Workflow-Übersicht

Dies ist eine auf N8N basierende Workflow-Vorlage zur Drohnenbild-basierten Überwachung der Pflanzengesundheit. Der Workflow empfängt von Drohnen aufgenommene Feldbilder und analysiert diese mithilfe von KI-Technologien, um die Gesundheit der Nutzpflanzen automatisiert zu überwachen und zu dokumentieren. Das System integriert Vektordatenbank-Speicherung, KI-gestützte Frage-Antwort-Funktionalität sowie Datenaufzeichnung und liefert so technische Unterstützung für die Präzisionslandwirtschaft.

Kernfunktionen

1. Intelligente Bildanalyse

• Empfang von Feldbilddaten, die von Drohnen erfasst wurden
• Analyse des Pflanzenzustands mithilfe von KI-Technologie
• Aufbau einer Wissensdatenbank zur Unterstützung intelligenter Abfragen

2. Vektorbasierte Speicherung

• Umwandlung der Analyseergebnisse in Vektordaten
• Speicherung in der Supabase-Vektordatenbank
• Unterstützung effizienter semantischer Suche

3. Intelligente Dialogsysteme

• KI-gestützte Frage-Antwort-Funktion basierend auf dem Anthropic-Claude-Modell
• Kontextspeicherung zur Erhaltung der Gesprächskontinuität
• Abfrage historischer Analyseergebnisse möglich

Detaillierte Knotenanalyse

Eingangsknoten

Knotenname	Typ	Funktionsbeschreibung
Webhook	n8n-nodes-base.webhook	POST-Endpunkt /drone_image_crop_health zum Empfang von Drohnenbilddaten

Datenverarbeitungsknoten

Knotenname	Typ	Funktionsbeschreibung
Splitter	textSplitterCharacterTextSplitter	Textsplitter: Teilt lange Texte in Blöcke à 400 Zeichen mit einer Überlappung von 40 Zeichen
Embeddings	embeddingsOpenAi	Generiert Textvektoren mithilfe von OpenAI

Speicherknoten

Knotenname	Typ	Funktionsbeschreibung
Insert	vectorStoreSupabase	Fügt Vektordaten in den Supabase-Datenbankindex drone_image_crop_health ein
Query	vectorStoreSupabase	Fragt relevante Informationen aus der Vektordatenbank ab

KI-intelligente Knoten

Knotenname	Typ	Funktionsbeschreibung
Tool	toolVectorStore	Vektorspeicher-Tool für KI-Agenten
Memory	memoryBufferWindow	Gesprächsspeicher-Cache zur Aufrechterhaltung der Kontextkontinuität
Chat	lmChatAnthropic	Anthropic-Claude-Sprachmodell
Agent	agent	KI-Agent, der Werkzeuge und Speicher integriert

Ausgabeknoten

Knotenname	Typ	Funktionsbeschreibung
Sheet	googleSheets	Fügt Verarbeitungsergebnisse als neue Zeile in eine Google-Sheets-Protokolldatei ein

Hilfsknoten

Knotenname	Typ	Funktionsbeschreibung
Sticky	stickyNote	Workflow-Hinweis-Zettel mit Titel „Drone Image Crop Health“

Datenflussdiagramm

[Webhook empfängt Daten]
        ↓
    ┌───┴───┐
    ↓       ↓
[Textsplitter] [Memory-Cache]
    ↓           ↓
[Vektoreinbettung] ↓
    ↓           ↓
    ├→[Speichern in Supabase]
    ↓           ↓
[Vektordatenbank-Abfrage] ↓
    ↓           ↓
[Werkzeug erstellen] ↓
    ↓           ↓
    └→[KI-Agent]←[Claude-Modell]
           ↓
    [Eintrag in Google Sheets]

Technologie-Stack

Genutzte Dienste

1. OpenAI API – Textvektorisierung
2. Supabase – Vektordatenbank-Speicherung
3. Anthropic Claude – KI-Dialogmodell
4. Google Sheets – Protokollierung der Daten

Wichtige Parameterkonfiguration

• Textsplitter: Blockgröße 400 Zeichen, Überlappung 40 Zeichen
• Vektorindexname: drone_image_crop_health
• Auslösemechanismus: Webhook-POST-Anfrage
• Ausführungsreihenfolge: Version v1

Anwendungsszenarien

Hauptanwendungszwecke

1. Präzisionslandwirtschaftliche Überwachung – Echtzeitanalyse des Pflanzenwachstums
2. Frühwarnsystem für Schädlinge und Krankheiten – Früherkennung von Pflanzenschäden
3. Ertragsprognose – Erntevorhersage basierend auf Gesundheitsdaten
4. Entscheidungsunterstützung im landwirtschaftlichen Betrieb – Datenbasierte Anbauempfehlungen

Geschäftlicher Mehrwert

• Steigerung der landwirtschaftlichen Produktivität
• Reduzierung der Kosten für manuelle Inspektionen
• Datengetriebenes Farmmanagement
• Aufbau einer landwirtschaftlichen Wissensdatenbank

Bereitstellungsanforderungen

Erforderliche API-Anmeldeinformationen

1. OpenAI-API-Schlüssel
2. Supabase-Datenbank-Anmeldeinformationen
3. Anthropic-API-Schlüssel
4. Google-Sheets-OAuth2-Authentifizierung

Vorab erforderliche Vorbereitungen

1. Erstellung einer Supabase-Vektordatenbanktabelle
2. Konfiguration der Google-Sheets-Dokument-ID
3. Einrichtung des Webhook-Endpunkts
4. Initialisierung des Vektorindexes

Erweiterungsvorschläge

1. Bilderkennung integrieren – Direkte Verarbeitung von Bilddaten durch Computer-Vision-Modelle
2. Echtzeit-Warnsystem – Hinzufügen von Anomalieerkennung und Benachrichtigungsfunktionen
3. Datenvisualisierung – Erstellung eines Dashboards zur Darstellung der Analyseergebnisse
4. Multiquellen-Datenfusion – Integration weiterer Datenquellen wie Wetter- oder Bodendaten
5. Batch-Verarbeitung – Unterstützung paralleler Analyse mehrerer Bilder

Zusammenfassung

Diese Workflow-Vorlage zeigt, wie moderne KI-Technologien im landwirtschaftlichen Bereich eingesetzt werden können. Durch die Kombination aus Drohnenbilddatenerfassung, vektorbasierter Speicherung, intelligenter Analyse und automatischer Dokumentation entsteht ein vollständiges System zur Überwachung der Pflanzengesundheit. Das System verarbeitet nicht nur Echtzeitdaten, sondern bietet zudem über eine KI-gestützte Dialogschnittstelle intelligente Abfragemöglichkeiten und leistet somit wertvolle technische Unterstützung für die Präzisionslandwirtschaft.