Das Projekt CattleHub untersucht den Einsatz digitaler Assistenzsysteme in der Rinderhaltung zur Verbesserung von Tiergesundheit, Tierwohl und betrieblicher Effizienz. Durch den Einsatz von Sensorik, Funkvernetzung, Datenanalyse und KI-gestützter Entscheidungsunterstützung werden Vitaldaten erfasst, ausgewertet und praxisnahe Handlungsempfehlungen für Landwirt:innen bereitgestellt. Ziel ist es, eine nachhaltige, wirtschaftliche und tiergerechte Milchviehhaltung durch digitale Technologien zu fördern.
- Vollständiger Name: Experimentierfeld CattleHub – Assistenzsysteme für eine intelligente Rinderhaltung
- Laufzeit: 01.12.2019 – 30.11.2024
- Förderprogramm: BMEL - Digitalisierung in der Landwirtschaft
- Fördergeber: Bundesministerium für Ernährung und Landwirtschaft (BMEL)
- Förderkennzeichen: 28DE108A18
- Projektwebsite: https://cattlehub.de/
- Rheinische Friedrich-Wilhelms-Universität Bonn: Datenanalyse
- Friedrich-Schiller-Universität Jena: Sensorik & Energieversorgung
- Technische Universität Dresden: Funkvernetzung & Energieversorgung
- Technische Universität Chemnitz: Geschäftsprozesse
- Johann Heinrich von Thünen-Institut: Tracking
- Sächsisches Landesamt für Umwelt, Landwirtschaft und Geologie: Entscheidungsunterstützung / Assistenzsysteme
- Landwirtschaftskammer Nordrhein-Westfalen: Wissenstransfer
- Name: Prof. Dr. Wolfgang Büscher
- Kontakt: buescher@uni-bonn.de
- Institution: Universität Bonn, Institut für Landtechnik
- Tracking: Erfassung von Bewegungsdaten der Tiere im Stall und auf der Weide zur Ableitung von Gesundheitsindikatoren und Verhaltensmustern
- Sensorik und Energieversorgung: Entwicklung energieeffizienter Sensoren zur Messung von Vitalparametern wie Körpertemperatur, Wiederkäuaktivität und Futteraufnahme. Ziel ist eine nachhaltige und langlebige Systemarchitektur
- Funkvernetzung und Energieversorgung: Untersuchung der Vernetzbarkeit und Energieeffizienz von Systemen für den Einsatz in komplexen und mobilen Umgebungen
- Datenanalyse: Einsatz von KI und maschinellem Lernen zur Auswertung großer Datenmengen mit dem Ziel, Prognosesicherheit und Entscheidungsqualität zu erhöhen
- Geschäftsprozesse: Analyse und Optimierung wirtschaftlicher Abläufe im Bereich Rinderhaltung. Betrachtung des Wirtschaftssystems Rind und Anforderungen der Landwirt:innen an digitale Systeme
- Entscheidungsunterstützung / Assistenzsysteme: Entwicklung benutzerfreundlicher Systeme zur Unterstützung von Arbeitsprozessen und Entscheidungsfindung im Herdenmanagement
- Wissenstransfer: Aufbereitung und Dissemination der Projektergebnisse durch Leitfäden, Workshops, Fachtagungen und digitale Angebote zur Förderung der Digitalisierung in der Praxis
-
Ahmann J., Höse K., Schmidt A., et al. (2024): Landwirtschaftliche Assistenzsysteme zur Entscheidungsunterstützung in der Nutztierhaltung. agricultural engineering eu, 79(2):34‑44.
-
Stachowicz J., et al. (2022): Behavioral pattern detection in dairy cows using cluster analysis. J Dairy Sci, 105(12):9971‑9981.
-
Johanna Ahmann, Jana Friederichs, Wolfgang Büscher and Julia Steinhoff-Wagner (2024): Survey on colostrum management by German dairy farmers focusing on frozen colostrum storage. Full Research Paper; Journal of Dairy Science; https://doi.org/10.3168/jds.2024-24716
-
Engels, C.; M. Trilling; W. Büscher (2024): A direct comparison of two RLTS for dairy cows. Proceedings of the 11th European Conference Precision Livestock Farming, Bologna, 2024, P. 68-71
-
Johanna Ahmann, Maria Trilling, Andreas Pelzer, Wolfgang Büscher (2024):
BarnRobot Event: Demonstration von „Autonomen Adaptiven Agrarsystemen“ in der Milchviehhaltung. BTU-Konferenz -Tagungsband, S. 68-71, ISBN 978-3-949930-03-4
Eine Übersicht der FARMWIKI Inhalte, die in diesem Projekt entstanden sind, ist hier zu finden.
Daten werden gesammelt aus Tracking‑, Sensor‑ und Assistenzsystemen; kombiniert und ausgewertet zur Entscheidungsunterstützung auf Praxis‑ und Versuchsbetrieben.
Ergebnisse und Metadaten werden in praxisnahen Leitfäden, Fachveranstaltungen und einer Wissensdatenbank veröffentlicht.
Validierte Datensätze werden zur Analyse und Bewertung genutzt; nicht öffentlich separat gelistet.
Erkenntnisse werden über Projekt‑Website, Veröffentlichungen und Veranstaltungen veröffentlicht.