Skip to content
ByteWire
  • KI-Regulierung
  • KI-Infrastruktur
  • KI-Sicherheit
  • KI-Investitionen
  • KI-Agenten

Agrarroboter der Osaka Metropolitan University erntet Tomaten mit 81-Prozent-Erfolgsquote

19.03.2026
Agrarroboter erntet Tomaten im Gewächshaus

Ein Roboter, der nicht einfach greift, sondern zuerst denkt: Forscher der Osaka Metropolitan University haben einen Ernteassistenten entwickelt, der Erntbarkeits-Scores berechnet, Prioritäten setzt und seinen Greifwinkel anpasst – mit einer Erfolgsquote von 81 Prozent unter praxisnahen Bedingungen.

Agrarroboter der Osaka Metropolitan University erntet Tomaten mit 81-Prozent-Erfolgsquote

Ein Forschungsteam der Osaka Metropolitan University hat einen Ernteassistenten entwickelt, der nicht einfach nur reife Tomaten erkennt – sondern im Vorfeld berechnet, wie aufwendig das Greifen jeder einzelnen Frucht sein wird. Das System passt seine Vorgehensweise entsprechend an und erreichte dabei eine Erfolgsquote von 81 Prozent. Für die industrielle Landwirtschaft könnte das ein echter Wendepunkt sein.

Denken statt nur sehen

Der entscheidende Unterschied zu bisherigen Ansätzen liegt nicht in der Sensorik, sondern in der Logik dahinter. Frühere Systeme identifizierten reife Früchte und versuchten, sie zu greifen – Punkt. Was folgte, war oft ein unbefriedigendes Ergebnis: Zweige im Weg, ungünstige Winkel, beschädigte Früchte.

Dieser Roboter hingegen schätzt ab. Er analysiert, welche Tomaten sich mit welchem Aufwand ernten lassen, priorisiert entsprechend – und wechselt den Greifwinkel, wenn der erste Versuch zu scheitern droht.

Eine Art vorausschauendes Taktieren, das man bislang eher von erfahrenen Erntehelfern kannte als von Maschinen.

Wie das System im Feld funktioniert

Konkret nutzt der Roboter ein KI-Modell, das auf Basis visueller Daten sogenannte „Erntbarkeits-Scores” für einzelne Früchte berechnet. Faktoren wie Fruchtposition, umliegende Vegetation und Stiellage fließen in diese Bewertung ein. Das Ergebnis: Der Roboter greift bevorzugt die Tomaten, bei denen Erfolg am wahrscheinlichsten ist – und spart sich energieaufwendige Fehlversuche.

Wechselt er den Ansatzwinkel, steigt die Erfolgsquote nochmals spürbar. Die 81 Prozent sind dabei kein Laborzustand unter Idealbedingungen, sondern ein Wert, der unter praxisnahen Bedingungen erzielt wurde.

Mensch und Maschine, Seite an Seite

Besonders interessant für Betriebe: Die Entwickler sehen den Roboter nicht als Ersatz für menschliche Arbeitskräfte, sondern als Ergänzung. In einem sogenannten Cobotic-Modell – also der Zusammenarbeit von Mensch und Maschine – könnte der Roboter systematisch die erreichbaren, einfach zu greifenden Früchte übernehmen, während Mitarbeiter sich um anspruchsvollere Aufgaben kümmern.

Weniger Überlastung, gleichmäßigere Auslastung, höherer Gesamtdurchsatz – ein Prinzip, das aus der Automobilindustrie längst bekannt ist.

Was das für Agrarbetriebe in Deutschland bedeutet

Der Fachkräftemangel in der deutschen Landwirtschaft ist keine abstrakte Zukunftssorge mehr – er ist Betriebsalltag. Saisonale Erntekräfte werden schwieriger zu rekrutieren, Lohnkosten steigen, und der Druck auf Margen wächst von allen Seiten.

Systeme wie das der Osaka Metropolitan University sind noch nicht serienreif, aber die Entwicklungsgeschwindigkeit in diesem Bereich ist bemerkenswert. Wer heute anfängt, sich mit AgriTech und Robotik auseinanderzusetzen – Förderprogramme, Pilotprojekte, Herstellerkontakte – wird morgen schneller entscheidungsfähig sein.

Die Frage ist weniger ob solche Systeme in deutschen Gewächshäusern ankommen, sondern wann.


Quelle: ScienceDaily

Dieser Artikel wurde von einer KI auf Basis von Berichten internationaler Medien zusammengefasst und auf Deutsch verfasst. Er wurde nicht von einer menschlichen Redaktion geprüft. Kennzeichnung gemäß EU AI Act Art. 50.

Dieser Artikel wurde von einer KI auf Basis von Berichten internationaler Medien zusammengefasst und auf Deutsch verfasst. Er wurde nicht von einer menschlichen Redaktion geprüft. Kennzeichnung gemäß EU AI Act Art. 50.

Post navigation

← KI im Dienst des Militärs: Wer zieht die roten Linien?
OpenAI sucht Talente per Komprimierungswettbewerb – 16 MB als Messlatte →

Das könnte Sie auch interessieren

a computer chip with the letter a on top of it

Tech-Konzerne unter regulatorischem Zugzwang: Von Rückrufen bis Marktmanipulation

22.08.2026

Die vergangenen Tage zeigen zwei Facetten wachsender staatlicher Durchgriffe gegen globale Tech-Unternehmen: Während chinesische Behörden Tesla …

Weiterlesen »
red and white truck on road during daytime

US-Vertrieb chinesischer Humanoid-Roboter bricht ein

21.08.2026

Die jüngste US-Regulierung gegen chinesische Robotikhersteller zwingt den amerikanischen Marktführer Robo Inc. zur sofortigen Geschäftsmodelländerung – …

Weiterlesen »
white robot near brown wall

KI verlässt den Bildschirm: Roboter und Drohnen in der physischen Welt

20.08.2026

Die künstliche Intelligenz durchbricht derzeit ihre digitale Isolation: Während lernfähige Roboter in Echtzeit neue Fähigkeiten erwerben, …

Weiterlesen »

Suche

Tags

Cybersecurity Cybersicherheit Datenschutz & Compliance Enterprise-KI fin Generative KI KI KI & Gesellschaft KI-Agenten KI-Automatisierung KI-Entwicklung KI-Entwicklungstools KI-Forschung KI-Geopolitik KI-Governance KI-Hardware KI-Infrastruktur KI-Investitionen KI-Modelle KI-Plattformstrategie KI-Politik KI-Produktentwicklung KI-Produktivität KI-Produktivitätstools KI-Produktstrategie KI-Regulierung KI-Risiken KI-Sicherheit KI-Strategie KI-Tools KI-Unternehmensstrategie KI-Unternehmensstrategien KI im Gesundheitswesen Open-Source-KI pol Quantencomputing Raumfahrt Regulierung Robotik Robotik & Automatisierung sci Tech-Regulierung Unternehmensstrategie wi wt
  • Impressum

© 2026 bytewire.ai