuepper et al., 2025). Insbesondere schlagen wir vier Prioritäten vor: 1. Direkte Integration von Kausaler Identifikation, 2. Entwicklung wirklich neuer Politiken statt marginaler Anpassungen,, 3. Verbesserung der Kommunikation, und 4. Weitere Technologie-Investitionen.

Direkte Integration von kausaler Identifikation

Die verlässliche kausale Identifikation (z.B. bezüglich der Wirkmechanismen von Politikmassnahmen, aber auch bestimmter Praktiken) für den Umwelt- und Naturschutz ist (Baylis et al., 2016). Nach wie vor sind kausale Analysen aber kein Standardbestandteil der meisten Agrarumweltpolitikprozesse, sondern werden sporadisch von unabhängigen Wissenschaftlern durchgeführt, im Normalfall ohne viel Austausch mit den verantwortlichen Behörden und meist mit so großem Zeitabstand zur Politik-Implementierung, dass für die Behörden bereits neue Politiken und Programme von größerem Interesse sind. Eine grundlegende Erkenntnis in den angewandten Wirtschaftswissenschaften ist, dass mehr und bessere Daten zwar enorm hilfreich für eine verlässlichere Quantifizierung kausaler Politik-Effekte sind, Ersteres jedoch Letzteres nicht ersetzen kann (Henningsen et al., 2025). Satellitendaten ermöglichen nun enorm großflächige und quasi kontinuierliche kausale Analysen (Wuepper et al. 2025). Während bisher meist einfach davon ausgegangen wird, dass Agrarumweltpolitiken in der Praxis vermutlich grob den Effekt haben den sich die zuständigen Behörden erhoffen, so finden rigoros kausal identifizierte Analysen aus der Wissenschaft oft etwas anderes, wie z.B. sogar einem negativen Biodiversitätseffekt von Flächenstilllegungen in England (Palmer et al. 2026) oder grossen finanziellen Transfers ohne Wirkung im Falle mancher Agrarumweltzahlungen in Frankreich (Chabé-Ferret & Subervie, 2013). Wenn Behörden in der Zukunft zu einem kontinuierlichem Umweltmonitoring basierend auf Satelliten- und komplementären Daten übergehen, und dies mit kontinuierlichen, kausalen Analysen verbinden, kann dies dauerhaftes, kontinuierliches Lernen und generieren von Evidenz ermöglichen. Dies kann direkt zeigen was wo funktioniert und was wo nicht, und diese Erkenntnisse können Behörden, Landwirte, und alle anderen relevanten Akteure diskutieren, sodass alle beteiligten gemeinsam lernen, wie man am besten verschiedene Landwirtschaftliche Systeme nachhaltiger machen kann.

Entwicklung neuer Politiken statt marginaler Anpassungen

Satellitendaten werden bereits für einzelne Agrarumweltpolitiken benutzt. Häufig führt dies aber nicht zu innovativen, grundsätzlich neuen Politiken, sondern ergänzt z.B. nur das Monitoring. Dabei bieten Satellitendaten deutlich mehr Potential. Verbunden mit kausaler Inferenz, können Politiken deutlich kollaborativer gestaltet werden als vorher und ständiges Lernen ermöglichen was gut funktioniert, was nicht so gut, was Landwirte als Nächstes austesten könnten, um z.B. Biodiversität zu erhöhen, welche Politikanpassungen sinnvoll sein könnten, etc. Statt einzelne Landwirte und einzelne Praktiken zu adressieren, ist es auch möglich, direkt Gruppen von Landwirten oder Regionen für gemessene positive Entwicklungen und erreichte Ziele im Sinne kollektiver ergebnisorientierter Agrarumweltprogramme zu belohnen. Besonders spannend sind Agrarumweltzahlungen, bei denen Landwirte Zahlungen angeboten bekommen, die den gesellschaftlichen Wert einer Verbesserung an ihrem Standort reflektieren (Bateman et al., 2024).

Verbesserung der Kommunikation

Um die hier diskutierten Politiken erfolgreich zu gestalten und umzusetzen, benötigt es einer Verbesserung der Kommunikation. Erstens, braucht es viel Expertise und transparente und zuverlässige Prozesse, um Satellitendaten wirklich innovativ für Agrarumweltpolitik einzusetzen. Zweitens werden Messungen, Datenverarbeitung, Analysen, und Politikantworten meist weitgehend unabhängig voneinander durchgeführt. Dies kann schnell zu Fehlinterpretationen führen, wenn z.B. den Analysten und Entscheidungsträgern nicht klar ist, welche Limitationen die Messungen haben (Unsicherheiten, systematische Messfehler, etc.). Andersherum, kann dies auch dazu führen, dass es wenig Akzeptanz eines neues Messsystems gibt, obwohl dieses schon ausreichend verlässlich ist. In der Zukunft wird es notwendig sein, dass in den entsprechenden Behörden Mitarbeiter mit Expertise in Fernerkundung, Kausaler Inferenz, und Künstlicher Intelligenz beschäftigt sind. Ausserdem muss daran gearbeitet werden, die Datentransparenz weiter zu erhöhen, wofür Politik, Wissenschaft, und Industrie zusammenarbeiten müssen.

Abbildung 1. Mit fortschreitendem technologischem Fortschritt werden immer mehr Agrarumweltpolitik-relevante Indikatoren messbar. Viele landwirtschaftliche Praktiken, wie z.B. Pflügen und Mähen können bereits verlässlich auf Satellitendaten von Algorithmen erkannt werden (A), und das trifft auch für allgemeinere Landnutzungsdynamiken z.B. in tropischen Wäldern zu (B). Wichtig für globale Kohlenstoff-Märkte: Auch der gespeicherte Kohlenstoff in bestehender Vegetation kann bereits gut quantifiziert werden, durch das Mischen von Informationen wie Höhe und Typ der Vegetation, kombiniert mit einzelnen In-Situ Messungen (C). Weiterhin eine technische Herausforderung stellt die Messung von Biodiversität dar. Eine grobe Quantifizierung der Habitat- und Flora-Diversität in Wäldern funktioniert schon gut (D), aber vergleichbare Messungen für Fauna und z.B. Getreideanbauflächen bleiben noch eine Herausforderung.

Technologischer Fortschritt

Trotz der beeindruckenden technologischen Fortschritte der letzten Jahre erfordert es weiterhin Investitionen und Forschungsanstrengungen. Technologischer Fortschritt ist nicht die Hauptbarriere für eine bessere Nutzung von Satellitendaten in der Agrarumweltpolitik, da bereits jetzt sehr viel möglich ist (siehe auch Abbildung 1). Nichtsdestotrotz ist es wichtig, Satellitendaten zugänglicher und verlässlicher zu machen, um die bestmögliche Grundlage für die neuen Agrarumweltpolitiken zu schaffen. Zum einen, können manche  politikrelevante Aspekte noch nicht ausreichend gut gemessen werden, z.B. allgemeine Biodiversität auf landwirtschaftlichen Flächen oder verschiedene Treibhausgasemissionen. Zum anderen müssen weiterhin Fehler minimiert werden, um eine hohe Akzeptanz bei Landwirten, Politik und Behörden zu erreichen. In der Forschung ist es oftmals akzeptabel, noch eine Fehlerquote von wenigen Prozent zu haben. In der Praxis wird es jedoch so sein, dass Landwirte es inakzeptabel finden, wenn ihre Agrarumweltzahlungen nicht korrekt deklariert werden. Außerdem benötigt man für bestimmte Messungen sehr hohe Auflösungen (im Zentimeterbereich für eine genaue Messung von Bodenerosion), hohe Frequenz der Messung (das Monitoring von hochmobilen Vögeln funktioniert nicht gut wenn die Messungen nur selten stattfinden), und es gibt natürlich Herausforderungen wie Wolken, die die Messungen behindern. Da z.B. die Europäische Raumfahrtgesellschaft stark in neue Erdbeobachtungsmissionen investiert, und intensiv an Grundmodellen und Einbettungsmodellen gearbeitet wird (Klemmer et al., 2025; Nedungadi et al., 2025; Rolf Klemmer & Rußwurm, 2025), kann man optimistisch sein, dass die benötigten technologischen Fortschritte erreicht werden. Diese Fortschritte werden außerdem durch Fortschritte bei landwirtschaftlichen Technologien unterstützt, die sowohl wertvolle komplementäre Daten liefern, wie auch ganz neue landwirtschaftliche Systeme ermöglichen, die durch kluge Agrarpolitik unterstützt werden sollten (Wuepper et al., 2026).

Studie: Wuepper, D., Wegner, J. D., Mileva, N., Bouchat, J., Chen, S., Ortiz-Bobea, A., & Finger, R. (2026). Harnessing satellite data for the next generation of agri-environmental policies. Environmental Research Letters, 21(1), 011002. Open Access https://iopscience.iop.org/article/10.1088/1748-9326/ae2d77

*Autoren: David Wuepper 1, Jan Dirk Wegner 2, Nikolina Mileva 3, Jean Bouchat 3, Shijuan Chen 4, Ariel Ortiz-Bobea 5 and Robert Finger 6.  Kontakt: wuepper@uni-bonn.de

1Land Economics Group, Institute for Food and Resource Economics, University of Bonn, Bonn, Germany,  2 EcoVision Lab, Department of Mathematical Modeling and Machine Learning, University of Zurich, Zurich, Switzerland, 3 Earth System Science Hub, European Space Agency, Rome, Italy, 4 School for the Environment, University of Massachusetts Boston, Boston, MA, United States of America, 5 Charles H. Dyson School of Applied Economics and Management and Jeb E. Brooks School of Public Policy, Cornell University, Ithaca, NY, United States of America, 6 Agricultural Economics and Policy Group, ETH Zurich, Zurich, Switzerland

Referenzen

Bateman, I. J., et al. (2024). How to make land use policy decisions: Integrating science and economics to deliver connected climate, biodiversity, and food objectives. Proceedings of the National Academy of Sciences, 121(49), e2407961121.

Baylis, K., et al. (2016). Mainstreaming impact evaluation in nature conservation. Conservation letters, 9(1), 58-64.

Chabé-Ferret, S., & Subervie, J. (2013). How much green for the buck? Estimating additional and windfall effects of French agro-environmental schemes by DID-matching. Journal of Environmental Economics and Management, 65(1), 12-27.

Ewert, F., Baatz, R., & 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), 351-381.

Finger, R. (2023). Digital innovations for sustainable and resilient agricultural systems. European Review of Agricultural Economics, 50(4), 1277-1309.

Henningsen, A., et al. (2025). Estimating Causal Effects with Observational Data: Guidelines for Agricultural and Applied Economists. Journal of Agricultural Economics.

Klemmer, K., et al. (2025). Earth Embeddings: Towards AI-centric Representations of our Planet.

Möhring, N., et al. (2025). Expected effects of a global transformation of agricultural pest management. Nature Communications, 16(1), 10901. https://doi.org/10.1038/s41467-025-66982-4

Nedungadi, V., et al. (2025). From general to specialized: the need for foundational models in agriculture. arXiv preprint arXiv:2507.05390.

Palmer, C., Groom, B., Sileci, L., & Langton, S. (2026). Biodiversity–food trade‐offs when agricultural land is spared from production. American Journal of Agricultural Economics, 108(1), 254-284.

Rolf, E., Klemmer, K., & Rußwurm, M. (2025). Earth Embeddings: Harnessing the information in Earth observation data with machine learning. Proceedings of the Special Interest Group on Computer Graphics and Interactive Techniques Conference Frontiers,

te Wierik, S., et al. (2025). Identifying the safe operating space for food systems. Nature Food, 6(12), 1153-1163. https://doi.org/10.1038/s43016-025-01252-6

Wuepper, D., et al. (2026). From technological fixes to systemic change: Vision-led innovation for Europe’s crop farming systems. Agricultural Systems, 233, 104593.

Wuepper, D., Oluoch, W. A., & Hadi, H. (2025). Satellite data in agricultural and environmental economics: Theory and practice. Agricultural Economics, 56(3), 493-511.

Wuepper, D., et al. (2026). Harnessing satellite data for the next generation of agri-environmental policies. Environmental Research Letters.

Wuepper, D., et al. (2024). Agri-environmental policies from 1960 to 2022. Nature Food, 5(4), 323-331.

Picture credit: © European Space Agency 2026

Gemeinsam veröffentlicht mit dem Blog der Land Economics Gruppe der Universität Bonn:  https://www.ilr1.uni-bonn.de/en/research/research-groups/land-economics/land-economics-blog