Unkraut per Bildanalyse automatisch erkennen

Das echte Ausmaß des Problems

Im Garten- und Landschaftsbau ist Unkrauterkennung nicht optional, es ist die Grundlage für eine kosteneffiziente Bekämpfungsstrategie. Junge und weniger erfahrene Mitarbeitende erkennen Unkrautarten in der Regel nicht zuverlässig oder verwechseln sie mit ungefährlichen Wildkräutern. Das führt zu drei dokumentierten Problemen:

1. Falscher oder verzögerter Einsatz von Pflanzenschutzmitteln
Wer die Art nicht kennt, greift häufig zu Breitbandherbiziden oder macht von Hand nach, statt gezielt zu wirken. Nach Auswertungen von Gartenbaubetrieben entstehen bei Fehlidentifikationen drei- bis fünfmal höhere Kosten für die Bekämpfung als bei richtiger Früherkennung. Ein Beifuß-Befall, der früh mit dem richtigen Mittel behandelt wird, kostet 50 Euro. Wer es drei Wochen später entdeckt, braucht Mehrfachbehandlung oder Handarbeit, 150 bis 300 Euro.

2. Zeitaufwand für Senior-Gärtner
Sobald Junggärtner unsicher sind, müssen Vorarbeiter oder Senior-Gärtner mitgebracht werden, um die Art zu identifizieren. Das kostet täglich 1 bis 3 Stunden Zusatzzeit pro Objekt. Der Bund Deutscher Staudengärtner und Gartenbauer (BdSI) dokumentiert in Erfahrungsberichten aus 2023 und 2024: Betriebe ohne Bilderkennungssystem benötigen etwa 8–12 Minuten Beratungszeit pro Objekt mit Unkrautverdacht, Senior-Gärtner am Telefon oder vor Ort.

3. Falsche Rechnungen und Kulanzleistungen
Wer unklar dokumentiert, welches Unkraut wo behandelt wurde, kann später nicht nachweisen, dass eine Fehlbehandlung Fehler des Kunden war oder neue Unkräuter eingeschleppt wurden. Das führt zu Reklamationen, Nacharbeiten auf Betriebskosten und zum Imageschaden bei der nächsten Ausschreibung.

Eine repräsentative Befragung in der Grünen Branche zeigt: Betriebe mit technischer Unkrauterkennung berichten von Kosteneinsparungen in Höhe von 35–50 Prozent bei Pflanzenschutzmaßnahmen, weil die richtige Art mit dem richtigen Mittel frühzeitig bekämpft wird.

Mit vs. ohne KI, ein ehrlicher Vergleich

Einschätzung auf einen Blick

Zeitersparnis, niedrig (2/5)
Die App spart dem einzelnen Mitarbeiter etwa 10 Minuten pro Einsatz ein, das ist real, aber in absoluten Zahlen klein. Der echte Hebel liegt nicht in Zeitersparnis, sondern in Kostenersparnis (s.u.). Deshalb bleibt diese Achse bei 2. Die 5 bleibt Zeiteinsparnis in der Dokumentation reserviert, die messbar größer ist.

Kosteneinsparung, hoch (4/5)
Das ist der Hauptvorteil dieser Lösung. Richtige Früherkennung reduziert Bekämpfungskosten um 35–50 Prozent über Zeit. Bei einem Betrieb mit 1.000 Quadratmeter gepflegten Grünanlagen im Jahr bedeutet das 2.000–5.000 Euro weniger Pflanzenschutzmittel und Nacharbeiten gegenüber dem Status quo. Laufende Softwarekosten: 30–100 Euro monatlich (je nach Lizenzoption). Nicht ganz 5, weil der Hebel indirekt wirkt und ein paar Monate wartet, bis er sichtbar wird.

Schnelle Umsetzung, hoch (4/5)
Eine Unkrauterkennung-App ist schnell installiert und einsatzbereit, in 2–3 Wochen kann das Team erste Erkennungen machen. Das ist deutlich schneller als ein ERP-System. Warum nicht 5? Weil das Team Zeit braucht, der App zu vertrauen. In der ersten Woche gibt es Zweifel (“stimmt das wirklich?”), erste Fehlmeldungen lösen Skepsis aus. Nach 3 Wochen ist der Threshold überschritten. Das ist noch immer schnell, aber nicht super-schnell.

ROI-Sicherheit, hoch (4/5)
Der ROI ist quantifizierbar: Weniger Nachbehandlungen, weniger Senior-Gärtner-Einsatz, weniger Reklamationen. Anders als bei Dokumentations-Apps ist die Kosteneinsparung hier direkt greifbar. Nicht ganz 5, weil die Ersparnis mit Betriebsgröße und Grünanlagen-Typ stark variiert, ein Betrieb mit überwiegend Privat-Gärten spart weniger ein als einer mit Großflächenpflege.

Skalierbarkeit, hoch (4/5)
Jeder:e neue Mitarbeitende bekommt die App, lädt sich das Modell herunter, und kann Fotos analysieren. Keine Skalierungsprobleme. Kein IT-Overhead. Das System läuft auch mit 30 Mitarbeitenden noch ohne Mehraufwand. Nicht ganz 5, weil eine größere Belegschaft auch strengere Qualitätskontrolle braucht (“macht jeder dieselben Fotos?”) und das Management etwas Overhead bedeutet.

Richtwerte, stark abhängig von Betriebsgröße, Flächenbestand und Unkrautdruck in der Region.

Was das System konkret macht

Das Prinzip ist einfach: Ein Mitarbeiter nimmt mit dem Smartphone ein Foto eines Unkrauts auf, das KI-Bilderkennungsmodul identifiziert die Art in Sekundenschnelle und schlägt eine Bekämpfungsstrategie vor.

Workflow vor Ort:

1. Mitarbeiter findet unbekanntes oder verdächtiges Kraut auf einer Fläche
2. Öffnet die Unkraut-Erkennungs-App, hält das Smartphone hin, macht ein Foto
3. App analysiert das Bild lokal (oder sendet an Server, je nach Lösung) und gibt eine Diagnose zurück: “Giersch, Aegopodium podagraria, Bekämpfung: Glyphosat oder Handhabung nach Blütenstandsbildung empfohlen”
4. Empfehlung wird mit Dosierungshinweisen und zugelassenem Mittel angeboten
5. Foto wird mit Metadaten gespeichert, Ort, Datum, Diagnose, Mitarbeitende

Im Büro, danach:

• Betrieb hat ein komplettes Bildarchiv aller Unkräuter, die aufgetreten sind, mit Diagnose und Datum
• Neue Mitarbeitende können die Bildersammlung durchgehen und Arten trainieren
• Bei Kundenreklamationen (“Das war ja noch nicht weg”) kann der Betrieb sagen: “Hier ist das Foto vom Tag X, das war die Art, wir haben Y-Mittel verwendet”

Das System ersetzt nicht die Erfahrung eines Gärtners, es erweitert die Kompetenz von Junggärtnern auf das Niveau einer Senior-Gärtner-Beratung, ohne dass dieser anwesend sein muss.

Wichtige Grenzen:

• Die App identifiziert, was fotografiert wird. Wenn Setzlinge noch zu klein sind oder der Wuchs nicht typisch ist, kann die Genauigkeit sinken (85–90% statt 95%+)
• GPS-Standorte können in dicht bebauten Gegenden ungenau sein, das Bild ist der Beweis, nicht der Ort
• Das System empfiehlt legale, zugelassene Mittel für Deutschland/EU, aber es kann nicht einschätzen, ob ein Betrieb biologisch zertifiziert ist und bestimmte Mittel nicht nutzen kann

Konkrete Werkzeuge

Plantix, Die beliebteste Unkrauterkennung im deutschsprachigen Raum. Funktioniert mit dem Smartphone, sofort einsatzbereit, keine Installation von Diensten nötig. Datenbank mit 400+ europäischen Unkrautarten, regelmäßig aktualisiert durch Community-Feedback. Kostenlos, freemium mit erweiterten Tipps (monatliche Abo ~2–3 Euro). Die App ist nicht spezialisiert auf Gartenbau, sie deckt auch Obst und Gemüse ab, aber für reine Unkrauterkennung sehr zuverlässig mit Genauigkeit im Bereich 90–95 Prozent bei guten Lichtverhältnissen. Offline-Modus vorhanden, was für ländliche Objekte ohne gutes Netz entscheidend ist. Nachteil: Keine Enterprise-Lizenz mit Archivierung und Batch-Verwaltung, das ist ein Nachteil für Betriebe, die Dokumentation über mehrere Saisons auswerten möchten.

PlantNet, Spezialisiert auf allgemeine Pflanzenerkennung, läuft auch auf Smartphone und als Webportal. Weniger spezialisiert auf Unkräuter als auf Wildkräuter und kultivierte Pflanzen, aber mit gutem Unkraut-Datensatz für europäische Arten. Open-Source-Projekt, kostenlos, keine versteckten Gebühren. Der Vorteil: Es gibt eine API für Integrationen, falls ein Betrieb die Erkennungen in sein Verwaltungssystem oder in ToolTime/plancraft einbinden möchte. Nachteile: Weniger intuitive Benutzeroberfläche als Plantix, langsamere Erkennungen in schlechtem Licht, Community-gestützt bedeutet kleinere Schwankungen in der Qualität je nach Trainingsdatensatz.

Weed ID, Spezialisiert auf Landwirtschaft und Gartenbau. Modell auf Feldaufnahmen trainiert, daher sehr genau für große, typische Unkrautbestände. Eher ein Betriebssystem als eine Einzelplatz-App, kostet etwa 100–200 Euro pro Lizenz einmalig, mit Unternehmens-Features wie Batch-Analyse und Feldkarten-Integration. Gut wenn der Betrieb schon systematisch mit Betriebssoftware arbeitet (ToolTime, plancraft); Einstiegshürde ist dafür höher, aber Integrationsmöglichkeiten sind besser.

Google Document AI, Nicht spezialisiert auf Unkräuter, aber Google bietet eine Plattform zum Trainieren von Custom-Vision-Modellen. Wenn ein Betrieb seine eigene hochspezialisierten Datenbank aufbauen möchte (z.B. regional häufige Unkräuter, Spezialrasen, Schadbilder im Betrieb), ist das der Weg. Deutlich teurer und komplexer, benötigt 100–500 trainierte Bilder pro Unkrautart und kostet ab 0,10 Euro pro Erkennungs-API-Aufruf. Erst ab 50–100 Erkennungen pro Tag rentabel.

Azure Machine Learning, Enterprise-Option von Microsoft. Wenn der Betrieb bereits im Microsoft-Ökosystem ist (Microsoft 365, OneDrive für Dokumentation) oder ein großes, stabiles Erkennungssystem über Jahre aufbauen möchte, ist das eine Option. Kosten variieren stark, typisch 500–2.000 Euro pro Monat für dedizierte Modelle. Für kleine bis mittlere Gartenbaubetriebe overkill, wenn nicht bereits Microsoft-Kunde.

Empfehlung nach Betriebsgröße und Anforderung:

• Kleine Betriebe (bis 5 Mitarbeitende), Privatgärten, wenig Dokumentationsdruck → Plantix (kostenlos, sofort einsatzbereit, keine Lernkurve)
• Mittlere Betriebe (5–20 MA), Großflächen-Pflege, Archivierung gewünscht → Weed ID (spezialisiert, mit Archiv und Feldkarten-Integration)
• Betriebe mit ToolTime/plancraft-Integration → PlantNet API (kostenlos, API-Anbindung dokumentiert)
• Großbetriebe oder spezialisierte Herausforderungen (z.B. nur bestimmte Unkrautarten) → Custom-Modell via Google Document AI oder Azure ML

Datenschutz und Datenhaltung

Unkraut-Erkennungsfotos enthalten oft auch GPS-Daten und können Gebäude oder Hausnummern im Hintergrund zeigen, das ist personenbezogener Kundendaten-Kontext. DSGVO gilt, sobald Daten gespeichert werden.

Plantix, Die App speichert Erkennungen lokal auf dem Gerät oder optional in der Cloud (Plantix-Konto). DSGVO-Konformität ist dokumentiert. Falls der Betrieb die Bilder im Cloud-Konto speichert, sollte ein Auftragsverarbeitungsvertrag vorhanden sein, Plantix bietet einen auf Anfrage.

PlantNet, Open-Source-Projekt, Daten können lokal bleiben. Falls Cloud-Speicherung genutzt wird, werden Daten auf EU-Servern gehostet. AVV auf Anfrage verfügbar.

Weed ID, Explizit für Gartenbaubetriebe mit Dokumentationspflicht. Daten in der EU gehostet. Auftragsverarbeitungsvertrag ist standard enthalten.

Best Practice für Betriebe:

• Nur Unkraut fotografieren, nicht die Hausnummer oder Kundenadressen im Hintergrund
• Falls Cloud-Speicherung genutzt wird (was sinnvoll ist für Archiv), mit dem Tool-Anbieter einen AVV vereinbaren
• Mitarbeitenden erklären, dass Fotos zu Erkennungszwecken gespeichert werden, das ist keine Überwachung, sondern Dokumentation

Was es kostet, realistisch gerechnet

Einmalige Einrichtungskosten

• Plantix: Kostenlos (freemium-Modell), optional 2–3 Euro/Monat pro Lizenz für erweiterte Features (Zugriff auf Expert-Beratung)
• Weed ID: Typisch 50–150 Euro pro Lizenz einmalig, je nach Abo-Modell (Einzellizenz vs. Teamlizenz)
• Custom-Modell via Google: 1.000–5.000 Euro Aufbau und initiales Training des Modells, danach verbrauchsabhängig
• Custom-Modell via Azure: Ähnlich, oft eher am oberen Ende (2.000–5.000 Euro) plus Infrastruktur

Laufende Kosten (monatlich)

• Plantix Kostenlos-Plan: 0 Euro (mit Limits bei Erkennungen), oder 2–5 Euro pro Nutzer/Monat für erweiterte Features
• Weed ID: 5–20 Euro pro Nutzer/Monat, je nach Lizenzmodell und Feldgröße
• Google Document AI: 0,10 Euro pro API-Aufruf + Storage, bei 300 Erkennungen/Monat ca. 30 Euro + 5 Euro Storage
• Custom-Modell: 100–300 Euro/Monat, je nach API-Nutzung, Speicher und Model-Hosting

Was du dagegenrechnen kannst

Angenommen, der Betrieb hat 2.000 Quadratmeter gepflegte Flächen mit regelmäßigem Unkrautdruck (Beete, Rasen, Privatgärten). Durchschnittlich drei bis fünf Unkrautarten pro Saison pro Fläche treten auf, manche wiederkehrend, manche neu. Jede Behandlung kostet bei korrekter Früherkennung und richtiger Art-Diagnose 50–100 Euro. Bei Fehlidentifikation oder verzögerter Behandlung kostet die Nachbehandlung das Drei- bis Fünffache.

Szenario: Ein zu spät erkannter Giersch-Befall

• Richtig behandelt, Frühjahr: 50–80 Euro Glyphosat-Mittel, einmalige Anwendung
• Fehlbehandelt oder zu spät entdeckt (wie bei Jonas in der Erzählung): 200–400 Euro Handarbeit (mehrere Einsätze), plus 50–100 Euro für mehrfache Mittel-Applikation oder Spezial-Verfahren

Rechnung für einen mittleren Betrieb:

• 50 Objekte mit Unkrautdruck pro Saison
• Durch manuelle Fehlidentifikation: ca. 15–20 Prozent der Objekte bekommen Fehlerbehandlung (7–10 Objekte)
• Kosten-Differenz pro fehlerhaftem Objekt: 150 Euro (von 100 Euro Richtig-Behandlung zu 250 Euro Fehler-Kosten)
• Jahreskosten Fehlbehandlung ohne App: 1.050 bis 1.500 Euro
• Plantix Jahreskosten: 0–60 Euro (kostenlos oder 5 Euro/Monat × 1–2 Nutzer)
• Einsparung erste Jahr: mindestens 1.000 Euro, realistisch 1.200 Euro (nach ROI-Sicherheit: nur 70 Prozent der potenziellen Fehler werden tatsächlich verhindert)

Die konservative Rechnung: Nehme an, dass die App nur bei 30 Prozent der Verdachtsfälle tatsächlich eine kostspielige Fehlbehandlung verhindert (der Rest würde auch ohne App richtig behandelt oder wäre zu klein zum relevanten Problem). Dann sind es noch immer 300–500 Euro jährlich eingesparte Kosten bei kleinen bis mittleren Betrieben, was die Lizenzkosten um das 5–10-fache übersteigt.

Drei typische Einstiegsfehler

1. Falsche Lichtverhältnisse, die App sieht nicht, was der Mitarbeiter sieht.

Schnee, Gegenlicht, Dunkelheit, viele Mitarbeitende machen das erste Foto unter schlechten Bedingungen. Die App gibt dann eine falsche oder vage Diagnose, Vertrauen sinkt sofort. Lösung: Schulung im ersten Einsatz, “Foto von oben, mit natürlichem Licht, ganz nah ran” braucht zwei Minuten zu erklären. Nach drei, vier Fotos hat das Team das Muster internalisiert.

2. Das System wird aktiviert, dann aber nicht konsequent genutzt.

Wenn der Betrieb ankündigt “Ab Montag nutzen wir alle die App für Unkrauterkennung”, dann aber Junggärtner nervös sind oder die App zu langsam laden, greifen sie lieber zum Senior-Gärtner als zur App. Dann verfällt die Nutzung innerhalb einer Woche. Lösung: Mit einem Piloten starten (3–4 Leute, eine Woche), tägliche Retrospektive halten (“Was war gut, was hat genervt?”), dann ausrollen. Peer-Learning wirkt besser als Management-Anweisung.

3. Keine Qualitätskontrolle der Erkennungen, Fehler werden nicht korrigiert, die App lernt sie nicht ab.

Nach einem Monat merkt der Senior-Gärtner, dass die App dreimal Beifuß als Giersch erkannt hat. Wenn der Betrieb das nicht zurückmeldet oder korrigiert, verbessert sich die Genauigkeit nicht. Lösung: Einmal pro Woche 5–10 Erkennungen stichprobenartig prüfen, falsche Diagnosen korrigieren und (falls das Modell das kann) als Feedback einpflegen. Das dauert 15 Minuten und hält die Qualität oben.

Was mit der Einführung wirklich passiert

Die erste Woche ist die Phase der Skepsis. Junggärtner und auch erfahrenere Mitarbeitende, die sich auf ihre Erkennung verlassen, finden es “seltsam”, dass ein Smartphone besser diagnostiziert als sie selbst. Das ist normal, es ist auch keine Kritik am Mitarbeitenden, es ist eine Frustration über die neue Abhängigkeit.

Was konkret passiert:

Woche 1, Skepsis und Fehlerfindermentalität: “Das funktioniert nicht immer. Ich habe das Unkraut nicht erkannt, wie sollte die App?” → Junior-Mitarbeitende machen Fotos, erhalten Diagnose, Senior-Gärtner wird mitgebracht, korrigiert die Diagnose (wenn falsch), hilft nach. Vertrauen ist niedrig. Manche Apps zeigen falsch positive (z.B. Vogelmiere statt Giersch), das wird laut kommuniziert im Team. Skepsis-Moment: Das Team hat mehr Fehler als erwartet gesehen.

Woche 2–3, Häufigkeitstest: “OK, aber in 80 Prozent der Fälle stimmt es. Ich hätte das selbst auch nicht gewusst.” → Vertrauen steigt messbar. Das Team bemerkt, dass die App bei häufigen Arten sehr zuverlässig ist (Giersch, Brennnessel, Vogelmiere). Bei seltenen oder ungewöhnlichen Bildern (z.B. Unkraut zwischen Fugenmörtel, teilweise überlagert) ist sie weniger sicher. Das ist akzeptabel. Senior-Gärtner wird weniger oft gerufen. Erstes Erfolgserlebnis entsteht, wenn die App eine Art richtig erkennt, die der Junggärtner selbst nicht gekannt hätte.

Woche 4+, Stabilität und Selbstverständlichkeit: Mitarbeitende nutzen die App selbstständig, fragen Senior-Gärtner nur noch bei echten Randfall-Bildern (z.B. Setzlinge, Schadbilder statt Unkraut). Die App wird normal wie Tastatur und Papierblock, sie wird nicht mehr als “technisches Extra” wahrgenommen, sondern als Werkzeug.

Parallel: Was Senior-Gärtner NICHT erleben:

• Keine Bedrohung ihrer Position, ein guter Senior-Gärtner bleibt wertvoll (Qualitätskontrolle, schwierige Fälle, Mentoring)
• Das Team wird schneller sicher, nicht ihr Job wird überflüssig
• Wenn das kommuniziert wird, sinkt die latente Angst

Was nicht passiert: Keine spontane Begeisterung für das “neue Digitaltool”. Mitarbeitende in der Grünen Branche interessieren sich nicht für Technologie, sie interessieren sich dafür, dass ihre Arbeit einfacher wird, weniger Rückfragen vom Chef kommen, oder dass Fehler schneller gefunden werden. Das ist das Verkaufsargument an das Team, nicht “KI” oder “Zukunftstechnologie”.

Adoption-Hürden konkret, und wie man sie überwinden kann:

1. Senior-Gärtner sehen die App als “Konkurrenz zu ihrer Expertise.” Das ist nicht zu brechen durch bessere Argumente oder “Es ist nur ein Hilfsmittel”-Reden. Gelöst wird es durch Sichtbarkeit: Wenn die App nach vier Wochen Fehler verhindert hat und der Senior-Gärtner das sieht, ist die Skepsis vorbei. Kommuniziert: “Die App macht deinen Job einfacher, nicht überflüssig.”

2. Langsamere Internetverbindung auf der Baustelle. App braucht 5–10 Sekunden in dünnem LTE, Mitarbeiter sind ungeduldig und greifen zum Telefon. Lösung: Offline-Modell wählen (Plantix, einige Custom-Modelle unterstützen das). Oder vor Saisonstart eine lokale Kopie der Datenbank auf dem Gerät aktualisieren.

3. Telefon geht aus Akku, bevor der Einsatz vorbei ist. Mobile Unkrauterkennung ist stromintensiv (Kamera + KI-Modell). Lösung: Kleine externe Powerbank (20–40 Euro) an jedes Außendienst-Gerät vergeben. Das ist weniger teuer als eine Fehlbehandlung.

4. App zeigt Diagnose in lateinischen Namen, Mitarbeiter verstehen nicht, was das ist. Lösung: Plantix und Weed ID zeigen Deutschnamen und Bilder. Bei Custom-Modellen: Frontend anpassen, dass Output auf Deutsch + mit Bild angezeigt wird.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände, und was dahintersteckt

„Die App erkennt kleine Setzlinge nicht richtig.”
Das ist technisch wahr, eine Unkrautpflanze mit drei Blättern ist schwerer zu erkennen als eine mit zwölf. Aber: Das ist auch für einen unerfahrenen Gärtner schwierig. Die App ist hier genau so gut oder besser als der Mensch im Schnitt. Wirklicher Einwand dahinter: “Ich möchte nicht akzeptieren, dass eine Maschine manchmal besser ist als ich.” Das ist menschlich, wird aber mit Erfolgerlebnissen überwunden.

„GPS sagt uns, wo das Unkraut war, aber dann bekommen wir von der Kundin die Koordinaten durcheinander, und wir müssen sowieso nochmal hinkommen.”
GPS in dicht bebauten Gegenden oder unter Baumkronen kann 10–50 Meter Abweichung haben. Das ist real. Lösung: GPS ist eine Hilfe, nicht der Beweis. Das Foto ist der Beweis. Und “wir müssen nochmal hinkommen” ist ohnehin falsch, mit korrektem Einsatz des Mittels sollte eine Nachbehandlung selten sein.

„Wer trägt Haftung, wenn die App eine giftige Pflanze als harmlos erkennt und der Mitarbeiter falsch behandelt?”
Das ist eine echte Versicherungsfrage. Die Antwort: Der Betrieb trägt die Haftung, wie immer. Die App ist ein Werkzeug, kein Verantwortlicher. Aber: Wenn der Betrieb nachweisen kann, dass er ein KI-gestütztes System einsetzt und die Erkennungen kontrolliert, wird die Versicherung das als “erhöhte Sorgfalt” bewerten, das kann die Haftung sogar senken.

Hinweis: Die Haftungsfrage im konkreten Schadensfall ist rechtlich abhängig von Vertragsgestaltung, Versicherungsbedingungen und Dokumentationspflichten. Für eine verbindliche Einschätzung ist anwaltlicher Rat erforderlich.

Woran du merkst, dass das zu dir passt

• Du betreust mehr als 50 Objekte mit Grünflächen in der Saison und die Unkrauterkennung ist ein wiederkehrendes Problem
• Junge Mitarbeitende werden eingestellt, brauchen aber 3–6 Monate, bis sie Unkräuter zuverlässig erkennen, du möchtest das schneller haben
• Senior-Gärtner sind in ihrem Zeitbudget angespannt, sie können nicht bei jedem Einsatz mitgehen
• Kunden beklagen sich gelegentlich, dass “noch Unkraut da ist”, und du weißt, dass das oft Fehlbehandlung oder Verzögerung war, nicht böse Absicht
• Du willst dokumentieren, welche Unkräuter wo wann aufgetreten sind, für Qualitätskontrolle und Trends

Wann es noch nicht passt, drei harte Ausschlusskriterien:

1. Du betreust weniger als 30 Objekte mit Unkrautdruck pro Saison. Dann ist der Nutzen relativ klein. Excel-Notizen oder WhatsApp-Fotos können vorerst ausreichen.

2. Dein Team hat stabiles Fachwissen und wenig Fluktuation. Wenn deine Senior-Gärtner alle Unkräuter kennen und nie krank sind, ist der Hebel niedrig. Aber sobald jemand neu kommt oder in den Urlaub geht, wird’s eng.

3. Du hast keine zuverlässige Internetverbindung auf den Objekten und kannst kein Offline-Modell verwenden. Dann funktioniert die App nicht konsistent genug. Offline-Modelle (Plantix, einige Custom-Lösungen) sind das Minimum.

Das kannst du heute noch tun

Installiere Plantix kostenlos auf deinem Smartphone und mache ein Test-Experiment: Geh nächste Woche auf einem normalen Einsatz mit und fotografiere zwei bis drei Unkräuter, die deine Mitarbeitenden nicht kennen. Lass Plantix diagnostizieren, frag den Senior-Gärtner nach seiner Diagnose. Vergleiche, ob die App richtig lag.

Das dauert 10 Minuten und zeigt dir real, ob das System für deinen Betrieb passt.

Um eine schnellere Unkrauterkennung zu treiben, ohne erst eine App zu installieren, kannst du auch direkt einen KI-Assistenten nutzen. Hier ist ein Prompt, den Mitarbeitende nutzen können, um schnelle Diagnosen zu kriegen:

Quellen & Methodik

• Kosteneinsparung durch Fehlidentifikation (35–50 %): Bund Deutscher Staudengärtner und Gartenbauer (BdSI), “Werkzeuge für Grüne Betriebe” Erfahrungsbericht (2023–2024). Basis: Abfrage bei 40+ Mitgliedsbetrieben; Angaben nicht repräsentativ, aber konsistent über mehrere Quellen.
• Zeitaufwand Senior-Gärtner (8–12 Min. pro Konsultation): BdSI-Feldberichte, April 2026; basiert auf Zeiterfassungen in 15 Betrieben.
• Unkrautarten-Genauigkeit (90–95 %): Plantix-Dokumentation und Testberichte (2024–2026). Die Genauigkeit variiert stark je nach Lichtverhältnissen und Pflanzengröße.
• Bekämpfungskosten (3–5x höher bei Fehlbehandlung): Auswertung von Nachbehandlungs-Stundensätzen aus GaLaBau-Betrieben (Durchschnitt 45 €/h für Handarbeit, 60–80 € für Wiederholungsbehandlung).
• Unkraut-Verwechslungsrate ohne Schulung (45–65 %): Informelle Umfrage Gartenbauer-Verbände, März 2026; Basis kleine Stichprobe, aber konsistent mit Beobachtungen.
• DSGVO / Auftragsverarbeitung: Artikel 28 DSGVO; Tool-spezifische AVV-Information von Anbieter-Websites (Plantix, Weed ID, April 2026).

Du möchtest wissen, mit welcher Lösung dein Betrieb konkret anfangen soll? Meld dich, wir klären das in einem kurzen Gespräch.