Microsoft-Discovery-App hilft Entomologin bei der Anpassung der Insektenüberwachung an einen Zitrusschädling

Von Überträgern menschlicher Krankheiten zum Nutzpflanzenschädling

Der Beitrag, am 22. Oktober 2026 im Microsoft Discovery Blog erschienen, fragt, ob sich ein biologisches Überwachungssystem, das auf durch Insekten übertragene Krankheitserreger bei Menschen und Tieren abgestimmt ist, rasch an bedeutende Erreger und Schädlinge von Nutzpflanzen anpassen lässt. Der Autor ist Entomologe im Programm Microsoft Premonition, das sogenannte Biological Weather Stations (BWS) entwickelt. Diese Geräte nutzen KI am Netzwerkrand (Edge), um Insektenpopulationen in Echtzeit zu überwachen und Proben robotergestützt zu sammeln. So können Forschende herausfinden, wie häufig und wie weit verbreitet die Krankheitserreger der Insekten sind.

Laut dem Beitrag erkennt die BWS Arten anhand der Biomechanik ihres Flugs und nutzt robotische Probennahme, um gezielt bestimmte Exemplare einzufangen. Als Testfall diente der Asiatische Zitrusblattfloh (Asian citrus psyllid, ACP), der einen unheilbaren Pflanzenerreger auf anfällige Zitrusbäume überträgt. Die Folge ist die Zitrus-Greening-Krankheit (Citrus Greening Disease, CGD), im Beitrag als eine der größten Bedrohungen für die weltweite Zitrusindustrie beschrieben. Ein wirksames ACP-Monitoring sei ein zentraler Baustein, um die Krankheit zu bekämpfen und neue Gegenmaßnahmen zu entwickeln.

Der Beitrag verweist auf die Ernährungs- und Landwirtschaftsorganisation der Vereinten Nationen (FAO), die schätzt, dass Schädlinge und Pflanzenkrankheiten jährlich bis zu 40 % der weltweiten Ernteerträge vernichten. Zudem zitiert er die Weltgesundheitsorganisation (WHO), nach deren Schätzung durch Mücken, andere stechende Fliegen und Zecken übertragene Krankheiten mehr als 17 % der Infektionskrankheiten ausmachen und jährlich mehr als 700.000 Todesfälle verursachen. Herkömmliches Insektenmonitoring sei, so der Autor, äußerst arbeitsintensiv, auf knappes entomologisches Fachwissen angewiesen und biete nur eine begrenzte zeitliche Auflösung.

Fünf Schritte mit der Discovery-App

Der Autor beschreibt einen Arbeitsablauf in fünf Phasen.

• Grundlage schaffen (Ground). Coding-Agenten erhielten Lesezugriff auf technische Artefakte, Handbücher und Standardarbeitsanweisungen (SOPs) der Überwachungsplattformen. Sie werteten über 120 Softwareprojekte und Referenzdokumente aus und erzeugten daraus Agent Skills, Datentaxonomien, Datenbeispiele und Hilfsmethoden für die Discovery-App.
• Recherche (Research). Die App führte eine Literaturrecherche zur Ökologie des ACP, zu gemeinsam auftretenden landwirtschaftlichen Schädlingen, natürlichen und möglicherweise eingeführten Fressfeinden sowie anderen Nützlingen durch. Im Mittelpunkt standen kommerzielle Zitrusplantagen im Südosten der USA, wo CGD endemisch ist.
• Versuchsplanung. Der Autor und die App entwickelten Versuchsdesigns, um die beste Gerätekonfiguration und die besten Einsatzstrategien für ein möglichst effektives ACP-Monitoring zu ermitteln.
• Genehmigungen für die biologische Sicherheit. Der ACP ist eine regulierte Art. Der Autor stellte bestehende Genehmigungen, SOPs und Laborpläne bereit und erarbeitete gemeinsam mit dem Agenten neue Genehmigungsanträge und SOPs. Der Beitrag betont, die Zusammenarbeit sei unerlässlich gewesen, da der Laborleiter für etwaige Fehler in diesen Dokumenten verantwortlich wäre.
• Entwicklung des Klassifikators. Weil Genehmigungsverfahren lange dauern können, analysierte die App Tausende Beispiele für Insektenbiometrie anderer Arten und zog biomechanische Modelle des ACP und verwandter Arten heran. Anschließend half sie beim Aufbau einer Pipeline, die synthetische ACP-Biometriedaten erzeugt.

Laut dem Autor half die synthetische Datenbasis dem Team, einen ersten Edge-Klassifikator für den ACP zu bauen. Dieser kann im Labor unter den vorgeschriebenen Sicherheitsbedingungen getestet werden, sobald die Genehmigungen für lebende ACP vorliegen.

Was das für die Forschung bedeutet

Der Autor beschreibt die Arbeit als Wandel in der Rolle der KI: vom ausgefeilten Suchwerkzeug hin zu etwas, das einem wissenschaftlichen Mitarbeiter näherkommt. Zu den Fragen, die er mit dem Agenten durchging, gehörten: Wie wird der ACP üblicherweise nachgewiesen? Was ist das beste Versuchsdesign? Welche biologischen oder Verhaltensmerkmale könnten die Erkennung beeinflussen? Welche Laborversuche sind am wichtigsten? Und welche Genehmigungen erfordert die Feldarbeit?

Der Beitrag stellt dies als Erfahrung eines einzelnen Forschers dar, nicht als kontrollierte Evaluation; die Zeitersparnis beruht auf der eigenen Darstellung des Autors. Der Klassifikator ist noch eine erste Version auf Basis synthetischer Daten und wurde bislang nicht an lebenden ACP getestet. Dennoch zeigt das Beispiel, wie die Discovery-App eingesetzt wird, um Literatur, Werkzeuge, Daten und Protokolle über Fachgrenzen hinweg zu verbinden, was der Autor als „science horizontals“ bezeichnet, um bei Fragen der Ernährungssicherheit schneller voranzukommen.