Zwischenergebnisse

Weitergehende Forschungs- und Entwicklungsbedarfe im Bereich der Digitalisierung in der Nutztierhaltung

Im Folgenden werden technische Forschungs- und Entwicklungsbedarfe für Wissenschaft und Industrie sowie Handlungsbedarfe im Bereich Wissens-/Informationstransfer zur Fortentwicklung der Digitalisierung in der Nutztierhaltung aufgezeigt. Diese wurden im Rahmen von DigiTier Workshops, externen themenrelevanten Veranstaltungen sowie in Gesprächen mit Branchenvertreterinnen und Vertretern identifiziert.

Es handelt sich hierbei um Zwischenergebnisse der wissenschaftlichen Begleitung, die kontinuierlich ergänzt werden.

Durch Anklicken des Reiters "Weitere Informationen" erhalten Sie ausführlichere Erläuterungen zu den Stichpunkten.

Technische Forschungs-, Entwicklungs- und Handlungsbedarfe für Wissenschaft und Industrie

Anforderungen an Sensorik und Assistenzsysteme (Hard- und Software)

Human centered development
sektorübergreifende Entwicklungen
nicht-invasive Monitoringmethoden
Erweiterung FMIS
(Parameter/Analysetools)

Adaption an Weidehaltung
robuste Systeme
stabile Anbringung der Sensorik am Tier
dauerhafte Energieversorgung der Sensorik

„Human centered development“: Landwirtinnen und Landwirte durch Assistenzsysteme nicht ersetzen, sondern unterstützen (Arbeitserleichterung, Zeitersparnis) --> neben informatischen, auch psychologische und didaktische Ansätze integrieren
Sektorübergreifende Entwicklung von Tierwohl-Monitoringsysteme: auch Teillösungen aus anderen Industriebereichen betrachten und ggf. übernehmen
Schlüsseltechnologien sind nicht-invasive Tierwohl-Monitoringmethoden (z.B. optische Bilderkennung), die – meist mithilfe von KI – auch komplexes Verhalten erfassen können; diese sind allerdings aufgrund der hohen Anschaffungskosten und Störungsanfälligkeit aktuell noch nicht breitflächig in der Praxis einsetzbar.
Integration weiterer Parameter und Analysetools in Herdenmanagement-Software: Fütterung, Umwelt/Klima, Ökonomie, KI/Big Data, Verbraucherinnen und Verbraucher, etc.
Monitoringsysteme auch für die Weidehaltung adaptieren (z.B. Futteraufnahme, Brunst, Gesundheit, Hitzestress)
robuste Systeme (keine sensible Technik, die mehr Daten erhebt als benötigt)
Dauerhafte Anbringung von Sensoren/Trackern am Tierkörper bei Schweinen und Schafen nach wie vor eine große Herausforderung
Dauerhafte (Outdoor) Energieversorgung: Energy Harvesting, energiesparende Komponenten, leistungsstärkere Batterien und Solarmodule

Verknüpfung unterschiedlicher Systeme und deren Synchronisation

Modelle zur übergreifenden Systemvernetzung
Aufbau/Freigabe von Schnittstelle
Aufholen auf IoT Standard
Unixzeit Synchronisation

Verknüpfung von
- Monitoring- und Managementsystemen
- Außen- und Innenwirtschaft
- Sensorik und Aktorik

Nutzung digitaler Einzellösungen steigt, aber Modelle zur übergreifenden Systemvernetzung fehlen --> Herstellung der Interoperabilität zwischen verschiedenen Systemen zur Prozessvereinfachung
Aufbau/Freigabe von Schnittstellen zwischen Systemen unterschiedlicher Marken: technisch möglich, aber kaum Bereitschaft seitens herstellender Firmen
Aufholen auf IoT Standard in der Nutztierhaltung (aktuell müssen mehrere Lösungen parallel verwendet werden)
Nutzung von Unixzeit zur Verbesserung der Synchronisation zwischen Systemen
intelligente Kombination und Verknüpfung von
- Monitoring- und Managementsystemen
- Außen- und Innenwirtschaft --> digitales Weidemanagement
- Sensorik und Aktorik

Datenanalyse, -transformierung und –modellierung entsprechend Analysezweck

Umgang mit Big Data
Trainieren der KI mit guten Lerndatensätzen
Festlegung individueller/betrieblicher Schwellenwerte

bildbasierte Bestanderfassung: Überlappungen und Doppelzählungen problematisch
Auswirkungen von Monitoringsystemen
auf Tierwohl

Erfassung von Verhalten, Empfindungen und Stresslevel der Tiere
Vitalwertmessung bei Kälbern, Jungvieh und Bullen
Automatisierte, praxistaugliche Einzeltiererkennung bei Schweinen
Tier- und Umweltmonitoring im Klimawandel

Umgang mit Big Data nach wie vor herausfordernd; speziell bei Zeitreihen trade-off zwischen Datendichte und Energieverbrauch erforderlich
Für eine korrekte Interpretation der erfassten Daten ist die Festlegung individueller und betrieblicher Schwellenwerte erforderlich
KI kann Anomalien in Big Data erkennen, die ein Mensch nicht sieht àTrainieren der KI mit guten Lerndatensätzen erforderlich
Bildbasierte Bestandserfassung/Identifikation von Einzeltieren: Überlappungen und Doppelzählungen technisch noch große Herausforderung
Studien zu den Auswirkungen von Tierüberwachungssystemen auf Tierwohl/-gesundheit dringend erforderlich
Tierwohlbeurteilung sollte neben Gesundheitszustand auch Verhalten/Empfindungen sowie eine objektive Stresslevel-Beurteilung miteinschließen
Umfassende digitale Vitalwertmessung auch bei Kälbern, Jungvieh und Bullen etablieren
Automatisierte, praxistaugliche Einzeltiererkennung wäre für Schweinehaltung ein großer Fortschritt (Früherkennung kranke Tiere/Schwanzbeißen)
Vor dem Hintergrund des Klimawandels (Hitzestress) gewinnt Sensor-gestütztes Tier- und Umweltmonitoring zunehmend an Bedeutung

Standards, Plattformen und Datennutzungsmodelle

einheitliche Plattformen für Datenaustausch und Schnittstellentausch
internationale Standards bei Metadaten und Datenschutz

Freigabe von Metaanalysen und (Roh-) Datensätzen
Open data für Forschungsprojekte

Kooperationsmodelle zur Datennutzung
kostenfreier Rückfluss von Analyseergebnissen

einheitliche Plattformen für Datenströme/-tausch bis hin zu Schnittstellenaustausch
verschiedene Standards für Metadaten sowie Bedenken im Bereich Datenschutz erschweren die Vernetzung von Systemen verschiedener Firmen --> es müssen internationale Standards verwendet werden•; bisher entwickeln Unternehmen verschiedene Lösungen zum Datenaustausch parallel
Freigabe von Metaanalysen und (Roh-)Datensätzen seitens Industrie und Forschung, speziell bei KI-Modellen --> Datentransfer/-hosting noch große Herausforderung
Open data (unveränderte Rohdaten) für Forschungsprojekte nach FAIR Data Principles --> Aufbau einer Institution für eine unabhängige Datenverwaltung, die kein wirtschaftliches Interesse hat
Etablierung von Kooperationsmodellen zwischen Herstellenden und Nutzerinnen und Nutzern: Firmengeheimnisse bewahren, aber durch Kooperationen auch Mehrwert (z.B. monetär/Daten/Anbindung Herdenmanagementsoftware, etc.) schaffen
kostenfreier Rückfluss von Analyseergebnissen (nicht nur Handlungsempfehlungen) an die Urheberinnen und Urheber von Daten

Verwendung der Analyseergebnisse zur Entscheidungsunterstützung oder autonomen Entscheidungsfindung

Vorhersagemodelle und Entscheidungs-unterstützung zur Bewertung des Tierwohls und Arbeitserleichterung
keine automatisierte Entscheidung
eine ganzheitliche Anwendung „All-in-One“

anschauliche Visualisierung der Analysen
intuitive Benutzbarkeit
modulares Dashboard

Smart Adaptive UI
markante Darstellung von Kennzahländerungen
Entscheidungsbäume

es werden digitale Technologien für Vorhersagemodelle und Entscheidungsunterstützung zur Bewertung des Tierwohls und Arbeitserleichterung für die Landwirtinnen und Landwirte benötigt, ohne diese mit Daten zu überfordern
Keine automatisierte Entscheidung der Assistenzsysteme: transparente, nachvollziehbare Darstellung der für eine Entscheidung ausschlaggebenden Parameter (z.B. Expertensysteme). Die finale Entscheidung treffen die Nutzerinnen und Nutzer.
eine ganzheitliche Anwendung/App („Allrounder“, All-in-One-Lösung“) für den Arbeitsalltag im Betrieb, mit der die Stall-, Feld- und Büroarbeit bis hin zum Personalmanagement digital erfasst und gemanagt werden können. Bisher gibt es für viele Bereiche Spezialsysteme, die nicht vernetzt sind - das ist zu umständlich, erfordert Mehrfacheingaben und kostet viel Zeit.
Trade-Off zwischen Spezifität und Sensitivität:
- Einstellung der Spezifität/ Sensitivität durch die Nutzerinnen und Nutzer ermöglichen --> Reduktion von Falschmeldungen
- Rückmeldung der Nutzerinnen und Nutzer über (in)korrekte Alarme an das System ermöglichen
- Erhöhung der Sensitivität durch Integration von KI/Machine Learning
Benachrichtigungen zu Wartungs- und Austauschbedarf bei Geräteverschleiß zur Reduktion von Datenlücken
innovative Tools für Lehre und Ausbildung zur Mitarbeitendenbefähigung (z.B. „mixed reality“ mit VR-Brillen)
anschauliche Visualisierung der Analyseergebnisse für die Anwendenden der Assistenzsystemen bereitstellen
intuitiven Benutzbarkeit: Verbesserungswünsche von Nutzerinnen und Nutzern abfragen und in Systeme einbinden
innovative Mensch-Computerschnittstellen:
- modulares Dashboard: weitere Stufen neben „Expert-“ und „Beginnermodus“ schaffen
- Smart Adaptive UI für personalisierten Workflow
- markante Darstellung der Änderungen von Kennzahlen im Dashboard
- Entscheidungsbäume: Training durch KI, Unterstützung durch die Verwendung von bekannten Algorithmen

Kommerzialisierung des entwickelten Systems in den unterschiedlichen Sektoren

Preissenkung in Nischenmärkten
guter Support für Technik und
Serviceangebot mit Gerät
Lizenzierung von Open Source Systemen

Vorbehalte seitens Landwirtschaft klären
AgTech made in Germany

Preise für Assistenzsysteme: speziell in Nischenmärkten (z.B. Schafhaltung) Preise senken; auch flächendeckendes Monitoring ganzer Herden sollte finanziell tragbar sein ↔ aus Herstellersicht muss sich der Vertrieb jedoch noch rechnen (Kosten für Entwicklung, Hardware und Lizenzen
Unternehmen sind herausgefordert einen guten Support und gute Anleitungen für ihre Technik zu liefern --> Angebot von Service zusammen mit Gerät (Wartung und Kalibrierung der Geräte) zur Erhöhung Datenqualität und Kundenzufriedenheit
Open Source Systemen benötigen passende Lizenz, um das Interesse von Technikherstellenden en zu wecken
konkrete Vorbehalte des landwirtschaftlichen Sektors gegenüber bestimmten Technologien sollten in qualitativen Untersuchungen genauer ergründet werden
AgTech made in Germany --> Unternehmen sollten die Kontrolle über ihre entwickelten Innovationen nicht an andere Nationen abgeben

Handlungsbedarfe Wissens- und Praxistransfer

Handlungsbedarfe im Bereich Wissens-/Informationstransfer

multidirektionaler Wissenstransfer
Praktiker:innen in Entwicklung einbeziehen
Erkennbarer Nutzen für Landwirtschaft, Gesellschaft und profitable Geschäftsmodelle
tierartübergreifende Wissensdatenbank
Veröffentlichung verwendeter Analysemethoden und Algorithmen
Anwendungsschulungen zu Assistenzsystemen
Kommunikation über Fachforen und Social Media

Multidirektionaler Wissenstransfer: horizontal/vertikal, zwischen unterschiedlichen Sektoren/Stakeholdern in alle Richtungen; Erfahrung von Praktikerinnen und Praktikern verstärkt in die Entwicklung von Produkten einbeziehen
Schaffung einer tierartübergreifenden Wissensdatenbank
real erkennbarer Nutzen für Landwirtschaft und Gesellschaft sowie profitable Geschäftsmodelle
Veröffentlichung verwendeter Methoden und Algorithmen bei der Analyse von digital erfassten Nutztierdaten
Anwendungsschulungen
Förderung des Wissenstransfers in die Community durch entsprechende Fachforen oder Social Media
- Wahl der Plattform abhängig von Zielgruppe
- Austausch in Community anregen durch Call to Action
Förderung des Wissenstransfers in die Community (z.B. durch entsprechende Fachforen)
Einsatz innovativer, digitaler Methoden (VR, AR, Simulationen, Modelle, Demonstratoren, E-Learning, Austausch-Plattformen)

Präsentationen

Protokolle

Weitergehende Forschungs- und Entwicklungsbedarfe im Bereich der Digitalisierung in der Nutztierhaltung

Anforderungen an Sensorik und Assistenzsysteme (Hard- und Software)

Verknüpfung unterschiedlicher Systeme und deren Synchronisation

Datenanalyse, -transformierung und –modellierung entsprechend Analysezweck

Standards, Plattformen und Datennutzungsmodelle

Verwendung der Analyseergebnisse zur Entscheidungsunterstützung oder autonomen Entscheidungsfindung

Kommerzialisierung des entwickelten Systems in den unterschiedlichen Sektoren

Handlungsbedarfe Wissens- und Praxistransfer

Handlungsbedarfe im Bereich Wissens-/Informationstransfer

Weitergehende Forschungs- und Entwicklungsbedarfe im Bereich der Digitalisierung in der Nutztierhaltung

Anforderungen an Sensorik und Assistenzsysteme (Hard- und Software)

Verknüpfung unterschiedlicher Systeme und deren Synchronisation

Datenanalyse, -transformierung und –modellierung entsprechend Analysezweck

Standards, Plattformen und Datennutzungsmodelle

​Verwendung der Analyseergebnisse zur Entscheidungsunterstützung oder autonomen Entscheidungsfindung

​Kommerzialisierung des entwickelten Systems in den unterschiedlichen Sektoren

Handlungsbedarfe Wissens- und Praxistransfer

Handlungsbedarfe im Bereich Wissens-/Informationstransfer

Verwendung der Analyseergebnisse zur Entscheidungsunterstützung oder autonomen Entscheidungsfindung

Kommerzialisierung des entwickelten Systems in den unterschiedlichen Sektoren