Projekt D4Dairy: Weitreichende Ergebnisse für mehr Tierwohl in der Rinderwirtschaft
Nach vierjähriger Laufzeit geht nun das Projekt D4Dairy unter der Federführung der Rinderzucht Austria (Konsortialführung: ZuchtData), ins Finale. Der Name sagt schon viel aus worum es geht: Digitalisation, Data integration, Detection und Decision support in Dairying - also Digitalisierung, Datenintegration, Erkennung und Entscheidungshilfen für die Milchproduktion.
Die Digitalisierung durch neue Technologien, Roboter und Sensoren schreitet in unseren Ställen immer mehr voran, betont Rinderzucht Austria-Geschäftsführer Martin Stegfellner. Ziel des Projektes ist die vielen unterschiedlichen Daten für die Landwirte auf den Betrieben nutzbringend einzusetzen, die Daten zu vernetzen und eine attraktive Hilfestellung für das Herdenmanagement und die Zucht bereit zu stellen. In der Praxis wurde mittlerweile viel umgesetzt: der automatische Datenaustausch zwischen dem Rinderdatenverbund (RDV) und den Sensordaten von smaXtec und Lely sowie dem Futtermittellabor Rosenau. Die D4Dairy-Datenaustauschplattform ermöglicht eine Zusammenführung und Bereitstellung anonymisierter Daten für spezifische Forschungsfragen. Ein Datenaustauschkonzept regelt den Datenaustausch und die Datennutzung sowie sichert den Datenschutz.
Digitalisierung im Sinne von mehr Tierwohl
Insgesamt nahmen mehr als 40 Wirtschafts- und Wissenschaftspartner am Projekt teil. Für die Mitarbeit im Rahmen von Pilotstudien konnten mehr als 300 Landwirte gewonnen werden. Die neuen Technologien revolutionieren die Milchwirtschaft, die großen Datenmengen, die durch das Monitoring anfallen - Stichwort Big Data - versprechen völlig neue Einsichten in die Tiergesundheit. Die Digitalisierung bedeutet sowohl eine große Chance als auch eine große Herausforderung für die bäuerliche Landwirtschaft.
Beispielhaft für die vielen im Projekt beteiligten Wissenschafter bringt es Peter Klimek vom Complexity Science Hub auf den Punkt: Ich glaube, es gibt keine andere Spezies, außer dem Rind, wo es so viele verschiedene Daten gibt. Ich sehe großes Potenzial für die Zukunft, dass man aus der Digitalisierung und der Zusammenführung all dieser Daten noch mehr herausholen und betriebsspezifische Hilfestellungen in Bezug auf die Früherkennung und Prävention von Tierkrankheiten bieten kann. Daten aus der Milchviehhaltung von verschiedenen Herkünften werden bestmöglich vernetzt und mit ausgereiften Auswertungen als praxisrelevante Informationen für die Gesundheitsvorsorge und die Zucht den Betrieben zur Verfügung gestellt. Eine nähere Beleuchtung des Infrarot-Spektrums der Milch zeigte den Nutzen zur Vorhersage des Gesundheits- und Stoffwechselzustandes bei Milchkühen und wieweit dieser die Zusammensetzung der Milch beeinflusst.
Diese neuen Erkenntnisse werden in Alarme für die Früherkennung von möglichen Gesundheitsstörungen umgesetzt, sodass der Landwirt über eine App oder SMS einen Hinweis bekommt. Das Risiko für eine Erkrankung kann mit BigData-Ansätzen unter Einbeziehung verschiedenster Umweltfaktoren und tierindividueller Anlagen vorhergesagt werden. Die Auswertung der verschiedenen Risikofaktoren gibt Hinweise wo angesetzt werden kann, damit Erkrankungen vermieden bzw. reduziert werden können. Ein Benchmarking, wie es für die Klauengesundheit im Projekt entwickelt wurde, erlaubt den Vergleich mit anderen Betrieben und die Abschätzung von Verbesserungspotenzialen.
Beispielhaft für die vielen im Projekt beteiligten Wissenschafter bringt es Peter Klimek vom Complexity Science Hub auf den Punkt: Ich glaube, es gibt keine andere Spezies, außer dem Rind, wo es so viele verschiedene Daten gibt. Ich sehe großes Potenzial für die Zukunft, dass man aus der Digitalisierung und der Zusammenführung all dieser Daten noch mehr herausholen und betriebsspezifische Hilfestellungen in Bezug auf die Früherkennung und Prävention von Tierkrankheiten bieten kann. Daten aus der Milchviehhaltung von verschiedenen Herkünften werden bestmöglich vernetzt und mit ausgereiften Auswertungen als praxisrelevante Informationen für die Gesundheitsvorsorge und die Zucht den Betrieben zur Verfügung gestellt. Eine nähere Beleuchtung des Infrarot-Spektrums der Milch zeigte den Nutzen zur Vorhersage des Gesundheits- und Stoffwechselzustandes bei Milchkühen und wieweit dieser die Zusammensetzung der Milch beeinflusst.
Diese neuen Erkenntnisse werden in Alarme für die Früherkennung von möglichen Gesundheitsstörungen umgesetzt, sodass der Landwirt über eine App oder SMS einen Hinweis bekommt. Das Risiko für eine Erkrankung kann mit BigData-Ansätzen unter Einbeziehung verschiedenster Umweltfaktoren und tierindividueller Anlagen vorhergesagt werden. Die Auswertung der verschiedenen Risikofaktoren gibt Hinweise wo angesetzt werden kann, damit Erkrankungen vermieden bzw. reduziert werden können. Ein Benchmarking, wie es für die Klauengesundheit im Projekt entwickelt wurde, erlaubt den Vergleich mit anderen Betrieben und die Abschätzung von Verbesserungspotenzialen.
Nachhaltige Verbesserung der Tiergesundheit durch Zucht
Ein wesentliches Ziel der Rinderzucht ist die Zucht auf gesunde Tiere. Trotz der Fortschritte in der Genomselektion, der elektronischen Erhebung von tierärztlichen Diagnosen seit 15 Jahren und deren Nutzung in der Zucht, sind die Phänotypen (Daten) der limitierende Faktor um auf verbesserte Tiergesundheit und Tierwohl zu züchten. Der Anfall von Echtzeit-Daten zur Aktivität, zum Wiederkauen der Tiere oder genaueren Informationen zur Tiergesundheit aus der Milch bieten hier neue Möglichkeiten in der Zucht. Aus diesen neuen Daten wurden mit komplexen Algorithmen neue Merkmale zur Beschreibung der Tiergesundheit und des Tierwohls abgeleitet und ihre züchterische Nutzung analysiert. Die Aufbereitung der Daten für die Routine ist aufwändig, aber deren Nutzung für die Zucht Erfolg versprechend, so Birgit Fürst-Waltl von der Universität für Bodenkultur.
Harmonisierung, Schnittstellen und Werkzeuge im Bereich Eutergesundheit
Im Bereich Antibiotika wurde in Zusammenarbeit mit sechs Milchlaboren ein Antibiogramm - eine Antibiotika-Resistenzbestimmung - für Euterentzündungen harmonisiert und eine Leitlinie erstellt. Eine Schnittstelle in den Rinderdatenverbund (RDV) wurde eingerichtet, wodurch die Labore neben der schon bestehenden automatischen Übermittlung der Ergebnisse der bakteriologischen Untersuchung auch das Ergebnis des Antibiogramms übermitteln können. Weiters wird an der Entwicklung eines Trockenstell-Tools für einen gezielteren Antibiotikaeinsatz gearbeitet. Die Ergebnisse zeigen, dass es möglich ist, den Einsatz der Antibiotika bei Nutzung der vielfältigen relevanten Informationen zu reduzieren, ohne mehr Eutererkrankungen in Kauf zu nehmen. Eine betriebs- und tierbezogene Umsetzung in die Praxis ist in Vorbereitung.
Christa Egger-Danner zieht als Konsortialleiterin ein Resümee des Projektes: Die Potenziale der Digitalisierung und Automatisierung könnten erst mit der Datenvernetzung und den darauf aufbauenden Auswertungswerkzeugen gehoben werden. Die Kooperation und Vernetzung zwischen beteiligten Partnern entlang der Wertschöpfungskette Milch ist entscheidend. Mit dem Projekt D4Dairy konnte dazu ein weiterer wichtiger Schritt gesetzt werden.
