AI a „jídlo ze vzduchu“: NASA nápady pro Zemědělství

NASA v rámci Deep Space Food Challenge rozdala ve 2. fázi 750 000 USD a do finále poslala osm týmů, které mají jediný úkol: udržet lidi naživu a v kondici i tam, kde není půda, déšť ani logistika. Na první pohled je to „jen“ kosmická soutěž. Ve skutečnosti je to překvapivě praktický stres test toho, co bude brzy potřeba i na Zemi: stabilní produkce potravin s minimem vstupů, s přesným řízením a s maximální kontrolou kvality.

Pro náš seriál Umělá inteligence v zemědělství a potravinářství je na tom nejzajímavější jedna věc: většina finalistů staví systémy, které bez AI a pokročilé automatizace jednoduše nedávají ekonomicky ani provozně smysl. V kosmu je chyba drahá. Na Zemi je drahá taky – jen ji často maskujeme přebytkem vody, energie nebo práce.

Tahle „vesmírná“ témata proto beru jako velmi realistický náhled do toho, co čeká potravinářství a zemědělství v příštích letech: fermentace plynů (protein ze vzduchu), bioregenerativní pěstování, mykoproteiny, modulární farmy a chytré vaření z trvanlivých surovin.

Proč NASA vybírá právě tyhle technologie (a proč to zajímá farmáře)

Odpověď na „proč“ je jednoduchá: NASA sází na to, co je provozně nejvíc předvídatelné. Ve finále se neprosadily nejexotičtější nápady typu složitých bioreaktorů na kultivované maso nebo specializované „tiskárny“ na pečivo. Místo toho vítězí směry, které se dají řídit jako průmyslový proces: přívody, výstupy, senzory, kontrola mikrobiologie, energetická bilance.

Na Zemi řešíme podobnou rovnici, jen s jinými hranicemi. V prosinci 2025 je v Česku i v EU pořád slyšet stejné téma: cena energie, tlak na snižování emisí, nedostatek pracovní síly v potravinářství a proměnlivost výnosů. Vesmírná logika říká: když je prostředí nepřátelské, musí být systém automatizovaný, uzavřený, datově řízený.

Vesmír jako laboratoř pro „zemědělství bez milosti“

V kosmu nemáte prostor na improvizaci. Proto se do finále dostaly koncepty, které se dají měřit a optimalizovat:

• produkce single-cell proteinů pomocí fermentace,
• pěstování v modulárních pěstebních jednotkách (mikrozelenina, houby, případně hmyz),
• výroba houbových ingrediencí jako stabilního zdroje bílkovin a textury,
• a překvapivě i „vesmírná trouba“ – zařízení, které dává smysl, protože i z trvanlivých surovin potřebujete udělat jídlo, které lidi budou chtít jíst.

A přesně tady vstupuje do hry AI: jakmile se potravina vyrábí jako systém, AI se stává operačním mozkem.

„Jídlo ze vzduchu“: fermentace plynů a single-cell protein

Nejpřenosnější kosmická technologie na Zemi je plynné kvašení a výroba single-cell proteinů. Dva finalisté (Air Company a Solar Foods) pracují s principem, kdy se vstupy typu plyn/vzduch, voda, elektřina a mikroorganismy promění na jedlou biomasu nebo proteinovou složku.

Tohle není sci-fi. Je to průmyslová biotechnologie v extrémní verzi.

Kde v tom reálně pomáhá AI

Aby takový proces fungoval stabilně, potřebujete:

1. Prediktivní řízení fermentace – AI modely hlídají, kdy se kultura „láme“ do stresu (pH, teplota, rozpuštěné plyny, ORP, pěnivost).
2. Detekci kontaminace dřív, než je pozdě – anomálie v datech ze senzorů, změny v profilu metabolitů, odchylky v růstové křivce.
3. Energetickou optimalizaci – kdy je levnější vyrábět, kdy „držet“ systém a kdy jej rozjet naplno.

V praxi je AI rozdíl mezi pilotní linkou a linkou, která jede 24/7 s konstantní kvalitou. A to je důležité i pro potravinářské provozy v ČR: stabilita kvality, auditovatelnost a HACCP dokumentace se s datovým řízením dělají rychleji a přesněji.

Co si z toho vzít pro české potravináře

Neznamená to, že zítra postavíte „protein ze vzduchu“ ve skladu u D1. Znamená to ale, že fermentace se bude chovat čím dál víc jako chytrá výroba:

• více inline senzorů,
• více digitálních dvojčat,
• více automatického vyhodnocení šarží,
• méně „tajného know-how v hlavě mistra směny“.

A to je přesně směr, který dnes dává leady: firmy hledají, jak zvednout výtěžnost, snížit zmetkovitost a mít důkazní stopu.

Bioregenerativní pěstování: mikrogreens, houby a řízené cykly

Druhá hlavní linie finalistů je pěstování v uzavřených, modulárních systémech. Interstellar Lab mluví o bioregenerativním systému pro mikrogreens, zeleninu, houby a dokonce i hmyz. Další finalisté staví na houbách (Kernel Deltech) nebo na „umělé fotosyntéze“ pro ingredience (Nolux). Enigma of the Cosmos pak cílí na adaptivní pěstební systém, který zvyšuje efektivitu růstových cyklů.

Tohle je přímá paralela k tomu, co na Zemi známe jako:

• vertikální farmy,
• pěstování v kontejnerech,
• pěstební komory pro sadbu,
• indoor pěstování bylin a mikrogreens pro gastronomii.

AI v indoor pěstování: méně romantiky, víc matematiky

Odpověď, proč indoor pěstování často ekonomicky drhne, je energie a špatné řízení. Světlo, klima, CO₂, zálivka, živiny – všechno stojí peníze. AI dává smysl tam, kde umí najít optimum „chuť/výnos/náklad“:

• Predikce růstu: model ví, že při určitém spektru světla a VPD dostanete sklizeň o den dřív.
• Řízení klimatu: minimalizace špiček v topení/chlazení a stabilnější mikroklima.
• Optimalizace receptur živin: méně zasolení substrátu, méně výkyvů.

Moje zkušenost z praxe je, že největší zisk bývá v drobnostech: ne ve „velkém AI“, ale v tom, že přestanete přetápět, přehánět CO₂ nebo svítit naprázdno.

Jak to přenést na klasické pole a skleník

I když nejste indoor farma, princip „uzavřeného řízení“ se dá převést:

• ve skleníku pomocí prediktivního řízení klimatu,
• na poli pomocí precizního zemědělství (variabilní aplikace, satelitní a dronová data),
• ve skladu pomocí řízení atmosféry a teploty (snížení ztrát po sklizni).

Kosmický tlak na efektivitu nám jen ukazuje, jak moc se vyplatí měřit a automaticky vyhodnocovat.

Proč je mezi finalisty i „vesmírná trouba“ (a co to říká o inovacích)

SATED je jediný z amerických finalistů, který nestaví výrobu potravin, ale zařízení na vaření. Upřímně: to je chytrý tah.

V potravinových systémech se často soustředíme na produkci (vypěstovat, vyrobit), ale podceňujeme posledních 10 metrů: přípravu, texturu, vůni, pocit z jídla. V dlouhém horizontu je totiž compliance (ochota jíst) stejně důležitá jako nutriční tabulka.

Lekce pro potravináře: „palatabilita“ je KPI

Když vyrábíte nové proteinové ingredience (mykoprotein, single-cell protein), narazíte na to samé:

• Jak to chutná?
• Jak to voní?
• Jak se to chová v receptuře?
• Jak stabilní je to po tepelné úpravě?

AI má v tomhle překvapivě praktickou roli: modelování receptur, rychlejší vývoj produktů, predikce senzorického profilu (kombinace dat z laboratorních analýz a spotřebitelských testů). V prosinci, kdy firmy plánují novinky na Q1/Q2, se tohle hodí dvojnásob: zkrátit vývoj o týdny znamená stihnout sezónu.

Co si z Deep Space Food Challenge vzít do českého agro a food provozu

Největší hodnota kosmických projektů je metodika: všechno musí být měřitelné, auditovatelné a řízené daty. Pokud chcete AI reálně nasadit v zemědělství a potravinářství, začněte „ne sexy“ věcmi.

Praktický checklist: 6 kroků, které fungují

1. Vyberte jeden proces, ne celý podnik. Fermentace, sušení, skladování, třídění, skleník.
2. Zmapujte senzory a chybějící data. Bez dat AI jen hádá.
3. Definujte 2–3 KPI. Např. výtěžnost, energie na kg, zmetkovitost, stabilita vlhkosti.
4. Nastavte „quality gates“. Automatické zastavení/alert při odchylce.
5. Zaveďte predikci a plánování. Kdy vyrábět, kdy čistit, kdy servis.
6. Vyhodnocujte po šaržích a sezónách. AI se učí na historii; potřebuje disciplínu.

Jedna věta, kterou by si měl pověsit každý provozní: „Když to neumíme spolehlivě změřit, neumíme to ani zlepšit.“

Nejčastější otázky, které u AI v potravinářství padají

Dá se AI nasadit i bez velkých investic? Ano – nejdřív na reporting, detekci anomálií a prediktivní údržbu. Často stačí zlepšit kvalitu dat a sjednotit záznamy.

Kde bývá nejrychlejší návratnost? Typicky v energii (chlazení, topení, sušení), ve zmetkovitosti (stabilita procesu) a v plánování výroby.

Jak poznám, že nejde jen o „buzzword“? Pokud dodavatel neumí říct, jaká data potřebuje, jaké KPI zlepší a jak bude vypadat pilot do 6–10 týdnů, je to podezřelé.

Kam to celé míří v roce 2026: potraviny jako řízený systém

Deep Space Food Challenge ukazuje jednu tvrdou pravdu: budoucnost potravin patří systémům, které fungují i v nepohodlí. A „nepohodlí“ na Zemi není Mars. Je to kombinace ceny energie, volatility počasí, tlaku na udržitelnost a nedostatku lidí.

V rámci našeho tématu umělá inteligence v zemědělství a potravinářství bych to řekl jednoduše: AI není náhradou za agronomy a technologii výroby. Je to nástroj, který dělá složité procesy stabilními a škálovatelnými.

Pokud vás láká přenést „kosmickou disciplínu“ do vašeho provozu, začněte jedním pilotem, jasnými KPI a daty, kterým se dá věřit. A pak si položte otázku, která bude v roce 2026 čím dál praktičtější: Kterou část vašeho potravinového řetězce byste chtěli, aby fungovala i v extrémních podmínkách – a co vám k tomu dnes chybí?