Suchen

Smart Farming Sauwohl: Artgerechtere Schweinehaltung dank Big Data Analytics

Redakteur: Jürgen Schreier

Zusammen mit der Universität Hohenheim forscht das Bildungs- und Wissenszentrum Boxberg (LSZ) an neuen Datenquellen für eine zukunftsfähige Schweinehaltung. Zwar liegen dem LSZ bereits große Datenmengen vor, die eine artgerechtere Haltung fördern können, doch sind diese Daten noch nicht vernetzt.

Firmen zum Thema

Eine denkbare Anwendung von Deep Learning wäre, im Rahmen eines Tierwohlmonitorings das Tierverhalten zu überwachen, um Stress frühzeitig zu erkennen.
Eine denkbare Anwendung von Deep Learning wäre, im Rahmen eines Tierwohlmonitorings das Tierverhalten zu überwachen, um Stress frühzeitig zu erkennen.
(Bild: Sacha Dauphin)

Am Bildungs- und Wissenszentrum Boxberg (LSZ), eine dem Ministerium für Ländlichen Raum und Verbraucherschutz (MLR) des Landes Baden-Württemberg nachgeordnete Einrichtung, beschäftigen sich die Mitarbeiterinnen und Mitarbeiter mit der anwendungsorientierten Versuchs- und Forschungstätigkeit rund um die Schweineaufzucht und -haltung.

Ein Schwerpunkt des Teams ist die Arbeit an neuen Haltungs- und Verfahrenstechniken. Die Grundlage hierfür bilden unter anderem eine Vielzahl von Daten zum Tierverhalten, biologische Werte aus dem Routinebetrieb sowie Informationen zur Haltungsumgebung und Tiergenetik, die aus der einrichtungseigenen Sauenherde inklusive Ferkelaufzucht gewonnen werden.

Bildergalerie

Diese wertvollen Informationen liegen bislang jedoch nur sehr verteilt in Excel-Tabellen, Papierformularen oder Fachanwendungen vor. Um das volle Potenzial der Daten nutzen zu können, müssen sie vernetzt werden. Aus diesem Grund arbeiten Wirtschaftsinformatiker der Universität Hohenheim in Stuttgart im Projekt Landwirtschaft 4.0: Informationssystem für die Schweinehaltung aktuell daran, diese Informationen und Werte in einer digitalen Plattform zu bündeln. Ziel des Projekts ist es, sie für die Datenanalyse aufzubereiten.

Tierhaltung verbessern, Hof-Management optimieren

Schweine sind soziale und sensible Tiere. Ein verbreitetes Problem bei der Schweinehaltung: Verschiedene Störfaktoren können dazu führen, dass sich die Tiere gegenseitig in die Schwänze beißen. Das muss nicht immer zwangsläufig ein persönliches Problem mit dem unmittelbaren Nachbarn sein, auch der Kampf um den Zugang zu Ressourcen wie Wasser, Futter und Beschäftigungsmaterial sowie gesundheitliche Probleme oder zu hohe Schadgasgehalte im Abteil können diese Verhaltensstörung bedingen.

Definitive Klarheit über das Zusammenspiel oder die Rolle der einzelnen Faktoren herrscht in Wissenschaft und Forschung aber noch nicht. Und genau hier soll die Analyse von Big Data, unter Zuhilfenahme von Methoden des Machine Learnings, ansetzen. Große Datenmengen unterschiedlichsten Ursprungs können neue Informationen liefern und bisher unbekannte Zusammenhänge offenlegen, so die Hoffnung von Prof. Dr. Stefan Kirn, Leiter des Fachgebiets Wirtschaftsinformatik II an der Universität Hohenheim. „Die Tierhaltung bietet herausfordernde Anwendungsfälle für maschinelle Lernverfahren, zum Beispiel kann das Wohlergehen der Tiere verbessert oder auch das betriebliche Management optimiert werden“, ergänzt Wirtschaftsinformatiker Martin Riekert, der für die Leitung das Teilprojekt der Uni Hohenheim verantwortlich zeichnet.

Mit Deep Learning zu mehr Schweineglück

Ein Forschungsschwerpunkt liegt daher auf der frühzeitigen Diagnostik von gesundheitlichen Risiken der Ferkel mittels maschinellen Lernens. Zu diesem Zweck sind die Wissenschaftler aktuell damit beschäftigt, circa 25 relevante Variablen zu untersuchen und Daten, die seit 2011 zu rund 50.000 Schweinen gesammelt wurden, auszuwerten. Zielsetzung ist es hier, die potenzielle Vorhersagbarkeit von frühzeitigen Gesundheitsrisiken zu prüfen.

„Eine andere denkbare Anwendung wäre auch, im Rahmen eines Tierwohlmonitorings das Tierverhalten zu überwachen, um Stress frühzeitig zu erkennen“, so Riekert. Um dem Forscherteam tiefere Einblicke in das seelische Wohlergehen der Tiere zu gewähren, soll ein Deep-Learning-Verfahren auf Basis von Videoaufnahmen das Liegeverhalten der Schweine analysieren.

Buchtipp "Data Analytics"

Das Fachbuch bietet einen guten Überblick zu den in Produktion und Logistik anwendbaren Data Mining Algorithmen und stellt konkrete Use Cases vor, die mit diesen Algorithmen umgesetzt werden können.

Mehr erfahren

Von den Ergebnissen sollen alle profitieren – vom Landwirt bis zum Verbraucher. Viele Verbraucher interessiert es heute mehr denn je, wo die Tiere herkommen, wie sie gehalten und gefüttert werden und ob es ihnen gut geht. Kombiniert man die Daten des Tieres selbst mit denen zu Gesundheitszustand und Haltungsumgebung, lassen sich bereits viele dieser Fragen beantworten, woraus die entsprechenden Betriebe wiederum transparenten Kundenservice generieren können.

Daten(futter) lagert in Silos

Datenbasierte, praktische Unterstützung der Forscher soll das Bildungs- und Wissenszentrum Boxberg übernehmen. Schließlich begann die Einrichtung bereits 2007 mit dem Sammeln dieser essentiellen Informationen und verfügt daher über einen immensen Datenpool. Doch das aus der Industrie und Fertigung bekannte Problem der Datensilos erschwert den Wissenschaftlern auch am LSZ eine effiziente Analyse.

„Dort liegen zwar sehr viele Daten vor, aber sie sind nicht nutzbar, da es sich um lauter Insellösungen handelt. Sie sind nicht vernetzt“, legt Dr. Achim Klein dar, der bis Ende August 2019 den Arbeitsbereich Knowledge Extraction leitete, dem das Teilprojekt zugeordnet ist. „In der tierischen Erzeugung gibt es einen enormen Nachholbedarf. Denn anders als in der Pflanzenproduktion sind die Datensätze kaum für die Datenanalytik erschlossen.“

Die in den Lehr- und Versuchsställen bereits gesammelten Daten zu Sauen, Ferkeln und Mastschweinen sind vielfältig, aber eben zu weit verstreut. „Wir haben routinemäßig erhobene strukturierte Daten wie Sauenplanerdaten oder Mast- und Schlachtdaten “, berichtet Riekert. „Dazu kommen weitere strukturierte Daten zur Haltungsumgebung wie Abteiltemperatur, Lüftungseinstellungen, Wasserdurchfluss oder Futterverbrauch. Außerdem unstrukturierte Versuchsdaten zum Tierverhalten, die uns unter anderem über 50 Videokameras liefern.“

Vom Silo ins Data Warehouse

Gesammelt wurden diese Informationen bislang mit Excel-Tabellen und Fachanwendungen – allerdings nicht durchgehend digital. In einem ersten Schritt bringt das Projektteam diese heterogenen Informationen daher in einer Datenplattform (Data Warehouse) zusammen. Hierfür wurde zunächst der gesamte Stall mit WLAN vernetzt, für die Bedienung kommen Industrie-PCs mit Touchscreens zum Einsatz.

Die externen Systeme, wie die Lüftungs- oder Fütterungsanlagen, werden angeschlossen, sodass der papierlose Stall nicht mehr länger auf manuelle Schritte bei der Datensammlung angewiesen ist. Stattdessen gelangen die Informationen nun über die neue Eingabemaske direkt in die Datenplattform, wo sie gebündelt werden. „Die Dateneingabe wird so schneller und effizienter“, so Tobias Zimpel, wissenschaftlicher Mitarbeiter im Projekt. „Es erfolgt vor Ort eine Plausibilisierung, und die Mitarbeiter können jederzeit auf das Infosystem zugreifen.“

Die erhobenen Zahlen fließen anschließend direkt in die Datenanalyse. „Durch maschinelles Lernen kann das System in den vielfältigen Daten die Muster und Gesetzmäßigkeiten erkennen“, erläutert Riekert. „Ziel ist es, bisher unerkannte Zusammenhänge abzuleiten und daraus Entscheidungshilfen und Prognosemodelle zu entwickeln, die dem Tierwohl, der Forschung und dem betriebsindividuellen Management zugutekommen.“

Die Uni Hohenheim wird für das Projekt Landwirtschaft 4.0: Informationssystem für die Schweinehaltung, das noch bis Ende dieses Jahres läuft, vom Ministerium für Ländlichen Raum und Verbraucherschutz Baden-Württemberg mit einer Summe von insgesamt knapp 200.000 Euro gefördert.

Feedback direkt vom Hof

Digitalisierung in der Landwirtschaft ist ein "Big Thing". Doch selbst die beste Idee braucht den Dialog, um sie weiterzuentwickeln und letztendlich maßgeschneidert auf die Zielgruppe anzupassen. Und das ist jetzt an der FH Münster in Steinfurt passiert. Im Netzwerk-Projekt start.connect trafen sieben Landwirte der Region auf vier Start-ups und Jungunternehmer. Und diese Mischung hatte es in sich.

Manuel Sprehe von Corvitec stellte beispielsweise seinen Pig Counter vor. Kommen neue Ferkel auf den Hof, treiben die Landwirte sie durch einen Korridor in den Stall – Sprehes Kamerasystem erkennt sie einzeln und zählt sie vollautomatisch. „Das spart Verwaltungsarbeit, Zeit und Geld, und fegt die Fehler fort, die bei der manuellen Tierzählung geschehen“, erläuterte Sprehe. „Und die wirken sich wiederum auf die Dokumentation, Qualitätskontrolle und die Steuer aus.“

Schon ging die Diskussion los. Internetempfang sei in vielen Ställen eher mau, die Kamera, die die Ferkel erkennt, müsse transportabel sein, und funktioniere das überhaupt wirklich? Mit Bilderkennung im Gewächshaus hätten einige schon schlechte Erfahrungen gemacht.

Aber viele sahen auch großes Potenzial, vor allem, weil Sprehes System auf dem Weg ist, einzelne Körperteile zu erkennen. „Wenn Ihre Software die Eber unter den Schweinen vollautomatisch an den Hoden erkennen würde, würde das bestimmt einen Drive auf den Schlachthöfen erleben“, sagte Landwirt Georg Freisfeld. Bislang müssen Menschen jedes Schwein einzeln als männlich oder weiblich klassifizieren, weil Eber anders abgerechnet werden.

In die Welt der Pflanzen nahm dann Tobias Kreklow von Haip-Solutions die Workshop-Teilnehmer mit. Dank einer Hyperspektralkamera unter einer Drohne verspricht er, Pflanzenkrankheiten erkennen zu können, bevor sie überhaupt ausgebrochen sind. „Wir detektieren die spektrale Signatur, finden sozusagen die Chemie der Pflanze heraus, und so spüren wir Pflanzenstress auf den Feldern auf – wie Unkräuter, Pilzbefall, trockene Böden, Stickstoffmangel.“ Die Landwirte überlegten dann gemeinsam: Wie lässt sich der Drohnenflug in den Betriebsablauf integrieren? Müssen die Mitarbeiter dafür geschult werden? Ist die Rolle des Wetters im Milieu schon berücksichtigt?

Die Idee könnte sich rechnen, denn es komme wirklich auf jedes Kilo Ertrag an. Vor allem bei Kartoffeln und Zuckerrüben ginge es richtig ins Geld.

Mehr zu start.connect

(ID:46339180)