SimpleAgriData

Die Landwirtschaft der Zukunft lebt von Daten – doch erst mit SimpleAgriData werden sie wirklich nutzbar. Die offene Plattform vernetzt Informationen aus der gesamten Wertschöpfungskette und bringt sie in ein einheitliches, verständliches Format. So entsteht eine gemeinsame Datenbasis, die Landwirten neue Möglichkeiten eröffnet, ihre Betriebe effizienter, transparenter und nachhaltiger zu gestalten. Durch diesen digitalen Austausch wird nicht nur die ökologische Landwirtschaft gestärkt, sondern auch der Weg zu mehr Tierwohl und Ressourcenschonung geebnet.

Das vom Bundesministerium für Ernährung und Landwirtschaft geförderte Projekt läuft vom 15.12.2024 bis 14.12.2027 und wird in enger Zusammenarbeit mit Forschung und Praxis umgesetzt

Aktuelles

Projektpartner

über SimpleAgriData

Das Projekt SimpleAgriData widmet sich der Digitalisierung in der ökologischen Nutztierhaltung. In speziell ausgestatteten Ställen werden rund um die Uhr Video- und Tonaufnahmen erhoben und mit Umweltdaten, Fütterungsinformationen sowie tiermedizinischen Daten kombiniert. Diese vielfältigen Datenquellen werden in eine open source Datenplattform überführt, wo sie in ein einheitliches, semantisch eindeutiges Format gebracht werden. So entsteht eine gemeinsame Basis für den Austausch und die Analyse entlang der gesamten Wertschöpfungskette – von den Elterntieren über Brütereien, Futter- und Stallklimadaten bis hin zu Gesundheitsdaten und Schlachtergebnissen.

Darauf aufbauend kommen KI-Modelle wie Bildsegmentierung, Anomalieerkennung und Prognosen zum Einsatz. Zudem wird ein Digitaler Zwilling der Wertschöpfungskette entwickelt, der es ermöglicht, Prozesse zu simulieren, Szenarien durchzuspielen und Optimierungspotenziale sichtbar zu machen.

Die Anwendungsfälle konzentrieren sich zunächst auf die ökologische Geflügelhaltung, etwa bei der Futteroptimierung, der Verbesserung der Haltungsbedingungen und der Stärkung der Tiergesundheit. Ziel ist es, Landwirtinnen und Landwirten praxisnahe Werkzeuge zur Verfügung zu stellen, die Effizienz, Transparenz und Nachhaltigkeit ihrer Betriebe verbessern.

Projektziele

SimpleAgriData verfolgt fünf zentrale Ziele:

  1. Aufbau einer Open-Source-Datenplattform, um die entlang der gesamten Wertschöpfungskette gesammelten Daten (die bisher in unterschiedlichen Formaten vorliegen) für Landwirtinnen, Landwirte und weitere Akteure besser nutzbar zu machen.
  2. Ermöglichung eines einfachen Datenaustauschs entlang der Wertschöpfungskette durch ein standardisiertes Format und die Erstellung eines Digitalen Zwillings der gesamten Prozesskette.
  3. Bereitstellung konkreter Handlungsempfehlungen und Prognosen auf Basis der gesammelten Daten.
  4. Aufbereitung der Daten und Empfehlungen in einer verständlichen Form für Landwirtinnen und Landwirte.
  5. Steigerung der Ressourceneffizienz, der Tiergesundheit und der Wirtschaftlichkeit in der ökologischen Landwirtschaft durch den Einsatz von Daten und KI-Algorithmen.

Wir gehen davon aus, dass unsere Lösung – insbesondere die Open-Source-Datenplattform – schnell auf dem Markt verbreitet wird, da in der Branche seit langem ein hoher Bedarf an standardisierten Formaten für einen einfachen Datenaustausch besteht.

Arbeitsplan

Arbeitspaket 0: Projektbegleitendes Management
Die Koordination des Projektes erfolgt durch die Hochschule Karlsruhe, sie unterstützt durch das kontinuierliche Planen, Steuern und Kontrollieren des Projektverlaufs und kümmert sich zusammen mit anderen Projektpartner um die Integration der assoziierten Partner. Zudem wird hier die Zusammenarbeit mit dem Vernetzungs- und Transfervorhaben koordiniert sowie die Veröffentlichung der Ergebnisse in Form von Publikationen durchgeführt.

Arbeitspaket 1: Anforderungsanalyse
In diesem Arbeitspaket werden alle relevanten Anforderungen für das Projekt gesammelt und strukturiert. Zunächst werden bestehende Daten und Prozesse bei den Praxispartnern dokumentiert und zu einer übersichtlichen Daten- und Prozesslandkarte zusammengeführt. Anschließend werden die Anforderungen für die geplanten Anwendungsfälle, die benötigten Daten und Kennzahlen sowie die Analyseprozesse definiert. Auch die funktionalen und nicht-funktionalen Anforderungen an die Plattform – etwa für Backend und Benutzeroberfläche – werden erfasst, um Kennzahlen, Handlungsempfehlungen und Prognosen übersichtlich darstellen zu können.

Arbeitspaket 2: Konzeptentwicklung und Entwurf
Ziel dieses Arbeitspakets ist es, die gesammelten Anforderungen in ein Konzept umzusetzen. Dieses umfasst die Systemarchitektur, das Datenkonzept und das Anwendungskonzept. Das Datenkonzept beschreibt die relevanten Datenquellen, Formate sowie Anforderungen an Speicherung und Datenaustausch. Die Systemarchitektur definiert alle Plattform-Komponenten, Schnittstellen und Standards für das Zusammenspiel von Front- und Backend. Das Anwendungskonzept beschreibt die Funktionalität für Landwirtinnen und Landwirte sowie das Design der Benutzeroberfläche.

Arbeitspaket 3: Installation und Testen der Hardware in den Ställen
In den für dieses Projekt vorgesehenen Ställen müssen verschiedene Geräte installiert und getestet werden, unter anderem Kameras, Server, Router und Sensorik. Nach der Installation müssen diese getestet werden und es sollte regelmäßig eine Sichtkontrolle stattfinden.

Arbeitspaket 4: Datenanalyse und KI-Modelle
Dieses Arbeitspaket orientiert sich am standardisierten CRISP-DM-Prozess für Datenanalyseprojekte, der iterativ die Schritte Problemverständnis, Datenverständnis, Datenvorverarbeitung, Modellierung, Evaluation und Deployment umfasst. Zunächst werden alle verfügbaren Daten analysiert und exploriert, um Qualität und Struktur zu beurteilen. Anschließend erfolgt die Datenvorverarbeitung für die verschiedenen Anwendungsfälle und Algorithmen. Auf Basis von Fachwissen in der Mastgeflügelhaltung und Datenanalyse werden unterschiedliche KI-Modelle entwickelt, trainiert und ausgewertet, die Handlungsempfehlungen liefern und Prognosen erstellen. Die Praxispartner bewerten die Analysen und Ergebnisse inhaltlich.

Arbeitspaket 5: Entwicklung
Das Ziel dieses Arbeitspaketes ist es, eine Datenplattform, Konnektoren für die verschiedenen Datenquellen und Prototypen für die Anwendungsfälle zu entwickeln. Folgende Komponenten werden entwickelt: Entwicklung der Open Source Datenplattform, Entwicklung des digitalen Zwillings, UI Entwicklung und Integration und Test der Softwarekomponenten.

Arbeitspaket 6: Datenanbindung an die Datenplattform
Das Ziel dieses Arbeitspaketes ist es, alle Daten in die fertiggestellte Plattform einzuspeisen.

Arbeitspaket 7: Erprobung und Evaluation
In diesem Arbeitspaket wird die Datenplattform vor Ort erprobt und evaluiert. Die verschiedenen Komponenten werden bzgl. unterschiedlicher Kriterien evaluiert. Insbesondere wird der Datenimport und -export getestet, die grafische Benutzeroberfläche, die Handlungsempfehlungen und Vorhersagen inhaltlich bewertet. Die Simulation über den Digitalen Zwilling evaluiert sowie alle geplanten Anwendungsfälle ausprobiert. Die dabie entstehenden Informationen fließen über Feedback-Loops wieder an die Projektpartner zurück, sodass in diesem AP noch Feintuning betrieben werden kann.

Projektpartner

Hochschule Karlsruhe

Die Hochschule Karlsruhe ist eine der größten und forschungsstärksten Hochschulen für angewandte Wissenschaften in Baden-Württemberg. Sie hat knapp 800 Mitarbeiter (davon über 200 Professoren) und ca. 7000 Studierende. Leitthemen der Hochschule Karlsruhe sind die Digitalisierung und die Nachhaltigkeit.

Prof. Dr. Christine Preisach ist Professorin für Data Science und Informatik an der Fakultät Informatik und Wirtschaftsinformatik der Hochschule Karlsruhe, sie forscht zum Thema Künstliche Intelligenz und Maschinelles Lernen im Bereich Nachhaltigkeit. Sie ist eine Expertin im Bereich des Maschinelles Lernens mit langjähriger Erfahrung in der Arbeit mit großen, heterogenen Datensätzen, insbesondere mit Zeitreihendaten.

In der freien Wirtschaft hat sie viele Kundenprojekte im Bereich Internet der Dinge und Predictive Maintenance auf heterogenen Daten durchgeführt und dazu angewandte Forschung betrieben. Über mehrere Jahre hat sie Kunden aus der Landwirtschaft (Landmaschinen Hersteller) beraten und dort Daten- und KI-Projekte geleitet. Bei einem großen deutschen Versicherer war sie Chief Data Officer und für die Integration und Interoperabilität verschiedener Datenquellen zuständig. Zurzeit ist sie Teil des Institutes für Anwandten Forschung an der HKA und an zwei BMWK geförderten Projekten zu den Themen Erneuerbaren Energien und E-Mobilität, die beide Zeitreihendaten und KI-Algorithmen nutzen, beteiligt.

Die Hochschule Karlsruhe übernimmt in SimpleAgriData die Aufgabe der Projektkoordination.

GS agri eG

Seit 1881 ist die GSagri als Genossenschaft für die Landwirte tätig. Das Kerngeschäft der Genossenschaft ist die Produktion von konventionellen und zertifizierten Bio-Mischfuttermittel. Hierzu gehören Hähnchen-, Puten-,Schweine-, und Rinderfutter.

Das Biofutter wird an zwei separaten Biomischfutterwerken produziert und ausgeliefert: Bio-Eichenmühle (Malchin) sowie Naturmühle Höltinghausen mit Sitz in der Gemeinde Emstek. In der Naturmühle Hötinghausen werden bis zu 60.000 t Biofutter nach Bio EU Richtlinien sowie Verbandsware (Naturland, Bioland, Biopark, Biokreis) hergestellt und ausgeliefert.

Biofino GmbH & Co. KG

Das Unternehmen wurde im Jahr 2000 gegründet und hat sich erfolgreich im Bio-Geflügelmarkt etabliert. An den Standorten Emstek und Bad Zwischenahn werden die ökologisch erzeugten Hähnchen und Puten zu Bio-Frische- und Bio-Convenience Artikeln verarbeitet. Zudem gehören zu der Unternehmensgruppe eigene Elterntierfarmen und eine Bio-Brüterei. Insgesamt werden entlang der Wertschöpfungskette ca. 220 Mitarbeiter beschäftigt. Das Unternehmen ist eine 100%ige Tochterfirma der GS agri eG, agiert aber vollständig eigenständig und es gibt keine Interessenkonflikte.

VetVise GmbH

Das StartUp VetVise GmbH mit Sitz in Hannover wurde 2020 gegründet und beschäftigt sich mit der automatisierten Erkennung und Analyse von Verhalten landwirtschaftlicher Nutztiere (Schwein und Mastgeflügel). Das interdisziplinäre Team besteht aus 15 Experten im Bereich KI, der landwirtschaftlichen Praxis und tierärztlichen Fachwissen. Mit dem eigens entwickelten Algorithmus zur Tiererkennung ist es dem StartUp möglich das Verhalten von Schweinen aller Produktionsstufen und von Mastgeflügeln zu analysieren und den Tierhaltern gezielte Empfehlungen und Warnungen direkt und in Echtzeit aus dem Stallgeschehen zu geben. Hierdurch senkt sich der Arbeitsaufwand bzw lassen sich die Arbeitskräfte innerhalb der Ställe gezielter einsetzen, der Medikamenteneinsatz im Stall wird reduziert, die Rentabilität der Tierhaltung erhöht sich, der Einsatz von Betriebsmitteln wird effizienter gestaltet und das Tierwohl erhöht sich.

Wissenschaftliche Publikationen und Ergebnisse

2026

Kirsch M., Hausmann I., Sinn J., Preisach C.
Vorhersage der Mortalitätsrate und Analyse der Einflussfaktoren in der ökologischen Hähnchenmast
GIL 2026: 336-341 [pdf >]

Nach oben scrollen