2026. április 29-én került megrendezésre a mesterséges intelligencia (MI) mezőgazdasági alkalmazásáról szóló szakmai workshop az AKI épületében. Az esemény az Innovációt és Digitalizációt Támogató Egység (ITE), a Magyarországi Precíziós Állattartásért Egyesület (MAPÁE) és a Magyar Precíziós Gazdálkodási Egyesület (MPGE) együttműködésében valósult meg. A rendezvény során világossá vált, hogy az MI sikeres bevezetése nem a modellezéssel kezdődik, hanem a megfelelő mennyiségű és minőségű adatok rendelkezésre állásával. A továbbiakban az előadások rövid összefoglalója olvasható.
Kránitz Lívia (ITE): A MI-trendek és -szabályozás az EU-ban
Az EU MI-re vonatkozó stratégiája az innováció ösztönzése és a biztonságos környezet megteremtése közötti egyensúlyra épül. Az új MI-rendelet végrehajtásáért az MI-hivatal felel, melynek működését tanácsadó fórumok, tudományos testületek és a tagállami képviselőkből álló MI-testület támogatja. Tagállami szinten a piacfelügyeleti hatóságok lesznek a fő koordináló szervek. A rendelet egyedülálló, kockázatalapú megközelítést alkalmaz. A kockázati szintekre különböző előírások lépnek érvénybe. Az innovációt egy átfogó csomag ösztönzi: az adatellátást közös adatterekkel, a feldolgozást szuperszámítógépekre épülő „MI-gyárakkal”, a finanszírozást pedig több száz millió eurós alapokkal biztosítják. A magyar fejlesztők munkáját a hazai MI-vel foglalkozó Európai Digitális Innovációs Központ (AI EDIH) szakértői és egy központi szabályozói tesztkörnyezet is segítik majd. Kránitz Lívia előadásában rámutatott, hogy a magas kockázatú MI-rendszerek agrárgazdasági megjelenése fokozott figyelmet igényel majd az agrár-szakigazgatás részéről.
Az előadás első és második része elérhető az MPGE Facebook-oldalán.
Maróti Miklós és Kóbor Marcell (AgroVIR): MI alkalmazása az AgroVIR szolgáltatásaiban
Az AgroVIR több fronton indította meg az MI-felzárkózást. Az ügyfelek digitális átállását egy chatbot segíti, amitől a gazdák szégyen nélkül mernek kérdezni az adatrögzítés során. A gépkezelők munkáját egy beszéd-szöveg átalakító modul segíti a napi munkálatok rögzítésében, egy másik modul pedig 10 percenként frissülő adatbázist készít a táblák meteorológiai adatairól. A terményár-előrejelző rendszer mindezek mellett 12 hónapos piaci trendbecslésre képes. A legnagyobb fejlesztésük azonban a 700 ezer hektárnyi adatállományra épülő digitális asszisztens, amely két fő funkciót lát el: riportokat készít és támogatást nyújt a saját üzleti adatok értelmezésében, valamint validált benchmarkingot végez a közösségi adatok alapján.
A bemutató itt tekinthető meg.
Fórián Tünde, KITE Zrt.: A KITE MI-használatáról (PGR)
A KITE PGR-rendszere egy olyan digitális ökoszisztéma, amely a szántóföldi gazdálkodás adatait 10 méteres felbontású térhálóba rendezi. A rendszer hátterét egy gigantikus méretű adatvagyon biztosítja, ami műholdfelvételekből, meteorológiai állomások méréseiből és precíziós gépadatokból épül fel. Ezen alapszik az MI-alapú országos termésbecslés, klímastresszbecslés, kártevő-monitoring és az automatizált zónalehatárolás. A KITE tapasztalatai szerint a siker egyik kritikus tényezője az adatminőség. Az adatok felvitelét megelőző szűrés és a modellek tanítása ugyanakkor jelentős erőforrásokat igényel, mivel az igazán hatékony MI-fejlesztéshez saját szerverpark kiépítésére és a belső szakértői csapat felkészítésére is szükség van.
Az előadás megtekintéséhez kattints ide.
Asztalos Gábor (Nemzeti Ménesbirtok és Tangazdaság Zrt.): Digitalizáció, adatmenedzsment és az MI-használat előkészítése a növénytermesztés és álltenyésztés vonalán bemutatva
Az előadás egyik fő tanulsága, hogy az MI-alapú hatékonyságnövelés kulcsa az adatok strukturálása és az agrárszakma, valamint az IT-fejlesztők közötti közös szakmai nyelv megteremtése. A ménesbirtoknál az állattenyésztési ágazatban több éven keresztül a takarmányfogyasztás optimalizálására fókuszáltak. 5G-képes kamerák és algoritmusok fejlesztésével pontos becsléseket készítettek a takarmányasztalon rendelkezésre álló mennyiségekről, ezáltal jelentősen mérsékelve a selejtet és a munkaerő-ráfordítást. Növénytermesztésben egy olyan integrált információs platformot fejlesztettek ki, ami ötvözi a munkagépek felhőalapú adatait, a drónos felméréseket, valamint a talajtani és pénzügyi mutatókat. A rendszer lehetővé teszi, hogy a döntéshozó egy területre kattintva egyszerre látja a technológiai paramétereket és a terület profitabilitását.
További részletekért kattints ide.
Csige Lilla (CAD+Inform Kft.): Üzem- és termékpálya szintű „digital twin” rendszerek az élelmiszer-termékpályákon
A brit Witness szoftverre épülő folyamatszimuláció célja egy digitális iker (digital twin) létrehozása. Ez a valóság számítógépes másolatát jelenti, ami például egy üzem esetében képes előrejelezni a jövőbeli eseményeket, gépmeghibásodásokat. A rendszer több ezer „forgatókönyv” vizsgálatával automatikusan keresi az optimumot, és jelzi a kockázatokat. Az elmúlt években egy takarmánykeverő teljes gyártási láncát tették átláthatóvá, míg egy vágóhíd modellje pontos előrejelzést adott a dolgozói kihasználtságról és a termelési terv várható befejezéséről. A szimulációval egy egész cégcsoport készleteinek és a profitabilitásának alakulása is nyomon követhető.
A teljes bemutató itt érhető el.
