Mohr, F., Koß, A., Dartmann, G., Schwinn, M., Scheffler, J., Multhaupt, S. (2026): Plattform für Werkzeuge der Künstlichen Intelligenz zur Stärkung der Innovationskraft in ländliche Regionen und Schaffung eines Reallabors für Künstliche Intelligenz – KI-Pilot. Hannover: Technische Informationsbibliothek.
Fragestellung
Wie lässt sich die Innovationskraft ländlicher Regionen durch den gezielten Einsatz von Künstlicher Intelligenz stärken, auch dort, wo schnelle Internetverbindungen fehlen? Diese Frage stand im Zentrum des Vorhabens KI-Pilot am Umwelt-Campus Birkenfeld (Hochschule Trier). Es wurde vom Bundesministerium für Ernährung und Landwirtschaft gefördert und lief von Dezember 2020 bis Dezember 2025. Wir waren als Verwertungspartner in der Aufstockungsphase 2024/2025 beteiligt, die Projektverantwortung auf unserer Seite lag bei Stephan Multhaupt.
Zentrale Ergebnisse
- Drei digitale Plattformen für Daten, Weiterbildung und Matching, alle Open Source.
- Matching-Plattform V2 mit konversationalem LLM-Agenten. In der Evaluation mit 260 realitätsnahen Anfragen erreichte das Modell Qwen3 8B eine Entscheidungsgenauigkeit von 98 % und eine Funktionsaufrufgenauigkeit von 90 %, bei 1,6 bis 1,9 Joule pro Token und unter 7 GB Speicherbedarf. Damit ist der Betrieb auf kostengünstiger Edge-Hardware möglich.
- EdgeAI-Platine (KI.Octopus) aus Model-Node (Raspberry Pi 4) und Sensing-Node (ESP8266), die KI lokal und energieeffizient ausführt. Hardware und Software sind Open Source.
- KI-Reallabor mit über zehn Demonstratoren, darunter eine schallbasierte Füllstandserkennung, die publiziert und zum Patent angemeldet wurde (EP4628854A1).
- Startup-Labor mit Integration in die Lehre. Ein strukturiertes Mentoring-Programm blieb hinter den Erwartungen zurück, individuelle Beratung erwies sich als wirksamer.
Relevanz für Praxis und Mittelstand
Lokale KI-Verarbeitung macht Anwendungen unabhängiger von der Cloud und von Bandbreite. Das ist relevant für kleine und mittlere Unternehmen, für Smart Farming und für Datenschutzanforderungen. Die Open-Source-Werkzeuge senken die Einstiegshürde, die Matching-Plattform verbessert den Zugang von KMU zu qualifizierten Entwickler:innen. Der Bericht hält auch Lessons Learned fest: großzügigere Zeitplanung für die Algorithmenentwicklung, frühe Sicherung von Hardware-Lieferketten und frühere Einbindung externer Nutzer.
Wir wollen die Werkzeuge zum Matching und zur Weiterbildung weiterentwickeln und in gemeinwohlorientierte Projekte überführen. Das passt zu unserer Academy und zu unserem Knowledge Transfer.
