Der Agrarsektor besteht aus mehreren Arten von Arbeit, die wenig miteinander gemein haben. Es gibt körperliche Arbeit im Stall, im Gewächshaus oder auf dem Feld, gebunden an Jahreszeit, Wetter und biologische Prozesse, die sich nicht beschleunigen lassen. Es gibt administrative Arbeit rund um Registrierung, Subventionsanträge, Düngerbuchhaltung und Compliance mit Vorschriften, die je nach Kultur, Tier oder Region unterschiedlich sind. Und es gibt eine dritte Ebene: Planung, Einkauf, Anbauentscheidungen und die Bewertung von Daten aus Sensoren, Satellitenbildern und Marktpreisen. Diese dritte Ebene wächst, während die erste Ebene aufgrund der Art der Arbeit selbst nur begrenzt skalierbar bleibt.
Die Umstände, die das Ergebnis steuern, sind nicht einheitlich. Ein Ackerbaubetrieb mit vielen offenen Daten über Boden und Wetter hat andere Ansatzpunkte für Automatisierung als ein Viehzuchtbetrieb, bei dem die Aufsicht über das Tierwohl gesetzlich Menschen vorbehalten ist. Ein Gartenbaubetrieb mit Klimacomputern arbeitet schon seit Jahren mit Steuerung auf Basis von Sensordaten; ein Ackerbauer, der pro Parzelle manuell entscheidet, tut das nicht. Dieser Unterschied bestimmt, wo KI heute bereits Aufgaben übernimmt und wo das noch fern liegt.
Drei Kategorien durchziehen die Arbeit in diesem Sektor. Erstens Aufgaben, die KI selbstständig ausführen kann: die Interpretation von Sensordaten für die Bewässerung, die Erkennung von Krankheitsbildern anhand von Bildmaterial, das Erstellen erster Fassungen von Berichten für Subventionsanträge. Zweitens Aufgaben, bei denen KI einen Vorschlag macht und ein Mensch mit Begründung zustimmt oder ablehnt: eine Anbauempfehlung, die anhand lokaler Kenntnisse geprüft wird, ein Einkaufsvorschlag, der auf Lieferrisiko beurteilt wird. Drittens Arbeit, die Menschenarbeit bleibt: die physische Aufsicht über das Tierwohl, die Beurteilung der Bodenqualität vor Ort, die Verhandlung mit einem Abnehmer über einen langfristigen Vertrag.
Diese Aufteilung ist keine Momentaufnahme, die sich überall gleich verschiebt. Betriebe, die bereits mit Sensordaten und entscheidungsunterstützender Software arbeiten, sehen die erste Kategorie wachsen, weil die Datenstruktur dort bereits vorhanden ist. Betriebe, die noch auf Erfahrung und manueller Registrierung basieren, sehen vor allem die zweite Kategorie entstehen, weil dort zunächst jemand feststellen muss, was zuverlässig genug ist, um es einem System zu überlassen. Der Unterschied zwischen Betrieben liegt also nicht im Ambitionsniveau, sondern im Ausmaß, in dem die zugrunde liegende Arbeit bereits in einer Form vorliegt, die ein System lesen kann.
Eine Strategie, die von einem festen Personalbedarf für administrative oder Überwachungsaufgaben ausgeht, ruht auf einer Annahme, die niemand explizit benannt hat: dass diese Arbeit nur von Menschen erledigt werden kann, zu einem bestimmten Tempo und zu einem bestimmten Kostenpreis. Sobald KI einen Teil dieser Arbeit übernimmt oder unterstützt, wird diese Annahme nicht mit einer Ankündigung ungültig. Sie wird es allmählich, während der Plan auf dem Papier unverändert bleibt.
Das ist das Muster, das dieser Sektor mit anderen Sektoren teilt, in denen KI die Aufgabenebene betrifft statt die Funktionsebene. Vergleichbare Verschiebungen finden sich in dem IT-Sektor, wo KI Programmier- und Testarbeit teilweise übernimmt, in der Finanzdienstleistung, wo die Aufsicht über automatisierte Beurteilungen eine neue Rolle bekommt, und in der Freizeitbranche, wo Planung und Kundenkontakt anders zwischen System und Mensch aufgeteilt werden. Der Agrarsektor hat sein eigenes Tempo, bestimmt durch Jahreszeit und Vorschriften, aber der Mechanismus ist gleich: Eine Annahme, die einmal zutraf, wird nicht widerrufen, sie wird einfach nicht mehr geprüft.
Hierbei geht es nicht um die Frage, ob ein Betrieb Personal abbauen oder anders einsetzen sollte. Diese Entscheidung unterliegt den eigenen gesetzlichen Anforderungen zu Arbeitsrecht und Mitbestimmung, und dafür gelten Regeln, die hier nicht behandelt werden. Es geht um etwas, das dem vorausgeht: zu wissen, welche Arbeit heute faktisch von KI erledigt wird, welche Arbeit unter Aufsicht erledigt wird und welche Arbeit Menschenarbeit bleibt. Das ist eine sachliche Frage, keine Personalentscheidung.
Die Frage, welche Arbeit in diesem Betrieb tatsächlich von KI übernommen werden kann, wird mit dem Arbeitsscan von FTE TO AI pro Aufgabe beantwortet, sodass Annahmen über Kapazität nicht länger auf Einschätzung beruhen. Wer genauer wissen möchte, was eine strategische Annahme eigentlich ist, findet das erläutert in der Erläuterung, was eine strategische Annahme ist und wie Sie prüfen, ob sie noch Bestand hat, und wer wissen möchte, wie eine laufende Strategie der aktuellen Situation gegenübergestellt wird, liest das in der Erklärung zur Prüfung einer bestehenden Strategie.
Der erste Schritt ist kein vollständig überarbeiteter Plan, sondern eine kurze Bestandsaufnahme der Annahmen, auf denen der aktuelle Plan ruht. FTE TO AI bietet dafür einen kostenlosen Annahmen-Check: eine kurze Runde, in der Sie Ihre wichtigsten Annahmen benennen und pro Annahme sehen, wann sie zuletzt bestätigt wurde. Das liefert kein Urteil über die Strategie selbst, wohl aber einen Überblick darüber, welche Teile Aufmerksamkeit benötigen, bevor sie angepasst werden. Die vollständige Druckprobe, mit einem externen Blick neben der Selbsteinschätzung der Geschäftsleitung, ist in Vorbereitung.
Stel uw vraag. Vaak zit de echte vraag een laag dieper — daar mag ik naar vragen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.