Leichte Sprachmodelle unterstützen landwirtschaftliche Entscheidungen vor Ort

In der Landwirtschaft könnten große Sprachmodelle (LLM) wertvolle Entscheidungen unterstützen, doch ihre hohen Rechenanforderungen machen sie für die meisten Betriebe unpraktisch. Um dieses Problem zu lösen, haben die Forscher 20 Open‑Source‑Small‑Language‑Models (SLM) von HuggingFace unter realistischen Farmbedingungen getestet und ein agentisches KI‑System entwickelt, das fünf spezialisierte Agenten integriert: Literatur‑, Web‑, SQL‑, NoSQL‑ und Graph‑Generierung.

Die Bewertung erfolgte in zwei Phasen. Zunächst wurden fünf Testfragen eingesetzt, um Modelle zu filtern, die grundlegende landwirtschaftliche Anweisungen verstehen und zuverlässig unter eingeschränkter Rechenleistung arbeiten. Die ausgewählten Modelle wurden anschließend mit 30 Fragen – fünf pro Aufgabenbereich plus eine Kategorie zu Integrität – geprüft.

Die Ergebnisse zeigen, dass Qwen‑4B in den meisten Aufgabenbereichen die höchste Leistung erzielte, jedoch bei NoSQL‑Interaktionen über PySpark Schwankungen aufwies. Damit liefert die Studie erstmals eine systematische Bewertung von SLMs für on‑farm Entscheidungsunterstützung und legt den Grundstein für praktisch einsetzbare KI‑Tools in der Landwirtschaft.