Lucie Adenaeuer, Robert Finger, Madhu Khanna, Till Kuhn, Hugo Storm*
Digitale Technologien und der Einsatz von Robotern versprechen eine effizientere Produktion, einen geringeren Ressourcenverbrauch und neue Möglichkeiten, Umweltbelastungen zu reduzieren (Walter et al., 2017; Storm et al., 2024; Finger, 2023; Khanna et al., 2024). Doch führt Smart Farming automatisch zu einer nachhaltigeren Landwirtschaft?
Ob Smart Farming tatsächlich Vorteile für Umwelt, Landwirtschaft und Gesellschaft bringt, hängt stark davon ab, welche Technologien wo zum Einsatz kommen und wer Zugang zu ihnen hat. Während beispielsweise GPS-gesteuerte Maschinen Kraftstoff sparen und die Bodenverdichtung verringern können, stellen hohe Investitionskosten, Anforderungen an die Datenverarbeitung und fehlende digitale Infrastruktur insbesondere kleiner Betriebe vor Herausforderungen (Adenäuer et al., 2020; Khanna and Miao, 2021). Die entscheidende Frage lautet daher nicht nur, welche Technologien technisch möglich sind, sondern welche Technologien unter welchen Bedingungen den größten gesellschaftlichen Nutzen schaffen.
In unserem neuen Beitrag, veröffentlicht im Environmental Research – Food Systems (Adenaeuer et al., 2026), schlagen wir für die Evaluierung dieser neuen Technologien die Verwendung eines neuen Ansatzes vor: das Konzept des Safe and Just Operating Spaces. Es verbindet planetare ökologische Grenzen mit sozialen und wirtschaftlichen Zielen und bietet damit einen Rahmen, um den Einsatz von Smart-Farming-Technologien gezielt zu evaluieren. Dies erlaubt eine Beurteilung über, welche Technologien gefördert werden sollten, wo politische Unterstützung notwendig ist und wie Zielkonflikte zwischen Produktivität, Umweltschutz und sozialer Teilhabe berücksichtigt werden können.
Welche Schritte beinhaltet der neue Ansatz?
Unser Ansatz umfasst vier Schritte, die dabei helfen, den Einsatz von Smart-Farming Technologien gezielt an ökologischen, wirtschaftlichen und sozialen Nachhaltigkeitszielen auszurichten. Jeder Schritt baut auf den vorherigen auf. Gleichzeitig ist der Prozess iterativ angelegt, weshalb neue Erkenntnisse und Veränderungen in der Region, aufgrund von Technologieeinsatz und politische Unterstützung, eine neue Bewertung in der Region bewirken (Abbildung 1).
Abbildung 1: Blaupause für die Anwendung des Safe and Just Prinzips zur Priorisierung von smarten Technologien. Für jede potentielle Technologie wird eine kontextspezifische Bewertung anhand nachhaltiger Kriterien durchgeführt, um einzelne Technologien zu priorisieren und politische Maßnahmen gezielt abzuleiten. Umsetzung politischer Maßnahmen und neuer Technologien erfordern eine iterative Neubewertung im Zeitverlauf. © University of Bonn/ Volker Lannert (Adenaeuer et al. 2026)
- Regionale Grenzwerte festlegen (Downscaling & Disaggregation)
Globale ökologische, soziale und wirtschaftliche Zielsetzungen werden auf die jeweilige Region und den entsprechenden Agrarsektor heruntergebrochen. Daraus werden regionale Grenzwerte und Zielsetzungen abgeleitet.
- Den regionalen Status quo bewerten (Regional Scoring)
Die Region wird im Verhältnis zu den Festgelegten Grenz- und Zielwerten bewertet. Die Bewertung macht sichtbar, in welchen Nachhaltigkeitsdimensionen bereits Fortschritte erzielt wurden und wo Defizite bzw. dringender Handlungsbedarf besteht.
- Die Wirkung einzelner Technologien bewerten (Evaluating Smart Technologie)
Mögliche Smart-Farming Technologien werden anhand ihrer Auswirkungen auf die unterschiedlichen Nachhaltigkeitsdimensionen untersucht. Dabei werden sowohl positive Effekte als auch mögliche Risiken und Zielkonflikte identifiziert. Entscheidend ist, ob eine Technologie dazu beitragen kann, bestehende Defizite zu verringern, ohne neue Risiken in anderen Dimensionen zu verursachen.
- Ergebnisse zusammenführen und Maßnahmen ableiten (Creating Synthesis)
Im letzten Schritt werden die Ergebnisse der regionalen Bewertung mit den erwarteten Auswirkungen der Technologien zusammengeführt. Daraus lässt sich ableiten, welche Technologien besonders vielversprechend sind und wo gezielte politische Maßnahmen ihren Einsatz unterstützen können.
Ein zentraler Bestandteil unseres Ansatzes ist seine iterative und partizipative Ausrichtung. Es handelt sich somit nicht um einen einmaligen Bewertungsprozess. Vielmehr können Veränderungen der regionalen Bedingungen, neue wissenschaftliche Erkenntnisse oder die Einführung neuer Technologien eine erneute Bewertung auslösen. Neben wissenschaftlichen Analysen sollten daher auch Landwirte, politische Entscheidungsträger und weitere relevante Akteure einbezogen werden.
Ein Kompass für die Landwirtschaft der Zukunft
Unser Ansatz bietet einen strukturierten Orientierungsrahmen, um nicht einfach möglichst viele digitale Technologien einzuführen, sondern diejenigen zu identifizieren und zu fördern, die unter den jeweiligen regionalen Bedingungen den größten gesellschaftlichen Nutzen versprechen.
Bis der Ansatz vollständig angewendet werden kann, sind weitere Forschungsarbeiten notwendig, insbesondere um geeignete regionale Grenzwerte und Indikatoren zu definieren. Langfristig eröffnet er jedoch die Chance, Smart Farming nicht nur als technische Innovation zu verstehen, sondern als einen gezielten Beitrag zu einer Landwirtschaft, die ökologische Grenzen einhält, wirtschaftlich rentable und sozial zukunftsträchtig ist.
Link zum Open Access Artikel (English): Adenaeuer, L., Finger, R., Khanna, M., Kuhn, T., & Storm, H. (2026). Steering smart farming technology adoption toward a safe and just operating space. Environmental Research: Food Systems. https://doi.org/10.1088/2976-601X/aeb127
Autoren und Institutionen: Lucie Adenaeuer & Hugo Storm: University of Bonn; Robert Finger: ETH Zürich. Madhu Khanna: University of Illinois, Till Kuhn: University of Bonn & Chamber of Agriculture of North Rhine-Westphalia. Kontakt: lucie.adenauer@uni-bonn.de
Literatur
Adenäuer, L., Hayden, A. & Breen, J. (2020). Insights in overcoming the non-adoption of voluntary agricultural GHG mitigation measures in Ireland. Economia Agro-alimentare/ Food Economy 22(3), pp. 51 – 70. https://doi.org/10.3280/ecag3-2020oa11042
Finger, R. (2023). Digital innovations for sustainable and resilient agricultural systems. European Review of Agricultural Economics 50(4): 1277–1309, https://doi.org/10.1093/erae/jbad021
Khanna, M. and Miao, R. (2021). Inducing the adoption of emerging technologies for sustainable intensification of food and renewable energy production: insights from applied economics. The Australian Journal of Agricultural and Resource Economics 66: 1-23. https://doi.org/10.1111/1467-8489.12461
Khanna, M., Atallah, S., Heckelei, T., Wu, L. & Storm, H. (2024). Economics of the Adoption of Artificial Intelligence-Based Digital Technologies in Agriculture. Annual Review of Resource Economics 16: 41-61. https://doi.org/10.1146/annurev-resource-101623-092515
Storm, H., Seidel, S., Klingbeil, L., Ewert, F., Vereecken, H., Amelung, W., Behnke, S., Bennewitz, M., Börner, J., Döring, T., Gall, J., Mahlein, A., McCool, C., Rascher, U., Wrobel, S., Schnepf, A., Stachniss, C. and Kuhlmann, H. (2024) Research priorities to leverage smart digital technologies for sustainable crop production. European Journal of Agronomy 156: 127178. https://doi.org/10.1016/j.eja.2024.127178.
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: 6148–6150. https://doi.org/10.1073/pnas.1707462114
Anmerkung: Diese Arbeit ist Teil des im Rahmen von Horizon Europe geförderten Projekts BrightSpace (Grant Agreement Nr. 101060075), das von der Europäischen Union finanziert wird. Darüber hinaus wurde diese Arbeit durch die Deutsche Forschungsgemeinschaft (DFG) im Rahmen der Exzellenzstrategie des Bundes und der Länder gefördert (EXC 2070 – 390732324, PhenoRob).
