Echter Mehltau:

Wie Hitze und Feuchtigkeit den Pilzbefall unsichtbar antreibe

Echter Mehltau (Erysiphe spp., Podosphaera spp.) macht sich unverkennbar bemerkbar: Ein weißer, mehlartiger Belag breitet sich auf Blattoberflächen, Stielen und manchmal auch Blüten aus. Trotz seines auffälligen Erscheinungsbildes wird er von vielen Züchtern im Frühstadium unterschätzt. Dies ist ein Fehler, der eine ganze Ernte kosten kann.

Was den Echten Mehltau unter den pilzlichen Krankheitserregern ungewöhnlich macht, ist, dass er unter warmen, relativ trockenen Bedingungen gedeiht. Der optimale Temperaturbereich liegt zwischen 18–28 °C bei einer moderaten Luftfeuchtigkeit von etwa 50–70 % r. F. Freies Wasser auf der Blattoberfläche hemmt die Keimung sogar. Das bedeutet, dass Bewässerung oder Regen ihn vorübergehend unterdrücken können, während trockene, warme Gewächshausbedingungen ihn beschleunigen.

Schadensbild: Mehltau besiedelt die Epidermiszellen der Blätter und entzieht der Pflanze direkt Nährstoffe. Infiziertes Gewebe verliert seine Photosynthesefähigkeit, die Blätter rollen sich ein und vergilben, und stark befallene Pflanzen weisen Wachstumsstörungen sowie eine verminderte Frucht- oder Blütenqualität auf. Bei Beerenobst und Zierpflanzen kann der wirtschaftliche Schaden bereits wenige Tage nach dem ersten sichtbaren Befall schwerwiegend sein.

Falscher Mehltau:

Der nächtliche Eindringling

Der Falsche Mehltau (Peronospora spp., Bremia spp., Plasmopara spp.) ist streng genommen kein Pilz. Es handelt sich um einen Oomyceten, also einen Wasserschimmel, und sein Verhalten spiegelt diesen Ursprung voll und ganz wider. Während der Echte Mehltau trockene Wärme bevorzugt, ist der Falsche Mehltau ein Kind kühler, feuchter Nächte.

Die Krankheit zeigt sich zunächst als blassgelbe oder olivfarbene Flecken auf der Oberseite der Blätter, mit einer charakteristischen grau-violetten, flaumigen Sporenbildung auf der Unterseite. Für eine Infektion sind feuchte Blätter, Kondenswasser und eine hohe Luftfeuchtigkeit von über 85 % r. F. erforderlich; Temperaturen zwischen 12 und 18 °C schaffen die idealen Bedingungen. Dadurch sind die frühen Morgenstunden und die Zeit zwischen Dämmerung und Morgengrauen die kritische Infektionsphase, die für Landwirte, die ihre Pflanzen tagsüber inspizieren, oft unsichtbar bleibt.

Schadensbild: Falscher Mehltau breitet sich, sobald er sich etabliert hat, rasch über ganze Reihen aus, da die von den infizierten Blattunterseiten freigesetzten Sporen durch Luftbewegungen zu benachbarten Pflanzen getragen werden. Es kommt schnell zum Gewebekollaps, und bei Kulturen wie Salat, Basilikum, Trauben und Gurken kann eine einzige Nacht mit idealen Bedingungen einen Ausbruch auslösen, der innerhalb von 48 bis 72 Stunden sichtbar – und weitgehend unkontrollierbar – wird.

Wie J-Tec Monitoring Gärtnern hilft, immer einen Schritt voraus zu sein

Die Herausforderung bei beiden Mehltauarten besteht darin, dass der Infektionszyklus bereits in vollem Gange ist, wenn sichtbare Symptome auftreten. Eine reaktive Behandlung ist kostspielig, oft nur teilweise wirksam und mit viel Stress verbunden. Durch die Überwachung ändert sich diese Dynamik grundlegend, sodass der Züchter von der Reaktion zur Prävention übergeht.

Das J-Tec-System nutzt LoRa-vernetzte Sensoren, um kontinuierlich Klimadaten aus der gesamten Anbauumgebung zu liefern. Keine Internetkabel, keine komplizierte Verkabelung. Die Sensoren kommunizieren drahtlos und leiten die Daten in Echtzeit an die Analyseplattform weiter.

Risiko für Mehltau: Temperatur- und Feuchtigkeitssensoren

Die 2-in-1-Temperatur-/Feuchtigkeitssensoren erfassen, wann die Bedingungen in den Risikobereich von 18–28 °C / 50–70 % r. F. fallen. Anstelle eines einzelnen Tageswerts erfasst die Plattform die Gesamtzahl der Stunden, die innerhalb dieses Bereichs verbracht werden. Ein anhaltender Zeitraum von 12 Stunden bei 24 °C und 65 % r. F. birgt ein weitaus höheres Risiko als ein kurzer Spitzenwert. Die Erzeuger erhalten Warnmeldungen, bevor die Bedingungen den kritischen Schwellenwert erreichen, sodass ihnen Zeit bleibt, die Belüftung oder Beschattung anzupassen.

j-tec Sensor Temperature and Humidity
j-tec-sensor-Temperature-Humidity

Risiko für Falschen Mehltau: Überwachung von CO₂, Luftdruck und Taupunkt

Der 4-in-1-Sensor für CO₂/Temperatur/Luftfeuchtigkeit/Luftdruck erweist sich hier als besonders leistungsstark. Die Plattform überwacht die Taupunktmarge, wenn sich die Lufttemperatur dem Taupunkt nähert und die Gefahr von Kondensation auf den Blattoberflächen steigt. Trends beim Luftdruck warnen frühzeitig vor bevorstehendem feuchtem Wetter. Ein Züchter, der um 22:00 Uhr darauf hingewiesen wird, dass sich die Bedingungen für den Taupunkt nähern, hat Zeit, Heizschläuche einzuschalten oder Lüftungsöffnungen zu öffnen, bevor das Infektionsfenster sich öffnet.

Co2-Carbondioxide-Sensor
Co2-Carbondioxide-Sensor

Räumliches Bewusstsein im gesamten Anbaugebiet

Mehrere Sensorknoten, die im Gewächshaus oder auf dem Feld verteilt sind, zeigen die kalten Ecken, Bereiche mit geringer Luftzirkulation und schattige Reihen auf, in denen sich Mehltau zuerst ansiedelt. Ein einzelner Sensor liefert einen Durchschnittswert; ein Netzwerk liefert eine Karte. Landwirte können vorbeugende Maßnahmen genau dort ansetzen, wo sie benötigt werden.

Lichtverhältnisse und verlängerte Blattnässe

Der Lux-Sensor fügt eine weitere Ebene hinzu: Phasen mit wenig Licht verringern die Transpiration der Pflanzen, was das Trocknen des Blätterdachs verlangsamt und die effektive Dauer der Blattnässe verlängert. Eine bewölkte Woche ist eine Woche mit Falschem Mehltau-Risiko, und die Plattform spiegelt dies in ihrer Risikobewertung wider.

Mehltau im Gartenbau kündigt sich nicht gerade rechtzeitig an. Er breitet sich im Dunkeln, bei Feuchtigkeit und in Temperaturbereichen aus, die Sensoren verpassen, wenn sie nur einmal pro Stunde messen. Die J-Tec-Plattform wurde genau für diese Umgebung entwickelt – kontinuierliche, detaillierte und umsetzbare Daten, die den Erzeuger dem Erreger einen Schritt vorausbringen, statt einen Schritt hinterher.

Vorbeugung gegen Echten Mehltau

j-tec-Botrytis-Mildew-Notification-App
J-Tec Plant Analytic Botrytis Mildew Fungus

Fungal Detection

Powdery-Downy-Mildew-Comparison-Scientific (1)

Quellen

  1. Agrios, G.N. (2005) Plant Pathology. 5th edn. Academic Press. Available via: ScienceDirect — Powdery Mildew Overview [Accessed June 2026].
  2. Agrios, G.N. (2005) Plant Pathology. 5th edn. Academic Press. Available via: ScienceDirect — Downy Mildew Overview [Accessed June 2026].
  3. Michelmore, R. et al. (2022) ‚Downy mildews: Symptoms, causes and control‘, Royal Horticultural Society. Available at: https://www.rhs.org.uk/disease/downy-mildews [Accessed June 2026].
  4. Penn State Extension (2019) Addressing Downy Mildew and Powdery Mildew in the Home Garden. Pennsylvania State University. Available at: https://extension.psu.edu/addressing-downy-mildew-and-powdery-mildew-in-the-home-garden [Accessed June 2026].
  5. UC Nursery and Floriculture Alliance (2025) Understanding Powdery Mildew in Nurseries and Floriculture. University of California. Available at: https://ucnfa.ucdavis.edu/news/understanding-powdery-mildew-nurseries-and-floriculture [Accessed June 2026].
  6. UConn Integrated Pest Management (2019) Downy Mildew on Ornamentals. University of Connecticut. Available at: https://ipm.cahnr.uconn.edu/wp-content/uploads/sites/3216/2022/12/2019downymildewonornamentalsfinal2.pdf [Accessed June 2026].
  7. Horticulture Australia (2011) Powdery Mildew. Hort Innovation. Available at: https://www.horticulture.com.au/globalassets/hort-innovation/resource-assets/ny11001-powdery-mildew.pdf [Accessed June 2026].
  8. Wyenandt, C.A. et al. (2007) ‚Effect of leaf wetness duration and temperature on infection of downy mildew (Peronospora sp.) of basil‘, ResearchGate. Available at: ResearchGate — Basil Downy Mildew Study [Accessed June 2026].
  9. Tognetti, R. et al. (2018) ‚Effect of climate change on infection of grapevine by downy and powdery mildew under controlled environment‘, ResearchGate. Available at: ResearchGate — Climate Change and Mildew in Grapevine [Accessed June 2026].
  10. Ghimire, S.R. et al. (2022) ‚Joint communication and sensing: A proof of concept and datasets for greenhouse monitoring using LoRaWAN‘, MDPI Sensors / PubMed Central. Available at: https://pmc.ncbi.nlm.nih.gov/articles/PMC8963007/ [Accessed June 2026].
  11. Piotto, V. et al. (2022) ‚Autonomous IoT monitoring matching spectral artificial light manipulation for horticulture‘, MDPI Sensors / PubMed Central. Available at: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9185431/ [Accessed June 2026].

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert