Hauptziele des Vorhabens KI-Zucht bestehen zunächst dadrin, Methoden des maschinellen Lernens (ML) für die Mustererkennung aus höchst komplexen Genom-/Phänom- bzw. Umweltdatensätzen für die Vorhersage von leistungsbezogenen sowie umweltabhängigen genetischen Strukturen in Pflanzenzuchtpopulationen zu entwickeln bzw. anzuwenden. Auf ML-Basis extrahierte Datenattribute sollen daraufhin verwendet werden, um unterschiedliche Zuchtprozesse im Sinne einer verbesserten genetischen Kombinationsfähigkeit und Selektionserfolg zu optimieren und damit auf unterschiedlichen Ebenen den Zuchtfortschritt datenbasiert zu beschleunigen.

Das Vorhaben bündelt Kompetenzen aus den Themenfeldern der praktischen Pflanzenzüchtung und Züchtungstheorie sowie der quantitativen Genetik und Genomanalyse mit Expertise für KI-gestützte Vorhersageverfahren.

Als Ergebnis der Forschungsarbeiten im Vorhaben KI-Zucht sind neuartige Zuchtverfahren für die Leistungsvorhersage von Zuchtlinien bzw. Hybriden mit Hilfe von „Big Data“ aus Genomanalysen und Phänomikansätzen zu erwarten. Mit Hilfe dessen soll mittel- bis langfristig der Zuchtfortschritt für eine Verbesserung der Ertragssicherheit in wichtigen Kulturpflanzen beschleunigt werden.