Erklärbare KI für smarte Gewächshäuser: Temporal Fusion Transformer im IoRT
Die Integration des Internet der Robotischen Dinge (IoRT) in moderne Gewächshäuser hat die Präzisionslandwirtschaft revolutioniert, indem sie eine effiziente und autonome Umweltsteuerung ermöglicht. Doch bisherige Zeitreihen-Vorhersagemodelle arbeiten oft als Black Box, was Vertrauen, Transparenz und regulatorische Konformität gefährdet.
In dieser Studie wird der Temporal Fusion Transformer (TFT) eingesetzt, um Aktuatoren automatisch zu steuern und gleichzeitig die Entscheidungsfindung nachvollziehbar zu machen. Durch die Kombination von modellinternen Interpretationen, LIME (lokale, interpretierbare, modellagnostische Erklärungen) und SHAP (SHapley additive Erklärungen) erhält man sowohl lokale als auch globale Einsichten in die Modellentscheidungen.
Die Analyse zeigt, wie Sensorwerte wie Temperatur, Luftfeuchtigkeit, CO₂‑Spiegel, Lichtintensität und Außentemperatur die Aktuatorsteuerung beeinflussen. Das trainierte TFT-Modell erreichte eine Testgenauigkeit von 95 % bei einem unausgeglichenen Datensatz für Aktuatorsteuerungen. Die Ergebnisse verdeutlichen die unterschiedliche Gewichtung der Sensoren in Echtzeit‑Anpassungen, fördern Transparenz und ermöglichen ein adaptives Feintuning für höhere Erträge und Ressourceneffizienz.