Sachsen-Leinen e.V.

Background

Natürliche Faserrohstoffe wie Hanf unterliegen starken standort- und jahresabhängigen Schwankungen in Qualität und Ertrag. Während solche Inhomogenitäten bei vielen biogenen Produkten tolerierbar sind, führen sie bei Naturfasern zu erheblichen Wertschöpfungsverlusten, insbesondere bei der Herstellung technischer Hochleistungs-Textilien. Bestehende Qualitätssicherungsverfahren sind überwiegend stichprobenbasiert und erfassen komplexe Prozesszusammenhänge entlang der landwirtschaftlich-industriellen Wertschöpfungskette nicht ausreichend. Gleichzeitig bieten Digitalisierung, Automatisierung und KI neue Möglichkeiten, diese natürlichen Variabilitäten systematisch zu erfassen und gezielt auszugleichen – bislang jedoch kaum im Bereich biogener Faserrohstoffe genutzt.

Bedarf

Landwirtschaftliche Betriebe stehen unter zunehmendem wirtschaftlichem Druck und verfügen über wenig unternehmerischen Gestaltungsspielraum. Hochwertige Naturfaserprodukte mit Alleinstellungsmerkmalen bieten die Chance, sich von der Massenproduktion abzuheben, erfordern jedoch stabile, reproduzierbare Qualitäten. Derzeit fehlen praxistaugliche digitale Systeme, die agronomische, klimatische und verarbeitungstechnische Daten entlang der gesamten Produktionskette erfassen, korrelieren und für eine gezielte Qualitätssteuerung nutzbar machen. Insbesondere an der Schnittstelle zwischen Landwirtschaft und industrieller Weiterverarbeitung besteht ein erheblicher Entwicklungsbedarf.

Idee

Das Projekt hempDATA verfolgt den Ansatz, natürliche Inhomogenitäten im Hanfanbau und in der Fasergewinnung durch ein digitales Monitoring- und Qualitätssicherungssystem beherrschbar zu machen. Durch die systematische Erfassung agronomischer und technischer Prozessdaten und deren intelligente Verknüpfung sollen Qualität und Ertrag von Hanffasern gezielt verbessert werden. Die gewonnenen Daten sollen nicht isoliert betrachtet, sondern aktiv genutzt werden, um nachgelagerte Prozessschritte anzupassen und so eine durchgängige, datenbasierte Prozessoptimierung zu ermöglichen.

Lösung

Im Rahmen einer Machbarkeitsstudie wird ein digitales, lernfähiges Qualitätssicherungssystem konzipiert, das landwirtschaftliche Produktionsdaten mit Parametern der Faseraufbereitung verknüpft. Ziel ist der Nachweis, dass durch datenbasierte Prozessführung sowohl vorbeugende als auch korrigierende Maßnahmen zur Qualitätsstabilisierung möglich sind. Das Vorhaben schafft damit die Grundlage für neue Geschäftsmodelle in der Landwirtschaft, fördert Smart Farming und das digitale Diversitätsmanagement und stärkt regionale Wertschöpfungsketten innerhalb von LAND.VISION – vom Hanfanbau bis zu hochwertigen technischen Halbzeugen.

Methodik

Die Machbarkeitsstudie kombiniert Literaturrecherche, konzeptionelle Systementwicklung und einen einjährigen praktischen Anbauversuch. Dabei werden agronomische, geologische und klimatische Daten erhoben (u. a. mittels Drohnen, Sensorik und dezentraler Wetterstationen) und mit Prozessparametern der Fasergewinnung korreliert. Open-Source-GIS-Systeme und KI-gestützte Auswertungsmethoden werden auf ihre Eignung geprüft, um relevante Einflussfaktoren zu identifizieren und erste Vorhersagemodelle zu entwickeln. Ziel ist es, den Umfang, die Struktur und die technische Umsetzbarkeit eines lernenden Qualitätssicherungssystems belastbar zu definieren.

Erwartete Ergebnisse

Das Projekt liefert erstmals einen belastbaren Nachweis zur Machbarkeit einer prozessübergreifenden, datenbasierten Qualitätssteuerung in der Hanffaserproduktion. Es schafft die Grundlage für ein anschließendes F&E-Umsetzungsprojekt und ermöglicht den Einstieg in hochpreisige Märkte für Naturfasern mit Preisen von 7–10 €/kg. Durch die regionale Weiterverarbeitung zu technischen Halbzeugen verbleibt die Wertschöpfung in der LAND.VISION-Region. Gleichzeitig werden Natur- und Klimaschutz gestärkt, neue Kooperationsmodelle zwischen Landwirtschaft und Industrie etabliert und die Wettbewerbsfähigkeit regionaler Agrarbetriebe nachhaltig erhöht.