Wie optimiert KI die Versicherungsauszahlung für eines der größten Ernteversicherungssysteme der Welt?

Anmerkung des Herausgebers:Dieser Beitrag wurde ursprünglich im Februar 2019 veröffentlicht und wurde im Hinblick auf Genauigkeit und Vollständigkeit aktualisiert.

Agrarproduzenten sind weltweit unvorhersehbaren Risiken aller Art ausgesetzt. Einer der vorherrschenden Faktoren, die die landwirtschaftliche Nahrungsmittelproduktion weltweit stören, sind Naturkatastrophen. Diese Schocks für die Lebensmittelsysteme, einschließlich Dürren, Überschwemmungen, Waldbrände, Wirbelstürme und die jüngste Pandemie, sind nur noch intensiver und häufiger geworden und verursachen wiederkehrende Schäden und Zerstörungen. Einerseits wirken sich diese Widrigkeiten auf Erträge und Preise und damit auf die Gewinne der Erzeuger und die Lebensgrundlage der ländlichen Gebiete aus. Andererseits stören sie Wertschöpfungsketten und bedrohen die globale Ernährungssicherheit und -stabilität.

Zwischen 2008 und 2018 gingen Milliarden von Dollar durch den Rückgang der Ernte- und Viehproduktion nach Katastrophen verloren.

• 30 Mrd. USD gingen in Subsahara-Afrika und Nordafrika verloren

• 29 Mrd. USD gingen in Lateinamerika und der Karibik verloren

• 8,7 Milliarden USD gingen in den Small Island Developing States (SIDS) in der Karibik verloren

• 49 Mrd. USD gingen in Asien verloren

Quelle:FAO

Eine Möglichkeit für diese Erzeuger, ihre Exposition gegenüber diesen Risiken zu verringern, ist der Abschluss einer Ernteversicherung.

Eine Agrarversicherung schützt Erzeuger vor Ernteausfällen aufgrund von Wetter- oder Naturkatastrophen oder Einnahmeausfällen aufgrund von Marktpreisschwankungen. Es verringert auch das Risiko der Kreditvergabe an den Agrarsektor, indem es den Landwirten ermöglicht, ihre Kredite zurückzuzahlen, und bietet neben mehreren anderen Vorteilen.

Ernteversicherungssystem in Indien:Pradhan Mantri Fasal Bima Yojana

Im April 2016 startete die indische Regierung ihr landesweites Ernteversicherungssystem namens Pradhan Mantri Fasal Bima Yojana (PMFBY). Das Landwirtschaftsversicherungssystem ist eines der größten der Welt und bietet Risikoschutz für Millionen indischer Landwirte.

Ein bemerkenswertes Merkmal von PMFBY ist, dass es den Einsatz moderner Technologien wie Satellitenbilder, Fernerkundungstechnologie, Drohnen, künstliche Intelligenz und maschinelles Lernen fördert, um die Beurteilung von Ernteverlusten zu beschleunigen.

Ertragsschätzung anhand von Feldschnittexperimenten

Diese fortschrittlichen Technologien sind auch bei der effizienten Schätzung von Ernteerträgen von Vorteil. Typischerweise werden die Ertragsdaten durch Ernteschnittversuche oder CCEs ermittelt. Es bezieht sich auf eine Bewertungsmethode, die Regierungen und landwirtschaftliche Einrichtungen anwenden, um den Ernteertrag für einen bestimmten Anbauzyklus in der Region zu schätzen.

Die herkömmliche CCE-Methode basiert auf der Ertragskomponentenmethode, bei der die Probenstandorte auf der Grundlage einer Zufallsstichprobe der gesamten untersuchten Fläche ausgewählt werden. An diesen Orten ernten Probenehmer die Ernte von einer bestimmten Größe und Form der Parzelle (quadratisch, rechteckig, dreieckig oder kreisförmig, je nach Ernte). Die Ernte wird dann gesammelt und auf verschiedene Parameter wie Biomassegewicht, Korngewicht, Feuchtigkeit und andere indikative Aspekte analysiert, um den endgültigen Ertrag pro Hektar abzuschätzen. Die aus dieser Studie gewonnenen Daten werden auf die gesamte Region hochgerechnet, um eine einigermaßen zuverlässige Einschätzung der durchschnittlichen Ertragsleistung des Gebiets zu ermöglichen.

Die von CCEs gesammelten Daten sind für mehrere Interessengruppen in der landwirtschaftlichen Wertschöpfungskette von Vorteil. Während die Regierung sie verwenden kann, um sektorbezogene Richtlinien und Programme zu planen, können Versicherungsanbieter diese Informationen nutzen, um Versicherungsprodukte für die Ernte oder Region auf der Grundlage tatsächlicher Leistungsdaten anzupassen. Außerdem können sie Ansprüche überprüfen, bevor sie sie begleichen.

Herausforderungen bei der Durchführung von Pflanzenschnitt-Experimenten

Unter dem PMFBY müssen die Bundesstaaten mindestens vier CCEs für jede Ernte in jedem Panchayat (oder Rat) des Dorfes durchführen und die Ertragsdaten innerhalb eines Monats nach der Ernte an die Versicherungsunternehmen übermitteln. Der größte Mangel des traditionellen CCE-Ansatzes besteht darin, dass er von vielen Variablen abhängt, wie z. B. dem Verwaltungsaufbau, der Art und Größe des Außendienstpersonals, der Zusammenarbeit der Landwirte und den Erntebedingungen.

Besonders in einem Szenario, in dem es in Indien fast 2,5 Lakh Dorfräte gibt, erwies sich die Durchführung unzähliger CCEs innerhalb eines engen Erntefensters und mit begrenztem Personal als Herausforderung. Es muss einen effizienteren Weg geben, um die verfügbaren Ressourcen zu nutzen und innerhalb des kurzen Erntefensters eine genaue Ertragsschätzung zu erhalten.

Technologiegestütztes Smart Sampling

Im Jahr 2019 wurde Smart Sampling erstmals von den Wissenschaftlern des Mahalanobis National Crop Forecast Center (MNCFC) des Landwirtschaftsministeriums und der Indian Space Research Organization (ISRO) im Rahmen von neun Pilotstudien in 23 Distrikten in 11 Bundesstaaten eingeführt.

Im Vergleich zur traditionellen CCE-Methode mit Zufallsstichproben bietet die Verwendung von Fernerkundung und anderen technologischen Fortschritten eine weitaus genauere und zeitnahere Schätzung des Ertrags.

Für die Rabi-Saison 2019 hat sich die Zentralregierung mit Cropin für eine Pilotstudie mit folgenden Zielen zusammengetan:

1. Optimierung von Anbauversuchen, um sie genauer, schneller und skalierbarer zu machen

2. Implementierung eines robusten und selbstverwalteten Streitbeilegungsmechanismus für eine schnelle Beilegung von Streitfällen

Mit digitalen Lösungen von Cropin Wirkung erzielen

SmartRisk von Cropin ist eine KI- und ML-gestützte digitale Plattform, die Satellitenbilder und proprietäre Ernteerkennungsmodelle verwendet, um die für diese Experimente am besten geeigneten Parzellen zu identifizieren. Ein engagiertes und hochqualifiziertes Data-Science-Team analysiert Millionen von Datenpunkten, um die landwirtschaftlichen Parzellen zu bestimmen, die die genaueste Stichprobe für die Region liefern.

Am Tag des Experiments verwenden die Probennehmer SmartFarm, eine Farmdaten-Management-App, um den genauen Standort und die Größe des landwirtschaftlichen Grundstücks sowie die Details des Landwirts und der Ernte zu erfassen. Die Erfassung dieser Daten mit SmartFarm erstellt eine leicht zugängliche digitale Aufzeichnung und stellt sicher, dass die Felddaten korrekt sind.

Die Vorteile technologiegestützter CCEs beschränken sich nicht nur auf die Auswahl der passenden Stichproben für die Studie. Die digitalen Lösungen bieten nicht nur einen optimierteren Ansatz für die Probenahme, sondern liefern den Beteiligten auch wissenschaftliche, skalierbare und genaue Berichte für die zukünftige Verarbeitung.

Wie profitieren die Stakeholder von der digitalen Intervention

Die Nutzung von Daten und Technologie in der Landwirtschaft hat weitreichende Auswirkungen auf das Agrarökosystem und ermöglicht eine effizientere und genauere Entscheidungsfindung während des gesamten Anbauzyklus. Der intelligente, technologiegestützte Ansatz für CCE bietet viele Vorteile.

• Regierung:Die Anwendung von Technologie befasst sich mit dem Problem der Durchführung einer großen Anzahl von CCEs mit einer begrenzten Belegschaft während eines kurzen Erntefensters. Die Verwendung einer digitalen Plattform wie der von Cropin reduziert den Papieraufwand und die daraus resultierenden Möglichkeiten menschlicher Fehler. Darüber hinaus stellt Cropin geschulte Außendienstmitarbeiter zur Verfügung, um den Prozess zu überwachen und die erforderlichen Daten in der digitalen App zu sammeln, wodurch die Belastung der Probenehmer verringert wird. Mit Hilfe dieser wissenschaftlichen Methoden kann die Regierung die Gesamteffizienz verbessern, indem sie ihre Ressourcen bestmöglich nutzt.

• Versicherungen:Die Daten liefern eine genauere Ertragsschätzung für die betreffende Ernte und ermöglichen eine zeitnahe und gerechtere Schadenregulierung. Die Berichte, die mit der Plattform von Cropin erstellt werden, sind datengesteuert und genau. Daher wird die Möglichkeit betrügerischer Ansprüche oder ungenauer Auszahlungen ausgeschlossen. Außerdem können Versicherungsunternehmen Ernteversicherungsprogramme und -produkte auf der Grundlage von Echtzeitdaten aus der Region anpassen.

• Landwirte:Die Digitalisierung des CCE-Prozesses ermöglicht eine faire Schadenregulierung. Es verringert den Stress für den Landwirt, seine Ansprüche nachweisen zu müssen, und reduziert dadurch auch den Aufwand und die Zeit, die für den Prozess aufgewendet werden.

Cropin nahm kürzlich an einer nigerianischen Regierung teil, bei der unsere Deep-Learning-Modelle zur Ertragsschätzung es der Flour Milling Association of Nigeria (FMAN) und anderen Interessengruppen ermöglichten, den Weizenanbau in Nordnigeria zu schätzen. Lesen Sie hier mehr.