Katharina Holstein

Wissenschaftliche Mitarbeiterin Logistik- und Fabriksysteme

Forschungsschwerpunkte

  • Multi- und hyperspektrale Bildanalyse
  • Maschinelles Lernen
  • Data Science
  • Land- und forstwirtschaftliche Anwendung, Lebensmittelproduktion, Kosmetikindustrie

Katharina Holstein entwickelt am Fraunhofer IFF anwendungsspezifische Lösungen für umwelt- und ressourcenschonende Produktionsabläufe und eine effiziente Erzeugung von biobasierten Rohstoffen. Katharina Holstein überträgt dazu Technologien aus der Industrie 4.0 auf die Landwirtschaft und die Forstwirtschaft.

Ein Arbeitsschwerpunkt ist das Entwickeln digitaler Prognosetools für den Argrar- und Forstbereich – vor allem in den Bereichen des Smart Farming und Smart Breeding.

Hier kombiniert Katharina Holstein biochemische Messdaten und hyperspektrale Sensortechnik mit Verfahren des maschinellen Lernens und der künstlichen Intelligenz zur automatisierten Analyse und Auswertung der Pflanzengesundheit.

  • Digitaler Obstbau: Um die Pflanzenkrankheiten Apfeltriebsucht und Birnenverfall möglichst frühzeitig zu erkennen, wird ein nicht-invasives Diagnoseverfahren entwickelt. Die Basisdaten liefern hyperspektrale Messungen von Obstbaum-Proben im Labor und von Befliegungen der Obstbaumplantagen mit Multikoptern.

    FraxMon: Zur Bekämpfung des Eschentriebsterbens entwickeln Forschungspartner aus ganz Deutschland gemeinsam Methoden zur Diagnose der Pflanzenkrankheit. Das Team am Fraunhofer IFF widmet sich dem Monitoring von Eschenbeständen und nutzt hyperspektrale Sensorik, um die Schadentwicklung auf ganzen Waldflächen laufend zu überwachen.

    COGNAC: Im Projekt COGNAC forschen acht Fraunhofer-Institute gemeinsam an  Lösungen für das Smart Farming, die Landwirtinnen und Landwirte dabei unterstützen, ihre landwirtschaftlichen Produkte sowohl effizient und qualitativ hochwertig als auch umwelt- und ressourcenschonend zu produzieren. Die Forschungsteams zielen darauf ab, Daten über die komplexen Zusammenhänge in der Feldwirtschaft automatisiert zu erfassen und Entscheidungsprozesse in der gesamten landwirtschaftlichen Wertschöpfungskette zu unterstützen.

    Magic Efficiency: Für Vorhersagen in der Präzisionszucht stickstoffeffizienter Genotypen aus der multiparentalen Winterweizenpopulation MAGIC-WHEAT WM-800, untersucht das Forschungsteam im Projekt »Magic Efficiency« den Stickstoff- und Kohlenstoffgehalt sowie die Nährstoffzusammensetzung und Kornqualität von Weizenkörnern mittels sensorgestützter Analyse.

  • 2014 Promotion an der OVGU Magdeburg. Fakultät für Elektro- und Informationstechnik, Bereich Systembiologie.
    seit 2013 Wissenschaftliche Mitarbeiterin am Fraunhofer IFF Magdeburg. 2013 bis 2020 im Bereich Biosystems Engineering; seit 2021 im Bereich Kognitive Prozesse der Abteilung Logistik- und Fabriksysteme.
    2008 bis 2013 Wissenschaftliche Mitarbeiterin am MPI Magdeburg, Bereich Systemtheorie.
    2003 bis 2008 Studium an der OVGU Magdeburg. Studiengang Systemtechnik und technische Kybernetik, Schwerpunkte Automatisierungstechnik und Systembiologie.
  • Jahr
    Year
    Titel/Autor:in
    Title/Author
    Publikationstyp
    Publication Type
    Diese Liste ist ein Auszug aus der Publikationsplattform Fraunhofer-Publica

    This list has been generated from the publication platform Fraunhofer-Publica
  • seit 2019
    COMETiN-VI- und -VII-Programm der OVGU Magdeburg

    2019
    3. Platz im Fraunhofer-Ideenwettbewerb »Was ist Deine Moonshot-Vision« für »Human SkinCorder Project« (gemeinsam mit Andreas Herzog, David Kilias, Patrick Menz, Andreas Backhaus und Udo Seiffert), vorgestellt auf dem Netzwerttreffen zum 70. Jahrestag der Fraunhofer-Gesellschaft

    2008 bis 2012
    International Max Planck Research School for Advanced Methods in Process and Systems Engineering, MPI Magdeburg