Bereits im ersten Projektjahr konnte das SimpleAgriData-Team viele Fortschritte machen und im Zuge dessen weitere Meilensteine erreichen. Das erste Projektjahr hat somit gezeigt, wie harmonisch und zielorientiert die unterschiedlichen Partner zusammenarbeiten und wie in regelmäßigen Meetings ein Wissenstransfer stattfindet. Diese Zusammenarbeit bietet daher für alle Partner einen großen Mehrwert.
Meilenstein 3 erreicht
Das Kernelement des SimpleAgriData-Projekts ist die Erstellung einer offenen Datenplattform. Diese soll Daten entlang der gesamten Wertschöpfungskette einheitlich sammeln und für Landwirtinnen, Landwirte und weitere Akteure nutzbar machen.
Im Juni 2025 konnte hierfür Meilenstein 3 erreicht werden. Dieser definiert, dass die Konzeptphase abgeschlossen ist und somit Entwürfe der Systemarchitektur sowie der benötigten Anwendungen erstellt wurden.
Zunächst wurde ein erstes Konzept für die Datenplattform entwickelt. Ziel ist es, die physische und die semantische Speicherung voneinander zu trennen. Die Kernelemente der Datenplattform bilden Konnektoren sowie die Speicherung und Aufbereitung der Daten. Hierbei werden für die jeweiligen Datentypen optimierte Datenbanken verwendet. Der Vorteil dieses Aufbaus besteht darin, dass die semantische Ebene unabhängig bleibt, wenn Änderungen an der physischen Speicherung vorgenommen werden.
In diese Datenplattform soll eine Vielzahl unterschiedlicher Daten eingespeist werden. Die Daten unterscheiden sich sowohl hinsichtlich ihres Datentyps als auch ihrer Herkunft. Berücksichtigt werden beispielsweise Zeitreihendaten wie Klima-, Wetter- und Aktivitätsdaten, Bilddaten sowie Berichte und Lieferscheine zur Schlachtung. Hinzu kommen Protokolle zu einzelnen Mastdurchgängen, zum Auslauf, zu den Küken und zum Futter. Diese Daten werden zunächst physisch in der Datenplattform gespeichert und erhalten anschließend eine semantische Referenz.
Der erste Entwurf der Architektur sieht vor, dass Rohdaten zunächst über Konnektoren empfangen werden, um anschließend gespeichert und aufbereitet werden zu können. Die bereinigten Daten werden dann für die verschiedenen Anwendungen bereitgestellt und an die Benutzeroberfläche übermittelt.
Zusätzlich soll es ein Dashboard geben, das die Daten visualisiert, damit die Landwirtinnen und Landwirte einen guten Überblick über die vorhandenen Informationen erhalten. Des Weiteren wird im Zuge des Projekts eine App entwickelt, die die Protokolle der Landwirtinnen und Landwirte digitalisiert und eine Live-Übertragung in die Datenplattform ermöglicht.
Meilenstein 4 erreicht
Das Arbeitspaket 4 orientiert sich am sogenannten CRISP-DM-Prozess für Datenanalyseprojekte. Dieser umfasst die sich wiederholenden Schritte Problemverständnis, Datenverständnis, Datenvorverarbeitung, Modellierung, Evaluation und Bereitstellung der Ergebnisse.
Zunächst werden alle verfügbaren Daten analysiert und explorativ untersucht, um ihre Qualität und Struktur beurteilen zu können. Im Juli 2025 konnte die initiale Datenanalyse abgeschlossen werden. Anschließend wurden die Daten fachlich interpretiert und ihre Qualität genauer untersucht. Mit diesen Schritten konnte Meilenstein 4 erreicht werden.
Meilenstein 6 erreicht
An die Datenanalyse schließen sich die Datenvorbereitung sowie erste Tests zur Modellierung der einzelnen Anwendungsfälle an. Im Oktober 2025 konnte Meilenstein 6 erreicht werden. Hierfür wurden erste KI-Modelle trainiert, mit denen Prognosen und Handlungsempfehlungen abgeleitet und anschließend fachlich interpretiert werden konnten.
Im Detail wurden die folgenden Anwendungsfälle aufgegriffen:
Gewichtsvorhersage
Der Anwendungsfall der Gewichtsvorhersage adressiert die Projektziele der Wirtschaftlichkeit sowie der Futter- und Haltungsoptimierung in der Hähnchenmast. Basierend auf Umwelt- und Gewichtsdaten wurden verschiedene Zeitreihenmodelle trainiert und miteinander verglichen. Diese können das Durchschnittsgewicht einer Herde ab Tag 20 mit einer Abweichung von weniger als 50 g vorhersagen.
Seit Dezember 2025 werden damit regelmäßig Live-Vorhersagen für den kooperierenden Mastbetrieb erstellt. Neben der Vorhersage wurde zusätzlich mit einer Ursachenanalyse begonnen, um zu untersuchen, welche Faktoren das Wachstum eines Masthähnchens beeinflussen.
Ursachenanalyse von Verlusten
Obwohl die Mortalität in Bio-Hähnchenmastbetrieben sehr gering ist, kann es vereinzelt dennoch zu Verlusten durch Krankheiten kommen. Um diese Ereignisse im Hinblick auf die Haltungsoptimierung zu untersuchen, wurden Zusammenhänge zwischen Umweltdaten und den Verlusten analysiert. Hierfür wurde der Einfluss von Wetter-, Stallklima- und Fütterungsdaten untersucht und bewertet.
Die genauen Ergebnisse wurden auf der 46. GIL-Jahrestagung vorgestellt und können im zugehörigen Tagungsband in einem Kurzbeitrag nachgelesen werden.
Detektion von Anomalien in der Aktivität
Ein weiterer Anwendungsfall des SimpleAgriData-Projekts ist die Früherkennung subklinischer Erkrankungen bei Masthähnchen. Im Jahr 2025 wurden hierzu erste Analysen gestartet, mit denen ungewöhnliche Verhaltensmuster der Tiere identifiziert werden sollen.
Ziel ist es, die Ergebnisse fachlich zu interpretieren und die erkannten Anomalien mit dem Auftreten von Symptomen abzugleichen. Auf diese Weise soll langfristig eine Früherkennung ermöglicht werden.
Handlungsempfehlungen durch VetVise
Der Projektpartner VetVise beobachtet seit der Installation des Kamerasystems in den kooperierenden Mastställen täglich die Videodaten und die daraus extrahierten Informationen. Fachleute analysieren diese Beobachtungen und leiten daraus konkrete Empfehlungen ab, die anschließend an den Mastbetrieb weitergegeben werden.