> For the complete documentation index, see [llms.txt](https://docs.geopard.tech/geopard-tutorials/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.geopard.tech/geopard-tutorials/de/produkt-tour-web-app/geopard-ai-assistant/accuracy-and-evaluation.md).

# Genauigkeit und Bewertung

Wie GeoPard die Genauigkeit des KI-Assistenten misst und generierte Pläne validiert.

Wir messen die agronomische Genauigkeit des Assistenten anhand eines versionierten Benchmarks. Wir veröffentlichen die Ergebnisse für alle Kategorien, auch für Bereiche, in denen wir uns noch verbessern.

### Der Benchmark

* 503 Fragen auf Expertenniveau zur Agronomie, angelehnt an das CCA-Format.
* Fünf Kategorien: Boden und Wasser, Pflanzenbau, Nährstoffmanagement, Pflanzenschutz und integrierter Pflanzenschutz (IPM) sowie Spezialwissen zur Präzisionslandwirtschaft.
* Versioniert und bei jeder Veröffentlichung erneut durchgeführt. Aktuelle Version: v2, Juli 2026.

### Aktuelle Ergebnisse

| Kategorie                                            | Ergebnis |
| ---------------------------------------------------- | -------- |
| Spezialwissen zur Präzisionslandwirtschaft           | 100%     |
| Boden und Wasser                                     | 95.8%    |
| Pflanzenbau                                          | 93.8%    |
| Nährstoffmanagement                                  | 92.9%    |
| Pflanzenschutz und integrierter Pflanzenschutz (IPM) | 77.5%    |

### Warum der Fragenkatalog vertraulich bleibt

Öffentliche Benchmark-Fragen können in KI-Trainingsdaten einfließen. Sobald das geschieht, messen die Ergebnisse nicht mehr die tatsächliche Leistungsfähigkeit. Der Fragenkatalog bleibt vertraulich, damit künftige Ergebnisse aussagekräftig bleiben. Auf Anfrage veröffentlichen wir die Methodik, alle Kategorieergebnisse und Beispielfragen.

### Validierung über den Benchmark hinaus

Benchmark-Ergebnisse messen Wissen. Jeder erstellte Plan wird vor der Erstellung in einem Probelauf validiert. Die Prüfungen umfassen die Nährstoffbilanz und Nährstoffentzüge anhand von Empfehlungen der landwirtschaftlichen Beratung. Sie berücksichtigen außerdem kritische Bodenuntersuchungswerte und Aufdüngungskonventionen Ihres Labors. Geprüft werden auch Ausbringungsmengen, Mindestabstände und Regeln der Wissensdatenbank. Schlägt eine Prüfung fehl, wird keine Karte erstellt.

### Ihre Rolle

Der Assistent unterstützt die fachliche Beurteilung, ersetzt jedoch keine zertifizierte Agrarfachkraft vor Ort. Sie prüfen und genehmigen jede Applikationskarte. Gleichen Sie Empfehlungen mit Ihrem Anbauplan, den Bodenuntersuchungsergebnissen, den Produktetiketten und den örtlichen Vorschriften ab.

### Verwandte Themen

* [Überblick über den GeoPard-KI-Assistenten](https://docs.geopard.tech/geopard-tutorials/de/produkt-tour-web-app/geopard-ai-assistant.md)
* [Häufig gestellte Fragen zum KI-Assistenten](https://docs.geopard.tech/geopard-tutorials/de/produkt-tour-web-app/geopard-ai-assistant/precision-agriculture-ai-assistant-faq.md)


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.geopard.tech/geopard-tutorials/de/produkt-tour-web-app/geopard-ai-assistant/accuracy-and-evaluation.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
