Umweltauswirkungen von Pflanzenschutzmitteln bewerten

Der Druck auf die Landwirtschaft, ihren ökologischen Fußabdruck zu verringern, wächst. Pflanzenschutzmittel spielen eine Schlüsselrolle beim Schutz von Kulturen vor Schädlingen und Krankheiten und stehen gleichzeitig in der Kritik – wegen möglicher Auswirkungen auf Nichtzielorganismen und die Umwelt.

Zwischen dieser Kritik und einer Verbesserung liegt eine Messgröße. Solange Umweltauswirkungen nicht vergleichbar beziffert werden können, lässt sich weder eine Anwendung gegen eine andere abwägen noch eine Reduktion nachweisen. Genau diese Bezifferung war die Aufgabe.

Kern des Projekts war die Entwicklung einer flexiblen Infrastruktur, die Umweltauswirkungen anhand anerkannter wissenschaftlicher Modelle bewertet. Entscheidend dabei: Diese Modelle beruhen auf einem breiten wissenschaftlichen Konsens – nur so hält eine Bewertung stand, wenn Dritte sie prüfen.

Die Infrastruktur sollte skalierbar, flexibel und leicht in bestehende Systeme integrierbar sein, um verschiedene Datensätze und Anwendungsfälle effizient zu verarbeiten. Daneben stand ein zweites Ziel, das über die Technik hinausging: einen bewussteren Umgang mit diesen Produkten zu fördern und das Bewusstsein für ihre ökologischen Auswirkungen zu stärken.

Zwei Quellen speisen die Bewertung. Anwendungsdaten von Pflanzenschutzmitteln halten den Einsatz unter unterschiedlichen Bedingungen fest – die Grundlage jeder Modellierung von Umweltauswirkungen, weil dieselbe Substanz je nach Anwendung unterschiedlich wirkt.

Hinzu kommen Datensätze zur guten landwirtschaftlichen Praxis (Good Agricultural Practices), die bewährte Anbauverfahren abbilden und dazu beitragen, verantwortungsvolle Nutzung zu fördern.

Ein Rechner, den Nicht-Fachleute verstehen. Der Rechner für Umweltauswirkungen musste verschiedene Anwendungsszenarien abdecken und Ergebnisse liefern, die auch ohne Fachhintergrund interpretierbar sind. Transparenz und leichte Interpretierbarkeit standen dabei über Detailtiefe – ein Wert, den niemand einordnen kann, verändert kein Verhalten.

Datenqualität und Integration. Anwendungsdaten und GAP-Daten mussten konsistent und in hoher Qualität aufbereitet werden, bevor überhaupt gerechnet werden konnte.

Skalierbarkeit ohne Leistungsverlust. Die Infrastruktur musste große und komplexe Datensätze bewältigen, ohne dass die Antwortzeiten einbrechen – Voraussetzung dafür, dass der Rechner in einer interaktiven Anwendung nutzbar ist.

Datenverarbeitung in Python. Komplexe Datensätze wurden mit Python und Bibliotheken wie Pandas und NumPy verarbeitet und analysierbar gemacht.

Modulare ETL-Architektur. Eine skalierbare, modular aufgebaute ETL-Architektur führt Daten aus unterschiedlichen Quellen zusammen – und macht es möglich, weitere Quellen zu ergänzen, ohne die bestehende Verarbeitung umzubauen.

Wissenschaftliche Modelle statt eigener Heuristik. Wir haben anerkannte wissenschaftliche Methoden eingesetzt und mit Fachexperten zusammengearbeitet. Bei einer Bewertung, die öffentlich zitiert und von Dritten geprüft wird, ist die Herkunft des Modells genauso wichtig wie seine Genauigkeit.

Die entwickelte Infrastruktur erkennt Datenfehler, behebt sie und erstellt Qualitätsberichte. Damit ist die Zuverlässigkeit der Bewertungen nachweisbar und nicht nur behauptet.

Darauf setzt ein flexibles Werkzeug auf, das die Umweltauswirkungen von Pflanzenschutzmitteln anhand wissenschaftlicher Modelle bewertet, unter anderem von der Technischen Universität Dänemark. Es ist eigenständig nutzbar und lässt sich in andere Anwendungen wie ResiYou integrieren.

In Zusammenarbeit mit der DTU ist außerdem eine Alpha-Version eines öffentlich zugänglichen Rechners entstanden. Nutzer können damit Umweltauswirkungen vergleichen und fundierte Entscheidungen treffen – die Bewertung verlässt damit den internen Rahmen und wird überprüfbar.

Der Aufbau – wissenschaftlich fundierte Modelle in eine skalierbare Infrastruktur überführen, Datenqualität automatisiert sichern und das Ergebnis für Nicht-Fachleute interpretierbar machen – trägt überall dort, wo eine regulatorisch oder öffentlich relevante Kennzahl berechnet wird. Die Anforderung ist dort immer dieselbe: nachvollziehbare Herkunft des Modells, prüfbare Datenqualität, verständliche Ausgabe.

Das Projekt läuft weiter. Die naheliegenden nächsten Schritte: den öffentlichen Rechner von der Alpha-Version in einen stabilen Betrieb überführen, die Integration in ResiYou so ausbauen, dass die Einhaltung der Rückstandshöchstgehalte und die Umweltauswirkungen in einer Entscheidung sichtbar werden, und weitere Datenquellen über die bestehende ETL-Architektur anbinden.