Pflanzenkrankheiten per Foto: Was KI-Apps auf dem Feld leisten

Im Rebberg zeigen sich auf der Oberseite einiger Blätter gelbliche Ölflecken, auf der Unterseite ein weisser Belag. Ein erfahrener Winzer erkennt darin den Falschen Mehltau. Bei einem Schadbild, das auf dem Betrieb noch nie aufgetreten ist, kann eine Foto-App einen ersten Namen liefern. Sie vergleicht das Bild mit gespeicherten Schadbildern und schlägt eine Krankheit, einen Schädling oder einen Nährstoffmangel vor. Dasselbe Foto lässt sich auch einem Chatbot wie ChatGPT oder Gemini zeigen, der dazu Rückfragen beantwortet.

In Deutschland setzen nach einer Befragung des Bundeslandwirtschaftsministeriums vom Juni 2025 gut zwei Drittel der Betriebe Agrar-Apps ein. Aktuelle Zahlen zur Nutzung solcher Werkzeuge auf Schweizer Betrieben gibt es aktuell noch nicht. KI, also die Künstliche Intelligenz, nutzt dagegen erst jeder zwanzigste Betrieb, knapp jeder sechste plant den Einstieg.

Ein Foto, ein Vorschlag

Die Apps arbeiten mit einer Bilderkennung. Das Programm hat an Hunderttausenden Beispielbildern gelernt, wie Mehltau, Rost oder Blattflecken aussehen. Auf einem neuen Foto sucht es nach denselben Mustern, zum Beispiel nach vergilbten Blatträndern oder nach Flecken einer bestimmten Form und Farbe. Heraus kommt die wahrscheinlichste Ursache und dazu ein Wert, wie sicher sich das Programm ist. Unterhalb einer Mindestschwelle kann es auch «unsicher» antworten, statt sich auf eine Krankheit festzulegen.

Bei «Plantix», der App der PEAT GmbH aus Berlin, geht das Foto zur Auswertung an die Rechner des Anbieters. Dort vergleicht das Programm das Bild nach Angabe von Mitgründerin und Geschäftsführerin Simone Strey mit den gesammelten Daten und schickt einen Behandlungstipp zurück. Optimierte Programme laufen nach Angabe von Agrobit, Anbieter der Pflanzenschutz-App «iAgro», auch ohne Netz auf dem Telefon. «Plantix» braucht auf dem Feld Handyempfang, auf abgelegenen Parzellen lohnt sich deshalb vorab ein Test.

Welche Apps gibt es in der Schweiz?

Für die Foto-Diagnose steht «Plantix» im Google Play Store bereit, wo die Android-App über 10 Millionen Downloads zählt. Im Apple App-Store ist die App ebenfalls verfügbar. Nach Angabe von PEAT deckt sie 30 Hauptkulturen und über 780 Pflanzenschäden in 19 Sprachen ab. Die Diagnose ist kostenlos, dafür zeigt die App Werbung. Die Fotos nutzt PEAT auch für die eigene Erkennung, über 150 Millionen Feldfotos hat das Unternehmen gesammelt. Betriebe, welche die Lage ihrer Parzellen für sich behalten möchten, sollten die Standortfreigabe der App ausgeschaltet lassen.

Speziell für die Schweiz bietet Bayer den «Agrar Bestimmer CH» an, kostenlos auf Deutsch und Französisch, für Android und iPhone. Die App hilft beim Bestimmen von Schaderregern in Acker- und Sonderkulturen, darunter Getreide, Obstanlagen und Reben. Dazu gehören ein Verzeichnis «Krankheiten von A bis Z», eine Diagnosefunktion und ein Offlinemodus. Für die Behandlung verweist die App auf die zugelassenen Produkte von Bayer CropScience, eine Fotoerkennung nennt Bayer in der Beschreibung nicht. Unter den Apps und Webanwendungen von Agroscope findet sich keine Foto-Diagnose.

Chatbots als zweite Meinung

Chatbots wie «ChatGPT» von OpenAI, «Claude» von Anthropic oder «Gemini» von Google nehmen ebenfalls Fotos entgegen. Anders als eine Foto-App lassen sie sich befragen. Landwirtinnen und Landwirte können Angaben zu Sorte, Wetter und Spritzplan ergänzen und sich Symptome erklären lassen. Bei der Diagnose treffen Chatbots allerdings seltener als spezialisierte Programme. Hilfreich ist es im Eingabefeld die Anweisung «Agiere als erfahrener Landwirt in der Schweiz und als Experte für Pflanzenschutz» zu schreiben. Da kann die KI die weiteren Fragen besser zuordnen.

In einer Studie der University of California in Davis aus dem Frühjahr 2026 erreichten die besten Chatbots im Mittel rund 62 Prozent, wenn sie aus vier vorgegebenen Antworten wählen durften. Bei freien Fragen, wie sie auf dem Feld gestellt werden, kamen sie auf weniger als ein Viertel richtiger Antworten. Eine Untersuchung in der Fachzeitschrift «Frontiers in Plant Science» vom August 2026 bestätigt das Bild. GPT, ein Modell hinter «ChatGPT», erkannte auf 1’219 Bildern die Kultur in gut acht von zehn Fällen, die Krankheit aber nur in gut vier von zehn.

Eine Studie vom Dezember 2025 zeigt eine weitere Schwäche. Bei Fragen zum biologischen Pflanzenschutz erfand «ChatGPT» Nützlinge und Literaturangaben, die groben Trends zur Wirksamkeit gab der Chatbot richtig wieder. Schlägt ein Chatbot ein Mittel vor, sollten Landwirtinnen und Landwirte die Zulassung im Pflanzenschutzmittelverzeichnis des Bundesamts für Lebensmittelsicherheit und Veterinärwesen (BLV) prüfen. «Im Zweifelsfall gelten einzig die Originaldokumente der Zulassung», hält das BLV dort fest.

Auch die Datenschutzeinstellungen sollten Nutzerinnen und Nutzer prüfen. OpenAI nutzt Inhalte aus «ChatGPT» zum Training, solange User nicht widersprechen. Google speichert Fotos, die Nutzerinnen und Nutzer «Gemini» zeigen, bei eingeschalteter Aktivität standardmässig 18 Monate. In Deutschland entwickelt die Bayerische Landesanstalt für Landwirtschaft (LfL) bis Januar 2027 einen eigenen Agrar-Chatbot und klärt mit der Universität Passau die Haftungsfragen. In der Schweiz beantworten in den Chats der kostenlosen App des Strickhofs im Kanton Zürich Fachpersonen die Fragen der Nutzerinnen und Nutzer.

Auf dem Feld sinkt die Trefferquote

Halten die Apps, was sie versprechen? PEAT nennt für «Plantix» eine Trefferquote von rund 95 Prozent auf ausgewählten Testbildern. Auf echten Feldfotos stimmen nach Angabe des Unternehmens knapp drei von vier Diagnosen, gut jede vierte ist also falsch. Eine Übersicht über die Forschung in der Fachzeitschrift «Plant Methods» vom Oktober 2025 bestätigt die Lücke. Im Labor erkennen solche Programme fast alles richtig, im Feld noch sieben bis gut acht von zehn Fällen.

Laborbilder zeigen ein einzelnes Blatt vor einfarbigem Hintergrund, auf dem Feld kommen Schatten, Erde und Nachbarpflanzen ins Bild. Eine Studie in «Frontiers in Plant Science» vom Mai 2026 zeigt, wie gross der Abstand werden kann. Ein Programm, das mit Laborbildern trainiert ist, erkennt darauf nahezu jedes Bild richtig, auf Bildern unter Feldbedingungen nur noch knapp jedes dritte. Trotzdem gibt es sich im Mittel zu rund 80 Prozent sicher.

Am sichersten erkennen die Programme Krankheiten mit auffälligen Flecken oder Belägen, Agrobit nennt dafür Falschen und Echten Mehltau. Die Goldgelbe Vergilbung der Rebe und das Bakterium Xylella brauchen dagegen eine Bestätigung im Labor. Schwierig wird es, wenn Schadbilder einander ähneln, zum Beispiel bei Nährstoffmangel, Spritzschäden oder mehreren Erregern auf einem Blatt. Das alles ändert aber auch nichts daran, dass diese Möglichkeiten durchaus eine erste wichtige Information liefern, die im Nachgang geprüft und spezifiziert werden sollte.

Gut ausgebildeten Landwirtinnen und Landwirten bringt die App bei Krankheiten, die sie jedes Jahr sehen, wenig Neues. Nützlich wird sie bei einem Schadbild, das auf dem Betrieb zum ersten Mal auftritt, und als Nachschlagewerk. «Plantix» enthält dafür eine Bibliothek mit Angaben zu Krankheiten und Schädlingen.

Kameras spritzen einzelne Salatköpfe

Auf Schweizer Betrieben arbeitet Bilderkennung bereits im Pflanzenschutz gegen Krankheiten. Im Projekt «PFLOPF», kurz für Pflanzenschutzoptimierung mit Precision Farming, der Kantone Aargau, Thurgau und Zürich brachten zwei Gemüsebetriebe Fungizide und Insektizide mit kameragesteuertem Spotspraying aus. Die Kamera erkennt dabei die einzelne Salatpflanze, die Spritze trifft nur sie. Bei kleinen Salaten sparten die Betriebe nach der Auswertung von Agroscope aus dem Jahr 2026 rund 60 Prozent der Pflanzenschutzmittel gegenüber einer Bandbehandlung, bei mittelgrossen Köpfen 45 Prozent.

«Als grossen Vorteil beim Einsatz von Spotspraying sehen wir bei uns auf dem Betrieb ein Einsparpotenzial an Pflanzenschutzmitteln beim ersten Durchgang von 60 Prozent – bei der zweiten Überfahrt von 30 bis 40 Prozent», sagt Florian Schmelzer, Produktionsleiter der Max Schwarz AG in Villigen im Kanton Aargau. Bund und Kantone zahlen seit 2025 an den Kauf solcher Geräte mit.

Bei Prognosemodellen und Kamerafallen für Schädlinge im Gemüsebau fällt die Bilanz von Agroscope nüchterner aus. «Derzeit gibt es im Gemüsebau keine funktionierenden Prognosemodelle – die am Markt verfügbaren Kamerafallen bringen ebenfalls noch keinen Mehrwert, da die Kameras unscharfe Bilder liefern und die Erkennungsalgorithmen nicht funktionieren», steht im Schlussbericht des Projekts von 2026.

Gute Fotos, bessere Antworten

Ein verwackeltes Bild oder eine Aufnahme gegen die Sonne verschlechtert auch die Antwort eines guten Programms, denn Schärfe, Licht und Abstand zum Blatt bestimmen, was die Software erkennt. PlantMe, Anbieter einer Pflanzen-App, empfiehlt drei Aufnahmen. Zuerst kommt das befallene Blatt bildfüllend im hellen Tageslicht und ohne Blitz, danach je ein Bild der Blattober- und der Blattunterseite und zum Schluss die ganze Pflanze. Plantix bittet ausdrücklich um mehrere Bilder desselben Schadens.

Auch die kantonalen Pflanzenschutzdienste arbeiten mit Fotos. Beim Japankäfer verlangen Kantone wie St. Gallen, Luzern und Zürich zu jedem Verdacht ein Foto und den Fundort. «Ohne Foto können wir nicht mit Bestimmtheit beurteilen, ob es ein Japankäfer ist oder nicht», hält das Amt für Umwelt des Kantons St. Gallen fest. Notieren Landwirtinnen und Landwirte zu einem Pflanzenschaden zusätzlich Parzelle, Sorte und Datum, lässt sich der Verdacht später mit der Beratung abklären.

Prognose vor Diagnose

Die Foto-Apps reagieren auf einen Schaden, der schon sichtbar ist, die Prognosewerkzeuge von Agroscope setzen dagegen früher an. Die kostenlose Plattform «Agrometeo» rechnet mit Messwerten von über 150 Wetterstationen in den Parzellen und schätzt daraus das Risiko für Pilzinfektionen und Schädlingsbefall. Modelle gibt es für Apfelschorf, Feuerbrand und Traubenwickler sowie für Falschen und Echten Mehltau der Rebe. Seit August 2026 zeigt «Agrometeo» im Modell gegen Echten Mehltau zusätzlich an, bis zu welchem Datum eine Behandlung noch wirkt.

Für den Kartoffelbau bietet Agroscope «PhytoPRE» gegen die Krautfäule an, auch als Web-App für das Smartphone. Im Weizen schätzt «FusaProg» das Risiko für Fusarium und für das Pilzgift DON. Im Obst- und Rebbau nutzen Betriebe solche Prognosesysteme schon länger. «Die Nutzung im Acker- und Gemüsebau ist nicht weit verbreitet und erfordert eine intensive Beratung», lautet die Bilanz von Annett Latsch, Alexander Zorn und Thomas Anken von Agroscope nach dem Projekt mit rund 60 Praxisbetrieben.

Im Zweifel zur Fachstelle

Quarantäneorganismen, also Erreger, die in der Schweiz fehlen oder nur an wenigen Orten vorkommen, müssen Betriebe melden und bekämpfen. Der Feuerbrand richtet seit drei Jahrzehnten im Schweizer Obstbau grosse Schäden an und ist heute weit verbreitet, beim Kernobst regelt ihn das Bundesamt für Landwirtschaft (BLW) weiterhin. Bei einem Verdacht rät das Landwirtschaftliche Zentrum Liebegg im Aargau, die Pflanze nicht zu berühren und die feuerbrandverantwortliche Person der Gemeinde zu benachrichtigen. Bei unbekannten Schaderregern bittet Agroscope, sich an den kantonalen Pflanzenschutzdienst zu wenden, der für die Bestimmung Agroscope beizieht.

Vor einer Behandlung lohnt sich eine Prüfung. Passt das Schadbild zur Kultur, zum Wetter der letzten Tage und zur Prognose von «Agrometeo»? Stimmt die Diagnose mit den Merkblättern der Beratung überein? Unter den vorgestellten Werkzeugen bietet Plantix eine Foto-Diagnose, Chatbots helfen beim Nachfragen und Einordnen, der «Agrar Bestimmer CH» dient zum Nachschlagen, für die Vorhersage stehen «Agrometeo», «PhytoPRE» und «FusaProg» bereit.

An der Hochschule für Agrar-, Forst- und Lebensmittelwissenschaften (HAFL) der Berner Fachhochschule erkennt ein Prototyp mit Kamera und Bilderkennung Unkraut zwischen den Kulturpflanzen und behandelt es mit Strom. Langfristig soll das System auch Pflanzenkrankheiten diagnostizieren. «Derzeit ist unser Prototyp nur für kleinere Demonstrationsflächen geeignet», sagt Martin Bauer, wissenschaftlicher Mitarbeiter an der HAFL.