Die globale Aquakulturindustrie durchlebt eine technologische Revolution. Als Wissenschaftlerin, die seit über 15 Jahren an der Schnittstelle von Technologie und Meeresfrüchtewissenschaft forscht, kann ich mit Überzeugung sagen: Künstliche Intelligenz stellt den bedeutendsten Paradigmenwechsel in der Fischzucht seit der Etablierung der modernen Aquakultur dar.
Der aktuelle Stand der KI in der Aquakultur
Der globale Aquakulturmarkt, der 2025 auf rund 387 Milliarden Dollar geschätzt wird, wird zunehmend von technologischer Innovation angetrieben. Die Integration von KI und IoT (Internet der Dinge) ist längst kein Experiment mehr – sie wird zur Grundvoraussetzung wettbewerbsfähiger Betriebe.
In folgenden Bereichen entfaltet KI die größte Wirkung:
1. Echtzeit-Wasserqualitätsmonitoring
Die Wasserqualität ist der wichtigste Einzelfaktor für den Erfolg in der Aquakultur. Herkömmliches Monitoring umfasst periodische manuelle Probenahmen – ein arbeitsintensiver Prozess, der rasche Veränderungen bei gelöstem Sauerstoff, pH-Wert, Ammoniak und Temperatur leicht übersieht.
KI-gestützte Sensornetzwerke ermöglichen heute eine kontinuierliche Überwachung in Echtzeit mit prädiktiven Fähigkeiten. Maschinelle Lernalgorithmen können:
- Anomalien erkennen, bevor sie zu Krisen werden
- Sauerstoffmangelzustände Stunden im Voraus vorhersagen
- Belüftung und Wasserfluss automatisch anpassen
- Mehrere Parameter korrelieren, um komplexe Muster zu identifizieren
„Der Übergang vom reaktiven zum prädiktiven Wassermanagement spart Zuchtbetrieben jährlich Millionen an Fischmortalitätskosten.“
2. Prädiktive Fütterungsalgorithmen
Futter macht 50–70 % der Betriebskosten in der Aquakultur aus. Überfütterung verschwendet Geld und verschlechtert die Wasserqualität; Unterfütterung hemmt das Wachstum. KI-gesteuerte Fütterungssysteme nutzen Computer Vision und Verhaltensanalyse, um:
- Das Fressverhalten der Fische in Echtzeit zu überwachen
- Futtermengen dynamisch anhand von Appetitsignalen anzupassen
- Die Futterverwertungsrate (FCR) zu optimieren
- Den Futterverlust um 10–20 % zu reduzieren
In meiner eigenen Forschung zur computergestützten Bildanalyse haben wir gesehen, wie visuelle Daten Muster offenbaren, die dem menschlichen Auge verborgen bleiben. Genau dieses Prinzip wird heute in großem Maßstab bei der Fischfütterung angewandt.
3. Früherkennung von Krankheiten
Krankheitsausbrüche sind die größte Befürchtung der Aquakulturbranche. KI-Systeme sind mittlerweile in der Lage, frühe Krankheitsanzeichen zu erkennen durch:
- Verhaltensanalyse: Kameras verfolgen Schwimmmuster, wobei KI auffällige Bewegungen meldet
- Visuelle Inspektion: Computer Vision erkennt Hautläsionen, Flossenschäden und Farbveränderungen
- Umweltkorrelation: KI verknüpft Veränderungen der Wasserqualität mit dem Krankheitsrisiko
Aus meiner Forschung
Unsere Arbeit zur Farbänderungsüberwachung bei Fisch während der Lagerung zeigt, wie Bildanalyse Qualitätsveränderungen erkennen kann, die einer sichtbaren Verschlechterung vorausgehen. Dieselben Prinzipien gelten für die Gesundheitsüberwachung lebender Fische in Zuchtanlagen.
4. Präzisionsaquakultur
Das Konzept der „Präzisionsaquakultur“ – analog zur Präzisionslandwirtschaft – umfasst die datenbasierte Entscheidungsfindung auf Ebene einzelner Becken oder Käfige. Dazu gehören:
- Wachstumsprognosen und Optimierung des Erntezeitpunkts
- Biomasseschätzung mittels Unterwasserkameras und KI
- Automatisierte Sortierung und Klassifizierung
- Lieferkettenoptimierung vom Zuchtbetrieb bis zum Markt
Die Rolle von Spektroskopie und tragbaren Geräten
Während meiner Postdoc-Forschung an der Ohio State University habe ich intensiv mit tragbaren SERS-Geräten (Surface-Enhanced Raman Spectroscopy) gearbeitet. Diese handlichen Instrumente, kombiniert mit KI-Klassifizierungsalgorithmen, können in kürzester Zeit folgende Analysen durchführen:
- Artenauthentifizierung (Wild- vs. Zuchtfisch)
- Frischeindikatoren auf molekularer Ebene
- Schadstoffnachweis
- Antibiotikarückstands-Screening
Unsere jüngste Publikation im Microchemical Journal zeigte, wie maschinelles Lernen in Verbindung mit Spektroskopie die Unterscheidung zwischen Wild- und Zuchtmuscheln aus dem Mittelmeer ermöglicht – eine Technik mit enormen Auswirkungen auf die Prävention von Lebensmittelbetrug.
Herausforderungen und offene Fragen
Bei aller Begeisterung bleiben wesentliche Herausforderungen bestehen:
- Kosten: Fortschrittliche KI-Systeme erfordern erhebliche Anfangsinvestitionen
- Datenqualität: KI ist nur so gut wie die Daten, mit denen sie trainiert wird
- Konnektivität: Viele Aquakulturbetriebe befinden sich in abgelegenen Regionen mit eingeschränktem Internetzugang
- Fachkräftemangel: Die Branche braucht Mitarbeiter, die sowohl Fischzucht als auch Technologie verstehen
- Regulierung: Standards für KI-gestützte Entscheidungen in der Lebensmittelproduktion sind noch in Entwicklung
Was kommt als Nächstes?
Für die kommenden Jahre erwarte ich folgende Entwicklungen:
- Demokratisierung von KI-Werkzeugen: Erschwinglichere, benutzerfreundlichere Systeme für Kleinerzeuger
- Integration mit Blockchain: KI und Blockchain für lückenlose Rückverfolgbarkeit vom Zuchtbetrieb bis zum Teller
- Autonome Aquakultur: Vollautomatisierte Offshore-Farmen mit minimalem menschlichem Eingriff
- Verbraucherorientierte KI: Apps, mit denen Verbraucher Frische und Herkunft verifizieren können (wie unser DENGiZ-Projekt mit Migros)
In unserem DENGiZ-Projekt (TÜBITAK SAYEM, 2025) arbeiten wir genau an dieser Vision: einem Echtzeit-Rückverfolgbarkeitssystem, das Fisch vom Meer bis auf den Tisch begleitet und dabei Qualität und Nachhaltigkeit in jedem Schritt sicherstellt.
Wie stehen Sie zum Einsatz von KI in der Aquakultur? Ich freue mich über den Austausch mit Branchenfachleuten und Forschungskolleginnen und -kollegen. Schreiben Sie mir über die Kontaktseite oder finden Sie mich auf LinkedIn.
Prof. Dr. Zayde Ayvaz
Professorin für Fischereiwirtschaftsingenieurwesen an der ÇOMÜ. Forschungsschwerpunkte: KI-gestützte Qualitätsbewertung von Meeresfrüchten und nachhaltige blaue Lebensmittelsysteme.