Individualisierte und züchterische Hitzestressprävention mittels Digitalisierung in der Milchkuhhaltung

Die allgegenwärtige und ständig zunehmende Flut an Sensoren, Unterstützungssystemen und daraus erzeugten Daten in der Milchviehhaltung stellt enorme Anforderungen an ein effizientes Datenmanagement und eine übersichtliche Darstellung für die Nutzer dieser Daten (v.a. Landwirte) dar.

Auch die Milchkühe selbst müssen heutzutage mit immer größeren Herausforderungen zurechtkommen, denn durch den Klimawandel sind auch in Deutschland bereits Hitzeperioden zu verzeichnen, die bei den Rindern und insb. bei Milchkühen Stress verursachen und mit Gesundheitsbeeinträchtigungen und Leistungseinbußen einhergehen. Eine Motivation zur Entwicklung unserer Projektidee ist es, diese Fülle an Daten aus verschiedensten Anwendungen zusammenzuführen, zu verwalten, zu analysieren, zu verrechnen und den Landwirten in Form eines flexiblen, anwendungsorientierten Entscheidungsunterstützungssystems zugänglich zu machen, um ihre arbeitswirtschaftliche Belastung zu verringern und zugleich eine Verbesserung des Tierwohls und der Tiergesundheit zu erreichen. Letztendlich bekommen die Landwirte dann eine übersichtliche PC-Anwendung bzw. Handy-App, die z.B. Kühe mit beginnendem Hitzestres aufzeigt, Prognosen für stressanfällige Tiere gibt und mit Handlungsempfehlungen die Entscheidungen unterstützt.

Unser Projekt verfolgt das technische Ziel bereits bestehende Infrastruktur zu nutzen, zu ergänzen und als anwenderfreundliches Gesamtsystem für Landwirte als Frühwarnsystem für Hitzestress- und Gesundheitsmonitoring verfügbar zu machen. Dabei gehen wir über die heutzutage verfügbaren „Insellösungen“ hinaus, bei denen Daten nur im kleinen Rahmen erfasst und für begrenzte Entscheidungen eingesetzt werden.

Teilprojekt von Dr. Hornecker: Dateninterpretation mittels Data Science

Ziel dieses Arbeitspaketes ist die Entwicklung von Modellen, die anhand des zeitlichen Verlaufs von tierindividuell beobachteten Sensordaten sowie äußeren Einflussfaktoren (aktuelle Luftemperatur, -feuchte) für Kühe frühzeitig das Auftreten von Hitzestress, und welches Level der Hitzestress erreicht, vorhersagen. Mit Hilfe des maschinellen Lernens wird dafür ein prädiktives Modell trainiert. Darauf aufbauend können später Gegenmaßnahmen (z. B. Belüftung) gezielt gesteuert werden.