Robert Finger, Carlos Parra-López, Carmen Carmona-Torres, Kelly Bronson, Sarah-Louise Ruder, Laurens Klerkx*

Sensoren in Ställen, auf Feldern und in Maschinen, Drohnen und Satelliten über den Feldern sowie Algorithmen zur Vorbereitung von Entscheidungen über Düngung oder Pflanzenschutz: Die Digitalisierung verändert die Landwirtschaft derzeit schnell und umfassend (Walter et al., 2017). Dieser Prozess wird oft unter den Schlagworten „Agriculture 4.0” oder „Smart Farming” beschrieben. „Smart Farming” geht dabei über einzelne Technologien wie die Präzisionslandwirtschaft hinaus. Es handelt sich um ein System, in dem Managemententscheidungen zunehmend datenbasiert getroffen werden und internetfähige, „smarte” Maschinen und Geräte die menschliche Analyse und Planung unterstützen oder diese in autonomen Systemen sogar ersetzen (Wolfert et al., 2017). Dieser Prozess wird oft auch als zentraler Hebel für mehr Nachhaltigkeit in der Landwirtschaft gehandelt und Politik, Industrie sowie Forschung versprechen sich davon eine höhere Effizienz, geringere Umweltbelastungen und eine geringere Arbeitsbelastung für Landwirt:innen.

Bei genauerer Betrachtung bleiben jedoch oft Fragen offen: Trotz immer besserer technischer Möglichkeiten und Innovationen sind viele Betriebe skeptisch. Die tatsächliche Nutzung digitaler Technologien steigt langsamer als erwartet und ist oft noch begrenzt sowie punktuell. Zudem sind die Auswirkungen der Technologien auf die gesamten Agrar- und Ernährungssysteme noch unklar. Darüber hinaus treten neue Zielkonflikte zutage und Landwirtschaft, Industrie, Politik und Gesellschaft sehen sich komplexen Herausforderungen gegenüber. Die entscheidende Frage lautet daher nicht, wie „smart” die Landwirtschaft ist, sondern wie sinnvoll und gerecht diese Digitalisierung gestaltet wird. Genau an diesem Punkt setzt das Konzept „Wise Agricultural Systems” an, das wir in einer Publikation in der Fachzeitschrift Agricultural Systems (Parra-López et al., 2026) beschrieben haben. Das Ziel besteht nicht darin, technologische Entwicklungen zu verhindern, sondern sie so zu lenken, dass eine systemorientierte, nachhaltige digitale Transformation in der Landwirtschaft möglich wird.

Warum „smart“ nicht automatisch nachhaltig ist

Die Grundidee von Smart Farming ist bestechend: Dank digitaler Innovationen können Managemententscheidungen präziser, schneller und objektiver getroffen werden. In der Theorie spart dies Betriebsmittel und Kosten, schont Umwelt und Klima, erhöht das Tierwohl und steigert die Produktivität. In der Praxis zeigt sich jedoch ein deutlich komplexeres Bild.

So gibt es ökonomische Grenzen. Digitale Technologien sind oft teuer und ihre Rentabilität ist unsicher sowie stark kontextabhängig. Dies ist besonders relevant, da der grosse Nutzen vieler Technologien oft erst langfristig oder nur unter idealen Bedingungen eintritt (Finger et al., 2019). Gerade kleinere und mittlere Betriebe tun sich daher oft schwer, grosse Investitionen in neue Technologien und Verfahren zu rechtfertigen. Hinzu kommen Unsicherheiten: Wie entwickeln sich die Märkte? Funktioniert die Technik zuverlässig? Bleibt sie kompatibel? Wird sie in wenigen Jahren schon wieder obsolet sein?

Darüber hinaus gibt es mögliche ökologische Zielkonflikte. Mehr Effizienz bedeutet nicht automatisch mehr Nachhaltigkeit. Studien zeigen, dass präzisere Technik zwar einzelne Inputs senken kann, gleichzeitig aber zusätzlicher Energieverbrauch, Rebound-Effekte oder neue Umweltlasten entstehen (Rose et al. 2021a; Parra-López et al. 2025). Nachhaltigkeit lässt sich also nicht allein aus Effizienzkennzahlen ableiten. Zudem ist oft unklar, unter welchen Bedingungen Algorithmen Entscheidungen treffen, die zwingend besser für die Umwelt sind als die Entscheidungen von Landwirt:innen (Dalhaus et al., 2024).

Zudem gibt es offene soziale und ethische Fragen (Rose et al., 2021b), beispielsweise: – Wer kontrolliert die Daten? Wer profitiert von den Algorithmen? Und wer trägt die Risiken? Die digitale Landwirtschaft verschiebt die Machtverhältnisse häufig zugunsten grosser Technologie- und Agrarkonzerne. Gleichzeitig verändern sich Wissen, Arbeitsorganisation und das Selbstverständnis von „guter Landwirtschaft“. Diese Dimensionen werden im Smart-Farming-Diskurs jedoch allzu oft ausgeblendet.

Von Smart Farming zu Wise Agricultural Systems

Das eigentliche Problem sind also nicht die Technik und digitale Innovationen an sich, sondern der zu enge, technikzentrierte Blick auf die Landwirtschaft. Hier setzt das Konzept der „Wise Agricultural Systems“ an. Zentral ist dabei die Idee, dass die digitale Landwirtschaft nicht danach bewertet werden sollte, wie viele Daten sie erzeugt oder wie automatisiert sie ist, sondern danach, wie gut sie mit Zielkonflikten umgehen kann.

Dabei erweist sich die klassische Unterscheidung zwischen Daten, Informationen, Wissen und Weisheit (Baskarada & Koronios, 2013) als sehr hilfreich. Smart-Farming-Systeme sind oft sehr gut darin, Daten zu generieren und Informationen bereitzustellen. „Weisheit” entsteht jedoch erst, wenn dieses Wissen kontextualisiert, abgewogen und verantwortungsvoll genutzt wird.

Ein „Wise Agricultural System“ nutzt einen systemischen Ansatz und ist so gestaltet, dass es drei gleichwertige Ziele gleichzeitig verfolgt.

1. Ökonomische Tragfähigkeit und Resilienz: Digitale Technologien sollen Betriebe und den Sektor als Ganzes ökonomisch erfolgreicher machen und die Resilienz erhöhen, sodass Betriebe beispielsweise besser mit Marktvolatilität, Klimarisiken und politischen Veränderungen umgehen können (Finger, 2023). Dazu gehören passende Geschäftsmodelle, offene Systeme und Lösungen, die nicht nur für wenige grosse und spezialisierte Betriebe funktionieren.

2. Ökologische Nachhaltigkeit jenseits reiner Effizienz: Die Digitalisierung sollte den langfristigen Umbau von Agrarsystemen unterstützen, etwa hin zu agroökologischen, regenerativen, stärker diversifizierten und biodiveritätsfördernden Praktiken. Dies erfordert einen Blick auf ganze Agrar- und Ernährungssysteme und nicht nur auf einzelne Inputs, Maschinen und Technologien.

3. Soziale Gerechtigkeit und faire Machtverhältnisse: Fragen von Datenhoheit, Transparenz, Mitbestimmung und Arbeitsbedingungen sind keine Nebenaspekte, sondern zentral für die Legitimität digitaler Innovationen.

In diesem Sinne bedeutet Weisheit nicht Perfektion, sondern die Fähigkeit, Probleme und Zielkonflikte sichtbar zu machen und bewusst zu adressieren.

(Auch) Eine Frage der Agrarpolitik

Ob sich die digitale Landwirtschaft in Richtung „Smart“ oder „Wise“ entwickelt, ist nicht nur eine technische, agronomische und ökonomische, sondern auch eine agrarpolitische Entscheidung. Förderprogramme, Regulierungen, Datenstandards und Beratungsstrukturen legen fest, welche Technologien sich durchsetzen und wem sie wann und wie nützen (vgl. Finger 2023). Eine zu technikorientierte Agrarpolitik läuft Gefahr, bestehende Ungleichheiten zu verschärfen und neue zu schaffen, beispielsweise zwischen Betrieben, zwischen Regionen sowie zwischen der Landwirtschaft und den vor- und nachgelagerten Akteuren der Wertschöpfungskette.

Eine systemische Perspektive hingegen eröffnet neue Handlungsspielräume. Beispielsweise durch eine Politik, die neben Investitionen in Hardware auch Lernprozesse, Kooperationen, Netzwerke und offene Infrastrukturen unterstützt. Dazu braucht es auch eine Politik, die klare Anreize setzt, um Ziele in den Bereichen Umwelt, Soziales, Produktion und Ökonomie zu erreichen, und die den Einsatz kritischer Inputs massgeblich reduziert. Dies sollte durch eine Datenpolitik und Rahmenbedingungen ergänzt werden, die Gemeinwohlinteressen stärken und Machtkonzentration begrenzen. Ebenso wichtig sind Beratungssysteme, die Landwirt:innen zu aktiven Gestalter:innen der Digitalisierung machen und nicht zu reinen Endnutzern der Technologie.

Die Digitalisierung der Landwirtschaft wird weiter voranschreiten – ob wir wollen oder nicht, mit oder ohne politischen Eingriff. Entscheidend sind jedoch das „Wie” und die Richtung, in die sie geht. Die zentrale Frage lautet nicht, was Technologie kann, sondern welche Art von Landwirtschaft und Ernährungssystem wir damit gestalten wollen.  Ein Wechsel von „smart“ zu „wise“ bedeutet, die Digitalisierung als Mittel und nicht als Selbstzweck zu verstehen, Zielkonflikte ernst zu nehmen und diese zu adressieren. „Weise“ Agrarsysteme entstehen nicht automatisch. Sie müssen politisch gewollt, institutionell ermöglicht und gemeinsam ausgehandelt werden. Genau darin liegen die eigentliche Herausforderung und die Chance der digitalen Transformation der Landwirtschaft. Eine nachhaltige Transformation kann nur mit einem echten Systemansatz gelingen, der die Wechselwirkungen zwischen Technik, Ökologie, Ökonomie, Politik und Gesellschaft berücksichtigt.

Studie: Parra-López, C., Carmona-Torres, C., Finger, R., Bronson, K., Ruder, S. L., & Klerkx, L. (2026). From smart farming to wise agricultural systems: A conceptual framework for systems-oriented sustainable digital transformation in agriculture. Agricultural Systems, 104669. https://www.sciencedirect.com/science/article/pii/S0308521X26000375?via%3Dihub

*AutorInnen: Robert Finger (ETH Zürich), Carlos Parra-López (University of Granada, Spain), Carmen Carmona-Torres (University of Granada, Spain) , Kelly Bronson (University of Ottawa, Canada), Sarah-Louise Ruder (University of Ottawa, Canada), Laurens Klerkx (Universidad de Talca, Chile). Kontakt: rofinger@ethz.ch

Es gibt zu diesem Thema einen Special Issue in Agricultural Systems, zudem bis zum 30.06.2026 Beiträge eingereicht werden können https://www.sciencedirect.com/special-issue/10M0HZHKVLG

Referenzen

Baskarada, S., & Koronios, A. (2013). Data, information, knowledge, wisdom (DIKW): A semiotic theoretical and empirical exploration of the hierarchy and its quality dimension. Australasian Journal of Information Systems, 18(1).

Dalhaus, T., Finger, R., Tzachor, A., & Möhring, N. (2024). Innovations for pesticide application must consider environmental impact. Nature Food, 5(12), 969-971.

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

Finger, R., Swinton, S. M., El Benni, N., & Walter, A. (2019). Precision farming at the nexus of agricultural production and the environment. Annual Review of Resource Economics, 11(1), 313-335.

Parra-López, C., Abdallah, S. B., Garcia-Garcia, G., Hassoun, A., Trollman, H., Jagtap, S., … & Carmona-Torres, C. (2025). Digital technologies for water use and management in agriculture: Recent applications and future outlook. Agricultural Water Management, 309, 109347.

Parra-López, C., Carmona-Torres, C., Finger, R., Bronson, K., Ruder, S. L., & Klerkx, L. (2026). From smart farming to wise agricultural systems: A conceptual framework for systems-oriented sustainable digital transformation in agriculture. Agricultural Systems, 104669.

Rose, D. C., Lyon, J., de Boon, A., Hanheide, M., & Pearson, S. (2021a). Responsible development of autonomous robotics in agriculture. Nature Food, 2(5), 306-309.

Rose, D. C., Wheeler, R., Winter, M., Lobley, M., & Chivers, C. A. (2021b). Agriculture 4.0: Making it work for people, production, and the planet. Land use policy, 100, 104933.

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

Wolfert, S., Ge, L., Verdouw, C. and Bogaardt, M.J., 2017. Big data in smart farming–a review. Agricultural systems, 153, pp.69-80.