KI-Modell liest elektrische Signale von Pflanzen

Ein dünner Metallstift dringt durch die Rinde eines Baumes. Dort, im lebenden Gewebe, misst er winzige Spannungsschwankungen. Keine hörbare Stimme, kein Rascheln mit verborgener Bedeutung. Nur elektrische Aktivität im Mikrovoltbereich, übertragen an eine Basisstation und von dort in die Cloud. Was wie ein botanisches Langzeit-EKG aussieht, soll verraten, wie es der Pflanze geht.

Hinter diesem Versuch steht das US-Startup Electric Plant. Am 20. Oktober 2026 trat das Unternehmen nach der bisherigen Entwicklungsphase mit seinem KI-Modell Bombadil an die Öffentlichkeit und gab zugleich eine Finanzierung über 11,2 Millionen Dollar bekannt. Bombadil soll elektrische Signale aus Pflanzen auswerten und daraus Rückschlüsse auf deren physiologischen Zustand ziehen. Das Versprechen klingt beinahe märchenhaft: Die Maschine lernt, Pflanzen zuzuhören. Tatsächlich ist die Sache nüchterner – und gerade deshalb interessant. Recherchequelle: TechCrunch→

Ein altes Phänomen trifft auf eine neue Maschine

Dass Pflanzen elektrische Signale erzeugen, ist keine Entdeckung des KI-Zeitalters. Reize wie Lichtwechsel, Kälte, Verletzungen oder Wassermangel verändern den Transport geladener Teilchen durch Zellmembranen. Dadurch entstehen Spannungsänderungen, die sich durch Gewebe und mitunter über größere Teile einer Pflanze ausbreiten.

Forscher unterscheiden unter anderem Aktionspotenziale und langsamere elektrische Wellen. Diese Vorgänge sind mit Kalziumsignalen, chemischen Reaktionen und Änderungen der Photosynthese verbunden. Pflanzen besitzen zwar weder Gehirn noch Nervensystem, dennoch koordinieren sie Vorgänge zwischen entfernten Blättern, Wurzeln und Trieben. Das elektrische Geschehen ist ein Teil dieses komplexen Austauschs. Eine einfache Übersetzung nach dem Muster „dieses Signal bedeutet Durst“ gibt es jedoch nicht. Arten, Umweltbedingungen, vorausgegangener Stress und sogar die Messmethode können das Muster verändern.

Genau an dieser Unübersichtlichkeit setzt Bombadil an. Frühere Systeme des maschinellen Lernens wurden häufig für eine bestimmte Pflanzenart, einen einzelnen Stressfaktor oder eine eng begrenzte Versuchsumgebung entwickelt. Ein Modell erkannte etwa Wassermangel bei einer Kulturpflanze im Gewächshaus, ließ sich aber nicht ohne Weiteres auf einen Apfelbaum im Freiland übertragen.

Electric Plant versucht nun, den Ansatz der großen Grundmodelle auf Pflanzensignale anzuwenden. Statt für jede Art und jede Aufgabe ein neues System zu trainieren, soll ein gemeinsames Modell zunächst allgemeine Strukturen in elektrischen Messreihen lernen. Erst anschließend werden spezialisierte Module hinzugefügt, die konkrete physiologische Größen schätzen.

Vier Millionen Stunden Pflanzenstrom

Die Zahlen hinter dem Projekt sind ungewöhnlich. Nach Angaben der Entwickler wurde Bombadil mit mehr als vier Millionen Messstunden von über 1.400 Pflanzen trainiert. Der Datensatz umfasst 100 Arten und zehn unterschiedliche Umgebungen – darunter Labore, Gewächshäuser, kommerzielle Obstplantagen und natürliche Wälder. Die Aufzeichnungen entstanden zwischen November 2024 und Juli 2026.

Für die Messungen verwendet das Unternehmen Elektroden, die in signalführendes Gewebe eingesetzt werden. Das Außengerät namens Bud erfasst einmal pro Sekunde die Messwerte eines Elektrodenpaars und überträgt die Daten über ein energiesparendes Funknetz. Weil bereits dabei enorme Datenmengen entstehen, werden die Messwerte zu einminütigen Zusammenfassungen verdichtet. Das Modell verarbeitet wiederum Abschnitte von jeweils 16 Minuten wie einzelne Bausteine einer langen zeitlichen Folge.

Bombadil ist ein Transformer, also mit jener Modellarchitektur verwandt, die auch hinter vielen Sprachsystemen steckt. Hier bestehen die „Wörter“ jedoch nicht aus Text, sondern aus Abschnitten elektrischer Zeitreihen. Beim selbstüberwachten Training wurden Teile der Messkurven verdeckt. Das System musste lernen, die fehlenden Stücke aus dem Zusammenhang zu rekonstruieren. Mehr als 175 Milliarden solcher Zeiteinheiten flossen nach Angaben der Autoren in das Training ein. Recherchequelle: Electric Plant→

Dieses Verfahren beantwortet zunächst noch nicht die Frage, ob eine Pflanze Wasser benötigt. Es soll eine allgemeine Repräsentation ihres elektrischen Zustands erzeugen. Darauf baut ein zweiter Modellteil auf, der sieben physiologische Größen schätzt. Fünf davon betreffen Vorgänge rund um Photosystem II, einen zentralen Bestandteil der Photosynthese. Zwei weitere beziehen sich auf die Temperatur der Blätter und den daraus abgeleiteten Wasserstress.

Die für dieses Spezialtraining benötigten Vergleichswerte wurden mit einem tragbaren Messgerät erfasst. Für rund eine Million der aufgezeichneten Stunden von mehr als 400 Pflanzen und 35 Arten lagen solche Referenzmessungen vor. Insgesamt kamen über 41.000 Vergleichswerte zusammen.

Zwischen erstaunlichem Treffer und stummer Leitung

Die Ergebnisse sind ermutigend, aber keineswegs ein botanischer Durchbruch ohne Einschränkungen. Bombadil konnte verdeckte Signalabschnitte besser rekonstruieren als eine einfache lineare Fortschreibung. Das Modell erkannte auch bei Pflanzenarten, die während eines bestimmten Trainingsschritts nicht einbezogen worden waren, noch gemeinsame Strukturen. Das spricht dafür, dass elektrische Aktivität verschiedener Arten tatsächlich übertragbare Muster enthält.

Ein unruhigeres Bild zeigt sich bei der Schätzung konkreter Stresswerte. Besonders gut verfolgte das System Veränderungen beim linearen Elektronentransport der Photosynthese. Andere Größen, darunter der aus Blatt- und Lufttemperatur errechnete Wasserstressindex, wurden deutlich schwächer erfasst. Ein Teil der Fehlerwerte lag bei drei der sieben untersuchten Faktoren sogar unter dem Niveau einer simplen Vergleichsmethode.

Die Leistung schwankte auch zwischen den Arten erheblich. Für mehrere Photosynthesewerte funktionierte das Modell bei einer untersuchten Fichte ausgesprochen gut. Dagegen fand es beim Kroton, einer verbreiteten Zierpflanze, praktisch keinen belastbaren Zusammenhang. Je nach Messgröße verliefen die Messwerte von neun bis 25 Prozent der Sensoren sogar gegenläufig zu den tatsächlichen Referenzwerten.

Das ist kein Nebendetail. Es zeigt, wie weit der Weg von einem Forschungsmodell zu einem System ist, das selbstständig über Bewässerung oder Pflanzenschutz entscheidet. Die ausführlichste Auswertung stützte sich zudem nur auf sechs besonders dicht erfasste Arten. Pro Stressfaktor umfasste der Test zwischen 24 und 35 Pflanzen. An keinem Standort wurde eine dort vollkommen unbekannte Art unabhängig geprüft. Die Autoren weisen selbst darauf hin, dass Standort- und Artunterschiede in den bisherigen Daten nicht sauber voneinander getrennt werden können.

Hinzu kommt: Die Veröffentlichung stammt von Mitarbeitern des Unternehmens und liegt als Vorveröffentlichung vor. Eine unabhängige Begutachtung und Wiederholung der Versuche steht noch aus. Von einer universellen Übersetzung pflanzlicher Bedürfnisse kann deshalb keine Rede sein.

Die Pflanze spricht nicht

Die Formulierung, eine KI könne mit Pflanzen reden, ist verführerisch. Sie führt allerdings in die falsche Richtung. Bombadil weist weder Bewusstsein nach noch entschlüsselt es eine Sprache im menschlichen Sinn. Das Modell erkennt statistische Muster in elektrischen Messdaten und verknüpft sie mit ausgewählten physiologischen Größen.

Die Pflanze sagt also nicht: „Ich brauche Wasser.“ Ihre elektrischen Eigenschaften verändern sich, während ihr Stoffwechsel auf Wassermangel reagiert. Sensoren erfassen einen kleinen Ausschnitt davon, und ein Modell versucht, diesen Ausschnitt mit zuvor beobachteten Zuständen zu vergleichen. Zwischen einem Signal und seiner Bedeutung liegen Messgeräte, Referenzwerte, Trainingsentscheidungen und Wahrscheinlichkeiten.

Gerade die jüngere Fachliteratur beschreibt elektrische Signale als besonders frühe Reaktionen auf Belastungen. Darin liegt ihr landwirtschaftlicher Reiz: Ein Baum könnte Stress anzeigen, bevor seine Blätter sichtbar hängen oder sich verfärben. Zugleich betonen Forscher, dass viele zugrunde liegende Mechanismen noch nicht vollständig verstanden sind. Elektrische Aktivität ist ein Hinweisgeber, kein fertiges Wörterbuch. Recherchequelle: PubMed→

Vom Sprachmodell zum Lebensmodell

Electric Plant denkt bereits an Obstplantagen, Wälder, Stadtbegrünung und Zimmerpflanzen. Die Sensoren sollen kontinuierlich melden, wann Wasser, Nährstoffe oder Aufmerksamkeit benötigt werden. Weitere denkbare Anwendungen reichen von der Erkennung belasteter Böden bis zur Überwachung von Waldgebieten. Vorerst handelt es sich dabei größtenteils um geplante oder vom Unternehmen beschriebene Einsatzmöglichkeiten. Recherchequelle: Electric Plant Company→

Die größere Geschichte hinter Bombadil reicht ohnehin über Landwirtschaft hinaus. Grundmodelle lösen sich zunehmend vom Text. Sie verarbeiten Proteinstrukturen, Wetterfelder, Gehirnströme, Maschinenzustände und nun auch die elektrische Aktivität von Pflanzen. Wo Sensoren regelmäßig Daten liefern, entsteht die Möglichkeit, ein Modell nach wiederkehrenden Mustern suchen zu lassen.

Damit verschiebt sich die Rolle der KI. Sie formuliert nicht mehr nur Antworten auf menschliche Fragen. Sie wird zu einem Instrument für die Analyse sensorisch erfasster Daten – manchmal aus Bereichen, in denen der Mensch selbst kaum etwas wahrnimmt.

Bombadil versteht Pflanzen noch nicht. Vielleicht ist „Verstehen“ dafür ohnehin das falsche Wort. Das Modell misst, vergleicht und schätzt. Doch zwischen Rinde und Elektrode öffnet sich ein neuer Datenraum: leise, fehleranfällig und voller biologischer Eigenheiten. Dort beginnt keine Unterhaltung. Aber möglicherweise eine neue Art des Zuhörens.

Weiterführende Informationen

Quellenhinweis: Einzelne Fakten, Einschätzungen und Prognosen dieses Beitrags stützen sich auf Veröffentlichungen der nachfolgend genannten Unternehmen und Institutionen. Die Links dienen zugleich der weiterführenden Information.

Pflanzenforschung.de – Pflanzen-Sinne
Die Fachseite erläutert Aktionspotenziale, langsamere elektrische Wellen und deren Zusammenspiel mit Kalzium-, ROS- und Hormonsignalen bei pflanzlichen Reaktionen auf Umweltreize.
https://wwv.pflanzenforschung.de/pflanzenwissen/themenspecials/pflanzen-sinne

alphaXiv – Foundation Models für Zeitreihen: Eine Übersicht
Die technische Übersicht erklärt Transformer für Zeitreihen, abschnittsweise Tokenisierung, selbstüberwachtes Vortraining und die Übertragung gelernter Signalmuster auf neue Aufgaben.
https://www.alphaxiv.org/de/abs/2504.04011

IT BOLTWISE – Startup Electric Plant dekodiert Pflanzen-Signale mit KI und Sensoren
Der Beitrag stellt Bombadils Sensorik und artübergreifenden Ansatz vor und hinterfragt die Robustheit gegenüber Störsignalen sowie die Übertragbarkeit auf verschiedene Arten, Standorte und Feldbedingungen.
https://www.it-boltwise.de/startup-electric-plant-dekodiert-pflanzen-signale-mit-ki-und-sensoren.html