Agrarrohstoffpreise: Auf den Trend kommt es an
Ein junges Unternehmen aus Stralsund hat das Programm Agripreis entwickelt, das mit maschinellem Lernen lokale und globale Datensätze analysiert, um Preisprognosen für Getreide und andere Agrarrohstoffe abzuleiten.
Jeder kennt das Problem. Man hat gerade eine Partie Getreide oder Raps zum aktuell bestmöglichen Preis verkauft. Im Hinterkopf jedoch schwirrt der Gedanke: „War das jetzt der richtige Moment, oder hätte ich noch warten sollen, weil die Preise weiter steigen?“ Im Nachhinein ist man immer schlauer. Was würde man doch dafür geben, wenn man in die Zukunft schauen könnte. Eine Glaskugel für Agrarrohstoffe wäre die Lösung.
Etwas Ähnliches bietet seit diesem Jahr die pigright AI GmbH aus Stralsund mit dem Produkt Agripreis an. Die App erzeugt monatlich neue Preisprognosen für regionale Rohstoffe. Das Unternehmen verwendet dafür Maschinelles Lernen (Kasten). Es werden aktuell internationale Preisvorhersagen angeboten für Weizen, Mais, Raps und Soja sowie regionale und qualitätsspezifische Prognosen für Weizen – bis zu acht Wochen in die Zukunft und drei Wochen kostenlos testbar.
Auswertung preisrelevanter faktoren
Für den Landwirt ist es sehr schwierig, den richtigen Vermarktungszeitpunkt zu finden, da der regionale Markt, der Teil eines komplexen globalen Rohstoffmarktes ist, beeinflusst wird durch enorme und gleichzeitig unübersichtliche Datenmengen. Das führt zu großen Preisschwankungen, die schwer vorherzusehen sind. Die mobile Anwendung Agripreis soll die besten Zeitpunkte fürs Handeln bestimmen. Das selbstlernende Programm wertet Tausende preisrelevante Faktoren aus und erkennt schnell Beziehungen zwischen ihnen.
Agripreis: Das sicherste Modell gewinnt
Das StartUp pigright ai aus Stralsund hat die App Agripreis entwickelt. Mithilfe künstlicher Intelligenz will es Preisprognosen für Agrarrohstoffe geben. Wir haben mit John Fleming, dem Geschäftsführer von pigright ai, gesprochen und ihn zu Agripreis befragt. mehr
In einem automatisierten Prozess (Universelles Maschine Learning Framework) werden unterschiedlichste Datenquellen für einen möglichst heterogenen Pool mit über 60 Millionen einzelnen Datenpunkten gesammelt und durch ein System verschiedenster KI-Modelle analysiert. Ob das Programm zur Preisvorhersage für Agrarprodukte im Arbeitsalltag wirklich eine Hilfe ist, können Landwirte jetzt kostenlos testen. Nach Unternehmensangaben liegen die Vorhersagen zwischen 75 und 85 % Genauigkeit bezüglich der Preistrendrichtung.
Derzeit stehen dem Nutzer alle Preisprognosen zur Verfügung. Ab Dezember erhalten neue Nutzer das Standardpaket mit drei individuell zusammenstellbaren Prognosen für 125 € pro Monat beziehungsweise 1.200 € pro Jahr zur Auswahl. Weitere Prognosen können hinzugebucht werden. Lokale Weizenpreisprognosen für die verschiedenen Qualitätsgruppen E, A und B sind vorerst nur für die Bundesländer Schleswig-Holstein, Mecklenburg-Vorpommern, Brandenburg, Sachsen, Thüringen und Niedersachsen-Ost verfügbar. In Planung sind die Rohstoffe Rindfleisch, Diesel und Milch.
Bei den potenziellen Kunden legt das Unternehmen derzeit den Fokus auf Agrarbetriebe mit über 100 ha Ackerfläche, aber es sind auch kleinere Betriebe aufmerksam geworden, wie zum Beispiel ein Landwirt aus Bayern mit einer Ackerfläche von 60 ha. Zusätzlich werden potenzielle B2B-Geschäfte mit größeren etablierten Unternehmen geprüft.
Fachbegriff
Maschinelles Lernen
Maschinelles Lernen ist ein Teilgebiet der Künstlichen Intelligenz (KI). Dabei handelt es sich um Maschinen und Computer, die mithilfe von mathematischen Techniken Wissen generieren, das sie aus eigenen Erfahrungen ermitteln. Die Programme sind in der Lage, aus den gegebenen Daten zu lernen und Handlungen, Ereignisse sowie Informationen vorherzusagen. Ziel ist es, identifizierte Muster auf einen neuen Datensatz anzuwenden und so eine Optimierung der Ergebnisse oder auch bessere Vorhersagen treffen zu können. Basis sind vom Menschen vorgegebene Trainingsdaten und manuell bearbeitete Merkmale, auf die das Programm achten soll. Es lernt die Zuordnung dieser Merkmale. Mit Algorithmen wird dazu ein statisches Modell aufgebaut. Dieses erkennt wiederkehrende Muster und speichert sie in Parametern ab. Der Computer lernt dabei ähnlich wie wir Menschen selbstständig aus Erfahrungen und generiert so neues Wissen.
Mehr zu Agripreis in Ausgabe 42/2020
Lesen Sie mehr zum Thema in der Ausgabe 42 der Bauernzeitung.
