Das Projekt DigiVine schafft ein interdisziplinäres Experimentierfeld zur Digitalisierung im Weinbau und erprobt digitale Lösungen als Wertschöpfungsinstrumente von der Pflanzung bis zur Traubenanlieferung; Ziel ist es, passgenaue Dienstleistungen, Handlungsempfehlungen und praxisnahe Anwendungen für Winzerinnen und Winzer zu entwickeln, die Arbeits‑ und Ressourceneffizienz erhöhen sowie die Qualität und Rechtssicherheit in der Traubenproduktion verbessern.
Julius‑Kühn‑Institut, Institut für Rebenzüchtung Geilweilerhof: Projektkoordination und Praxisnähe; Leadfarm‑Implementierungen und Versuchsstationen
Fraunhofer‑Institut für Optronik, Systemtechnik und Bildauswertung (IOSB): Optische Sensorsysteme und Bildauswertung; NIR‑Spektroskopie und KI‑Objekterkennung wurden erprobt
RPTU Kaiserslautern‑Landau, Fachbereich Informatik: Datenhaltung, Schnittstellenbeschreibungen und webbasierte Anwendungen; Entwicklung offener, erweiterbarer Datenlösungen
End‑to‑End Digitalisierung Weinbau: Integration und Vernetzung heterogener Datenquellen aus Weinberg und Produktionskette zur Unterstützung von Entscheidungen entlang der Wertschöpfungskette
Use Cases und Leadfarms: Entwicklung und Erprobung von neun konkreten Anwendungsfällen inklusive Leadfarm‑Implementierungen zur Abbildung unterschiedlicher Erzeugerstrukturen (Weingüter, Genossenschaften, Traubenproduzenten)
Sensorsysteme und Optische Verfahren: Entwicklung und Erprobung optischer Sensorsysteme (NIR‑Spektroskopie, KI‑basierte Objekterkennung) zur Krankheits‑, Reife‑ und Qualitätsmessung sowie zur Entscheidungsunterstützung bei Erntezeitpunkt und Qualitätsbewertung
Präzisionsapplikation Pflanzenschutz: Entwicklung und Test einer Lückenschaltungstechnologie für Pflanzenschutzsprühtechnik zur reduzierten Wirkstoffausbringung und webbasierte Tools zur Abschätzung von Umweltrisiken bei Pflanzenschutzmaßnahmen
Datenhaltung und Schnittstellen: Aufbau einer quelloffenen, erweiterbaren Datenhaltungsarchitektur und Definition interoperabler Schnittstellen für den Weinbau zur Förderung von Transparenz und Nachvollziehbarkeit
Handlungsempfehlungen und Praxisbereitstellung: Erstellung praxisorientierter Anwendungen, Leitfäden und Demonstratoren, um Winzer beim Einstieg in die Digitalisierung zu unterstützen und neue Dienstleistungen marktfähig zu machen
Gauweiler P, Zheng X, Cornehl L, Kicherer A, Gruna R (2025). Optimizing Near-Infrared Spectroscopy for On-line Grape Must Quality Assessment: Addressing the Impact of Suspended Solids. Proceedings of the 7th International Conference On Optical Characterization of Materials 143-154. DOI: 10.5445/KSP/1000178356.
Stutz A, Strassemeyer J, Pohl JP, Braum F, Trapp O, Kicherer A (2024). Ressourcen schonen durch KI im Weinbau – geht das?. Regenerative Zukünfte und künstliche Intelligenz. Wiesbaden, 229-241. Doi: 10.1007/978-3-658-43586-8_19
Cornehl L, Gauweiler P, Zheng X, Krause J, Schwander F, Töpfer R, Gruna R, Kicherer A (2024). Non-destructive quantification of key quality characteristics in individual grapevine berries using near-infrared spectroscopy. Frontiers in Plant Science 15, 1386951. DOI: doi.org/10.3389/fpls.2024.1386951.
Cornehl L, Krause J, Zheng X, Gauweiler P, Schwander F, Töpfer R, Gruna R, Kicherer A (2023). Determination of sugars and acids in grape must using miniaturized near-infrared spectroscopy. Sensors 23 (11), 5287. DOI: doi.org/10.3390/s23115287.
Krause J, Grüger H, Gebauer L, Zheng X, Knobbe J, Pügner T, Kicherer, A, Gruna R, Längle T, Beyerer J (2021). SmartSpectrometer—Embedded Optical Spectroscopy for Applications in Agriculture and Industry. Sensors 2021, 21, 4476. DOI: doi.org/10.3390/s21134476.
Zheng X, Krause J, Fischer B, Gruna R, Töpfer R, Kicherer A (2021). Phenoliner2. 0: RGB and near-infrared (NIR) image acquisition for an efficient phenotyping in grapevine research. Proceedings of the 5th International Conference On Optical Characterization of Materials 57-67. DOI: 10.5445/KSP/1000128686.
Gebauer L, Krause J, Zheng X, Kronenwelt F, Gruna R, Töpfer R, Kicherer A (2021). Developing a handheld NIR sensor for the detection of ripening in grapevine. Proceedings of the 5th International Conference On Optical Characterization of Materials 57-67. DOI: 10.5445/KSP/1000128686 .
