KI-gestützte Erkennung von Verhaltens- und Zustandsindikatoren bei Pferden in der Box

Ausgangslage und Zielsetzung

Pferde verbringen insbesondere in Einzelboxen längere Zeiträume unbeaufsichtigt. Wichtige Indikatoren für Stress, Unwohlsein oder akute gesundheitliche Probleme werden dabei häufig nicht oder zu spät erkannt. Eine kontinuierliche, objektive Beobachtung ist unter Praxisbedingungen kaum realisierbar, obwohl sie für die Sicherheit des Tieres und eine frühzeitige Intervention von hoher Bedeutung wäre.

Ziel des Projekts ist die Entwicklung eines nicht-invasiven, kamerabasierten Systems zur automatisierten Erkennung von Verhaltensweisen und spezifischen Zuständen von Pferden in der Box. Der Fokus liegt auf der kontinuierlichen Überwachung einzelner Tiere, um sowohl akute Situationen als auch langfristige Verhaltensauffälligkeiten frühzeitig zu identifizieren. Grundlage der Arbeiten ist die Betreuung des Fraunhofer-internen AHEAD Deeptech-Accelerators, der Ideen mitsamt zugehöriger Technologien in nutzbare Geschäftsmodelle überführt.

Technologischer Ansatz

Das Projekt nutzt moderne Computer-Vision- und KI-Methoden zur automatisierten Analyse von Videodaten aus der Box. Zentrale Bestandteile sind:

• Objektdetektion und Klassifikation spezifischer Zustände und Aktivitäten von Pferden,
• das Training von Modellen für On-Edge-Computing, um eine zuverlässige Analyse direkt vor Ort zu ermöglichen,
• gezieltes Data-Enhancement und Feature-Design, optimiert für die Auswertung zeitlicher Verhaltensmuster mittels Zeitreihenanalyse.

Die Modelle werden unter realen Haltungsbedingungen entwickelt und gemeinsam mit Domänenexpertinnen und -experten validiert. Ziel ist die Erkennung unter anderem von allgemeinem Stress sowie potenziell kritischen Zuständen wie Koliksymptomen.

Nutzen, Anwendung und Verwertung

Die Lösung ermöglicht eine 24/7-Überwachung von Pferden in der Box und unterstützt sowohl die Erkennung akuter Auffälligkeiten als auch die Analyse langfristiger Verhaltensänderungen. Dadurch können Tierhalterinnen und Tierhalter frühzeitig reagieren und schrittweise Maßnahmen zur Verbesserung von Haltung und Tierwohl ergreifen.

Die entwickelten Modelle und Datenstrukturen werden gezielt auf eine B2C-Anwendung für private Pferdebesitzer ausgerichtet. Perspektivisch entsteht ein Produkt zum Condition- und Aktivitätsmonitoring von Pferden in der Box. Das Projekt dient zugleich als MVP-Grundlage für einen Spin-off im Bereich digitaler Tierwohlüberwachung.

Praxisumfeld

Die Entwicklung und Validierung erfolgen unter Praxisbedingungen in Zusammenarbeit mit dem Landgestüt Redefin.

Förderung: