HEB-KI: Ein KI-basierter, ressourceneffizienter Ansatz unter Verwendung multipler Genom- und Phänom-Datensätze zur Einbringung neuartigen Allele in die Gerstenzüchtung.

Das HEB-KI Projekt hat die ressourceneffiziente Erweiterung der HEB-25 Gerstenpopulation zur HEX-35 mittels KI-Methoden zum Ziel. Hierfür werden aus einer Wildgerstenpopulation gezielt, geeignete Akzessionen für die Kreuzungen selektiert. Damit verfolgt das HEB-KI Projekt eine zentrale Forderung der Pflanzenzüchtung: die Diversität in Züchtungen zu erhöhen. Um diese Populationen anschließend mit, notwendigerweise kleineren Kapazitäten, in Feldversuchen oder kontrollierten Versuchsplattformen in ihren Eigenschaften zu untersuchen, werden wir KI-Modelle zur optimierten Vorhersage von Leistungsparametern weiterentwickeln. Dafür wird der XSeedScore-Algorithmus weiterentwickelt und an die Kulturpflanze Gerste angepasst. Darüber hinaus werden im Projekt Ensemble-Methoden eingesetzt, um KI-basiert eine Zuordnung von chromosomalen Segmenten zu pflanzlichen Merkmalen zu ermöglich.

HEB-KI: An AI-based, resource-efficient approach using multiple genome and phenome datasets to introduce novel alleles into barley breeding

The HEB-KI project aims at the resource-efficient extension of the HEB-25 barley population to HEX-35 using AI methods. For this purpose, suitable accessions for the crosses are selected from a wild barley population. In this way, the HEB-KI project is pursuing a central requirement of plant breeding: to increase diversity in breeding. In order to subsequently investigate the traits of these populations with, necessarily smaller capacities, in field trials or controlled experimental platforms, we will further develop AI models for optimized prediction of performance parameters. For this purpose, the XSeedScore algorithm will be further developed and adapted to the crop barley. In addition, ensemble methods will be used in the project to enable AI-based assignment of chromosomal segments to plant traits.