Biogene Wertschöpfung und Smart Farming

Zusammen mit dem FBN Dummerstorf sollen digitale Konzepte für den Stall praxisnah entwickelt werden. In der Praxis werden aufgrund der hohen Komplexität von multisensorischen Systemen selten umfangreiche und systematische Messungen und Bewertungen der Tierwohl-Parameter im Herdenmanagement vorgenommen. Es erfolgt vielfach eine Reduzierung des Aufwandes auf den Einsatz von Leitfähigkeitsmesssensoren.

Für eine kontinuierliche Erfassung von Tierwohl-Parametern in unterschiedlichen Umgebungen (Stall, Weide) ist ein hoher technischer Planungs- und Konfigurationsaufwand erforderlich. Am Beispiel des Kuh-Tierwohls wird darum eine Sensor- und Datenplattform nach dem Plug&Play-Prinzip  für die Praxis entwickelt werden, um so die Lücke zwischen verfügbaren Lösungen und der Anwendung in der Praxis zu schließen.

In der Praxis werden aufgrund der hohen Komplexität von multisensorischen Systemen selten umfangreiche und systematische Messungen und Bewertungen der Tierwohl-Parameter im Herdenmanagement vorgenommen. Es erfolgt vielfach eine Reduzierung des Aufwandes auf den Einsatz von Leitfähigkeitsmesssensoren.

Für eine kontinuierliche Erfassung von Tierwohl-Parametern in unterschiedlichen Umgebungen (Stall, Weide) ein hoher technischer Planungs- und Konfigurationsaufwand erforderlich. Die dafür erforderliche multisensorische Infrastruktur, Datenhaltung, Datenverarbeitung und automatisierte Bewertung bis hin zur Entscheidungsunterstützung für den Milchbauern kann nicht nach einem Plug&Play-Prinzip einfach installiert und genutzt werden.

Am Beispiel des Kuh-Tierwohls soll darum eine Sensor- und Datenplattform nach dem Plug&Play-Prinzip für die Praxis entwickelt werden, um so die Lücke zwischen verfügbaren Lösungen und der Anwendung in der Praxis zu schließen

Etwa 40 % der Landmasse der Erde sind von Grünland bedeckt. Grünland dient als Weideland, leistet wichtige Ökosystemfunktionen wie Kohlenstoffspeicherung und garantiert die Lebensmittelsicherheit für eine wachsende Weltbevölkerung.  

In diesem Industrieprojekt soll Grünlandmanagement durch eine digitalisierte und automatisierte Erkennung von Pflanzenarten erleichtert werden. Dazu werden mit verschiedenen Sensoren räumlich und zeitlich hoch aufgelöste Informationen gesammelt, aus denen mit Hilfe von Machine Learning die Artzusammensetzung im Grünland abgeleitet werden kann. Diese Information ist eine Voraussetzung für Precision Farming und kann somit helfen, die Menge an Düngemitteln und Pflanzenschutzmitteln zu reduzieren. 

Im Rahmen dieses Industrieprojekts werden in einem praxisnahen Feldversuchsaufbau die grundsätzlichen Potenziale von multispektraler Sensortechnologie für die Früherkennung von Phytophtora Befall in Erdbeer-Stellagen untersucht.   

In Deutschland werden jedes Jahr etwa 130 000 t Erdbeeren. Der Befall der Erdbeerpflanzen durch Viren, Bakterien und Pilze führt zu erheblichen Kosten, erstens durch den Ausfall der Pflanzen und zweitens durch Ausgaben für Pestizide. Unter den Pilzen gehören Phytophthora fragariae und Phytophthora cactorum zu den relevantesten Erregern, die mit großem wirtschaftlichen Schaden verbunden sind. Die von ihnen hervorgerufenen Krankheiten Rhizomfäule, Lederbeeren und Rote Wurzelfäule befallen die Wurzel und die Früchte und führen letztendlich zum Absterben der ganzen Pflanze. Eine frühe Erkennung von Phytophthora kann eine Ausbreitung der Infektion verhindern und eine Investition in schadhafte Pflanzen und die Menge an eingesetzten Pestiziden reduzieren. Außerdem erhöht sich das Infektionsrisiko für gesunde Pflanzen mit der Anzahl der befallenen Pflanzen. Damit ergibt sich durch das pflanzenbauliche Risiko auch ein signifikantes ökonomisches Risiko. 

Die Digitalisierung bietet für die Ernährungs- und Landwirtschaft und für den ländlichen Raum großes Potenzial. Das wesentliche Element von X-KIT ist es, in diesen Anwendungsbereichen eine übergreifende Vernetzung und Unterstützung für die vom BMEL geförderten KI-Projekte und die Projekte der Domäne Agrar in GAIA-X zu geben.  

Gesamtziel des Vorhabens X-KIT ist es, Insellösungen und unkoordinierten Parallelentwicklungen in den vom BMEL geförderten KI-Projekten sowie den Gaia-X-Projekten entgegenzuwirken und Synergieeffekte möglichst früh und umfänglich aufzuzeigen. Weiter soll Vernetzung und Interoperabilität von Systemen untereinander aber auch mit allgemeinen GAIA-X-Infrastrukturen und weiteren Entwicklungen in angrenzenden Aktivitäten erreicht werden.