Kurz und Knapp

  • Zahllose Daten zur Schweinehaltung liegen dem Bildungs- und Wissenszentrum Boxberg in Baden-Württemberg vor. Weil sie nicht vernetzt sind, sind sie aber kaum nutzbar.
  • Deshalb arbeitet ein Forschungsteam an der Entwicklung einer Digitalplattform, auf der die Informationen zusammengeführt werden sollen.
  • Profitieren sollen auch die Tiere, zum Beispiel bei der Früherkennung von Krankheiten bei Ferkeln oder den Haltungsbedingungen.

In Hohenheim wird eine Datenplattform zu Schweinehaltung entwickelt

Künstliche Intelligenz im Schweinestall: Deep Learning und Big-Data-Analysen könnten künftig auch Nutztieren zugutekommen. In einem bis Ende 2019 laufenden Forschungsprojekt beschäftigen sich Wirtschaftsinformatikerinnen und -informatiker der Universität Hohenheim damit, zahllose Daten aus Schweinemast und Ferkelaufzucht auf einer digitalen Plattform zusammenzuführen und auszuwerten. Profitieren sollen davon unter anderem die Tiere.

Zum Beispiel geht es darum, gesundheitliche Risiken bei Ferkeln mithilfe maschineller Lernverfahren rechtzeitig zu erkennen: Dafür untersuchen die Forscherinnen und Forscher derzeit etwa 25 Variablen und werten seit 2011 vorliegende Daten zu rund 50.000 Schweinen aus, um zu prüfen, inwieweit Vorhersagen möglich sind.

„Eine andere denkbare Anwendung wäre, im Rahmen eines Tierwohlmonitorings das Tierverhalten zu überwachen, um Stress frühzeitig zu erkennen“, sagt Martin Riekert, Wirtschaftsinformatiker der Hohenheimer Universität. Das Team analysiert dazu über Videokameras mit Deep Learning das Liegeverhalten der Tiere.

Eng zusammen arbeitet die Universität dabei mit dem Bildungs- und Wissenszentrum Boxberg (LSZ), das die Leitung des Projekts „Landwirtschaft 4.0 nachhaltig.digital“ innehat. Am LSZ liegen sehr viele Daten zu Tierhaltung vor, die bislang aber nicht vernetzt sind. „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.“

Im Projekt führen die Wissenschaftlerinnen und Wissenschaftler die Daten, die bisher zum Teil nicht einmal digital erfasst wurden, nun auf einer Plattform (Data Warehouse) zusammen. Sie statten dafür den gesamten Stall mit WLAN aus und installieren Industriecomputer mit Touchscreens. Vorhandene externe Systeme, zum Beispiel Lüftungs- und Fütterungssysteme, werden eingebunden. Über die neue Eingabemaske gehen die Daten direkt in die Datenplattform und stehen dort für die Analyse bereit.

„Durch Maschinelles Lernen kann das System in den vielfältigen Daten die Muster und Gesetzmäßigkeiten erkennen“, erklärt 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.“

 

08.10.2019

Metadaten zu diesem Beitrag

Mehr zum Themenfeld:

Schlagworte zu diesem Beitrag: