USDA setzt bei Anbau- und Ernteschätzungen auf Satelliten und KI

Das US-Landwirtschaftsministerium USDA will seine viel beachteten Schätzungen zu Anbauflächen und Erträgen modernisieren. Ein neues Pilotprojekt soll prüfen, ob Satellitenbilder, Geodatenanalyse, Pflanzenmodelle und künstliche Intelligenz die Daten schneller und genauer machen können – ohne die Angaben der Landwirte einfach zu ersetzen. Zugleich verspricht die Behörde weniger Aufwand bei Befragungen. Landwirtschaftsministerin Brooke Rollins stellte den Plan am 1. September 2026 auf der Farm Progress Show in Boone im Bundesstaat Iowa vor. 12

Satellitenbilder als Ergänzung zu Betriebsangaben

Im Zentrum des Piloten steht die Frage, wie sich verbesserte Satellitenaufnahmen für die Schätzung von Anbauflächen und Erträgen nutzen lassen. Das USDA arbeitet dabei nach eigenen Angaben mit der US-Raumfahrtbehörde NASA und weiteren Bundesbehörden zusammen. Kombiniert werden sollen die Bilder mit Geoinformationswerkzeugen, Pflanzenmodellen und Umfragedaten von landwirtschaftlichen Betrieben. Auch Anwendungen von künstlicher Intelligenz und maschinellem Lernen will das Ministerium untersuchen. 1214

Entscheidend ist: Es geht um einen kombinierten Ansatz. Daten aus Satelliten und Modellen sollen die freiwillig bereitgestellten Angaben der Erzeuger ergänzen, nicht bloß ersetzen. Das Ziel sind belastbarere Angaben dazu, welche Kulturen angebaut wurden und wie sich die Bestände entwickeln. 114

Weniger doppelte Angaben für Landwirte

Der umfassendere Datenmodernisierungsplan betrifft nicht nur Fernerkundung. Das USDA kündigte auch Änderungen bei der Datenerhebung und -verarbeitung an:

• besserer mobiler Zugang zu Umfragen;
• ein stärkerer Einsatz von Verwaltungsdaten und sicherer Datenaustausch innerhalb des USDA;
• die Prüfung vorausgefüllter Angaben, wenn Informationen dem Ministerium bereits vorliegen;
• klarere Erläuterungen, weshalb Daten angefragt werden und wie sie verwendet werden. 114

Damit sollen doppelte Abfragen sinken und die freiwillige Teilnahme an Erhebungen einfacher werden. Diese bleibt für die Agrarstatistik des Ministeriums ein wichtiger Baustein. 1

Warum die Verlässlichkeit der Daten im Fokus steht

Die Ankündigung kommt nach Kritik von Landwirten, Getreidehändlern und Ökonomen an der Zuverlässigkeit der USDA-Schätzungen. Reuters berichtete, dass Personalabbau, langjährige Erhebungsmethoden und ungewöhnlich starke Korrekturen bei den Maisanbauflächen für 2025 die Debatte verschärft hatten. 2

Die Folgen fehlerhafter oder überraschend revidierter Zahlen können weitreichend sein: USDA-Ernteberichte werden an den Agrarmärkten genau verfolgt, können die Erlöse der Erzeuger beeinflussen und spielen bei Entscheidungen rund um staatliche Agrarprogramme eine Rolle. Nach den endgültigen USDA-Schätzungen im Januar fielen die Getreidepreise laut Reuters um mehr als 5 Prozent – zusätzlicher Druck für Betriebe mit ohnehin schwachen Erträgen. 2

Der Modernisierungsplan ist deshalb auch ein Vertrauensprojekt. Rollins betonte, die USDA-Daten seien auf das Vertrauen und die freiwillige Mitwirkung der Erzeuger angewiesen. Vor der Ankündigung hatte das Ministerium bei Gesprächsrunden auf Messen und Landwirtschaftsausstellungen Rückmeldungen zur Modernisierung eingeholt. 12

Zeitplan bleibt weitgehend offen

Welche Instrumente getestet werden sollen, hat das USDA benannt. Einen detaillierten Zeitplan für die Umsetzung gibt es jedoch noch nicht. Scott Hutchins, Staatssekretär für Forschung, Bildung und Wirtschaft im USDA, sagte Reuters zufolge, bis zum Ende der Amtszeit der Trump-Regierung sollten Ergebnisse vorliegen. 2

Ob das Pilotprojekt die Agrarberichterstattung tatsächlich verbessert, wird sich an transparenten Methoden, einer sorgfältigen Überprüfung anhand von Umfrage- und Daten vom Boden sowie am Schutz vertraulicher Betriebsdaten messen lassen. Das USDA hat angekündigt, die Methoden zu bewerten und die zugrunde liegende Methodik zu veröffentlichen. 1

Fazit

Das USDA erprobt ein moderneres System für Agrarstatistiken: Satellitenbilder, Geodatenanalyse, Pflanzenmodelle und Angaben von Landwirten sollen zusammengeführt werden; KI und maschinelles Lernen könnten die Auswertung unterstützen. Der Erfolg wird nicht daran gemessen werden, wie viel Technik eingesetzt wird, sondern daran, ob die Schätzungen nachweislich verlässlicher, schneller und für Landwirte wie Märkte glaubwürdiger werden. 12