SatErnte
In "SatErnte" soll mittels neuer Datenquellen und innovativer Methoden aus der Erdbeobachtung, Datenwissenschaften und Ertragsmodellierung bestehende Verfahren der amtlichen Agrarstatistik weiterentwickelt, aktuelle Defizite vermindert und Inhalte, Aktualität sowie Vergleichbarkeit der amtlichen Statistik erweitert und verbessert werden. Hierzu werden Machine Learning basierte sowie prozessbasierte Verfahren der Ertragsprognose unter Nutzung von Copernicus Sentinel-Satellitendaten untersucht.
- Behörde
- Julius Kühn-Institut, Bundesforschungsinstitut für Kulturpflanzen
- Verwaltungsebene
- Bund
- Ressort
- Bundesministerium für Landwirtschaft, Ernährung und Heimat
- Risikoeinordnung
- Minimales RisikoSelbstauskunft im MaKI-Profil, keine i6eal-Bewertung
- KI-Methode
- Machine Learning
- Einsatzbereich
- Landwirtschaft · Öffentliche Verwaltung
Veröffentlicht, geplant oder offen
Die Matrix trennt veröffentlichte Angaben, geplante Prüfungen, nicht erforderliche Angaben und unbekannte Felder. Es gibt bewusst keinen Gesamtscore.
Betroffene Gruppen und Risikomaßnahmen
- Betroffene Gruppen
- Mitarbeitende der Behörde/ des Ressorts
- Risikomaßnahmen
- Wurde nicht betrachtet
- Beschriebene Schadensrisiken
- Wurde nicht betrachtet
Projekt- und Veröffentlichungsdaten
Diese Daten stammen aus dem aktuellen MaKI-Profil. Sie sind keine i6eal-Beobachtungshistorie.
- Projektstart
- Erstmals veröffentlicht
- Zuletzt veröffentlicht
Beobachtungschronik
Dieses Profil wird seit 19. Juli 2026 beobachtet. Quellseitige Projekt- und Publikationsdaten bleiben davon getrennt.
Noch liegt kein früherer vollständiger Quellstand zum Vergleichen vor. Für dieses Profil beginnt die Beobachtung am 19. Juli 2026.