Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
openaiohne Datum · Q006766

Building agricultural database for farmers

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Digital Green und OpenAI entwickelten Farmer.Chat als KI-Unterstützung für landwirtschaftliche Beratungsfachkräfte, mit geprüften Wissensquellen und zunächst menschlicher Kontrolle der Antworten. Der Bericht nennt frühe Kostenschätzungen und mehr als 4.500 Nutzende unter den Fachkräften in Kenia und Indien (Stand 1. Januar 2024), weist aber keine unabhängige Prüfung der Wirkung oder der Kostenschätzung aus.

Mittel

Der Bericht beschreibt Farmer.Chat, einen von Digital Green und OpenAI entwickelten Chatbot zur Unterstützung landwirtschaftlicher Beratungsfachkräfte. Er greift auf eine Wissenssammlung aus Trainingsvideo-Transkripten, Callcenter-Protokollen und Forschungsblättern zurück. Indiens Landwirtschaftsministerium prüft laut Bericht die Dokumente. Anfangs wurde der Chatbot den Fachkräften als Assistenz bereitgestellt, damit diese Antworten kontrollieren können, bevor sie Landwirte beraten.

Digital Green hatte zuvor knapp 8.000 Videos in über 50 Sprachen erstellt; diese hätten das Einkommen der Landwirte durchschnittlich um 24 Prozent erhöht. Eine Farmer.Chat-Version für ChatGPT kann zusätzlich Fotos von Pflanzen und aktuelle Wetter- und Marktinformationen einbeziehen. Frühe Schätzungen des Berichts zufolge könnte KI die Beratungskosten von 35 auf etwa 0,35 US-Dollar pro Landwirt reduzieren. Zum 1. Januar 2024 nutzten mehr als 4.500 Fachkräfte in Kenia und Indien das System.

Geplant beziehungsweise erprobt wurden ein agrarspezifisch feinabgestimmtes Modell für lokale Nuancen und Dialekte sowie eine Einbindung in WhatsApp und Telegram. Die Kostenangaben und Wirkungsversprechen sind im Bericht nicht durch unabhängige Prüfungen oder erläuterte Messmethoden belegt; spätere Nutzungszahlen fehlen.

Ausführlich lesen

Der Bericht stellt Farmer.Chat vor, einen KI-Chatbot, den die gemeinnützige Organisation Digital Green gemeinsam mit OpenAI für landwirtschaftliche Beratungsprogramme entwickelt hat. Er soll Beratungsfachkräfte dabei unterstützen, Fragen mit Informationen zu beantworten, die auf die jeweilige Region und Situation zugeschnitten sind. Der Hintergrund ist ein großer Bedarf an Beratung: Fachkräfte vermitteln Anbauwissen, helfen bei der Suche nach Lieferanten und geben Markt- und Preisinformationen weiter. In ländlichen und abgelegenen Regionen ist eine flächendeckende Betreuung schwierig. Für Indien nennt der Bericht mehr als 400.000 Beratungsfachkräfte und ein Verhältnis von einer Fachkraft zu 650 Landwirten.

Digital Green arbeitet laut Bericht seit 15 Jahren an digitaler Agrarberatung. In Kooperation mit Landwirtschaftsministerien in Indien, Äthiopien und Kenia seien knapp 8.000 Videos für den Wissensaustausch zwischen Landwirten in über 50 Sprachen entstanden. Diese hätten das Einkommen der Landwirte im Durchschnitt um 24 Prozent erhöht. Die dabei aufgebaute Sammlung regionaler landwirtschaftlicher Erfahrungen bildet eine Grundlage für Farmer.Chat.

Der erste Pilot des Chatbots nutzte GPT‑4 und ein Verfahren namens Retrieval Augmented Generation: Antworten werden mit Inhalten aus der Wissenssammlung von Digital Green und Partnern verknüpft, darunter Transkripte von Trainingsvideos, ausgewertete Callcenter-Protokolle und landwirtschaftliche Forschungsblätter. Nach Darstellung des Berichts validiert Indiens Landwirtschaftsministerium sämtliche Dokumente in der Wissensdatenbank. Zum Schutz vor fehlerhaften Ratschlägen wurde der Chatbot zunächst als Hilfsmittel für Beratungsfachkräfte eingesetzt, die Antworten vor der Weitergabe prüfen können, statt ihn direkt an Landwirte auszugeben.

Eine neuere Farmer.Chat-Version für ChatGPT ergänzt Bild-Eingaben, damit Fachkräfte Pflanzen fotografieren und Probleme genauer beurteilen lassen können, sowie aktuelle Wetter- und Marktinformationen. Der Bericht nennt frühe Schätzungen, wonach generative KI die Kosten traditioneller Beratung von 35 US-Dollar auf etwa 0,35 US-Dollar pro Landwirt senken könnte. Mehrsprachige Nutzung, unter anderem auf Hindi, Swahili und regionalen Sprachen, soll dazu beitragen. Ein zitierter Mitarbeiter aus Bihar berichtet, der Chatbot erweitere sein Wissen und helfe ihm, täglich mehr Anliegen zu bearbeiten.

Zum Stand vom 1. Januar 2024 nutzten laut Bericht mehr als 4.500 Beratungsfachkräfte in Kenia und Indien Farmer.Chat; in Indien war eine Ausweitung auf zwölf Bundesstaaten vorgesehen. Digital Green prüfte außerdem ein auf Agrardaten feinabgestimmtes Sprachmodell, das lokale Nuancen und Dialekte ohne Umweg über Englisch besser behandeln soll. Die dafür vorgesehenen Daten sollten über einen Datentreuhand-Ansatz verwaltet werden, damit Landwirte Einfluss auf deren Nutzung behalten. Auch die Einbindung in WhatsApp und Telegram über die Assistants API wurde begonnen.

Die Angaben zu Kostensenkung und Wirkung der KI werden als frühe Schätzungen beziehungsweise vielversprechende Ergebnisse dargestellt. Der Bericht liefert keine unabhängige Wirksamkeitsprüfung, keine näheren Messmethoden für diese Schätzungen und keine späteren Nutzungszahlen. Aussagen über mögliche künftige Fähigkeiten und den Ausbau sind Vorhaben oder Erwartungen, keine bereits belegten Ergebnisse.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Beide Zusammenfassungen von Luna wurden gemeinsam geprüft; die Anteilswerte aus Lunas Liste wurden nicht übernommen, die Einordnungen sind eigenständig. Der Bericht stammt von OpenAI selbst, daher sind Wirkungs- und Kostenangaben Eigenangaben ohne unabhängige Belege.

Im Bericht, aber nicht in der Zusammenfassung

  • GPT-4 als Grundlage des ersten Piloten, der laut Bericht Halluzinationen deutlich reduziert
  • Retrieval Augmented Generation als technischer Ansatz zur Einbindung der Wissensquellen
  • Ausgangsproblem: Indiens rund 400.000 Beratungskräfte mit einem Verhältnis von 1:650 zu Landwirten
  • Beteiligung der Landwirtschaftsministerien von Äthiopien und Kenia sowie der Ausbau auf zwölf indische Bundesstaaten
  • Data Trust, mit dem Landwirte die Kontrolle über ihre Daten behalten sollen

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
  1. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 30 %Hintergrund, keine Belege
    • JEV 21 %einzelne zitierbare Belege
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Fähigkeiten messen
  1. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 23 %Hintergrund, keine Belege
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
  1. SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
    • clef 100 %kein Bezug
    • Luna 27 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 55 %Hintergrund, keine Belege
    • JEV 23 %Hintergrund, keine Belege
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 28 %Hintergrund, keine Belege
    • JEV 29 %einzelne zitierbare Belege
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 62 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 32 %Hintergrund, keine Belege
    • JEV 36 %einzelne zitierbare Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 58 %gleiches Oberthema, hilft nicht
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-V1-T02 Welche Belege würden Vertrauen in ein KI-System rechtfertigen, über seine flüssigen Erklärungen hinaus? Luna: Stufe 5 · 40 % · umfangreiche Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
    • SF-V1-T03 Was ist das Kleinste, das ein Modell öffentlich vorlegen kann (ein Test, ein Protokoll, eine Spur), das als Beleg für Ausrichtung an den vorgesehenen Zielen und Werten zählt und nicht nur für Leistung? Luna: Stufe 3 · 33 % · Hintergrund, keine Belege
    • SF-V1-T07 Lieber ein Modell, das immer seinen Lösungsweg zeigen muss, oder eines, das im Stillen mehr kann: Welches Risiko nimmt man in Kauf? Luna: Stufe 3 · 48 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 36 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  3. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 57 %einzelne zitierbare Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 35 %einzelne zitierbare Belege
    • JEV 54 %einzelne zitierbare Belege
    • amos 25 %Hintergrund, keine Belege
    • SubQ 43 %gleiches Oberthema, hilft nicht
    • drex 33 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-V5-T02 Würde man lieber einem großen, überwachten Modell vertrauen oder vielen kleinen, nicht überwachten? Luna: Stufe 3 · 36 % · Hintergrund, keine Belege
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 34 %einzelne zitierbare Belege
    • JEV 54 %einzelne zitierbare Belege
    • amos 24 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 100 %kein Bezug
    • Luna 51 %Hintergrund, keine Belege
    • JEV 27 %gleiches Oberthema, hilft nicht
    • amos 28 %gleiches Oberthema, hilft nicht
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 67 %umfangreiche Belege
    • JEV 40 %beantwortet teilweise oder widerspricht
    • amos 26 %einzelne zitierbare Belege
    • SubQ 100 %kein Bezug
    • drex 24 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung einzelne zitierbare Belege

Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 48 %Hintergrund, keine Belege
    • JEV 30 %einzelne zitierbare Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 71 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 77 %einzelne zitierbare Belege
    • JEV 64 %einzelne zitierbare Belege
    • amos 24 %Hintergrund, keine Belege
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung einzelne zitierbare Belege

  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 42 %einzelne zitierbare Belege
    • JEV 53 %einzelne zitierbare Belege
    • amos 30 %einzelne zitierbare Belege
    • SubQ 29 %einzelne zitierbare Belege
    • drex 23 %einzelne zitierbare Belege
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-E5-T01 Wer soll das Tempo der KI-Entwicklung bestimmen: die Labore, die Regierungen oder die Menschen, die diese Systeme jeden Tag nutzen? Luna: Stufe 3 · 38 % · Hintergrund, keine Belege
    • SF-E5-T02 Welche Entscheidungen müssen menschlich bleiben, auch wenn eine KI sie besser treffen könnte, und wie würden Staaten in Entscheidungsschleifen mit hohem Risiko prüfbar machen, dass ein Mensch die Ausgabe der KI wirklich beurteilt und nicht nur routinemäßig abgenickt hat? Luna: Stufe 4 · 39 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
Wirtschaft und Haftung

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →