Generative AI and Agricultural Productivity: Evidence from Peanut Farmers in China

In vielen Teilen der Welt ist die Landwirtschaft ein ständiges Aushandeln mit der Ungewissheit. Ein Landwirt muss entscheiden, wann er sät, wie viel Wasser er gibt und was zu tun ist, wenn ein Blatt gelb wird – oft ohne Zugang zu einem Experten, der direkt neben ihm steht. Jahrzehntelang bestand die Lösung darin, sich auf lokale Erfahrung, Nachbarn oder staatliche Beratungsmitarbeiter zu verlassen, die von Dorf zu Dorf reisen. Diese Kanäle liefern lebenswichtige Kenntnisse, sind jedoch oft langsam, teuer in der Skalierung oder zu allgemein, um den spezifischen Bedingungen eines einzelnen Feldes gerecht zu werden. In den letzten Jahren haben Mobiltelefone und das Internet begonnen, diese Lücke zu schließen, indem sie den sofortigen Zugriff auf Wetterberichte und Marktpreise ermöglichen. Doch eine neue Frage ist aufgetaucht: Kann künstliche Intelligenz mehr leisten als nur das Liefern statischer Fakten? Kann ein Computerprogramm tatsächlich mit einem Landwirt konversieren, das einzigartige Problem einer spezifischen Nutzpflanze verstehen und Ratschläge geben, die sich anfühlen, als kämen sie von einem erfahrenen Experten? Dies ist das Versprechen der generativen künstlichen Intelligenz – einer Technologie, die in der Lage ist, neue, maßgeschneiderte Antworten zu erstellen, anstatt lediglich vorgefertigte Antworten abzurufen. Wenn diese Technologie die Hürde für Expertenrat wirklich senken kann, könnte sie die Art und Weise, wie Kleinbauern ihr Land bewirtschaften, transformieren und die Ungewissheit potenziell in Chancen verwandeln.

Ein Forschungsteam der Nanjing Agricultural University setzte sich zum Ziel, dieses Versprechen in der realen Welt zu testen, wobei der Fokus auf Erdnuffbauern in sechs Provinzen Chinas lag. Sie sammelten Daten von 977 Haushalten im Jahr 2025, einem Jahr, das einen bedeutenden Moment für diese Technologie in der Landwirtschaft markierte. Die Forscher wollten wissen, ob die Nutzung generativer KI-Tools – Anwendungen, die mit Nutzern chatten und Ratschläge generieren können – tatsächlich veränderte, wie viel Land die Landwirte pflanzten, wie viel sie ernteten und wie effizient sie ihre Ressourcen nutzten. Um eine klare Antwort zu erhalten, mussten sie vorsichtig sein. Landwirte, die sich für neue Technologien entscheiden, unterscheiden sich oft von denen, die es nicht tun; sie sind vielleicht gebildeter, besitzen besseres Land oder sind schlichtweg eher bereit, Risiken einzugehen. Die Forscher verwendeten eine ausgeklügelte statistische Methode, um den Effekt der Technologie selbst von diesen anderen Faktoren zu trennen und sicherzustellen, dass alle gefundenen Verbesserungen tatsächlich mit der Nutzung der KI verknüpft waren.

Die Ergebnisse waren ermutigend, aber spezifisch. Landwirte, die generative KI für ihre Erdnussernten nutzten, pflanzten signifikant mehr Land und erzielten einen höheren Ertrag pro Flächeneinheit im Vergleich zu jenen, die dies nicht taten. Im Durchschnitt sahen die Nutzer einen Anstieg ihres Erdnussertrags und fühlten sich zuversichtlich genug, um ihre Anbaufläche zu erweitern. Die Technologie schien jedoch nicht die grundlegende Effizienz des gesamten landwirtschaftlichen Betriebs in einem breiteren Sinne zu verändern. Als die Forscher die totale Faktorproduktivität berechneten – ein Maß dafür, wie gut ein landwirtschaftlicher Betrieb alle seine Inputs, wie Arbeit und Düngemittel, in Output umwandelt – fanden sie keinen signifikanten Unterschied zwischen Nutzern und Nicht-Nutzern. Dies deutet darauf hin, dass die KI den Landwirten zwar half, bessere unmittelbare Entscheidungen zu treffen, aber noch nicht das gesamte Produktionssystem revolutioniert oder die zugrunde liegende Technologie des Erdnussanbaus verändert hat.

Die Studie ging tiefer, um zu verstehen, warum diese Gewinne entstanden. Der primäre Nutzen schien aus einem besseren Management von Schädlingen und Krankheiten zu resultieren. Landwirte, die die KI nutzten, konnten Probleme in ihren Kulturen viel schneller und genauer identifizieren. Anstatt darauf zu warten, dass ein Nachbar eine Fäulnis bemerkt oder darüber zu rätseln, was die Ursache für welkende Blätter ist, konnten sie die KI konsultieren, die ihnen half, das Problem zu diagnostizieren und die richtige Behandlung früher anzuwenden. Diese Geschwindigkeit und Präzision reduzierten den Verlust an Ernte durch Krankheiten. Zusätzlich half die Technologie den Landwirten, ihre Arbeitskraft effizienter einzusetzen. Indem die KI die geistige Arbeit bei der Informationssuche und der Aufgabenplanung übernahm, wurde den Landwirten Zeit geschenkt, sich auf die physische Arbeit auf dem Feld zu konzentrieren. Die Studie fand heraus, dass diese Verbesserungen auf den Bereich der Schädlingsbekämpfung konzentriert waren; die KI veränderte nicht signifikant, wie Landwirte neue Saatgutsorten, neue Düngemittel oder neue Erntemaschinen einsetzten. Die Technologie erwies sich als am nützlichsten für die täglichen, wiederkehrenden Entscheidungen, die schnelle, lokalisierte Antworten erfordern.

Nicht jeder Landwirt profitierte auf die gleiche Weise. Die Studie zeigte, dass die Vorteile der generativen KI nicht automatisch eintraten; sie hingen stark von den eigenen Fähigkeiten und den Umständen des Landwfters ab. Die Ertragsgewinne waren am ausgeprägtesten bei Landwirten, die bereits über eine höhere digitale Kompetenz verfügten, was bedeutet, dass sie sich im Umgang mit Smartphones und digitalen Werkzeugen sicher fühlten. Es half auch jenen, die zuvor an technischen Schulungen teilgenommen oder Wissen mit anderen Landwirten ausgetauscht hatten. Diese Gruppen waren besser in der Lage, die richtigen Fragen zu stellen und den Rat der KI in Taten umzusetzen. Darüber hinaus waren die Vorteile bei Landwirten mit größeren, weniger fragmentierten Grundstücken deutlicher. Für Landwirte mit vielen kleinen, verstreuten Landstücken produzierte die Technologie nicht denselben Ertragszuwachs, was darauf hindeutet, dass der Maßstab des Betriebs eine Rolle spielt, wenn man versucht, bessere Informationen in bessere Ergebnisse zu übersetzen.

Jenseits der Felder betrachteten die Forscher die wirtschaftlichen Auswirkungen auf die Haushalte. Der erhöhte Ertrag und die größeren Anbauflächen schlugen sich direkt in einem höheren Einkommen für die Familien nieder, die die Technologie nutzten. Interessanterweise schien die KI nicht zu verändern, wie viel Landwirte für Düngemittel oder Pestizide ausgaben, noch änderte sie den Preis, zu dem sie ihre Erdnüsse verkauften. Der Wert kam rein daraus, mehr anzubauen und weniger durch Krankheiten zu verlieren. Mit Blick auf die Zukunft äußerten die Landwirte, die die KI nutzten, den starken Wunsch, sie weiterhin zu verwenden, insbesondere für Aufgaben, die häufig vorkommen, wie die Auswahl von Saatgut, die Wasserbewirtschaftung und die Kontrolle des Schädlingsbefalls. Sie zeigten sich weniger enthusiastisch gegenüber der Nutzung für große, einmalige Entscheidungen wie den Kauf schwerer Maschinen oder die Verarbeitung der Ernte nach der Einsammlung. Dies deutet darauf hin, dass Landwirte die Technologie als einen leistungsstarken Assistenten für den täglichen Rhythmus der Landwirtschaft sehen und nicht als Ersatz für große Kapitalinvestitionen.

Die Ergebnisse zeichnen ein klares Bild davon, wo diese Technologie heute steht. Generative künstliche Intelligenz ist kein Zauberstab, der augenblicklich alle landwirtschaftlichen Probleme löst oder die gesamte Lebensmittelproduktion komplett umwirft. Stattdessen fungiert sie als ein hocheffektives Entscheidungshilfsmittel, das eine kritische Lücke füllt: den Bedarf an zeitnaher, lokalisierter Beratung. Indem sie Landwirten hilft, Probleme frühzeitig zu erkennen und ihre Arbeit besser zu managen, kann sie die Produktion und das Einkommen steigern, aber nur, wenn die Landwirte über die nötigen Fähigkeiten verfügen und die Landstruktur dies unterstützt. Die Studie legt nahe, dass die Zukunft der Agrartechnologie nicht nur im Bau smarterer Algorithmen liegt, sondern in der Kombination dieser mit menschlicher Bildung und besserer Infrastruktur. Wenn Landwirte lernen können, effektiv mit diesen neuen digitalen Werkzeugen zu arbeiten, und wenn das Land, das sie bewirtschaften, so organisiert ist, dass eine effiziente Bewirtschaftung möglich ist, dann könnte generative KI zu einem Standardbestandteil des Werkzeugkastens für Kleinbauern werden und Information von einer knappen Ressource in einen verlässlichen Verbündeten verwandeln.