Kosten senken, Klima schonen?

KI in der Ökolandwirtschaft

Um diesen Artikel schreiben zu können, habe ich mir Videos zum Thema angesehen, die Google-Suche bemüht und natürlich ChatGPT interviewt. Diese Recherchen waren nötig, um mir einen Überblick zu verschaffen, wie KI funktioniert. Auffallend viele Schlagzeilen betonen die Risiken sowie den hohen Energieverbrauch. Doch zeigen Forschung und Praxis, dass KI, auch in der ökologischen Landwirtschaft, große Chancen eröffnet. Sie hilft den Landwirt:innen Ressourcen gezielter einzusetzen, Kosten zu senken und nachhaltiger zu wirtschaften.

Tauchen wir ein in das Thema KI

Künstliche Intelligenz (engl. Artificial Intelligence, AI; deutsch: KI) bezeichnet Technologien, die aus großen Datenmengen lernen, Probleme zu lösen. Es gibt verschiedene Formen von KI: Maschinelles Lernen erkennt Muster. Neuronale Netze ahmen grob gesagt das menschliche Gehirn nach. Auf diese Weise verarbeiten sie Informationen in vielen kleinen Schritten und lernen dabei aus Erfahrungen.
Sprachmodelle wie ChatGPT sind darauf trainiert, aus Milliarden von Textbeispielen zu lernen, dadurch können sie eigene Texte verfassen oder Fragen beantworten. Seit August 2025 gibt es mit GPT-5 die neueste Generation dieser Sprachmodelle. Das System kann nicht nur Texte verarbeiten, sondern auch Bilder, Audio und Videos verstehen und darauf reagieren. Außerdem begreift es Fragen besser im Zusammenhang. Es versteht also genauer, worum es wirklich geht und liefert dadurch passendere Antworten mit weniger Fehlern. Ein eingebautes Steuersystem entscheidet automatisch, welcher Lösungsweg am besten passt. GPT-5 wird inzwischen in vielen Bereichen eingesetzt, von Forschung über Bildung bis hin zur Wirtschaft ⁰.

Für die Landwirtschaft selbst wird GPT-5 bislang nicht genannt. Stattdessen nutzen Projekte wie Farmer.Chat von Digital Green GPT-4, um Landwirt:innen in Indien und Kenia praxisnah bei Fragen zu Anbau, Pflanzenschutz und Bodenbewirtschaftung zu unterstützen. Besonders wichtig ist in diesem Zusammenhang auch das Konzept der Safe Intelligence, wie es das Fraunhofer IKS verfolgt: Künstliche Intelligenz soll nicht nur intelligent handeln, sondern vor allem sicher und zuverlässig sein, etwa in Bereichen wie autonomem Fahren, Medizin oder industrieller Produktion ⁰.

Superhirne brauchen viel Power

Jede KI-Anfrage benötigt Strom, vor allem aber die Rechenzentren. Je größer das Modell, desto höher ist der Energieverbrauch. Laut einer Studie der University of Massachusetts Amherst verbrauchte das Training von GPT-3 rund 1.287 Megawattstunden Strom, das entspricht dem Jahresverbrauch von etwa 120 deutschen Haushalten¹. Hinzu kommt der Wasserbedarf beim Training von GPT-4. Microsoft verbrauchte laut MIT Technology Review täglich über 700.000 Liter Wasser zur Kühlung und das in teils wasserarmen Regionen². Zum Vergleich: In deutschen Haushalten liegt der Tagesverbrauch pro Kopf bei 120 Litern³. Auch der Rohstoffbedarf ist hoch. KI-Chips benötigen seltene Metalle wie Kobalt und Lithium, deren Abbau mit Umweltzerstörung und Menschenrechtsproblemen einhergeht⁴.

Green AI – es geht auch ökologisch!

Doch KI kann auch nachhaltig wirken. Das Konzept der sogenannten Green AI zielt darauf ab, Energieverbrauch und CO2₂-Fußabdruck durch gezielte Optimierungen zu reduzieren⁵.
In Deutschland und Europa entstehen immer mehr Projekte, die KI bewusst ökologisch einsetzen. Etwa das Exzellenz-cluster PhenoRob an der Universität Bonn, das Robotik und KI kombiniert, um Bodendaten zu analysieren. Das Fraunhofer IAO entwickelt KI-gestützte Strategien für ressourcenschonende Bewässerung und Düngung. Apps wie Plantix oder Agrio erkennen Krankheiten und Nährstoffmangel an Pflanzen über Fotos und schlagen ökologische Maßnahmen vor, das kann auch hilfreich sein für kleinere Betriebe sowie private Gärtner:innen. Polybot, ein vom Max-Planck-Institut unterstützter Erntehelfer, kann durch gezielte Unkrautbekämpfung den Einsatz chemischer Mittel senken.

Auch Drohnen werden zunehmend mit KI kombiniert. Sie kartieren Felder, erkennen Unkraut und Krankheiten und ermöglichen dadurch präzisen Ressourceneinsatz. So entwickelten Forschende des Technologie- und Förderzentrums (TFZ) in Straubing zusammen mit der Hochschule Weihenstephan-Triesdorf (HSWT), der Technischen Universität München, Campus Straubing für Biotechnologie und Nachhaltigkeit (TUMCS) und der Bayerischen Landesanstalt für Landwirtschaft (LfL) eine KI, die mit Drohnenbildern nahezu fehlerfrei zwischen Kulturpflanze (Sorghumhirse) und Beikraut unterscheidet ⁶.
Ein besonders umfassendes Beispiel für die Verbindung von Digitalisierung, ökologischer Praxis und nachhaltiger Betriebsführung ist das Forschungsprojekt DaVaSus.

Das Forschungsprojekt DaVaSus (“Data and value-based decision-making for a sustainable land-use“) wird vom Bundesministerium für Landwirtschaft, Ernährung und Heimat (BMLEH) gefördert und von der Bundesanstalt für Landwirtschaft und Ernährung (BLE) getragen und ist eins von deutschlandweit zwölf Zukunftsbetrieben und Zukunftsregionen für die Digitalisierung in der Landwirtschaft. Hier erforscht die Finck Stiftung zusammen mit dem Julius-Kühn-Institut, dem Leibniz-Institut für Agrartechnik und Bioökonomie und dem KTBL (Kuratorium für Technik und Bauwesen in der Landwirtschaft e. V.) die Potentiale von regenerativer, digitaler Landwirtschaft. Im Mittelpunkt des Projektes steht die Erfassung und Bewertung von Externalitäten – also jenen Kosten und Leistungen der Landwirtschaft, die nicht über den Markt ausgeglichen werden, aber maßgebliche Auswirkungen auf Umwelt und Gesellschaft haben. Ziel ist es, diese Effekte mithilfe moderner Sensorik, digitaler Managementtools und Datenvernetzung sichtbar, messbar und steuerbar zu machen. Am Beispiel des Bio-Betriebs Gut&Bösel in Alt Madlitz, dem “Zukunftsbetrieb” werden daher regenerative und multifunktionale Bewirtschaftungsmaßnahmen praktisch erprobt und digital untersucht: von virtueller Weideführung über digitale Boden- und Humuskartierung im Ackerbau bis hin zur Inte-gration von Klima Sensorik im Agroforst. Die so erfassten Daten fließen in ein digitales Entscheidungstool, das die betrieblichen Nachhaltigkeitsleistungen darstellt und Landwirt:innen bei einer nachhaltigen Betriebsführung unterstützt⁷.

KI und der ökologische Fußabdruck

Die Recherche zu diesem Artikel habe ich im Februar dieses Jahres begonnen. Im Mai erschien die alarmierende Studie des Öko-Instituts im Auftrag von Greenpeace: Der rasante Ausbau von KI-Rechenzentren droht die Klimaziele massiv zu gefährden. So könnte der globale Strombedarf für KI-Rechenleistung bis 2030 im Vergleich zu 2023 um das Elffache steigen, während der Wasserverbrauch von derzeit rund 175 Milliarden Litern auf 664 Milliarden Liter anwachsen dürfte. Diese Entwicklungen machen deutlich: Der ökologische Fußabdruck von KI ist nicht nur eine technische, sondern auch eine politische und gesellschaftliche Frage. Einige Anbieter setzen deshalb auf klimaneutrale Rechenzentren. Solar-Unternehmen entwickeln KI-gestützte Systeme, die ausschließlich mit Ökostrom betrieben werden. Große Energieversorger fordern zudem, KI grundsätzlich mit grünem Strom zu versorgen⁸, und Umweltverbände drängen auf eine verpflichtende Nutzung der Abwärme⁹.

Für ökologisch wirtschaftende Betriebe eröffnet der Einsatz künstlicher Intelligenz klare Chancen mit präzisem Einsatz von Wasser, Dünger und Energie. So lassen sich Ressourcen sparen, Kosten senken und der ökologische Fußabdruck verringern. In der ökologischen Landwirtschaft zeigt sich bereits, dass Hightech und Humusaufbau kein Widerspruch sind. Die Frage ist also nicht, ob wir Künstliche Intelligenz nutzen, sondern wie. Am Ende entscheidet sich daran, welchen Fußabdruck sie hinterlässt – einen, der die Erde belastet, oder einen, der Wege in eine nachhaltige Zukunft eröffnet.

Quellen: OpenAI 2024,OpenAI 2025, Fraunhofer IKS
¹ Strubell, E. et al. (2019): Energy and Policy Considerations for Deep Learning in NLP,
UMass Amherst
² MIT Technology Review (2023): Training AI Models Uses a Lot of Water
³ Umweltbundesamt (2022): Wasserverbrauch in Haushalten
⁴ Heinrich-Böll-Stiftung (2022): Digitale Rohstoffe – Was steckt in unseren Geräten?
⁵ Schwartz, R. et al. (2020): Green AI, Communications of the ACM
⁶ Plantix (PEAT GmbH), Agrio (2024, FT Tech for Growth Forum), PhenoRob (Uni Bonn),
Fraunhofer IAO, Polybot (Max-Planck/Sprind), Drohnen und KI (TFZ Straubing, tfz.bayern.de)
⁷ Zukunftsfarm, Gut&Bösel (gutundboesel.org), Experimentierfelder DaVaSus (davasus.de)
⁸ Enpal, Ossler Solar Solutions, Clean Energy Wire (2024): RWE fordert grünen Strom für KI
⁹ Publikation Umweltauswirkungen Künstlicher Intelligenz (Öko-Institut 2025/ greenpeace.de)