16.05.2017

“In Europa sind Landwirte technikaffiner als in den USA”

Farmdoc Gründer Andreas Prankl spricht mit dem Brutkasten über die Herausforderung Agrar-Startup und warum sich Wieselburg zu einem Zentrum für landwirtschaftliche Innovationen entwickelt.
/artikel/in-europa-sind-landwirte-technikaffiner-als-in-den-usa
Die Prankl-Brüder kommen selbst aus der Landwirtschaft und ihre Geschäftsidee ist aus dem eigenen Bedarf entstanden. (c) screenshot farmdok

Viele heimische Bauern haben Angst um ihre Daten. Startups müssen mit diesem Thema also besonders sensibel umgehen. Das weiß auch Andreas Prankl, der mit seinen Brüdern Johann und Peter und Franz Heinzlmaier das Startup Farmdok gegründet hat.

Eure App hilft Landwirten, die Arbeit am Feld zu dokumentieren – warum ist eine App in diesem Fall praktischer?

Andreas Prankl: In Österreich und Europa sind die Betriebe sehr klein strukturiert, ohne eigenes Personal für die Dokumentation. Deshalb machen die Landwirte die Dokumentation immer am Abend nach der Arbeit. Die erste Erleichterung ist, dass wir diese Nacharbeit direkt auf das Feld verlagern. Das machen andere auch – da gibt es in Deutschland und auch international einige Apps. Einzigartig ist aber, dass wir das durch die GPS-Datenanalyse auch automatisieren können. Wir können durch den Algorithmus zum Beispiel Felder wiedererkennen, Betriebsmittel schätzen, Arbeitszeit ermitteln. Diese automatische Dokumentation kommt im Sommer mit der zweiten Generation der App.

Wie genau ist die App? Müssen Nutzer sich am Abend hinsetzen und die Daten korrigieren?

Die Genauigkeit ist eine Herausforderung. Ein normales Smartphone-GPS hat eine gewisse Ungenauigkeit. Wir wollen aber ohne zusätzliches Präzisions-GPS auskommen. Das wäre für den Landwirt teuer. Ein einzelner GPS-Punkt hat im besten Fall zwei bis drei Meter Abweichung. Das können im schlimmsten Fall aber auch 30 bis 40 Meter sein. Unsere Technologie kann diese Abweichung aber zu einem gewissen Grad korrigieren. Das funktioniert, indem wir nicht nur den einzelnen GPS-Punkt, sondern das ganze Fahrmuster betrachten. Ein Traktor springt ja nicht auf einmal 30 Meter nach links. Da sind wir bereits im Bereich der artificial intelligence.

Redaktionstipps

Wie seid ihr auf die Idee von Farmdok gekommen?

Wir sind vier Gründer, davon drei Brüder – der Hannes, der Peter und ich. Wir sind auf einem landwirtschaftlichen Betrieb aufgewachsen. Peter hat den Betrieb vor fünf, sechs Jahren übernommen. Er hat früh gemerkt, dass er etwas Einfaches für die Aufzeichnung braucht. Etwas, was er immer dabeihat. Vor drei Jahren haben wir dann begonnen.

Wie seid ihr das Thema angegangen?

Hannes ist auf der Uni im Bereich vision and robotics. Er kennt sich also mit Datenauswertung sehr gut aus. Wir haben uns dann überlegt, wie wir das GPS-Fahrmuster hernehmen können, um die Aufzeichnung zu automatisieren. Hannes hat dann den Algorithmus entwickelt. Ich bin eher zufällig immer weiter in den Bereich der Softwareentwicklung gekommen. Ich habe Wirtschaftsingenieurwesen und Maschinenbau auf der TU Wien studiert. Vorher war ich bei einem Unternehmensberater tätig. Den ersten Prototypen haben wir mit zehn Testbetrieben in Nieder- und Oberösterreich umgesetzt.

“Die Genauigkeit ist eine Herausforderung. Ein normales Smartphone-GPS hat eine gewisse Ungenauigkeit.”

Vor welchen Herausforderungen steht man als Agrar-Startup in Österreich?

Die Algorithmus- und Software-Entwicklung war relativ langwierig, weil wir dazu immer wieder Praxisdaten brauchen. Die Daten müssen wir dann analysieren und dann fließen sie wieder in die Entwicklung ein. In der Landwirtschaft ist man von der Vegetationsperiode abhängig – das macht die Sache nicht leichter. Man muss vorausschauender planen. Im schlimmsten Fall verliert man eine Saison, bei uns ist es aber nicht so schlimm, weil wir auf Daten der vergangenen Jahre aufbauen können.

Wie erlebt ihr als Startup den Agrarsektor?

Ich glaube, da kommt gerade viel Bewegung herein. 2015 sind auf der größten Agrar-Technik-Messe in Hannover Startups präsentiert worden und das hat für viel Aufmerksamkeit gesorgt. Auf einmal haben große Firmen Interesse an dem Thema und man hat relativ schnell Termine bekommen bei Bayer oder Borealis. Große Firmen sind aber relativ schwerfällig und es kommt nicht so schnell zum Abschluss einer Partnerschaft. Richtiges Silicon-Valley-Denken muss sich in der Landwirtschaft erst entwickeln.

Wie erreicht man die Zielgruppe Landwirt?

Mich hat überrascht, dass klassisches Online-Marketing sehr gut funktioniert. Gerade die jüngere Generation erreicht man sehr gut über Facebook und Google. Das zeigt auch, dass der Markt reif ist – Landwirte sind bereit, Online-Technologien zu verwenden. Was auch gut funktioniert sind Fachmedien wie Landwirt.com oder die Bauernzeitung. In Zukunft werden für uns sicher auch die bestehenden Netzwerke der Saatguthändler oder Düngemittel-Händler interessant.

Spricht man mit Landwirten oder Kammer-Vertretern, hört man immer wieder von einer großen Sorge um ihre Daten.

Das ist eine große Diskussion in der Landwirtschaft. Da muss vonseiten der Politik den Sorgen der Landwirte natürlich Genüge getan werden. Ich würde auch nicht wollen, dass sich meine persönlichen Daten selbstständig machen. Uns war von Anfang an klar, dass die Daten, die unser System sammelt einen riesigen Wert haben. Wir wollen die Daten in erster Linie den Landwirten wieder zur Verfügung stellen. Landwirte wollen sich ja gerne vergleichen. Das tun sie ja auch am Wirtshaustisch. Wichtig ist sicher, dass man in der Kommunikation deutlich macht, dass mit den Daten sorgsam umgegangen wird. Die Landwirte müssen auch einen Nutzen davon haben. Aber natürlich ist das eine Gratwanderung.

Warum habt ihr euch für Wieselburg als Standort entschieden?

Der elterliche Betrieb ist in Wieselburg. Wieselburg ist aber auch darüber hinaus ein guter Standort, weil sich da die Agrar-Technologie ganz gut gesammelt hat. Wir haben da auch schon mit Josefinum Research zusammengearbeitet. Wieselburg ist auch Technopol-Standort. Außerdem ist die FH ein guter Nährboden für Nachwuchs, den wir brauchen, wenn die Firma wächst. Vielleicht entwickelt sich Wieselburg ja noch zum Silicon Valley der österreichischen Agrar-Startups. Wir sind mit dem Standort sehr zufrieden.

Geht euch manchmal die Nähe zu Wien ab?

Es ist schon grundsätzlich schwierig, gute Entwickler zu finden – im ländlichen Raum ist es noch schwieriger. Auch die Startup-Szene findet einfach in Wien statt. Deshalb haben wir letztes Jahr auch ein kleines Entwickler-Büro in Wien aufgemacht.

Wie habt ihr die Entwicklung von Farmdoc finanziert?

Wir haben das zuerst aus eigener Tasche finanziert. Damit sind wir dann zum AWS gegangen und haben es ins Pre-Seed-Programm geschafft. Am Ende des Pre-Seed-Projekts haben wir innerhalb von drei Monaten zweieinhalbtausend Downloads gehabt. Das Interesse ist also da. Die Technologie funktioniert. Seit Mitte 2016 arbeiten wir an der zweiten Generation. Jetzt haben wir wieder einen Praxistest. Anfang März haben wir uns Gedanken über die weitere Finanzierung gemacht und haben jetzt eine Beteiligung von TecNet Equity gemeinsam mit dem Business Angel Walter Riess und einem befreundeten Unternehmen, der Cega GmbH.

Was sind eure nächsten Ziele?

Im Sommer wird unser neues Produkt eingeführt. Damit wollen wir in Österreich eine gute Marktdurchdringung erreichen und international die ersten Schritte machen. Der kostenlose Teil unseres Produktes ist relativ schnell internationalisierbar, weil er von regionalen Anforderungen unabhängig ist. Wir beginnen mit Deutschland, gehen dann Richtung Osten und Westen. Übernächstes Jahr geht es auch in die USA und Kanada.

USA und Kanada sind bestimmt eine große Herausforderung.

Da gibt es auf jeden Fall ganz andere Anforderungen. In Kanada hat der durchschnittliche Betrieb 300 Hektar. Zum Vergleich: in Österreich sind es 19 Hektar. In Europa sind Landwirte außerdem vergleichsweise technikaffin und geben gerne für ihren Traktor ein bisschen mehr Geld aus. Amerikaner sind da anders – dort ist ein gutes Radio und eine gute Sitzfederung wichtig. Trotzdem, auch die brauchen die Daten und die Aufzeichnung. Was für den kleinen Landwirt eine Erleichterung ist, ist für den großen sicher auch eine. In Amerika wird es aber ohne regionale Partner nicht gehen.

HIER gehts zu Farmdok

Deine ungelesenen Artikel:
27.01.2025

Open Source und KI: “Es geht nicht darum, zu den Guten zu gehören”

Nachlese. Die Nutzung von Open-Source-Modellen eröffnet Unternehmen auch im KI-Bereich weitreichende Möglichkeiten. Es gibt dabei aber auch einiges zu bedenken. Darüber und mehr diskutierten in Folge 5 von "No Hype KI" Stephan Kraft von Red Hat, Florian Böttcher von CANCOM Austria, Natalie Ségur-Cabanac von Women in AI und Patrick Ratheiser von Leftshift.One.
/artikel/no-hype-ki-folge-5
27.01.2025

Open Source und KI: “Es geht nicht darum, zu den Guten zu gehören”

Nachlese. Die Nutzung von Open-Source-Modellen eröffnet Unternehmen auch im KI-Bereich weitreichende Möglichkeiten. Es gibt dabei aber auch einiges zu bedenken. Darüber und mehr diskutierten in Folge 5 von "No Hype KI" Stephan Kraft von Red Hat, Florian Böttcher von CANCOM Austria, Natalie Ségur-Cabanac von Women in AI und Patrick Ratheiser von Leftshift.One.
/artikel/no-hype-ki-folge-5

“No Hype KI” wird unterstützt von CANCOM AustriaIBMITSVMicrosoftNagarroRed Hat und Universität Graz.

Kollaborativ, transparent, frei zugänglich und nicht profit-orientiert – mit Open-Source-Software wird eine Reihe von Eigenschaften assoziiert. Und oftmals stehen bei der Nutzung ethische Überlegungen im Zentrum. Dabei gibt es auch ganz praktische Gründe, die für eine Verwendung durch Unternehmen sprechen – auch bei der Implementierung von KI-Anwendungen, ist Stephan Kraft, Community Advocate & Business Development OpenShift & Application Services bei Red Hat, überzeugt. In Folge fünf der Serie “No Hype KI” diskutierte er dieses und weitere Themen mit Florian Böttcher, Solution Architect bei CANCOM Austria, Natalie Ségur-Cabanac, Policy Lead bei Women in AI und Patrick Ratheiser, Gründer & CEO von Leftshift.One.

“Thema ein Stück weit aus dieser emotionalen, moralisierenden Ecke herausholen”

“Ich will das Thema ein Stück weit aus dieser emotionalen, moralisierenden Ecke herausholen”, sagt Stephan Kraft. Für Red Hat als weltweit führenden Anbieter für Open-Source-Lösungen für Unternehmen gehen die Argumente für eine Nutzung nämlich weit darüber hinaus. “Es geht nicht darum, Open Source als Selbstzweck zu sehen, um zu den Guten zu gehören”, so der Experte. Tatsächlich sei die Verwendung von Open Source gerade bei der Etablierung von KI im Unternehmen für Startups und KMU eine wichtige Weichenstellung.

Offenheit, um Diskriminierung entgegenzuwirken

Auch Natalie Ségur-Cabanac sieht Open Source als “Key Technology” im KI-Bereich. Für “Women in AI” spiele die Offenheit eine zentrale Rolle: “Diese Offenheit braucht es, um Diskriminierung entgegenzuwirken.” Open Source verbessere den Zugang für Frauen zur Technologie, die Abbildung von Frauen in den Daten und es vergrößere die Möglichkeiten in der Forschung. Man müsse aber auch aufpassen, ob Software wirklich so offen sei, wie behauptet, sagt sie bezogen auf die aktuellen Diskussionen rund um OpenAI, das sich – ursprünglich als offenes Projekt gestartet – zum profitorientierten Unternehmen entwickelte. Es brauche auch eine klare Definition, was “open” sei.

Masse an Möglichkeiten

Leftshift.One-Gründer Patrick Ratheiser betont auch die schiere Masse an Möglichkeiten, die Open Source bietet. “2021 hatten wir weltweit Zugriff auf circa 5.000 Open-Source-Modelle. Jetzt sind es bereits mehr als eine Million.” Die Nutzbarkeit sei also klar gegeben, zudem biete die Technologie eine gewisse Unabhängigkeit und werde über ihre Vielfalt zum Innovationstreiber.

Ist Open Source immer die beste Lösung?

Doch bedeutet das, dass Open Source immer die optimale Lösung ist? Ratheiser sieht das differenziert: “Es ist ganz wichtig zu erkennen, was der Kunde braucht und was in dem Fall gerade notwendig ist. Egal, ob es nun On-Premise, in der Cloud, Open Source oder Closed Source ist.” Florian Böttcher von CANCOM Austria pflichtet hier bei: “Wir setzen genau so auf hybrid.”

Datenstruktur im Hintergrund ist entscheidend

Ein Thema, bei dem bei Open Source Vorsicht geboten ist, spricht Natalie Ségur-Cabanac an. Besonders wichtig sei es bei KI-Anwendungen, eine gute Datenstruktur im Hintergrund zu haben. “Die Verantwortung, dass ein Modell mit sauberen Daten trainiert worden ist, liegt bei den Anbietern. Bei Open Source verschwimmt das ein bisschen. Wer ist wofür zuständig? Das ist eine Herausforderung für die Compliance zu schauen, wo man selbst verantwortlich ist und wo man sich auf einen Anbieter verlassen kann.”

Compliance: Großes Thema – mehr Sichereheit mit professioneller Unterstützung

Stephan Kraft hakt hier ein. Genau aus solchen Gründen gebe es Unternehmen wie Red Hat, die mit ihrem Enterprise-Support für Open-Source-Lösungen die Qualitätssicherung auch im rechtlichen Bereich übernehmen. “Das ist ein ganz wichtiger Teil unseres Versprechens gegenüber Kunden”, so Kraft. Unbedacht im Unternehmen mit Open Source zu arbeiten, könne dagegen in “Compliance-Fallen” führen, pflichtet er Ségur-Cabanac bei.

Das sieht auch Patrick Ratheiser als Thema bei Leftshift.One: “Unsere Lösung ist Closed Source, wir setzen aber im Hintergrund Open Source ein. Wichtig ist, dass wir dem Kunden Compliance garantieren können.” Stephan Kraft empfiehlt Unternehmen bei der Open-Source-Nutzung: “Man kann nicht immer gleich die neueste ‘bleeding edge’-Lösung nehmen sondern sollte etwas konservativer herangehen.”

Infrastruktur: Gut planen, was man wirklich braucht

Unabhängig davon, ob man nun Open Source oder Closed Source nutzt, braucht es für die Nutzung von KI die richtige Infrastruktur. “Es kommt natürlich auf den Use Case an, den ein Unternehmen umsetzen will. Da sind die Anforderungen an die Infrastruktur sehr unterschiedlich”, grenzt Florian Böttcher ein. CANCOM Austria unterstützt seine Kunden in genau der Frage. Anwendungen wie das Training von KI-Modellen würde aus gutem Grund kaum in Österreich umgesetzt. “KI ist sehr stromhungrig und entwickelt viel Hitze. Das ist schwierig für ein eigenes Data-Center im Unternehmen, gerade wenn man die Strompreise in Österreich ansieht”, so Böttcher.

“Rechenleistungs-Hunger” von KI könnte sich in Zukunft verringern

Wichtig sei es letztlich, sich als Unternehmen sehr klar darüber zu sein, was man umsetzen wolle. “Danach, welche Software-Lösung man für seinen Use Case einsetzen muss, richtet sich auch die Infrastruktur”, so Böttcher. Er erwarte aber auch, dass die KI-Modelle im nächsten Entwicklungsschritt effizienter werden und der “Rechenleistungs-Hunger” sich verringere.

Patrick Ratheiser ergänzt: “Es ist grundsätzlich eine Kostenfrage.” Unternehmen müssten sich sehr gut überlegen, ob sie ein eigenes LLM (Large Language Model) betreiben und dieses sogar selbst trainieren wollen, oder lieber doch eine Usage-basierte Lösung wählen. Er sehe bei österreichischen Unternehmen – auch bei größeren – eine klare Tendenz zur zweiten Variante. “Es lässt sich deutlich schneller einrichten, ist kalkulierbarer und auch viel schneller skalierbar”, erklärt Ratheiser.

Etwa im Forschungsbereich sei es jedoch wichtig und notwendig, auch eigene LLMs und die damit verbundene Infrastruktur zu betreiben. Doch auch die Möglichkeit von hybriden Lösungen biete sich an. “Man kann mittlerweile auch Teile in der Cloud lassen und Teile On-Premise. Man kann etwa nur ein datenschutzsicheres LLM selbst betreiben”, erklärt der Experte, der auch bei der Wahl der genutzten Modelle einen hybriden Ansatz empfiehlt: “Man braucht nicht für alle Use Cases das neueste Modell. Manchmal braucht man überhaupt kein LLM.”

Datenschutz: Einige Herausforderungen bei LLMs

Stichwort: Datenschutz. Hier schafft die europäische Datenschutzgrundverordnung (DSGVO) im KI-Bereich besondere Herausforderungen, weiß Natalie Ségur-Cabanac, die vorab betont: “Ich persönlich halte die DSGVO für ein gutes Regulierungswerk, weil sie sehr viel Spielraum gibt. Ich sage immer: Datenschutz ist sehr komplex, aber nicht kompliziert.” Konkret seien etwa der Grundsatz der Zweckbezogenheit, also dass man Daten nur für konkrete Zwecke einsetzen darf, und dass man sie minimierend einsetzen muss, relevant für den KI-Bereich. “Da haben wir schon einen Konflikt, weil man ja [bei LLMs] erst einmal schaut, was man aus möglichst vielen Daten machen kann”, so die Expertin.

Ist KI rechtlich innerhalb der EU sogar per se in einem Graubereich?

Auch Transparenzbestimmungen – sowohl in der DSGVO als auch im AI-Act der EU – seien zu beachten. “Wenn ich KI verwende, muss ich auch wissen, was drinnen ist”, fasst Ségur-Cabanac zusammen. Ist KI also rechtlich innerhalb der EU sogar per se in einem Graubereich? “Nein, das glaube ich nicht. Aber man muss seine Hausaufgaben schon gut machen”, sagt die Expertin. Wichtig sei daher auch die im Rahmen des EU-AI-Acts eingeforderte KI-Kompetenz in Unternehmen – im technischen und rechtlichen Bereich.

KI-Kompetenz als zentrales Thema

Patrick Ratheiser stimmt zu: “Neben der Technologie selber sind bei unseren Kunden die Mitarbeiter ein Riesen-Thema. Man muss sie nicht nur wegen dem AI-Act fit bekommen, sondern es geht darum, sie wirklich auf die Anwendungen einzuschulen.” Wichtig seien dabei auch die Kolleg:innen, die sich bereits mit dem Thema auskennen – die “Pioniere” im Unternehmen. “AI Literacy ist sicherlich das Thema 2025 und in nächster Zeit. So, wie wir gelernt haben, mit dem Smartphone umzugehen, werden wir es auch mit generativer KI lernen”, so Ratheiser.

“Einfach einmal ausprobieren”

Stephan Kraft ergänzt: Neben einer soliden Datenbasis und der notwendigen Kompetenz brauche es bei KI – gerade auch im Bereich Open Source – noch etwas: “Einfach einmal ausprobieren. Es braucht auch Trial and Error. Das ist vielleicht oft das Schwierigste für CFOs und Geschäftsführer.” Dieses Ausprobieren sollte aber innerhalb eines festgelegten Rahmens passieren, damit die KI-Implementierung gelingt, meint Natalie Ségur-Cabanac: “Unternehmen brauchen eine KI-Strategie und müssen wissen, was sie mit der Technologie erreichen wollen.” Auch sich mit den zuvor angesprochenen rechtlichen Anforderungen – Stichwort Compliance – zu beschäftigen, komme zeitlich erst nach der Festlegung der Strategie.


Die gesamte Folge ansehen:

Die Nachlesen der bisherigen Folgen:

Folge 1: “No Hype KI – wo stehen wir nach zwei Jahren ChatGPT?

Folge 2: “Was kann KI in Gesundheit, Bildung und im öffentlichen Sektor leisten?

Folge 3: “Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis”

Folge 4: KI-Geschäftsmodelle: “Wir nutzen nur einen Bruchteil dessen, was möglich ist”


Die Serie wird von brutkasten in redaktioneller Unabhängigkeit mit finanzieller Unterstützung unserer Partner:innen produziert.

No Hype KI
Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

“In Europa sind Landwirte technikaffiner als in den USA”

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

“In Europa sind Landwirte technikaffiner als in den USA”

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

“In Europa sind Landwirte technikaffiner als in den USA”

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

“In Europa sind Landwirte technikaffiner als in den USA”

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

“In Europa sind Landwirte technikaffiner als in den USA”

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

“In Europa sind Landwirte technikaffiner als in den USA”

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

“In Europa sind Landwirte technikaffiner als in den USA”

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

“In Europa sind Landwirte technikaffiner als in den USA”

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

“In Europa sind Landwirte technikaffiner als in den USA”