Machine Learning trifft Bodenwissenschaft
Statt aufzugeben, entwickelte das Team einen ehrgeizigen Plan: Mithilfe eines selbst entwickelten KI-Algorithmus sollten Sensordaten aus verschiedenen Ländern mit lokalen Labordaten abgeglichen und über ein Machine-Learning-Modell harmonisiert werden.
Dafür identifizierte man in Brasilien, Kasachstan, UK, USA und der Schweiz jeweils rund 100 repräsentative Felder. Über 3.000 Bodenproben pro Region wurden dreifach analysiert: lokal, per FarmLab und durch deutsche Referenzlabore. Die Herausforderung: Abweichungen in den chemischen Verfahren, Messmethoden, Probenentnahmen und sogar in der Kalibrierung der Analyseklassen mussten algorithmisch überführt werden.