Geco Strategic Weed Management erweitert eine andere Form landwirtschaftlicher KI als die Kamera, die ein Unkraut unmittelbar vor der Feldspritze erkennt. Seine Software schätzt anhand mehrjähriger Bilder und Feldhistorien dauerhafte Unkrautzonen vor dem nächsten Eingriff. EMILI berichtete bis Januar 2026 von kommerzieller Verfügbarkeit in Nordamerika und Nutzung auf mehr als 160 Betrieben in sieben Ländern, gegenüber drei westkanadischen Versuchsbetrieben 2023. Das belegt Reichweite, noch keine wiederholbaren Betriebsgewinne.
Der wirtschaftliche Unterschied ist wichtig. Mehr Saatgut oder stärkere Herbizide können Kulturen helfen und zugleich Kosten erhöhen. Gecos Ansatz lautet, anhand historischer Belege festzustellen, wo dieser Mehraufwand gerechtfertigt ist. Laufende Versuche mit EMILI aus Manitoba und dem nationalen AIVA Network sollen Prognosezonen mit gemessenem Unkraut, Ernteergebnissen und Maschinenarbeit verbinden, nicht bloß überzeugende bunte Karten erzeugen.
Eine Samenbankstrategie fotografiert keine unterirdischen Samen
Eine Unkrautsamenbank ist ein Vorrat lebensfähiger Samen im oder nahe dem Boden. Manche keimen diese Saison, andere ruhen und erzeugen späteren Druck. Ein erfolgreich behandeltes Feld kann sauber aussehen und den Vorrat dennoch behalten. Gründer Greg Stewart verlagert im Country-Guide-Bericht den Blick von heute sichtbaren Pflanzen auf wiederkehrende Populationen und dauerhafte Maßnahmen gegen deren stärkste Konzentrationen.
Das Unternehmen analysiert nach eigenen Angaben gewöhnlich fünf Jahre Feldhistorie und mehr als 100 Satellitenbilder mit KI und agronomischen Modellen. Drohnenbilder oder Daten optischer Spritzgeräte können ergänzen. Dies ist eine Ableitung aus wiederholten Beobachtungen, keine direkte Satellitenzählung unterirdischer Samen. Ihr Nutzen hängt davon ab, Unkrautsignale von Kulturstress, Durchwuchs, Ernterückständen, offenem Boden, Krankheiten und gewöhnlichen Feldunterschieden zu trennen.
Das Ergebnis unterteilt ein Feld in Bewirtschaftungszonen. Dichtere Aussaat kann die Konkurrenz um Licht, Wasser und Nährstoffe stärken; Bodenherbizide wirken eine Zeit lang gegen keimende Unkräuter. Bodenbearbeitung und Unkrautsamenkontrolle bei der Ernte sind weitere Möglichkeiten. Fruchtfolge, Resistenzen, Boden, Technik und das vorhandene Programm entscheiden weiterhin über den passenden Eingriff. Die Karte ersetzt keinen Agronomen und verordnet nicht allen Betrieben dieselbe Behandlung.
Applikationsdateien übersetzen Zonen in variable Mengen für kompatible Sämaschinen, Spritzen, Bodenbearbeitungsgeräte oder autonome Maschinen. Geco erklärt, bestehende Marken statt einer eigenen Plattform zu unterstützen. Das senkt eine Hürde, ersetzt aber weder genaue Aufzeichnungen noch Dateivorbereitung und echte Kompatibilität. Operativer Nutzen entsteht erst, wenn Maschinen die Prognose im passenden Arbeitsfenster verwenden können.
Wachstum in einem Markt mit geringer KI-Nutzung
EMILI, die Enterprise Machine Intelligence and Learning Initiative, begann 2023 mit Geco zu arbeiten. Der Bericht über mehr als 160 Betriebe nennt weder angemeldete Fläche noch Nutzungsfrequenz der Vorgaben, Vertragsverlängerung oder mehrjährige Bindung. Diese Größen würden mehr über Engagement zeigen als die Betriebszahl. Die Expansion eines Startups beweist auch keine breite KI-Verbreitung in Kanadas Landwirtschaft.
Die Einführungsanalyse von Farm Credit Canada und Deloitte berichtete im zweiten Quartal 2025 KI-Nutzung bei 1,8% der Agrarunternehmen gegenüber 12,2% in anderen Branchen. Ländliche Vernetzung, Kapitalbeschränkungen, Fachkräftemangel, fragmentierte Infrastruktur und unklare Governance waren Hindernisse. Geco wächst somit in einer schwierigen und ungleichmäßigen Einsatzumgebung, nicht in einem bereits vollständig automatisierten Sektor.
EMILI stellt in Manitoba Flächen, Historien, Drohnenbeobachtungen und Feldbegehungen bereit. AIVA erweitert die Validierung mit Partnern in Alberta, Ontario und Saskatchewan. Das Programm umfasst Weizen, Sojabohnen, Kartoffeln, Mais, Roggen, Gerste, Raps und Ackerbohnen; gesonderte Roboterrouten betreffen Kürbisse und Zwiebeln. Unterschiedliche Bestände, Wachstumsstadien, Böden, Wetter und Unkrautarten machen die Übertragung von einem Weizenfeld auf andere Kartoffelflächen zur Prüfaufgabe statt zur Annahme.
Frühe Tests betrafen herbizidresistente Kochia und Wildhafer, erhebliche Prärieprobleme für Programme mit wenigen Wirkstoffklassen. Die Kochia-Forschung von Agriculture and Agri-Food Canada nennt bis zu 30.000 Samen je Pflanze und zunehmende Resistenzen. Dauerhafte Hotspots sind damit ein bedeutsames Ziel: teure Maßnahmen zu konzentrieren könnte helfen, doch biologische Bedeutung allein beweist keine Rendite.
Drei Experimente verbinden Prognose und Feldarbeit
EMILIs erste Feldvalidierung verglich Satellitenmodelle mit Drohnenbildern und Begehungen und fand zuverlässige Erkennung größerer Nester auf den geprüften Feldern. Das stützte Applikationskarten aus allgemein verfügbaren Satellitendaten. Gleiche Leistung für jede Art, Kultur, Fläche und Wachstumsphase wurde damit nicht belegt.
Die aktuellen AIVA-Experimente vergleichen zunächst Satellitenzonen mit beobachteten Arten und Dichten bei vier Begehungen während der Saison. Damit gehört Verifizierung zum Ablauf. Wiederholte Bilder können die Abhängigkeit von ungewöhnlichen Jahren mindern, beseitigen aber keine Mehrdeutigkeit durch Wetter, Anwendungszeit, Zugänglichkeit oder wechselnde Kulturen.
Ein zweiter Versuch kombiniert normale und erhöhte Saatmengen mit normalen und erhöhten Bodenherbizidmengen. Die Aussaat steigt in ausgewählten Zonen um ungefähr 25–50%. Gemessen werden Unkrautdruck, Ertrag und Proteingehalt. So wird die Erkennungskarte mit Agronomie und Einnahmen verbunden; die Erhöhung selbst ist keine allgemeine Empfehlung für jede Kultur.
Ein dritter Versuch vergleicht unkrautorientierte Roboterwege mit geraden Standardrouten in Kürbissen und Zwiebeln. Begrenzte Tageskapazität kann Priorisierung wertvoll machen. Dieselbe Logik gilt für menschliche Begehungen. Kameraspritzen fragen, was hier jetzt wächst; Geco fragt, wo der Druck über Saisons wiederkehrt. Prognose, Naherkennung und menschliche Kontrolle können sich ergänzen statt gegenseitig auszuschließen.
Ein vielversprechender Saatversuch ist keine Rendite für alle Kunden
2025 testeten Geco und EMILI erhöhte Aussaat auf drei jeweils 120 Fuß breiten Streifen eines Innovation-Farms-Feldes. Ausgewählte Unkrautzonen erhielten 25% mehr Saatgut. EMILI berichtete 7% mehr Ertrag und 29% weniger Unkraut. Stewart beschrieb eine siebenfache Rendite auf die zusätzlichen Saatgutkosten. Zuschreibung und Bezugsgröße sind entscheidend: ein spezifischer Eingriff in einer Saison, nicht siebenfache Rendite auf sämtliche Softwarekosten oder über alle Kunden.
Der Mechanismus ist etablierte Kulturkonkurrenz; Geco liefert die Zielsteuerung. Überall mehr Saatgut könnte in Niederdruckzonen Verschwendung sein, während Premiumherbizide womöglich nur bei ausreichend dauerhaftem Druck lohnen. Ein Weizenversuch 2026 prüft die vier Kombinationen normaler/erhöhter Aussaat und Bodenherbizidbehandlung; Olds College betreibt vergleichbare wiederholte Blöcke in Alberta. Unkrautdruck und Ernteertrag werden vor dem agronomischen und wirtschaftlichen Vergleich gemessen.
Eine vollständige Rechnung umfasst Software, agronomische Zeit, zusätzliches Saatgut oder Chemikalien, Überfahrten, Dateivorbereitung, Begehungen und betriebliche Komplexität. Sie muss Zielsteuerung von bloßer Mehrbehandlung trennen. Günstiger Regen oder Feldunterschiede eines Jahres können Gewinne vergrößern; verhinderter künftiger Sameneintrag schafft möglicherweise Wert außerhalb der heutigen Ernte. Eine mehrsaisonale Strategie benötigt mehrjährige Bewertung.
Kulturübergreifende Wiederholung ist ebenso wichtig: Konkurrenzstarker Weizen ist kein weit gepflanztes Gemüse, und Raps rechnet sich anders als Soja. EMILI erhebt Beobachtungen unabhängig vom Geco-Modell und AIVA kann die Übertragbarkeit außerhalb Manitobas testen. Das erhöht Glaubwürdigkeit, klärt aber das Ergebnis noch nicht. Öffentlich fehlen weiterhin kundenbezogene Gewinnverteilungen, Ausfallraten, angemeldete Flächen und mehrjährige Bindung. Diese Lücke beschreibt den ausstehenden Nachweis, statt frühe Ergebnisse zu entkräften.
Bildauflösung begrenzt, was Algorithmen leisten können
Satelliten bieten Flächenabdeckung und historische Archive, auch für nie per Drohne untersuchte Felder. Sie können große wiederkehrende Nester sehen, aber kleine Pflanzen übersehen oder Merkmale in einem Pixel mischen. Wolken unterbrechen Aufnahmen; Rückstände, Bodenfarbe, Schatten, Bestandesschluss und Wachstumsphase erschweren Klassifikation. Wiederholungen und Zusatzbilder helfen, dennoch braucht das Signal Bodenprüfung.
Eine begutachtete UAV-Studie von 2026 verglich auf Sommerbrache drei Drohnenverfahren mit Bodenkamerareferenzen. Alle unterschätzten Unkräuter: Auslassungsraten waren 41–65% bei RGB, 48–73,5% bei Nahinfrarot und 78–85% bei einem YOLO-Modell. Entscheidend ist, dass weder Geco noch dessen mehrjährige Satellitenmethode getestet wurden. Die Zahlen zeigen, weshalb Komplexität fehlende Bilddetails nicht automatisch kompensiert; sie dürfen Geco nicht zugeschrieben werden.
Dauerhafte Zonen sind ein breiteres Ziel als jedes kleine Unkraut am Spritztag zu zählen und könnten besser zu Satelliten passen. Dennoch verschwenden falsch positive Zonen Betriebsmittel, während falsch negative resistente Populationen weiter aussamen lassen können. Die Kosten sind asymmetrisch und hängen von Art, Resistenz, Kulturwert, Behandlungskosten und Samenproduktion ab. Ein allgemeiner Genauigkeitswert ersetzt nicht die Folgenmessung eines fehlerhaften Eingriffs.
Die verbleibenden Entscheidungen gehören Betrieben und Prüfern
Auch Datengovernance zählt: Kulturhistorie, Bilder und Vorgabenkarten können sensible Betriebsleistungen offenlegen. Eigentum, Speicherung, Wiederverwendung und Portabilität brauchen klare Bedingungen, ebenso der Transfer zwischen Agrarsoftware und Maschinen ohne erneute Handarbeit. Vorbereitung vor Feldarbeit senkt Verbindungsbedarf, doch schwaches Breitband kann Uploads, Support und neue Bilder verzögern. Agronomen müssen auffällige Zonen hinterfragen und Eingriffe an Kultur- und Resistenzhistorie anpassen.
Der nächste Nachweis sollte wiederholte Nettorenditen variabler Versuche, artspezifische falsch positive und negative Ergebnisse der AIVA-Standorte sowie praktische Integration in arbeitende Maschinen verbinden. Auf einzelne Kulturen begrenzter Erfolg verlangt engere Anwendung, keine allgemeine Präzisionsbehauptung. Der Roboterroutentest ist besonders konkret: Er fragt, wo eine wirkliche Maschine zuerst arbeiten soll, nicht ob ein Dashboard plausibel aussieht.
Gecos substanzielle These ist, dass mehrere Saisons Evidenz kostspielige Unkrautkontrolle selektiver machen. Offen bleibt, wo diese Selektivität künftigen Druck senkt, ohne heutige Kosten stärker zu erhöhen. Behandelte und unbehandelte Ergebnisse über Saisons, mit lokaler Historie und Vollkosten verglichen, sagen mehr als kommerzielle Reichweite allein.
Ein Google-News-Aggregationseintrag eröffnet einen weiteren Weg zur Berichterstattung; er ist weder eine zusätzliche Feldstudie noch eine offizielle Geco-Erklärung.