Taranis senkt die Kosten pro Foto um das Zehnfache

Taranis migrierte auf die Google Cloud Platform und nutzt globale Rechenzentren für schnelle Konnektivität sowie V100-GPUs auf Compute Engine für die Bildverarbeitung. Die Lösung umfasst eine automatische Skalierung von 1.000 auf 4.000 V100s, Kubernetes Engine für die Satellitenbildverarbeitung, Cloud SQL für die Datenspeicherung sowie TensorFlow für das Training der Machine-Learning-Modelle. Die Plattform verarbeitet 100 Millionen einzelne Merkmale auf 700.000 Bildern.

Laut einem Bericht der Vereinten Nationen wird die Weltbevölkerung bis 2050 auf 9,8 Milliarden Menschen anwachsen – mit entsprechend höherem Nahrungsmittelbedarf. Gleichzeitig drücken Urbanisierung und unvorhersehbare Wetterlagen die landwirtschaftlichen Erträge. Taranis begegnet dieser Herausforderung mit Drohnentechnologie und KI: Landwirte reduzieren Ernteverluste, steigern Erträge und senken Kosten. Das 2014 gegründete Unternehmen betreut heute über seine Intelligence-Plattform mehr als 20 Millionen Acres weltweit.

Taranis sammelt riesige Datenmengen aus entlegenen Regionen wie Russland, Osteuropa und Südamerika. Jeder Drohnenflug erfasst rund 10.000 Bilder zu je 10–20 MB. Diese Datenmengen mussten schnell hochgeladen werden – bei gleichzeitig hoher Rechenleistung für das Training komplexer Machine-Learning-Modelle. Da bis zu 40 % der Ernten regelmäßig durch Insekten, Krankheiten, Unkraut und Nährstoffmängel verloren gehen, ist die frühzeitige Erkennung entscheidend.

Taranis migrierte in die Google Cloud, um die globalen Rechenzentren für schnelle Konnektivität bei einem Durchsatz von 30 TB zu nutzen. Die Lösung setzt auf V100-GPUs in Compute Engine mit automatischer Skalierung von 1.000 auf 4.000 Einheiten je nach Bedarf. Die Architektur umfasst Kubernetes Engine für die Satellitenbildverarbeitung, Cloud SQL für die Datenspeicherung, Cloud Functions und Cloud Pub/Sub. Diese Flexibilität erlaubt es, Ressourcen in ruhigeren Phasen der Saison automatisch zurückzufahren.

Taranis nutzt TensorFlow für das Training seiner Machine-Learning-Modelle und verarbeitet damit zig Millionen Fotos, die in den vergangenen anderthalb Jahren gesammelt wurden. Jedes Foto enthält bis zu tausend relevante Objekte – etwa Insektenschäden oder Blattverfärbungen. Insgesamt hat das Unternehmen rund 100 Millionen einzelne Merkmale auf 700.000 Bildern ausgewertet. Die Open-Source-Community rund um TensorFlow liefert dabei umfangreichen Support für eine schnelle Modellentwicklung.

Mit der Migration in die Google Cloud sanken die Upload-Zeiten von einem ganzen Tag auf wenige Stunden – drei- bis viermal schneller als zuvor. Dank paralleler Kubernetes-Deployments veröffentlicht das Unternehmen nahezu durchgängig neue Features, reduziert Ausfallzeiten und verzichtet auf geplante Wartungsfenster. Das beschleunigt die Produktentwicklung und sorgt für kürzere Feedback-Zyklen. Am wichtigsten: Die Kosten pro aufgenommenem Foto liegen heute zehnmal niedriger als zuvor.

Taranis evaluiert weitere Google-Cloud-Tools wie Cloud Bigtable, BigQuery und Cloud Dataflow, um Datenanalyse und Business-Intelligence-Erkenntnisse weiter auszubauen. Geplant sind eine weitere geografische Expansion sowie die kontinuierliche Optimierung der Machine-Learning-Modelle zur Erkennung neuer Krankheitskategorien. Dank der skalierbaren Infrastruktur kann das Vertriebsteam neue Kunden onboarden, ohne sich um Kapazitätsgrenzen sorgen zu müssen.