Skip to main content
SpringerLink
Log in

Technologieperspektive

  • Chapter
  • First Online:
Handbuch Digital Farming

  • 373 Accesses

Zusammenfassung

Die Geschichte von Landtechnikentwicklung zeigt einen Wandel zu methodisch – analytischen Vorgehensweisen. Trotzdem sind die vielfältigen Stoffgesetze noch unzureichend erforscht. Entwicklungsziel war und ist die fortwährende Erhöhung der Produktivität. Neu ist die Motivation zu nachhaltigeren Produktionsweisen. In den kommenden zwanzig Jahren werden sich Maschinenkonzepte in Richtung hochautomatisierter, flexibel und kollaborativ – teilautonom einsetzbarer Gerätesysteme verändern und so der direkte Zusammenhang zwischen Produktivität und Größe einer Maschine an Bedeutung verlieren.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 129.00
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Hardcover Book
USD 169.99
Price excludes VAT (USA)
  • Durable hardcover edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Notes

  1. 1.

    Bei der robotergestützten Prozessautomatisierung geht es also nicht um Roboter, sondern nur um Software.

Literatur

  1. 5-star Data. https://5stardata.info/de/. Zugegriffen: 10. Dez. 2023.

  2. Aubert, C., Buttigieg, P. L., Laporte, M.-A., Devare, M., & Arnaud, E. (2017). CGIAR agronomy ontology. https://bigdata.cgiar.org/resources/agronomy-ontology/. Zugegriffen: 10. Dez. 2023.

  3. Adams, C., Bassham, C., Benoit, F., Bull, B., Chan, C., Ganssle, C., DiMatteo, B., Hyatt, T., Hyland, S., Kono, N., Padmanabha, K., & Palczynski, N. (2019). Farmwave white paper. https://www.farmwave.io/whitepaper. Zugegriffen: 10. Aug. 2020.

  4. Atreya, M., Dikshit, K., Marinick, G., Nielson, J., Bruns, C., & Whiting., G. L. (2020). Poly(lactic acid)-based ink for biodegradable printed electronics with conductivity enhanced through solvent aging. ACS Applied Materials & Interfaces Interfaces, 12(20), 23494–23501.

    Google Scholar 

  5. Arbeitsgemeinschaft der Vermessungsverwaltungen der Länder der Bundesrepublik Deutschland (AdV). http://www.adv-online.de/GeoInfoDok/broker.jsp?uMen=d3b70780-c5f2-bc61-f27f-31c403b36c4c. Zugegriffen: 4. März 2021.

  6. Agricultural Data Space Whitepaper. Eine Veröffentlichung des Fraunhofer-Leitprojekts „Cognitive Agriculture“. Fraunhofer IESE, November 2019. https://www.iese.fraunhofer.de/content/dam/iese/dokumente/media/studien/cognac_ads_whitepaper-dt-fraunhofer_iese.pdf. Zugegriffen: 10. Dez. 2023.

  7. The Agricultural Data Space is to make available all the data that is necessary for making decisions in agriculture. https://www.iese.fraunhofer.de/en/project/cognitive-agriculture/agricultural-dataspace.html. Zugegriffen: 10. Dez. 2023.

  8. The Agricultural Industry Electronics Foundation. www.aef-online.org. Zugegriffen: 10. Dez. 2023.

  9. Aerobotics. www.aerobotics.com. Zugegriffen: 13. März 2022.

  10. AGCO. (2020). Fendt guide connect. https://www.fendt.tv/home/fendt-guideconnect_1408.aspx. Zugegriffen: 10. Dez. 2023.

  11. AgGateway. A global, non-profit organization with the mission to develop the resources and relationships that drive digital connectivity in global agriculture and related industries. www.aggateway.org. Zugegriffen: 10. Dez. 2023.

  12. Agrint. www.agrint.net. Zugegriffen: 13. März 2022.

  13. Agronomeye. www.agronomeye.com.au. Zugegriffen: 13. März 2022.

  14. Ai.Land. (2022). www.a-i.land/en. Zugegriffen: 13. März 2022.

  15. The Alliance for Internet of Things Innovation with the mission to contribute to a dynamic European IoT ecosystem. http://www.aioti.org/. Zugegriffen: 10. Dez. 2023.

  16. Ajao, O. D. (2019). The state of 5G in Africa in 2020. https://tech.africa/5g-africa/. Zugegriffen: 13. März 2022.

  17. Amazon. https://blog.aboutamazon.com/company-news/amazon-receives-fcc-approval-for-project-kuiper-satellite-constellation. Zugegriffen: 10. Aug. 2020.

  18. AcquahMeyer. www.amdronetech.com. Zugegriffen: 13. März 2022.

  19. https://www.arable.com/2020/01/31/netafim-arable-how-high-quality-data-enables-precision-irrigation-easily-affordably-and-globally/. Zugegriffen: 13. März 2022

  20. ATLAS project that will build an open, distributed and extensible data Interoperability Network, based on a microservice architecture which will offer a high level of scalability from a single farm to a global community. www.atlas-h2020.eu. Zugegriffen: 10. Dez. 2023.

  21. Bate, Tom. 2019. Inexpensive chip-size satellites orbit Earth. https://news.stanford.edu/2019/06/03/chip-size-satellites-orbit-earth/AufgerufenZ. ugegriffen: 13. März 2022.

  22. Bay, W. Halbjahresbericht-2020. https://www.baywa.com. Zugegriffen: 10. Dez. 2023.

  23. Bauer, M., Boussard, M., Bui, N., Carrez, F., Jardak, C., De Loof, J., Magerkurth, C., Meissner, S., Nettsträter, A., & Olivereau, A. (2013). Deliverable D1. 5 – Final architectural reference model for the IoT v3.0. Internet of things architecture (IOT-A).

    Google Scholar 

  24. Berners-Lee, T. (2010). „Is your linked open data 5 star?“, World Wide Web Consortium (W3C). Zugegriffen: 26. März 2021. https://www.w3.org/DesignIssues/LinkedData.html. Zugegriffen: 10. Dez. 2023.

  25. Berners-Lee, T., Fielding, R., & Masinter, L. (2005). „Uniform Resource Identifier (URI): Generic syntax“, internet engineering task force. https://tools.ietf.org/html/rfc3986. Zugegriffen: 10. Dez. 2023.

  26. Brickley, D., & Guha, R. V. (Hrsg). „RDF Schema 1.1.“, W3C Empfehlung 25 Februar 2014. https://www.w3.org/TR/rdf-schema/. Zugegriffen: 10. Dez. 2023.

  27. https://www.bitkom.org/Bitkom/Publikationen/Bitkom-Stellungnahme-zur-Ackerbaustrategie-2035. Zugegriffen: 13. März 2022.

  28. https://www.bitkom.org/Presse/Presseinformation/Schon-8-von-10-Landwirten-setzenauf-digitale-Technologien, 2020

  29. Bangert, W., Kielhorn, A., Albert, R. F. A., Biber, P., & Grzonka, S. (2013). „Field-robot-based agriculture“, in Land.Technik, AgEng.

    Google Scholar 

  30. Bundesanstalt für Landwirtschaft und Ernährung. (BLE). https://www.ble.de/DE/Projektfoerderung/Foerderungen-Auftraege/Digitalisierung/Machbarkeitsstudie/Machbarkeitsstudie.html. Zugegriffen: 13. März 2022.

  31. https://www.linkedin.com/company/blooom-democratizing-the-future-of-farming/about/. Zugegriffen: 13. März 2022.

  32. Bundesministerium für Ernährung und Landwirtschaft. (BMEL). https://www.bmel.de/EN/topics/farming/climate-stewardship/climate-stewardship_node.html. Zugegriffen: 13. März 2022.

  33. Böttinger, S. (2013). Stand und Tendenzen der Mähdrusch-Entwicklung, in VDI-MEG Kolloquium Mähdrescher 12./13. September 2013. Hohenheim.

    Google Scholar 

  34. Böttinger, S. (2015). Mähdrescher. Jahrbuch Agrartechnik, 27, 158–170.

    Google Scholar 

  35. Bray, T., Paoli, J., Sperberg-Mc- Queen, C. M., Maler, E., & Yergeau, F. (2008). „Extensible Markup Language (XML) 1.0 (Fifth Edition)“, World Wide Web Consortium (W3C). http://www.w3.org/TR/xml/. Zugegriffen: 10. Dez. 2023.

  36. Bray, T. (2017). RFC8259: The JavaScript Object Notation (JSON) Data Interchange Format. Internet Engineering Task Force (IETF). https://tools.ietf.org/html/rfc8259. Zugegriffen: 10. Dez. 2023.

  37. SpaceX plans Starlink broadband for trucks, ships, and planes [Updated]. https://arstechnica.com/information-technology/2021/03/spacex-plans-starlink-broadband-for-cars-boatsand-planes/. Zugegriffen: 10. Dez. 2023.

  38. Dishy McFlatface to become „fully mobile“, allowing Starlink use away from home. https://arstechnica.com/information-technology/2021/04/dishy-mcflatface-to-become-fullymobile-allowing-starlink-use-away-from-home/. Zugegriffen: 10. Dez. 2023.

  39. Brynjolfsson, E., Rock, D., & Syverson, C. (2019). Artificial Intelligence and the Modern Productivity Paradox: A Clash of Expectations and Statistics. In The Economics of Artificial Intelligence: An Agenda, Agrawal, Gans, and Goldfarb.

    Google Scholar 

  40. Blackmore, S., Stout, B., Wang, M., & Runov, B. (2005). Robotic agriculture – the future of agricultural mechanization? In Fifth European Conference on Precision Agriculture.

    Google Scholar 

  41. Burwood-Taylor, L. BASF’s Xarvio partners with Arable to improve fungicide recs in lead up to outcome-based pricing. https://agfundernews.com/basfs-xarvio-partners-with-arable-to-improve-fungicide-recs-in-lead-up-to-outcome-based-pricing.html. Zugegriffen: 13. März 2022.

  42. Callaway, E. (2020). „It will change everything’: DeepMind’s AI makes gigantic leap in solving protein structures. Nature, 588(10), 203.

    Article  CAS  Google Scholar 

  43. Capella Space. www.capellaspace.com. Zugegriffen: 13. März 2022.

  44. Carbon Robotics. www.carbonrobotics.com. Zugegriffen: 10. Dez. 2023.

  45. Castrignano, A., Buttafuoco, G., Raj Khosla, A. M., Moshou, D., & Naud, O. (2020). Agricultural internet of things and decision support for precision smart farming. Academic Press. https://doi.org/10.1016/B978-0-12-818373-1.12001-3.

  46. Cooper, K. B., Durden, S. L., Cochrane, C. J., Monje, R. R., Dengler, R. J., & Baldi, C. (2017). Using FMCW doppler radar to detect targets up to the maximum unambiguous range. IEEE Geoscience and Remote Sensing Letters, 14(3), 339–343.

    Google Scholar 

  47. Cui, S., Alfaro Inocente, E. A., Acosta, N., Keener, H. M., Zhu, H., & Ling, P. P. (2019). Development of fast E-nose system for early-stage diagnosis of aphid-stressed tomato plants. Sensors (Basel), 19(16), 3480. https://doi.org/10.3390/s19163480.

  48. Cantera, J. M., J. S. Issa, van der Vlugt, P., Klaeser, S., Bartram, T., Kassahun, A., Neira, I., & Milin, T. (2018). D3.3 Opportunities and barriers in the present regulatory situation for system development, in: IoF2020 (Hrsg.), IoF2020 project deliverables.

    Google Scholar 

  49. Claver, H. (2020). Yanmar develops modular robotic platform for agriculture. https://www.futurefarming.com/Machinery/Articles/2020/4/Yanmar-develops-modular-robotic-platform-for-agriculture-572599E/. Zugegriffen: 13. März 2022.

  50. Coupé., Yoon Mi Oh, Dediu, D., & Pellegrino, F. (2019). Different languages, similar encoding efficiency: Comparable information rates across the human communicative niche. Science Advances, 5(9). https://doi.org/10.1126/sciadv.aaw2594. Zugegriffen: 10. Dez. 2023.

  51. https://www.croptimal.com/technology. Zugegriffen: 13. März 2022

  52. CropDiagnostics. www.cropdiagnosis.com. Zugegriffen: 13. März 2022.

  53. https://cropx.com/tutorial/preferential-flow/. Zugegriffen: 13. Juli 2021.

  54. Caracciolo, C., Stellato, A., Morshed, A., Johannsen, G., Rajbahndari, S., Jaques, Y., Keizer, J. (2013). The AGROVOC linked dataset. Semantic Web, 4(3), 341–348. https://doi.org/10.3233/SW-130106. Zugegriffen: 10. Dez. 2023.

  55. Cubuk, E. D., Zoph, B., Mane, D., Vasudevan, V., & Le, Q. V. (2019). Autoaugment: Learning augmentation strategies from data. In Proceedings of the IEEE conference on computer vision and pattern recognition (S. 113–123).

    Google Scholar 

  56. DIN 9684-1:1997-02. (1997). Landmaschinen und Traktoren – Schnittstellen zur Signalübertragung – Part 1: Punkt-zu-Punkt-Verbindung. Beuth Verlag GmbH.

    Google Scholar 

  57. Denis, N., Dilda, V., Kalouche, R., & Sabah, R. (2020). Agriculture supply-chain optimization and value creation. https://www.mckinsey.com/industries/agriculture/our-insights/agriculture-supply-chain-optimization-and-value-creation. Zugegriffen: 13. März 2022.

  58. Deepmind’s AlphaGo. https://deepmind.google/technologies/alphago/. Zugegriffen: 10. Dez. 2023.

  59. The DEMETER project is a large-scale deployment of farmer-driven, interoperable smart farming-IoT (Internet of Things) based platforms, delivered through a series of 20 pilots across 18 countries (15 EU countries). www.h2020-demeter.eu. Zugegriffen: 10. Dez. 2023.

  60. Dörr, J., Fairclough, B., Henningsen, J., Jahić, J., Kersting, S., Mennig, P., & Scholten-Buschhoff, F. (2019). Scouting the autonomous agricultural machinery market, IESE Report Nr. 041.19/E. Kaiserslautern.

    Google Scholar 

  61. DIN EN ISO 18497:2019-08. Agricultural machinery and tractors – Safety of highly automated agricultural machines – Principles for design (ISO 18497:2018). Beuth

    Google Scholar 

  62. https://www.dji.com/mg-1. Zugegriffen: 10. Dez. 2023.

  63. DLG e. V. 2018. „Digitale Landwirtschaft – Chancen. Risiken. Akzeptanz. Ein Positionspapier der DLG“. DLG e. V. (Hrsg.).

    Google Scholar 

  64. Dienstleistungszentrum Ländlicher Raum Rheinhessen-Nahe-Hunsrück. (DLR). http://ef-sw.de/. Zugegriffen: 13. März 2022.

  65. Dienstleistungszentrum Ländlicher Raum Rheinland-Pfalz. (DLR). https://www.dlr.rlp.de/Digitales-AgrarPortal/DAP. Zugegriffen: 13. März 2022.

  66. Dienstleistungszentrum Ländlicher Raum Rheinland-Pfalz. (DLR). https://www.dlr.rlp.de/Digitales-AgrarPortal/GeoBox-/Das-Projekt. Zugegriffen: 13. März 2022.

  67. Pedro Domingos. The master algorithm. Basic Books, 2017.

    Google Scholar 

  68. https://draganfly.com/products/quantix-mapper/. Zugegriffen: 13. März 2022.

  69. DroneDeploy. www.dronedeploy.com. Zugegriffen: 13. März 2022.

  70. Dropcopter. www.dropcopter.com. Zugegriffen: 10. Dez. 2023.

  71. ESRI. (2020). About Esri. https://www.esri.com/en-us/about/about-esri/overview. Zugegriffen: 10. Dez. 2023.

  72. Eberz-Eder, D., Kuntke, F., Brill, G., Bernardi, A., Wied, C., Nuderscher, P., & Reuter, C. (2023). Prototypische Entwicklungen zur Umsetzung des Resilient Smart Farming (RSF) mittels Edge Computing. 43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme. Bonn: Gesellschaft für Informatik e. V. PISSN: 1617-5468. ISBN: 978-3-88579-724-1. pp. 309–314. Osnabrück. 13.–14. Februar 2023.

    Google Scholar 

  73. Elmenreich, W. (2002). An introduction to sensor fusion. Vienna University of Technology, Austria, 502, 1–28.

    Google Scholar 

  74. Etherington, D. (2020). SpaceX launches 58 more Starlink satellites and 3 planet Skysats for first rideshare launch. https://techcrunch.com/2020/06/13/spacex-launches-58-more-starlink-satellites-and-3-planet-skysats-forfirst-rideshare-launch/. Zugegriffen: 13. März 2022.

  75. Eymann, G. (2019). Automatisiertes Fahren: Sensortechniken im Check. https://www.vdi.de/news/detail/automatisiertes-fahren-sensortechniken-im-check. Zugegriffen: 13. März 2022.

  76. Ernährungs- und Landwirtschaftsorganisation der Vereinten Nationen. http://www.fao.org/agrovoc/access. Zugegriffen: 10. Dez. 2023.

  77. Ernährungs- und Landwirtschaftsorganisation der Vereinten Nationen. http://www.fao.org/agrovoc/agrontology. Zugegriffen: 10. Dez. 2023.

  78. Feldschwarm. 2020. John Deere. http://www.feldschwarm.de/index.php/partner/john-deere. Zugegriffen: 13. März 2022.

  79. https://msc.fendt.com/modules/create_pdf/pdf2/7398_web_en_2020-07-31_12-08-48.pdf.

  80. Feng, D., Haase-Schütz, C., Rosenbaum, L., Hertlein, H., Glaeser, C., Timm, F. et. al., & Dietmayer, K. (2020). Deep multi-modal object detection and semantic segmentation for autonomous driving: Datasets, methods, and challenges. IEEE Transactions on Intelligent Transportation Systems.

    Google Scholar 

  81. The Future Internet Public-Private Partnership (FI-PPP) is a European programme for Internet innovation. https://www.fi-ppp.eu/. Zugegriffen: 10. Dez. 2023.

  82. Friedrich, J., Kuhrmann, M., Sihling, M., & Hammerschall, U. (2009). Das v-modell xt, 1–32. Springer.

    Google Scholar 

  83. FOODIE Metaphactory. https://metaphactory.foodie-cloud.org/resource/:Start. Zugegriffen: 10. Dez. 2023.

  84. Freewave. (2018). Florida orchard deploys autonomous tractor for precision agriculture research. https://www.freewave.com/wp-content/uploads/2018/12/case-study-florida-orchard-autonomous-tractors.pdf. Zugegriffen: 13. März 2022.

  85. Fehrmann, J., Ruckelshausen, A., Keicher, R., & Weidig, K. (2015). Autonomer Plantagen-Pflegeroboter für den Obst-und Weinbau. ATZoffhighway, 8(3), 32–43.

    Google Scholar 

  86. Feth, P., Schneider, D., & Adler, R. (2017, September). A conceptual safety supervisor definition and evaluation framework for autonomous systems. In International conference on computer safety, reliability, and security (S. 135–148). Springer.

    Google Scholar 

  87. GAIA-X, a project initiated by Europe for Europe with the aim to develop common requirements for a European data infrastructure. www.data-infrastructure.eu/GAIAX. Zugegriffen: 12. Febr. 2021.

  88. Gan, J. (2019). XAG get its drones upgraded with tie-ups with Bayer and Huawei. https://agfundernews.com/xag-taps-on-bayer-and-huaweito-help-its-drones-take-off.html. Zugegriffen: 10. Aug. 2020.

  89. Gandhi, N., Armstrong, L. J., & Petkar, O. (2016). Predicting rice crop yield using bayesian networks. In: 2016 International Conference on Advances in Computing, Communications and Informatics (ICACCI), Jaipur, (S. 795–799).

    Google Scholar 

  90. Griepentrog, H-W., & Blackmore, B. S. (2007). Autonomous crop establishment and control systems. In Ikke angivet VDI Verlag GmbH.

    Google Scholar 

  91. González-Jiménez, J., Galindo, C., Arevalo, V., & Ambrosio, G. (2007). Applying image analysis and probabilistic techniques for counting olive trees in high-resolution satellite images. In Advanced Concepts for Intelligent Vision Systems, Lecture Notes in Computer Science, Hrsg. J. Blanc-Talon, W. Philips, D. Popescu, P. Scheunders, 4678. Springer. https://doi.org/10.1007/978-3-540-74607-2_84.

  92. Giachetti, R. E. (2004). A framework to review the information integration of the enterprise. International Journal of Production Research, 42(6), 1147–1166.

    Article  Google Scholar 

  93. A number of datamodels for the agri-food sector. https://github.com/smart-data-models/SmartAgrifood. Zugegriffen: 10. Dez. 2023.

  94. [GLK+15] Giraldo, J. P., Landry, M. P, Kwak, S.-Y., Jain, R. M., Wong, M. H., Iverson1, N. M., Ben-Naim, M., & Strano, M. S. (2015). A ratiometric sensor using single chirality near-infrared fluorescent carbon nanotubes: Application to in vivo monitoring. Small, 11(32), 3973–3984.

    Google Scholar 

  95. https://globalcomsatphone.com/costs/. Zugegriffen: 13. März 2022.

  96. Gaus, C., Minßen, T., Urso, L., de Witte, T., & Wegener, J. (2017). Mit autonomen Landmaschinen zu neuen Pflanzenbausystemen. Abschlussbericht FKZ 2814NA012. Braunschweig: BMEL (BÖLN).

    Google Scholar 

  97. GO FAIR Initiative. https://www.go-fair.org/fair-principles/. Zugegriffen: 10. Dez. 2023.

  98. Grant, E. (2020). Embracing the complexity of nature. https://blog.x.company/embracing-the-complexity-of-nature-45afc5bf5573. Zugegriffen: 10. Dez. 2023.

  99. Groguru. www.groguru.com/products/. Zugegriffen: 13. März 2022.

  100. Gruber, T. R. (1993). A translation approach to portable ontology specifications. Knowledge Acquisition, 5(2), 199–220, ISSN 1042-8143. https://doi.org/10.1006/knac.1993.1008. Zugegriffen: 5. März 2021.

  101. Glaessgen, E. H., & Stargel, D. S. (2012). The digital twin paradigm for future NASA and U.S. air force vehicles. In 53rd Struct. Dyn. Mater. Conf. Special Session: Digital Twin.

    Google Scholar 

  102. A not-for-profit organisation that develops and maintains global standards for business communication. www.gs1.org. Zugegriffen: 10. Dez. 2023.

  103. GUSS. www.gussag.com. Zugegriffen: 10. Dez. 2023.

  104. Hall, C. (2020). Agtech Sector blooms as more dollars and startups rush in. https://news.crunchbase.com/news/agtech-sectorblooms-as-more-dollars-and-startups-rush-in/. Zugegriffen: 13. März 2022.

  105. Heege, H. J. (2013). Precision in crop farming. Springer. https://doi.org/10.1007/978-94-007-6760-7.

    Book  Google Scholar 

  106. hello tractor. www.hellotractor.com. Zugegriffen: 13. März 2022.

  107. Herlitzius, T., & Fehrmann, J. (2017). Gutachten Stand und Tendenzen der Roboteranwendungen im Bereich der Pflanzen- und Tierproduktion. Wissenschaftlicher Dienst des Deutschen Bundestages.

    Google Scholar 

  108. Hitzler, P., Krötzsch, M., Parsia, B., Patel-Schneider, P. F., & Rudolph, S. (Hrsg.). OWL 2 web ontology language primer (Zweite Edition), W3C Empfehlung 11 December 2012. https://www.w3.org/TR/owl2-primer/. Zugegriffen: 10. Dez. 2023.

  109. Hasan, H. R, Salah, K., Jayaraman, R., Omar, M., Yaqoob, I., Pesic, S., Taylor, T., & Boscovic, D. A blockchain-based approach for the creation of digital twins. https://doi.org/10.1109/ACCESS.2020.2974810, IEEE Access.

  110. Haigh, T., Takle, E., Andresen, J., Widhalm, M., Carlton, J. S., & Angel, J. (2015). Mapping the decision points and climate information use of agricultural producers across the U.S. Corn Belt. Climate Risk Management, 7, 20–30, ISSN 2212–0963. https://doi.org/10.1016/j.crm.2015.01.004.

  111. Huawei. (2020). Using 5G to revolutionize farming. https://www.cio.com/article/3564550/using-5g-to-revolutionize-farming.html. Zugegriffen: 13. März 2022.

  112. The International Data Spaces Association (IDSA) is on a mission to create the future of the global, digital economy with International Data Spaces (IDS), a secure, sovereign system of data exchange in which all participants can realize the full value of their data. www.internationaldataspaces.org. Zugegriffen: 10. Dez. 2023.

  113. IEC TS 62998-1:2019 Safety of machinery – Safety-related sensors used for the protection of persons. VDE.

    Google Scholar 

  114. Iliaifar, A. (2019). Fixed wing drones vs quadcopters: A project comparison. https://www.sensefly.com/blog/fixed-wing-drones-vsquadcopters/. Zugegriffen: 13. März 2022.

  115. InnerPlant. www.innerplant.com. Zugegriffen: 10. Dez. 2023.

  116. IoF2020 has developed and tested a series of IoT components and solutions. https://www.iof2020.eu/results/technology-resources/scientific-community. Zugegriffen: 10. Dez. 2023.

  117. [IoT21] The IoT Catalogue: The one-stop-source for Internet of Things (IoT) knowledge, innovations and technologies, aiming to help IoT stakeholders (developers, integrators, advisors, end-users, etc.) to take the most advantage of the Internet of Things for the benefit of society, businesses and individuals. https://www.iot-catalogue.com/. Zugegriffen: 10. Dez. 2023.

  118. Isaac, A., & Ed Summers. (Hrsg.). (2009). SKOS simple knowledge organization system primer. W3C Working Group Note 18. August. https://www.w3.org/TR/2009/NOTE-skos-primer-20090818/. Zugegriffen: 10. Dez. 2023.

  119. isip Rübenblatt Scan. https://www.isip.de/isip/servlet/isip-de/apps. Zugegriffen: 10. Dez. 2023.

  120. Internationale Organisation für Normung. (1995). ISO-11787: Achinery for agriculture and forestry – Data interchange between management computer and process computers – Data interchange syntax.

    Google Scholar 

  121. Internationale Organisation für Normung. (2000). ISO-11788: Electronic data interchange between information systems in agriculture – Agricultural data element dictionary.

    Google Scholar 

  122. Internationale Organisation für Normung. (2007). ISO-17532: Stationary equipment for agriculture – Data communications network for livestock farming.

    Google Scholar 

  123. ISO/TC 23/SC 19. (2017). ISO 11783. Tractors and machinery for agriculture and forestry – Serial control and communications data network. https://www.iso.org/standard/57556.html.

  124. Internationale Organisation für Normung. (2019). ISO-11783: Tractors and machinery for agriculture and forestry – Serial control and communications data network.

    Google Scholar 

  125. Junginger, A., Hanselmann, M., Strauss, T., Boblest, S., Buchner, J., & Ulmer H. (2018). Unpaired high-resolution and scalable style transfer using generative adversarial networks. arXiv preprint 7 arXiv:1810.05724.

  126. Deere, J. https://www.deere.com/en/tractors/compact-tractors. Zugegriffen: 10. Dez. 2023.

  127. Jakobs, S., Weber, A., & Stapp, D. (2019). Zuverlässige Objekterkennung für autonome mobile Arbeitsmaschinen. ATZheavy duty, 12(2), 46–51.

    Article  Google Scholar 

  128. Kok, J. N., Boers, E. J., Kosters, W. A., Van der Putten, P., & Poel, M. (2009). Artificial intelligence: Definition, trends, techniques, and cases. Artificial intelligence, 1, 1–20.

    Google Scholar 

  129. Karner, J., Baldinger, M., Schober, P., Reichl, B., & Prankl, H. (2013). Hybridsysteme für die Landtechnik. Agricultural Engineering, 68(1), 22–25.

    Google Scholar 

  130. Kaloxylos, A., Groumas, A., Sarris, V., Katsikas, L., Magdalinos, P., Antoniou, E., Politopoulou, Z., Wolfert, S., Brewster, C., Eigenmann, R., & Maestre Terol, C. (2014). A cloud-based Farm Management System: Architecture and implementation. Computers and Electronics in Agriculture, 100, 168–179.

    Google Scholar 

  131. https://innovationstage-digital.de/uploads/tx_bleinhaltselemente/Innovationstage_2020_-_KlimAgrar__Nachlese_.pdf.

  132. Krieter, J., & Miekley, B. (2013). Perspektiven sensorgestützter Expertensysteme in der Tierhaltung. In Steuerungselemente für eine nachhaltige Land- und Ernährungswirtschaft – Stand und Perspektiven. KTBL-Tage. KTBL-Schrift Nr. 500 (S. 100–107). Kuratorium für Technik und Bauwesen in der Landwirtschaft e. V.

    Google Scholar 

  133. Jan Knibbe, W. (2020). WUR is working on digital twins for tomatoes, food and farming. https://www.wur.nl/en/newsarticle/WURis-working-on-Digital-Twins-for-tomatoes-food-and-farming.htm. Zugegriffen: 13. März 2022.

  134. Kolemann, L. (2020). Satellite Vu: Next gen infrared constellation to help resolve global warming. https://www.linkedin.com/pulse/satellite-vu-next-gen-infrared-constellation-help-resolve-lutz/. Zugegriffen: 13. März 2022.

  135. Koppelmäki, K., Parviainen, T., Virkkunen, E., Windquist, E., Schulte, R. P. O., & Helenius, J. (2019). Ecological intensification by integrating biogas production into nutrient cycling: Modeling the case of Agroecological Symbiosis. Agricultural Systems, 170, 39–48. https://doi.org/10.1016/j.agsy.2018.12.007.

  136. Stockach, K. K., & Soucek, R. (2011). Geschichte der Landtechnik. In R. M. H.-H. Harms (Hrsg.), Jahrbuch Agrartechnik, 23. DLG Verlag.

    Google Scholar 

  137. Kuhwald, M. (2019). Detection and modelling of soil compaction of arable soils: From field survey to regional risk assessment. Dissertation for the award of the doctorate of the Faculty of Mathematics and Natural Sciences of the Christian-Albrechts-Universität zu Kiel. Kiel.

    Google Scholar 

  138. Kruize, J., Wolfert, J., Scholten, H., Kassahun, A., & Beulens, A. (2016). A reference architecture for farm software ecosystems. Computers and Electronics in Agriculture, 125, 12–28.

    Google Scholar 

  139. Klappstein, J., Vaudrey, T., Rabe, C., Wedel, A.,& Klette, R. (2009, January). Moving object segmentation using optical flow and depth information. In Pacific-Rim symposium on image and video technology (S. 611–623). Springer.

    Google Scholar 

  140. Koch, G., Zemel, R., & Salakhutdinov, R. (2015). Siamese neural networks for one-shot image recognition. Proceedings of the 32 nd International Conference on Machine Learning, Lille, France, JMLR: W&CP volume 37

    Google Scholar 

  141. Latitudo40. www.latitudo40.com. Zugegriffen: 13. März 2022.

  142. Lorenz, F., & Münchhoff, K. (2015). Teilflächen bewirtschaften: Schritt für Schritt. DLG-Verlag.

    Google Scholar 

  143. Lopez, M. (2020). The state of 5G rollout in Latin America. https://www.contxto.com/en/mexico/5g-latin-america. Zugegriffen: 13. März 2022.

  144. LoRa Alliance. www.lora-alliance.org. Zugegriffen: 9. Dez. 2022.

  145. Martin, S. Dig in: Startup oneSoil tills satellite data to harvest farm AI. https://blogs.nvidia.com/blog/2019/04/15/startup-onesoil-tillssatellite-data-to-harvest-farm-ai-gpu/. Zugegriffen: 13. März 2022.

  146. Martin, S. (2019). Goodwill farming: Startup harvests AI to reduce herbicides. https://blogs.nvidia.com/blog/2019/05/02/blue-river-johndeere-reduce-herbicide/. Zugegriffen: 13. März 2022.

  147. Markets & Markets. (April 2020a). Artificial intelligence in agriculture market by technology (Machine Learning, Computer Vision, and Predictive Analytics), offering (Software, Hardware, AI-as-a-Service, and Services), application, and geography – Global forecast to 2026. https://www.marketsandmarkets.com/Market-Reports/ai-in-agriculture-market-159957009.html. Zugegriffen: 13. März 2022.

  148. Markets & Markets. (2020b). Agricultural drones market. https://www.marketsandmarkets.com/Market-Reports/agriculture-drones-market-23709764.html?gclid=Cj0KCQjwsuP5BRCoARIs-APtX_wFe5nZscAQV0fsvshxkWS0blO0eGceIsIY-eBrp72Y72W2iLNzSLtQaAmwEEALw_wcB. Zugegriffen: 13. März 2022.

  149. Markets & Markets. (2020c). Agricultural robot market. https://www.marketsandmarkets.com/Market-Reports/agricultural-robot-market-173601759.html. Zugegriffen: 13. März 2022.

  150. Marktes & Markets. (2020d). Smart agriculture market. https://www.marketsandmarkets.com/Market-Reports/smart-agriculture-market-239736790.html. Zugegriffen: 13. März 2022.

  151. Martin, S. (2020). Field day: AI startup cultivates robo tractors for ‚Swarm Farming‘ disruption.. https://blogs.nvidia.com/blog/2020/04/23/rabbit-tractors-swarm-farming/. Zugegriffen: 13. März 2022.

  152. https://azure.microsoft.com/de-de/blog/democratizing-agriculture-intelligence-introducing-azure-farmbeats/. Zugegriffen: 13. März 2022.

  153. Monarch. www.monarchtractor.com. Zugegriffen: 13. März 2022.

  154. Martin, B., Maflin Shaby, S., & Godwin Premi, M. S. (2015). Studies on acoustic activity of red palm weevil the deadly pest on coconut crops. Procedia Materials Science, 10, 455–466.

    Article  CAS  Google Scholar 

  155. NEVONEX. www.nevonex.com. Zugegriffen: 4. Mai 2021.

  156. Noack, S. 2018. Precision farming – smart farming – digital farming: Grundlagen und Anwendungsfelder. Wichmann.

    Google Scholar 

  157. Newell, A., & Simon, H. A. (1956). The logic theory machine: A complex information processing system. The RAND corporation, report P-868. http://shelf1.library.cmu.edu/IMLS/MindModels/logictheorymachine.pdf. Zugegriffen: 10. Dez. 2023.

  158. The Open Biological and Biomedical Ontology. (OBO). Foundry. http://obofoundry.org. Zugegriffen: 10. Dez. 2023.

  159. Sensor Model Language. https://www.ogc.org/standards/sensorml. Zugegriffen: 10. Dez. 2023.

  160. Open Geospatial Consortium. https://www.ogc.org/docs/is. Zugegriffen: 10. Dez. 2023.

  161. http://www.spaceref.com/news/viewpr.html?pid=55744. Zugegriffen: 13. März 2022.

  162. Daniel, Paquette. 2019. Farmworker vs. robot. https://www.washingtonpost.com/news/national/wp/2019/02/17/feature/inside-the-race-toreplace-farmworkers-with-robots/. Zugegriffen: 13. März 2022.

  163. Persistence Data Mining. www.persistencedatamining.com/news/3. Zugegriffen: 13. März 2022.

  164. Porter, M. E., & Heppelmann, J. E. (November 2014). How smart, connected products are transforming competition. Harvard Business Review, 2014, 65–88.

    Google Scholar 

  165. Phenospex. www.phenospex.com. Zugegriffen: 13. März 2022.

  166. Pedersen, S. M., & Lind, K. M. (2017). Precision agriculture: Technology and economic perspectives. Springer International Publishing.

    Google Scholar 

  167. Plantix. www.plantix.net/en/. Zugegriffen: 13. März 2022.

  168. Portele, C. (2012). „OGC® Geography Markup Language (GML) – Extended schemas and encoding rules“, Open Geospatial Consortium. http://www.opengis.net/spec/GML/3.3. Zugegriffen: 10. Dez. 2023.

  169. Prabhakar, U. Omnivore vision 2030: https://www.omnivore.vc/wp-content/uploads/2020/09/Vision-2030-report-08092020.pdf.

  170. http://preagro.auf.uni-rostock.de/index.php. Pre Agro Verbundprojekt. Zugegriffen: 10. Dez. 2023.

  171. www.psiquantum.com/. PsiQuantum. Zugegriffen: 12. Okt. 2020.

  172. Poulton, C. V., Yaacobi, A., Cole, D. B., Byrd, M. J., Raval, M., Vermeulen, D., & Watts, M. R. (2017). Coherent solid-state LIDAR with silicon photonic optical phased arrays. Optics letters, 42(20), 4091–4094.

    Google Scholar 

  173. https://rantizo.com/. Zugegriffen: 10. Dez. 2023.

  174. Redmund, S. (2020). Gamma radiation mapping: A system for topsoil mapping and variable rate nutrient application. www.croplife.com/precision/gamma-radiation-mapping-a-system-for-topsoil-mapping-and-variable-rate-nutrient-application. Zugegriffen: 13. März 2022.

  175. Regrow. www.regrow.ag. Zugegriffen: 10. Dez. 2023.

  176. Reuter, C., Eberz-Eder, D., Kuntke, F., & Trapp, M. (2022a). RSF-Lab’22: Resilient Smart Farming Laboratory: Für eine widerstandsfähige und in-telligente Landwirtschaft. In D. Demmler, D. Krupka, & H. Federrath (Hrsg.), INFORMATIK 2022 (S. 931–934). Gesellschaft für Informatik.https://doi.org/10.18420/inf2022_78.

  177. Reuter, C., Kuntke, F., Trapp, M., Wied, C., Brill, G., Müller, G., Steinbrink, E., Franken, J., Eberz-Eder, D., Schneider, W. (2022b). AgriRegio: Infrastruktur zur Förderung von digitaler Resilienz und Klimaresilienz im ländlichen Raum am Beispiel der Pilotregion Nahe-Donnersberg. In D. Demmler, D. Krupka, & H. Federrath (Hrsg.), INFORMATIK 2022 (S. 961–972). Gesellschaft für Informatik. https://doi.org/10.18420/inf2022_81.

  178. Ries, E. 2011. The lean startup: How today’s entrepreneurs use continuous innovation to create radically successful businesses. Currency.

    Google Scholar 

  179. Kuntke, F., Reuter, C., Schneider, W., Eberz, D., & Bernardi, A. (2020). Die GeoBox-Vision: Resiliente Interaktion und Kooperation in der Landwirtschaft durch dezentrale Systeme. In C. Hansen, A. Nürnberger, & B. Preim (Hrsg.), Mensch und Computer 2020 – Workshopband. Gesellschaft für Informatik e. V. https://doi.org/10.18420/muc2020-ws117-407.

  180. Resch, H. N., Nette, T., & Trapp, M. (1997). GIS zur Unterstützung des „Precision Farming“ – Kostenoptimierung und Trinkwasserschutz-. Geo-InformationsSysteme (GIS) 3, 10–13.

    Google Scholar 

  181. RoboticsPlus. www.roboticsplus.co.nz. Zugegriffen: 13. März 2022.

  182. Rosenblatt, F. (1958). The perceptron: A probabilistic model for information storage and organization in the brain. Psychological review, 65(6), 386.

    Article  CAS  Google Scholar 

  183. Roussaki, Ioanna. (Hrsg.). D2.1 common data models and semantic interoperability mechanisms – Release 1. DEMETER project consortium. https://h2020-demeter.eu/wp-content/uploads/2020/10/DEMETER_D21_final.pdf. Zugegriffen: 10. Dez. 2023.

  184. Rissola, G., & Sörvik, J. (2018). Digital innovation hubs in smart specialisation strategies. Publications Office of the European Union.

    Google Scholar 

  185. [RSE+18] Reuter, C., Schneider, W., Eberz, D., Bayer, M., Hartung, D., & Kaygusuz, C. (2018). Resiliente Digitalisierung der kritischen Infrastruktur Landwirtschaft – mobil, dezentral, ausfallsicher. In R. Dachselt & G. Weber (Hrsg.), Mensch und Computer, Workshopband, Gesellschaft für Informatik e. V. (S. 623–632). https://dl.gi.de/bitstream/handle/20.500.12116/16930/Beitrag_330_final__a.pdf.

  186. Society of Automotive Engineers. (2020). Levels of driving automation. https://www.sae.org/news/2019/01/sae-updates-j3016-automated-driving-graphic. Zugegriffen: 10. Dez. 2023.

  187. Saga Robotics. www.sagarobotics.com. Zugegriffen: 13. März 2022.

  188. SmartAgriHubs is a European-funded project that aims to realise the digitalisation of European agriculture by fostering an agricultural innovation ecosystem dedicated to excellence, sustainability and success. www.smartagrihubs.eu. Zugegriffen: 10. Dez. 2023.

  189. Speicher, S., Arwe, J., & Malhotra, A. (2015). Linked data platform 1.0. World Wide Web Consortium (W3C). https://www.w3.org/TR/ldp/. Zugegriffen: 10. Dez. 2023.

  190. Shannon, D. K., Clay, D. E., & Kitchen, N. R. (2018). Precision agriculture basics. American society of agronomy crop science society of America soil science society of America. https://doi.org/10.2134/precisionagbasics

    Article  Google Scholar 

  191. https://www.semesis.ch/en/products. Zugegriffen: 13. März 2022.

  192. https://www.sensoterra.com/en/product/connectivity/Alternative-Communication-Options/. Zugegriffen: 13. März 2022.

  193. Successful Farming Staff. (2020). Artificial intelligence spurs rel-time scouting say terranis officials. https://taranis.ag/2020/07/22/artificial-intelligence-spurs-real-time-scouting-say-taranis-officials/. Zugegriffen: 13. März 2022.

  194. Sheikh, K. (2020). A growing presence on the farm: Robots. https://www.nytimes.com/2020/02/13/science/farm-agriculture-robots.html. Zugegriffen: 13. März 2022.

  195. Shuttleworth, J. (2019). SAE Standards News: J3016 automated-driving graphic update. https://www.sae.org/news/2019/01/sae-updates-j3016-automated-driving-graphic. Zugegriffen: 13. März 2022.

  196. Singh, M. (2020). Google invests 4.5 billion in India’s reliance Jio platforms. https://techcrunch.com/2020/07/15/google-invests-4-5-billion-in-indias-reliance-jio-platforms. Zugegriffen: 13. März 2022.

  197. https://slantrange.com/production-agriculture/. Zugegriffen: 13. März 2022.

  198. Schmidt, F., Lütticken, R., Steckel, T., & Resch, H. N. (1993). In Anwenderorientierte Weiterentwicklung von Informations- und Kommunikationsstrukturen in der Landwirtschaft. In E. Schulze, Bs Petersen, & H. Geidel (Hrsg.), (S. 197–200). Referate der 14. GIL.

    Google Scholar 

  199. https://www.prweb.com/releases/stream_technologies_launches_stream_ml_deep_learning_platform/prweb16674265.htm. Zugegriffen: 13. März 2022.

  200. Solomon, G. (2020). The state of european connectivity. How ready are we for 5G? https://www.ericsson.com/en/blog/2020/7/the-state-of-european-connectivity-how-ready-are-we-for-5g. Zugegriffen: 13. März 2022.

  201. Schreiber, G.., & Raimond, Y. (Hrsg.). „RDF 1.1 Primer“, W3C Working Group Note 24 Juni 2014. http://www.w3.org/TR/rdf11-primer/. Zugegriffen: 10. Dez. 2023.

  202. Samaniego, L., Thober, S., & Rohini Kumar, et al. (2018). Anthropogenic warming exacerbates European soil moisture droughts Nature Climate Change, 8, 421–426. https://doi.org/10.1038/s41558-018-0138-5.

  203. www.swarmfarm.com. Swarm-Farm. Zugegriffen: 13. März 2022.

  204. Sun, Y., Wang, J., & Cheng, S. (2017Dec). Discrimination among tea plants either with different invasive severities or different invasive times using MOS electronic nose combined with a new feature extraction method. Computers and Electronics in agriculture., 143, 293–301. https://doi.org/10.1016/j.compag.2017.11.007

  205. Trapp, Matthias, Marc Deubert, Lucas Streib, Björn Scholz-Starke, Martina Roß-Nickoll, und Andreas Toschki. 2020. Simulating the Effects of Agrochemicals and Other Risk-Bearing Management Measures on the Terrestrial Agrobiodiversity: The RISKMIN Approach. In Landscape Modelling and Decision Support, Innovations in Landscape Research, Springer. (Hrsg.) W. Mirschel, V. Terleev, K. O. Wenkel. Cham. https://doi.org/10.1007/978-3-030-37421-1_23.

  206. TechNews. https://technews.tw/2019/10/28/iii-digital-twin-solutions-for-smart-farming/.

  207. https://order.teralytic.com/products/soil-probe. Zugegriffen: 13. März 2022

  208. Tevel Aerobotics Technologies. www.tevel-tech.com. Zugegriffen: 13. März 2022.

  209. The Things Industries. https://www.thethingsnetwork.org. Zugegriffen: 13. März 2022.

  210. https://www.thuenen.de/en/ak/, Thünen-Institut. Zugegriffen: 2. Nov. 2021.

  211. Trapp, M. (2003). Geodatenmanagement zur standortangepassten Ressourcenoptimierung in der Landwirtschaft, Trierer Bodenkundliche Schriften, Bd 6, ISBN: 3-9807099-5-7.

    Google Scholar 

  212. Trilogy Team. (2020). Rural cloud initiative spearheading the digital transformation of rural America. https://trilogynet.com/news/rural-cloud-initiative-spearheading-the-digital-transformation-of-rural-america-2/. Zugegriffen: 13. März 2022.

  213. Trapp, M., Tintrup, G. gen. Suntrup, & Kotremba, C. (2013). Auswirkungen des Klimawandels auf die Landwirtschaft und den Weinbau in Rheinland-Pfalz. In Schlussberichte des Landesprojekts Klima- und Landschaftswandel in Rheinland-Pfalz (KlimLandRP], (Hrsg). RHEINLANDPFALZ, KOMPETENZZENTRUM FÜR KLIMAWANDELFOLGEN, 170. Teil 3, Modul Landwirtschaft

    Google Scholar 

  214. adelphi/PRC/EURAC. (2015). Vulnerabilität Deutschlands gegenüber dem Klimawandel, Umweltbundesamt, Climate Change 24/2015.

    Google Scholar 

  215. Vereinte Nationen. (2015). Transforming our world: The 2030 agenda for sustainable development. Resolution of the general assembly dated 25 Sept. 2015, A/RES/70/1.

    Google Scholar 

  216. UniProt Consortium. https://www.uniprot.org/. Zugegriffen: 5. März 2021.

  217. www.ursaspace.com. Zugegriffen: 17. Juli 2020.

  218. US patent US 9,841,533 B2.

    Google Scholar 

  219. Underwood, J., Wendel, A., Schofield, B., & McMurray, L. (2017). Efficient in-field plant phenomics for row-crops with an autonomous ground vehicle. Field Robotics, 34(6), 1061–1083.

    Google Scholar 

  220. Wald, L., Eberz-Eder, D., Trapp, M., Weimper, J., & Kuhl, M. (2022). Smart Soil Information for Farmers (SoFI) – Öffentliche Bereitstel-lung von Mess- und Simulationsdaten der Bodenfeuchte in der GeoBox-Infrastruktur, 42.GIL-Jahrestagung: Informatik in der Land-, Forst- und Ernäh-rungswirtschaft, (S. 79–84). Gesellschaft für Informatik e. V.

    Google Scholar 

  221. Wegener, J. K., Urso, L.-M., Hörsten, D. v., Minßen, T.-F., & Gaus, C.-C.. (2017). Neue Pflanzenbausysteme entwickeln – welche innovativen Techniken werden benötigt? Landtechnik, 72(2).

    Google Scholar 

  222. Vale, S. (2020). New look for Xaver Fendt robot. https://www.profi.co.uk/news/new-look-fendt-xaver-field-robot. Zugegriffen: 13. März 2022.

  223. Vandersat Specification sheet. (2020). https://vandersat.com/data/soil-moisture/. Zugegriffen: 13. März 2022.

  224. https://veristech.com. Zugegriffen: 13. März 2022.

  225. Vierboom, C., Härlen, I., & Simons, J. (2006). Akzeptanz organisatorischer und technologischer Innovationen in der Landwirtschaft bei Verbrauchern und Landwirten, 21. Schriftenreihe Organisatorische und technologische Innovationen in der Landwirtschaft.

    Google Scholar 

  226. Vision Robotics. www.visionrobotics.com. Zugegriffen: 10. Dez. 2023.

  227. Verdouw, C., Sundmaeker, H., Tekinerdogan, B., Conzon, D., & Montanaro, T. (2019). Architecture framework of IoT-based food and farm systems: A multiple case study. Computers and Electronics in Agriculture, 165, 104939.

    Google Scholar 

  228. Verdouw, C., Wolfert, J., Beulens, A., & Rialland, A. et al. (2016). Virtualization of food supply chains with the internet of things. Journal of Food Engineering, 176, 128–136.

    Google Scholar 

  229. Verdouw, C.N., Wolfert, S., Beers, G., Sundmaeker, H., & Chatzikostas, G. (2017). IOF2020: Fostering business and software ecosystems for large-scale uptake of IoT in food and farming, in The International Tri-Conference for Precision Agriculture in 2017, Hrsg. W. Nelson, 7. Hamilton.

    Google Scholar 

  230. The W3C SPARQL Working Group. (2013). SPARQL 1.1 Overview. World Wide Web Consortium (W3C). https://www.w3.org/TR/sparql11-overview/. Zugegriffen: 10. Dez. 2023.

  231. WeFarm. www.wefarm.co. Zugegriffen: 15. Aug. 2020.

  232. Wilkinson, M. D., Dumontier, M., Aalbersberg, I. J., et al. (2016). The FAIR guiding principles for scientific data management and stewardship. Scientific Data, 3. https://doi.org/10.1038/sdata.2016.18.

  233. Wong, M. H., Giraldo, J. P, Kwak, S.-Y, Koman, V. B, Sinclair, R., Lew, T. T. S, Bisker, G., Liu, P., & Strano, M. S. (2017). Nitroaromatic detection and infrared communication from wild-type plants using plant nanobionics. Nature Materia, 16(2), 264–272.

    Google Scholar 

  234. Willimas, A. Fieldwork Robotics completes initial field trials of raspberry harvesting robot system. https://phys.org/news/2019-05-fieldwork-robotics-field-trials-raspberry.html. Zugegriffen: 10. Dez. 2023.

  235. de Witte, T. (2019). Wirtschaftliche Perspektiven autonomer Kleinmaschinen im Ackerbau. Journal für Kulturpflanzen, 71(4), 95–100.

    Google Scholar 

  236. Wolfert, S., Mira da Silva, L., Beers, G., Pompeu Pais, D., Anda Agarte, J., Lora Lozano, M., & Molina Sanz, N. (2019). SmartAgriHubs. Connecting the dots to foster the digital transformation of the European agri-food sector – highlighting the Portuguese innovation ecosystem. Cultivar, 16, 45–53.

    Google Scholar 

  237. Wolfert, J., Sørensen, C.G., & Goense, D. (2014). A future internet collaboration platform for safe and healthy food from farm to fork. In Global Conference (SRII), 2014 Annual SRII, 266–273. San Jose, CA, USA: IEEE.

    Google Scholar 

  238. Wolfert, J., Verdouw, C. N., Verloop. C.M., & Beulens, A. J. M. (2010). Organizing information integration in agri-food – a method based on a service-oriented architecture and living lab approach. Computers and Electronics in Agriculture, 70(2), 389–405.

    Google Scholar 

  239. Wang, Y. (Emma), Wei, G.-Y, & David Brooks. 2019. Benchmarking TPU, GPU, and CPU platforms for deep learning. 7 arXiv:1907.10701v4 [cs.LG].

  240. The Assistant in Your Pocket. https://www.xarvio.com/gb/en/products/scouting.html. Zugegriffen: 11. März 2021.

  241. Xarvio Scouting App. https://seedworld.com/facts-xarvio-scouting-app/. Zugegriffen: 11. März 2021.

  242. Mineral. https://x.company/projects/mineral/. Zugegriffen: 10. Dez. 2023.

  243. Zhang, Q. (2015). Precision agriculture technology for crop farming. CRC Press.

    Book  Google Scholar 

  244. Young, A. (2020). Kiwi agritech startup flourishes with homegrown legal marketplace. https://bizedge.co.nz/story/kiwi-agritech-startup-flourishes-homegrown-legal-marketplace. Zugegriffen: 10. Dez. 2023.

  245. ZEPP, Informationssystem Integrierte Pflanzenproduktion e. V. (ISIP). (2020). Julius Kühn-Institut, John Deere European Technology Innovation Center (ETIC), Kuratorium für Technik und Bauwesen in der Landwirtschaft e. V. (KTBL). In S. Estel, K. Albrecht, C. Federle, B. Golla, B. Kleinhenz, D. Martini, A. Aurelia Maria Moanţă, Z. Perić, T. Riedel, & M. Röhrig (Hrsg.), Hangneigungsauflagen sicher einhalten, Rheinische Bauernzeitung (S. 24–25).

    Google Scholar 

  246. Zhang, X., Shi, L., & Jia, X. et al. (2010). Zone mapping application for precision-farming: A decision support tool for variable rate application. Precision Agriculture, 11, 103–114. https://doi.org/10.1007/s11119-009-9130-4.

  247. Zogg, J.-M. (2009). Essentials of satellite navigation. https://www.u-blox.com/sites/default/files/products/documents/GPS-Compendium_Book_%28GPS-X-02007%29.pdf. Zugegriffen: 13. März 2022.

  248. Zhao, Y., Yu, G., & Xu, H. (2019). 6G Mobile Communication Network: Vision, Challenges and Key Technologies (in Chinese). Science Sin Information, ISSN 1674-7267, Pre-published, https://doi.org/10.1360/N112019-00033. http://engine.scichina.com/doi/10.1360/N112019-00033.

Download references

Author information

Authors and Affiliations

  1. Technische Universität Dresden, Institut für Naturstofftechnik (INT), Lehrstuhl Agrarsystemtechnik, Dresden, Deutschland

    Thomas Herlitzius

  2. Hochschule Weihenstephan-Triesdorf, Professur für Information Technology and IoT in Agriculture and Environment, Freising, Deutschland

    Patrick Noack

  3. ITK Engineering GmbH, Rülzheim, Deutschland

    Jan Späth & Roland Barth

  4. Wageningen University and Research, Wageningen Economic Research, Wageningen, Niederlande

    Sjaak Wolfert

  5. Deutsches Forschungszentrum für Künstliche Intelligenz GmbH – DFKI, Kaiserslautern, Deutschland

    Ansgar Bernardi

  6. Empolis Information Management GmbH, Kaiserslautern, Deutschland

    Ralph Traphöner

  7. Kuratorium für Technik und Bauwesen in der Landwirtschaft e. V. (KTBL), Darmstadt, Deutschland

    Daniel Martini & Martin Kunisch

  8. RLP AgroScience GmbH, Neustadt an der Weinstraße, Deutschland

    Matthias Trapp & Djamal Guerniche

  9. Dienstleistungszentrum Ländlicher Raum Rheinhessen-Nahe-Hunsrück, Bad Kreuznach (Hunsrück), Deutschland

    Daniel Eberz-Eder

  10. Universität Trier, Trier, Deutschland

    Julius Weimper

  11. California Business Associates, Alameda, CA, USA

    Katrin Jakob

Authors
  1. Thomas Herlitzius
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Patrick Noack
    View author publications

    You can also search for this author in PubMed Google Scholar

  3. Jan Späth
    View author publications

    You can also search for this author in PubMed Google Scholar

  4. Roland Barth
    View author publications

    You can also search for this author in PubMed Google Scholar

  5. Sjaak Wolfert
    View author publications

    You can also search for this author in PubMed Google Scholar

  6. Ansgar Bernardi
    View author publications

    You can also search for this author in PubMed Google Scholar

  7. Ralph Traphöner
    View author publications

    You can also search for this author in PubMed Google Scholar

  8. Daniel Martini
    View author publications

    You can also search for this author in PubMed Google Scholar

  9. Martin Kunisch
    View author publications

    You can also search for this author in PubMed Google Scholar

  10. Matthias Trapp
    View author publications

    You can also search for this author in PubMed Google Scholar

  11. Djamal Guerniche
    View author publications

    You can also search for this author in PubMed Google Scholar

  12. Daniel Eberz-Eder
    View author publications

    You can also search for this author in PubMed Google Scholar

  13. Julius Weimper
    View author publications

    You can also search for this author in PubMed Google Scholar

  14. Katrin Jakob
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Thomas Herlitzius .

Editor information

Editors and Affiliations

  1. Rheinland-Pfälzische Technische Universität Kaiserslautern-Landau, Inhaber des Lehrstuhls »Digital Farming« und Fraunhofer-Institut für Experimentelles Software Engineering IESE, Extended Institute Management, Kaiserslautern, Deutschland

    Jörg Dörr

  2. BASF SE, Agricultural Solutions, Sustainable Business Model Specialist, Limburgerhof, Deutschland

    Matthias Nachtmann

Rights and permissions

Reprints and permissions

Copyright information

© 2023 Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Herlitzius, T. et al. (2023). Technologieperspektive. In: Dörr, J., Nachtmann, M. (eds) Handbuch Digital Farming. Springer Vieweg, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-67086-6_3

Download citation

Publish with us

Policies and ethics

Search

Navigation