Dynamic Field Scout
KI-gestützte Feldgrenzen- und Hinderniserkennung für autonome Landtechnik: RTK-Drohnen vermessen Flächen zentimetergenau, KI wertet die Bilder aus, ein semantisches Datenmodell macht das Ergebnis direkt für FMIS und Routenplanung nutzbar.
Projektsteckbrief
- Zeitraum
- Juni 2024 – Oktober 2025
- Präsentation
- CLAAS InnoLab, Agritechnica 2025Halle 13, Stand C18
- Publikation
- 46. GIL-Jahrestagung 2026LNI, S. 44–55 · DOI 10.18420/giljt2026_03
- Partner
- CLAAS, AgXeed, FuE-Zentrum FH Kiel, HAW Kiel, CAU Kiel
65
Befliegungen
15
beflogene Flächen
~1.025 ha
validierte Gesamtfläche
cm
Genauigkeit (RTK)
Juni 2024 – Okt. 2025
Projektzeitraum
Das Problem
Autonome Maschinen brauchen präzise, aktuelle und maschinenlesbare Feldgrenzen. Administrative Grenzen aus den Verwaltungen sind dafür zu ungenau: Sie liegen je nach Quelle nur im Dezimeter- bis Meterbereich, werden oft nur jährlich aktualisiert und lassen sich zwischen den Systemen nicht interoperabel austauschen.
Hinzu kommen Hindernisse auf dem Feld – von Strommasten und Zäunen bis zu temporären Objekten wie Hochsitzen oder Wasseransammlungen. Die bisherige Forschung konzentriert sich vor allem auf die Erkennung solcher Objekte, kaum jedoch auf die Nutzbarkeit der Daten in Farm-Management-Informationssystemen (FMIS) und Agrardatenräumen.
So funktioniert's
Datenerfassung per RTK-Drohne
Befliegung der Flächen mit einer DJI Mavic 3 Pro (RGB). Die RTK-Positionierung liefert eine zentimetergenaue Georeferenzierung.
KI-Segmentierung
Grounded-Segment-Anything segmentiert Feldgrenzen und Objekte in den Luftbildern – ohne manuelle Annotation.
Semantisches Datenmodell
GeoJSON-Features mit Typ, Quelle, Genauigkeit, Version und Provenienz – ausgerichtet an ISO 19115, INSPIRE, AGROVOC und OGC API-Features (FAIR-Prinzipien).
Nutzung in FMIS & Routenplanung
Die strukturierten Geodaten stehen direkt für Farm-Management-Informationssysteme und die Routenplanung bereit – etwa im AgXeed-Portal und via ISOBUS/TIM.
Vier Ebenen der Feldgrenze
Das Datenmodell unterscheidet vier Ebenen von Feldgrenzen – von der administrativen Grundlage bis zu tagesaktuellen, dynamischen Objekten, auf die autonome Maschinen reagieren müssen.
| Ebene | Typ | Genauigkeit | Aktualität | Nutzung |
|---|---|---|---|---|
| 1 | Administrative Grenze | dm–m | jährlich | Kontrolle, Förderung |
| 2 | Betriebsgrenze | cm–dm | ereignisbezogen | Planung, Betriebsführung |
| 3 | Operative Grenze | cm | saisonal | automatische Maschinenfunktionen |
| 4 | Dynamische Objekte | cm | tagesaktuell | Sicherheit, Routenplanung, Autonomie |
Was erkannt wird
Statische Objekte
Dauerhafte Strukturen, die sich über Jahre kaum verändern und die Maschinensteuerung grundlegend prägen.
- Strommasten
- Zäune
- Baumreihen
- Bewirtschaftungsgrenzen
Temporäre Objekte
Veränderliche Objekte, die tagesaktuell erfasst werden müssen, damit autonome Maschinen sicher arbeiten können.
- Hochsitze
- Wasseransammlungen
- Vegetationsüberhänge
Unser Beitrag als Q2
Dieser Abschnitt wird derzeit final abgestimmt und in Kürze ergänzt.
Präsentiert auf der Agritechnica 2025
Dynamic Field Scout wurde im CLAAS InnoLab auf der Agritechnica 2025 gezeigt (Halle 13, Stand C18) – als eine von vier Schlüssel-Innovationen des Innovationsbereichs, der Einblicke in die Technologieentwicklung bei CLAAS gab.
Foto vom CLAAS InnoLab-Stand folgt – die Bildfreigabe wird derzeit abgestimmt.
Publikation
Dynamic Field Scout: ein interoperabler Datenraum für KI-gestützte Hinderniserkennung und Feldgeometrien
Ferdinand, J. H.; Petersen, N.; Giesker, F.; Reckleben, Y.; Hartung, E. (2026): Dynamic Field Scout: ein interoperabler Datenraum für KI-gestützte Hinderniserkennung und Feldgeometrien. In: Dörr, J.; Steckel, T. (Hrsg.): Datenräume in der Land-, Forst- und Ernährungswirtschaft. 46. GIL-Jahrestagung, Soest. Lecture Notes in Informatics (LNI), Gesellschaft für Informatik, Bonn, S. 44–55. DOI: 10.18420/giljt2026_03
BibTeX anzeigen
@inproceedings{ferdinand2026dynamicfieldscout,
author = {Ferdinand, J. H. and Petersen, N. and Giesker, F. and Reckleben, Y. and Hartung, E.},
title = {Dynamic Field Scout: ein interoperabler Datenraum für KI-gestützte Hinderniserkennung und Feldgeometrien},
booktitle = {Datenräume in der Land-, Forst- und Ernährungswirtschaft. 46. GIL-Jahrestagung, Soest},
editor = {Dörr, J. and Steckel, T.},
series = {Lecture Notes in Informatics (LNI)},
publisher = {Gesellschaft für Informatik},
address = {Bonn},
pages = {44--55},
year = {2026},
doi = {10.18420/giljt2026_03}
}Partner
Dynamic Field Scout wurde gemeinsam mit Industrie- und Forschungspartnern entwickelt.
- CLAAS Selbstfahrende Erntemaschinen GmbH
- AgXeed
- Forschungs- und Entwicklungszentrum Fachhochschule Kiel GmbH
- Hochschule für Angewandte Wissenschaften Kiel (HAW Kiel, Fachbereich Agrarwirtschaft)
- Christian-Albrechts-Universität zu Kiel
Ausblick
- Echtzeitverarbeitung direkt auf Edge-Geräten
- Zertifizierung semantischer Geodaten
- Rechtliche Anerkennung UAV-basierter Grenzen als „Geo-Fence“ für autonome Landtechnik
Sie arbeiten an Autonomie, Geodaten oder Agrardatenräumen?
Sprechen Sie uns an – wir tauschen uns gern über interoperable Geodaten, KI-Segmentierung und autonome Landtechnik aus.