Wie lassen sich realistische Agrardaten erzeugen, wenn reale Betriebsdaten fehlen, unvollständig oder schwer zugänglich sind? Dieser Vortrag stellt eine Simulationssoftware vor, die landwirtschaftliche Prozesse basierend auf agronomischen Regeln und realen Datenmodellen abbildet. Ziel ist es, vollständige, plausible Datensätze für Forschung, Zertifikate und KI-Anwendungen bereitzustellen – schnell, nachvollziehbar und datenschutzkonform. Das System lädt zur Nutzung und Weiterentwicklung ein.

Große Sprachmodelle wie GPT zeigen, dass Maschinen heute Texte verstehen und Geschichten weiterschreiben können. Aber können solche Modellarchitekturen auch die Geschichte eines Feldes erfassen – mit Wetter, Boden, Pflanzen und Maschinen als Akteuren? Der Vortrag gibt einen Einblick in aktuelle Ansätze aus der Forschung und zeigt, wie KI zukünftig landwirtschaftliche Prozesse vorhersagen und mitgestalten könnte.