<p>Mit KI und Big Data können aus der Vielzahl der Züchtungserfolge die regional geeignetsten herausgefiltert werden.</p>
© Catrin Hahn
17.11.2026
Maßgeschneidert statt von der Stange

Mit KI und Big Data auf der Suche nach „maßgeschneidertem“ Weizen

Der Klimawandel mit wechselnden Wachstumsbedingungen stellt die Züchtung vor immer neue Herausforderungen. Ein wichtiger Aspekt ist dabei, auch örtliche Umweltbedingungen zu berücksichtigen. Ein Team unter Leitung des IPK Leibniz-Instituts hat mithilfe von KI und Big Data eine Methode entwickelt, um regional angepasste Winterweizensorten zu bestimmen.

Besonders bedeutsam für Leistungsfähigkeit und Ertrag einer Pflanze ist das Zusammenspiel von Genotyp und Umweltbedingungen. Eine Weizensorte kann etwa an einem Standort einen hohen Ertrag erzielen, woanders unter anderen Bedingungen aber schlechter abschneiden. Die Umgebung wirkt sich also auf die Leistung des Genotyps aus. Angesichts der zunehmenden Diversifizierung der Anbauumgebungen in Zeiten des Klimawandels wird es wichtiger, Sorten zu liefern, die passgenau auf die lokalen Bedingungen zugeschnitten sind. Deshalb konzentrierte sich ein internationales Forschungsteam unter Leitung des Leibniz-Instituts für Pflanzengenetik und Kulturpflanzenforschung darauf, diese Wechselwirkungen zwischen Genotyp und Umwelt zu untersuchen und die Erträge für einzelne Standorte mit höchstmöglicher Genauigkeit vorherzusagen.

Ertragsdaten analysiert und ausgewertet

Die Wissenschaftler analysierten zunächst große Mengen an Daten von Winterweizen. Dazu wurden Ertragsdaten von mehr als 13 200 Genotypen (Linien und Hybriden) gesammelt, die zwischen 2010 und 2022 an 31 Standorten in Mitteleuropa angebaut und getestet wurden. Diese phänotypischen Daten wurden mit Genomdaten (circa 10 000 genetische Marker) und Umweltinformationen (wie die täglichen Temperaturen und Niederschläge) kombiniert. Daraus entwickelte das Team verschiedene Vorhersagemodelle, darunter traditionelle statistische Modelle, aber auch Methoden der Künstlichen Intelligenz wie „Deep Learning“. Das beste Modell wurde genutzt, um die Leistung einer Referenzgruppe von Weizenlinien in allen 117 getesteten Umgebungen vorherzusagen und umweltangepasste Sorten zu identifizieren.

Schlüssel zu Ertragsprognosen

„Unsere Studie zeigt, dass die Wechselwirkungen zwischen Genen und Umweltbedingungen der Schlüssel zu deutlich besseren Ertragsprognosen sind“, erklärt Erstautor Abhishek Gogna. So konnte die Vorhersage der umweltspezifischen Leistung neuer Hybriden um bis zu 23 Prozent verbessert werden, indem die Interaktion von Genotyp und Umwelt einbezogen wurde. Das ist vergleichbar mit dem Kauf eines neuen Anzugs: Statt eines Standardmodells, das im Durchschnitt passt (traditionelle Vorhersage), bekommt man ein maßgeschneidertes Modell, das exakt auf die persönliche Körperform zugeschnitten ist (umweltangepasste Vorhersage).

Durch die gezielte Auswahl der besten 10 Prozent umweltangepasster Genotypen ließ sich der Ertrag im Vergleich zur Auswahl nach Durchschnittsleistung um fast 4 Dezitonnen pro Hektar steigern. „Dieser zusätzliche Ertrag entspricht dem Erfolg von bis zu zwölf Jahren konventionellen Züchtungsfortschritts in Deutschland“, sagt Professor Dr. Jochen Reif, Leiter der Abteilung „Züchtungsforschung“ am IPK. „Das zeigt, dass in den Züchtungsprogrammen ein enormes, bisher verborgenes Ertragspotenzial schlummert, das gehoben werden kann“.

Quelle: idw-online

 

Weitere Beiträge