VitiProtect – KI im ersten Praxistest gegen Falschen Mehltau

Der Falsche Mehltau gehört zu den wirtschaftlich bedeutendsten Krankheiten im Schweizer Weinbau. In Jahren mit ungünstiger Witterung kann er hohe Ertrags- und Qualitätsverluste verursachen. Entsprechend werden grosse Mengen an Pflanzenschutzmitteln (PSM) eingesetzt: Zwischen 2002 und 2023 entfielen 58 % aller in der Landwirtschaft eingesetzten Fungizide auf die Rebbaufläche, welche 4.5 % der landwirtschaftlichen Nutzfläche ausmacht (Agrarbericht 2024).

Mit dem politisch geforderten Absenkungspfad PSM steigt der Druck auf den Weinbau, Einsätze zu reduzieren. Dadurch wird die präzise Prognose von Infektionsrisiken immer wichtiger. Mechanistische Modelle wie VitiMeteo auf der Plattform Agrometeo liefern etablierte Einschätzungen. Es hat sich jedoch gezeigt, dass das mechanistische Modell die Primärinfektion mehrheitlich zu früh prognostiziert. Durch den Klimawandel bedingte Veränderungen wie zum Beispiel mildere Winter, Veränderung des Regenregimes oder auch Zunahme von Extremereignissen stossen solche Modelle zudem vermehrt an ihre Grenzen.

Künstliche Intelligenz (KI) bietet hier neue Chancen: Sie kann komplexe Zusammenhänge aus grossen Datenmengen selbstständig lernen und sich dynamisch an veränderte Umweltbedingungen anpassen. Die zentrale Forschungsfrage von VitiProtect lautete daher:

Kann ein KI‑basiertes Prognosemodell entwickelt werden, das Infektionsrisiken für den Falschen Mehltau zuverlässig vorhersagt und so PSM‑Einsätze verringert?

Wöchentliche Erhebung des Falschen Mehltaus an der Côte. (© WBZW)

Überblick über drei Jahre VitiProtect

Zwischen 2023 und 2025 beteiligten sich insgesamt 83 Weinbaubetriebe an der Datenerhebung. Über die Schweiz verteilt wurden jährlich 80–100 unbehandelte Kontrollparzellen betrieben. Auf allen unbehandelten Kontrollparzellen wurden Wetterdaten mit Wetterstationen mehrheitlich von databaum erhoben. Zur Überprüfung der Wetterstation von databaum wurden die erhobenen Wetterdaten in Wädenswil mit den Wetterdaten von Agrometeo-Wetterstation verglichen. Beide Wetterstationen stehen weniger als 50 Meter voneinander entfernt am Weinbauzentrum. Die Messreihen von Mai bis August 2025 zeigten sehr hohe, signifikante Übereinstimmungen: R2=0.97 bei Temperatur, R2=0.91 bei Luftfeuchtigkeit und R2=0.88 bei Niederschlag. Beim Korrelationswert R2 gilt, je näher der Wert bei 1 liegt, desto genauer die Übereinstimmung bei den Messreihen der beiden Wetterstationen.
Dank einer eigens entwickelten App konnten Bonitur-Mitarbeitende von 2023 bis 2025 jeweils zwischen Mai und August wöchentlich den Infektionsverlauf des Falschen Mehltaus auf den unbehandelten Kontrollparzellen erfassen. So entstanden 13.9 Millionen Datensätze von Blättern und 566 000 Datensätze von Trauben – ein bisher einmaliger Datensatz im Schweizer Weinbau. Schon nach zwei Jahren konnten der erste und zweite KI-Prototyp entwickelt und im Feld getestet werden.

Infektionsprognosen im Vergleich

Der Infektionsverlauf des Falschen Mehltaus in den unbehandelten Parzellen in Mendrisio, Wädenswil und Leytron wurde mit den kumulierten prognostizierten Infektionen des KI-Modells im Jahr 2025 verglichen (Abb. 1). Der Infektionsdruck in Wädenswil und Leytron war allgemein sehr tief und blieb in der unbehandelten Parzelle unter 50 %, in Leytron sogar unter 10 %. Hier zeigt sich, dass der 2. Prototyp des KI-Modells bei einem tiefen Infektionsdruck eine Tendenz zur Überschätzung des Infektionsdrucks ausweist. Dieselbe Tendenz konnte auch beim mechanistischen Prognosemodell auf Agrometeo beobachtet werden. Hingegen war der Infektionsdruck in Mendrisio sehr hoch und wurde vom KI-Modell realistisch abgebildet. Beim statistischen Vergleich der beobachteten Infektionen und vom KI- und Agrometeo-Modell prognostizierten Infektionsrisiko zeigte eine signifikante Übereinstimmung von R2=0.67 für das KI-Modell und R2=0.53 für das Agrometeo-Modell. Der überarbeitete Prototyp 3 kombinierte primäre und sekundäre Infektionen und berücksichtigte den Zusammenhang zwischen Infektionsereignis und sichtbaren Symptomen. Er zeigte mit einem signifikanten Korrelationswert von R2=0.89 klar verbesserte Prognosefähigkeit.

PSM‑Versuch: Drei Standorte – drei Infektionssituationen

An den Standorten Wädenswil, Leytron und Mendrisio wurden im Jahr 2025 Praxistests mit dem KI-Modell durchgeführt und mit bisher gefahrenen Standardmethoden basierend auf Entscheidungshilfen wie dem Agrometeo-Modell verglichen. Für beide Verfahren galt derselbe Spritzplan als Grundlage. Als Kontrolle blieb eine Parzelle unbehandelt. Wie bei der Datenerhebung erfassten die Bonitur-Mitarbeitenden in allen Verfahren und der unbehandelten Kontrolle einmal wöchentlich den Infektionsverlauf des Falschen Mehltaus (Abb. 2). Dabei untersuchten sie in jedem Verfahren an 20 Stöcken jeweils einen Trieb sowie zehn Trauben des jeweiligen Stocks.

Bei den drei Feldversuchen an den verschiedenen Standorten wurde das KI-Modell unterschiedlich umgesetzt: In Wädenswil erfolgten die Behandlungen jeweils innerhalb von fünf Tagen, nachdem das KI‑Modell ein Infektionsrisiko von 20 % angezeigt hatte. In Mendrisio wurde ebenfalls nach Überschreiten dieser Schwelle behandelt – allerdings nur dann, wenn für die folgenden Tage kein Regen vorhergesagt war. In Leytron hingegen wurde gespritzt, sobald das Modell ein Infektionsrisiko erkannte und die vorherige Behandlung keinen ausreichenden Schutz mehr bot.

In den behandelten Verfahren – KI-Modell und Standardmethoden – erreichten die Infektionsraten 25 % in Mendrisio und 10 % in Wädenswil. In Leytron konnte in den behandelten Verfahren keine Infektion festgestellt werden. An allen Standorten prognostizierte das KI-Modell primäre Infektionen später als das Agrometeo-Modell, jedoch zeitlich näher an den tatsächlich beobachteten ersten Ölflecken. Das ist ein wichtiger Aspekt zur Vermeidung unnötiger Frühspritzungen und führte dazu, dass an allen Standorten im Verfahren mit dem KI-Modell die erste Behandlung des Standard-Verfahrens ausgelassen wurde.

Insgesamt konnte mit dem KI-Modell im Vergleich zum Standard-Verfahren bis zu mehr als die Hälfte der Behandlungen eingespart werden (Abb. 3). In Wädenswil konnten damit über 60 % des Zeitaufwands und der Kosten eingespart werden. Gleichzeitig ist zu erwähnen, dass im Verfahren mit dem KI-Modell ein Ertragsrückgang von 35 % im Vergleich zum Standard-Verfahren erhoben wurde.

Was bleibt festzuhalten?

Die KI prognostiziert Infektionsdynamiken realitätsnah und ermöglicht deutliche PSM‑Reduktionen. Es ist jedoch zu beachten, dass die Datengrundlage für das KI-Modell noch begrenzt ist. Die Robustheit muss entsprechend verbessert und das KI-Modell bei niedrigem Infektionsdruck weiter optimiert werden. Zudem kommen die ersten Resultate zur Reduktion des PSM-Einsatzes aus wenigen, statistisch nicht vergleichbaren Feldversuchen in einem Jahr.

Bei der Entwicklung eines KI-Modells spielt die Qualität der Daten, welche für die Modellierung verwendet werden, eine zentrale Rolle. Schliesslich können nur aus guten Daten gute Modelle entstehen. In diesem Projekt wurden verschiedene Kontrollsysteme eingebaut: Jeder erste Ölfleck, welcher in den unbehandelten Kontrollparzellen von den Bonitur-Mitarbeitenden erhoben wurde, musste vom Projektpartner Agroscope bestätigt werden. Zudem wurden die Bonitur-Mitarbeitenden jährlich geschult und durch einen Gruppenchat unterstützt.

Befall von Falschem Mehltau auf Trauben in einer unbehandelten Parzelle. (© WBZW)

Schlüsselrolle der Nutzerinnen und Nutzer

Der Erfolg solcher Systeme hängt wesentlich von ihrer Nutzung ab. Dazu gehört, dass die Bereitschaft vorhanden ist, neuen Technologien zu vertrauen. KI-Modelle haben einen Blackbox‑Charakter. Sie sind komplex und es stecken keine für Nutzerinnen und Nutzer nachvollziehbare biologische Regeln dahinter. Die Realität zeigt aber auch, dass die Bedürfnisse der Betriebe unterschiedlich sind und nicht jede Technologie für alle gleich umsetzbar ist. Dabei ist es wichtig, dass die Einführung begleitet und gefördert wird. Hier spielen die kantonalen Fachstellen sowie strategische Massnahmen eine wichtige Rolle. Unter anderem gibt es die Chartagemeinschaft Digitalisierung der Schweizer Land- und Ernährungswirtschaft, welche 2018 gegründet wurde und Massnahmen zur Umsetzung der Digitalisierung begleitet und weiterentwickelt.

Das Projekt VitiProtect hat auf jeden Fall gezeigt, dass KI im Weinbau keine Zukunftsvision mehr ist, sondern ein Instrument mit Potenzial zur Reduktion von PSM, Kosten und Arbeitsbelastung. Der eingeschlagene Weg wird 2026 weiterverfolgt.

Die Realisierung des Projekts VitiProtect wäre ohne die Mithilfe der Praxis nicht möglich gewesen. Unser Dank gilt allen Winzerinnen und Bonitur-Mitarbeitenden für ihre wertvolle Zusammenarbeit sowie den kantonalen Fachstellen und den Branchenverbänden für ihre tatkräftige Unterstützung. Das Projekt wurde vom Bundesamt für Landwirtschaft, der Stiftung Minerva, der Müller-Thurgau Stiftung sowie dem Kanton Luzern mitfinanziert.