Latest / Der HKA-Podcast / #34 Henne und AI - wie Machine Learning und Digitalisierung die ökologische Hühnerhaltung verbessern

Transcript

#34 Henne und AI - wie Machine Learning und Digitalisierung die ökologische Hühnerhaltung verbessern · Der HKA-Podcast

• 0:00
  Speaker 0: Heute spreche ich mit Professorin Christine Preisach über ihr aktuelles Forschungsprojekt.
• 0:05
  Speaker 0: Sie entwickelt gerade eine digitale Plattform, um die ökologische Hühnerhaltung zu verbessern.
• 0:10
  Speaker 1: Wir wollen so eine Art Standard bauen als Open Source im Prinzip Dinge zur Verfügung stellen, die dann alle nutzen können unabhängig von irgendwelchen Anbietern.
• 0:20
  Speaker 1: Das bedeutet das alles was wir entwickeln dann auch offen im Internet stehen wird und für jeden verfügbar ist, nutzbar mit Dokumentationen.
• 0:30
  Speaker 1: Wir wollen natürlich auch, dass unsere Ergebnisse weiterverwendet werden – und zwar kostenlos!
• 0:45
  Speaker 0: Hallo zusammen und herzlich willkommen!
• 0:47
  Speaker 0: Wenn ich an Landwirtschaft denke, dann habe ich immer ein etwas romantisches Bild vor Augen So ein Bauernhof im Schwarzwald mit Kühnen auf der Weide, vielleicht einen Hahn, der auf einem Misthaufen sitzt und ein Traktor, der im Hintergrund das Heu einfährt.
• 1:01
  Speaker 0: Gut ich gebe zu, das klingt schon so'n bisschen wie aus dem Bilderbuch.
• 1:05
  Speaker 0: Man muss auch sagen diese Art von Bauernhöfen die gibt's durchaus noch.
• 1:09
  Speaker 0: aber es ist auch klar Ein Großteil der Betriebe ist hochgradig technisiert Und?
• 1:15
  Speaker 0: Die Landwirtschaft verändert sich.
• 1:17
  Speaker 0: Vor rund dreißig Jahren gab's doppelt so viele Landwirtschaftsbetriebe wie heute.
• 1:21
  Speaker 0: Die bewirtschafteten Flächen sind allerdings bis heute relativ konstant geblieben und das bedeutet, die Betriebe werden einfach immer größer.
• 1:29
  Speaker 0: Das hat vor allem damit zu tun dass ein größerer Betrieb natürlich wirtschaftlicher arbeiten kann aber die Größe allein ist nicht entscheidend.
• 1:37
  Speaker 0: es geht auch immer um die Frage wie man weiter optimieren kann und zwar unter anderem mit den Technologien die in der deutschen Industrie längst dazu gehören nämlich Digitalisierung und künstliche Intelligenz.
• 1:51
  Speaker 0: An der HKA gibt es ein Projekt, das sich mit der ökologischen Hühnerhaltung befasst und diesen Bereich digitalisieren und mit künstlicher Intelligenz verbessern möchte.
• 2:01
  Speaker 0: Simple Agri-Data heißt das Projekt, dass unter anderem gemeinsam mit einer Hühnenfarm durchgeführt wird.
• 2:08
  Speaker 0: Ich habe mit der Projektleiterin Dr.
• 2:10
  Speaker 0: Christine Preissach gesprochen.
• 2:12
  Speaker 0: Sie ist bei uns Professorin für Data Science und Informatik.
• 2:15
  Speaker 0: Und außerdem ist sie Gruppenkoordinatorin der Intelligent Systems Research Group.
• 2:21
  Speaker 0: Das ist ein Forschungsinstitut an der HKA, das sich intensiv mit KI, Machine Learning und der Auswertung riesiger Datenmengen befasst.
• 2:30
  Speaker 0: Wenn also jemand die Aufzucht zehntausender Hühner digital in den Griff bekommt dann Christine Preisach Und ich habe sie erst einmal gefragt, wie die aktuelle Digitaltechnologie und ein Jahrtausender altes Gewerbe also die Landwirtschaft eigentlich zusammenpassen.
• 2:49
  Speaker 1: Es passt gut zusammen!
• 2:50
  Speaker 1: Also es gibt schon länger auch in solchen Hühnerstellen ganz viel Sensorik.
• 2:55
  Speaker 1: Also das ist bei einem Drittel der Betriebe ungefähr ... ist es Standard, dass sogenannte Klimakomputer in jedem Stall drin sind.
• 3:02
  Speaker 1: Das heißt die messen die Temperatur Luftdruck, Lüftung und solche Dinge als völlig normal.
• 3:10
  Speaker 0: Also ein Drittel
• 3:12
  Speaker 1: ungefähr oder ein bisschen mehr als ein Drittel haben das was viele noch nicht haben was wir aber im Projekt auch haben sind Kameras also viele Kameras an den Decken die dann immer laufen.
• 3:24
  Speaker 0: Dann lass uns gleich mal direkt einsteigen.
• 3:26
  Speaker 0: Also du hast gerade gesagt in eurem Projekt Simple Agri-Data, worum geht es denn da ganz grundsätzlich?
• 3:30
  Speaker 1: Ja also es geht einmal drum in der sogenannten Hähnchenmast oder Hühnerhaltung mehr Digitalisierung reinzubringen und zwar nicht nur eben die Digitalisierung ganz normal sondern interoperable Digitalisierung.
• 3:44
  Speaker 1: das heißt Hauptproblem ist dass die Daten nicht miteinander verbunden werden können weil die verschiedenen Hersteller von Klimakomputern, von Kameras, von anderen Dingen nicht miteinander sprechen.
• 3:59
  Speaker 1: Das heißt oft gibt es zwar Digitalisierung aber alles so in Sie los und das kommuniziert nicht miteinander.
• 4:05
  Speaker 1: und es gibt noch nicht so viel KI vor allem nicht vernetzt.
• 4:08
  Speaker 1: der KI im Sinne von wir nehmen viele Datenquellen zusammen integrieren die und nutzen alle möglichen Daten gemeinsam das gibt's halt weniger.
• 4:16
  Speaker 0: Das heißt, wenn ich es richtig verstehe gibt's also schon sehr viele einzelne Digitalisierungsbauteile nenne ich jetzt mal oder Bestandteile innerhalb eines Hofes der sich mit Geflügelzucht beschäftigt.
• 4:28
  Speaker 0: Zum Beispiel irgendeine Anlage die die Temperatur überwacht und die spricht aber bisher nicht mit der Anlage, die für andere Dinge zuständig ist und da wollt ihr anknüpfen und sozusagen das alles unter einen
• 4:39
  Speaker 1: Hut bringen.
• 4:40
  Speaker 1: Wir wollen eben und nicht nur für diesen Landwirt, sondern wir wollen eigentlich so eine Art Standard bauen.
• 4:46
  Speaker 1: Also kein echter Standard aber Open Source im Prinzip Dinge zu verfügen stellen die dann alle nutzen können unabhängig von irgendwelchen Anbietern.
• 4:54
  Speaker 1: Das bedeutet das alles was wir entwickeln dann auch offen im Internet stehen wird und für jeden verfügbar ist und nutzbar mit Dokumentationen und allem.
• 5:04
  Speaker 1: also.
• 5:04
  Speaker 1: wir wollen natürlich auch dass unsere Ergebnisse weiterverwendet werden und zwar kostenlos.
• 5:11
  Speaker 0: Das heißt idealerweise kommt dabei eine Plattform raus, die sich jeder einfach unterladen kann und jeder Landwirt sich auf dem Rechner installieren kann oder in der Cloud oder wie auch immer erarbeitet?
• 5:22
  Speaker 0: Und dann hat er die Möglichkeit diese ganzen Daten zusammenzufassen.
• 5:26
  Speaker 1: Genau!
• 5:26
  Speaker 1: Also das ist das Ziel einer Datenplattform also eine offene Datenplatform, die für jeden nutzbar ist wo man auch unabhängig vom Format deiner Daten rein tun kann.
• 5:37
  Speaker 1: Du hast vielleicht einen Excel mit einem bestimmten Format, jemand anders hat eine CSV die völlig anders aufgebaut ist.
• 5:44
  Speaker 1: Dann irgendwelche anderen Daten in anderen Formaten und wir werden was anbieten wo man einfach sagt okay ich habe hier ein Datei da steht Temperatur- und Luftdruck drin und unsere Datenplattform versteht dann Temperatur und kann das integrieren einspeisen in die Datenplattform und dann verbinden unsere Services, die wir bauen auch KI-Services anbieten aufgrund dieser Daten.
• 6:11
  Speaker 0: Auf die Services kommen wir gleich.
• 6:12
  Speaker 0: um noch zu sprechen ich will nochmal einen Schritt zurückgehen.
• 6:15
  Speaker 0: Wozu braucht man überhaupt diese Datensammlung?
• 6:18
  Speaker 0: Weil im Grunde könnte man ja sagen Landwirtinnen und Landwirts XY machen seit zwanzig Jahren Hühnerzucht Die wissen wie es funktioniert und die bauen auf Erfahrungswerte.
• 6:28
  Speaker 0: wozu müssen sie überhaupt Daten sammeln?
• 6:30
  Speaker 1: verschiedene Gründe.
• 6:31
  Speaker 1: Eins ist, wirklich eine Pflicht zu dokumentieren und auch das regelmäßig abzugeben an Behörden – das ist das Eine wo es eine Rolle spielt.
• 6:40
  Speaker 1: aber viel ist das Thema.
• 6:42
  Speaker 1: einmal Wirtschaftlichkeit, aber auch Tierwohl.
• 6:45
  Speaker 1: also wie kann ich jetzt meine Herde möglichst gesund auch erhalten bzw frühmerken dass irgendwas nicht in Ordnung ist?
• 6:54
  Speaker 1: Und Wie kann ich möglichst effizient arbeiten?
• 6:56
  Speaker 1: Also du hast ja schon gesagt die Betriebe werden größer Und trotzdem ist es dann ein Landwirt mit sehr viel zu tun.
• 7:04
  Speaker 1: Das heißt, da muss man automatisieren.
• 7:07
  Speaker 0: Was kann der aus diesen Daten denn herauslesen?
• 7:09
  Speaker 0: oder vielleicht mal anders gefragt?
• 7:11
  Speaker 0: Welche Daten werden erfasst?
• 7:12
  Speaker 0: Werden schon Wetter... was gibt's noch?
• 7:14
  Speaker 1: Also Wetter sowohl außen also wirklich Wetterstation für den deutschen Wetterdienst als auch innen im Stall.
• 7:20
  Speaker 1: Dann haben wir Kameras, also Videos, also wir monitorn die ganze Zeit.
• 7:25
  Speaker 1: Wir haben jetzt Audio auch durch die Videokameras.
• 7:29
  Speaker 1: Wir haben Dokumente, ganz viele Dokumete.
• 7:32
  Speaker 1: also zum Beispiel... Die Küken werden geliefert da gibt es Lieferscheine Es gibt Herkunftsdokumente wo die Küken herkommen Wer waren die Eltern und so all diese Sachen Also über die ganze Wertschöpfungskette also vom Ei bis zur Schlachtung alles Also die ganze Aufzucht und dann die Mast, also in zwei Phasen.
• 7:53
  Speaker 1: Die kleinen Küken, dann die älteren Liefersteine für Futter.
• 7:58
  Speaker 1: Wie viel Wasser wurde verbraucht?
• 8:00
  Speaker 1: An welchem Tag
• 8:01
  Speaker 1: usw.,
• 8:02
  Speaker 1: sehr viele Daten.
• 8:03
  Speaker 1: Krankheiten, wann wurde geimpft?
• 8:06
  Speaker 1: Wann war der Tierarzt da ... alle möglichen Protokolle, die man so auch hat.
• 8:12
  Speaker 1: Also einmal eher Zeitreindaten wie Wetter und Stahlklima, Videos, Audios aber auch Dokumente oft aber auch handschriftliche
• 8:24
  Speaker 0: Dinge.
• 8:25
  Speaker 0: Okay also ganz unterschiedliche Datenquellen.
• 8:28
  Speaker 0: Wie jetzt interessiert mich natürlich was sehe ich auf den Videos?
• 8:31
  Speaker 0: oder für welche Auswertungszwecke werden die aufgenommen?
• 8:33
  Speaker 0: Und die Audios?
• 8:34
  Speaker 0: das finde ich jetzt schon ein bisschen ungewöhnlich, dass man einen Stall hat in dem man quasi ein Video-Studio
• 8:39
  Speaker 1: einkommt.
• 8:39
  Speaker 1: Genau!
• 8:40
  Speaker 1: Also es ist ganz spannend... Ein großes Thema bei den Videos ist die Aktivität der Tiere zu beobachten weil das ein großes oder wichtiges Indiz für ein normales oder nicht normales Verhalten ist.
• 8:52
  Speaker 1: also wie schnell bewegen sie sich im Stall?
• 8:54
  Speaker 1: Wo hin gehen Sie in den Stall?
• 8:57
  Speaker 1: Wie aktiv sind sie?
• 8:58
  Speaker 1: eher langsam oder eher schnell und daraus kann man dann sehen ob sie sich normal verhalten, das heißt bei bestimmten Krankheiten oder wenn da eben so ein Virus in die Herde kommt ist es völlig anders und es hängt auch von der Lüftung ab.
• 9:14
  Speaker 1: Oder ist es zu warm?
• 9:15
  Speaker 1: Oder zu kalt?
• 9:16
  Speaker 1: Dann bewegen die sich weniger oder mehr?
• 9:19
  Speaker 1: Das heißt anhand der Bewegungen kann man sehr viele Sachen dann auch wirklich herausfinden.
• 9:26
  Speaker 0: Das heißt, ich vermute an der Stelle kommt dann auch die künstliche Intelligenz oder das Machine Learning ins Spiel.
• 9:31
  Speaker 0: Weil ich stelle mir jetzt vor... Ich habe hier Zehntausend Hühnchen auf Vögel, die da irgendwie wild in der Gegend rumrennen und dann gibt es ein paar Kameras.
• 9:43
  Speaker 0: Die analysieren dann tatsächlich Bewegungen der einzelnen und auch Herdenbewegung?
• 9:49
  Speaker 1: Genau, also die Herde ist eher wichtig.
• 9:50
  Speaker 1: Man kann einzelne auch tracken macht aber nicht so viel Sinn.
• 9:53
  Speaker 1: beziehungsweise die Kameras.
• 9:55
  Speaker 1: Wir haben ja viele Kameras ich glaube fünfzig in dem langen Stall.
• 9:59
  Speaker 1: Für uns ist es nicht wichtig das wir von einer Kamera auf den Nächsten das Hähnchen weiter tracken sondern für uns ist die Herder wichtig.
• 10:07
  Speaker 1: Also wie bewegt sie sich insgesamt?
• 10:09
  Speaker 1: Es ist nicht wichtig bis einzig zu.
• 10:11
  Speaker 1: zu monitorieren oder zu tracken.
• 10:14
  Speaker 0: Also ihr könnt dann sozusagen anhand dieser Bewegung automatisch analysieren lassen, ah der Herde scheint es nicht gut zu gehen und das führt dann zu welchem Ergebnis?
• 10:25
  Speaker 1: Man kann dann Empfehlungen geben also man kann erst mal überhaupt aufzeigen irgendwas ist noch nicht normal.
• 10:30
  Speaker 1: mit Tierexperten die auch im Projekt sind geben wir auch solche Meldungen wie Es ist zu warm im Stall.
• 10:36
  Speaker 1: das heißt dann muss man nach regulieren.
• 10:39
  Speaker 1: Dort hat eine automatisierte Lüftung, die aber manchmal nicht ganz optimal funktioniert.
• 10:45
  Speaker 1: Auf die Bedingungen, die vielleicht auch draußen sind also Hochsommer, Hitzewelle oder so und da muss der Landwirt dann nachregulieren.
• 10:52
  Speaker 1: Der kommt jeden Tag zweimal in den Stall.
• 10:54
  Speaker 1: sowieso muss er und dann kann der nochmal anpassen und sagen okay weniger mehr Lüften, Heizen oder aufmachen die Klappen und solche Dinge.
• 11:03
  Speaker 1: Also es ist wirklich was sehr Praktisches also Empfehlung an den Landwirt, was er jetzt tun kann um die Gesundheit seiner Tiere und natürlich auch die Wirtschaftlichkeit dadurch zu erhöhen.
• 11:17
  Speaker 0: Und bei dieser Entscheidung hilft ihm diese Plattform.
• 11:19
  Speaker 0: das heißt im Zweifelsfall kommt ich stelle mir das jetzt so vor auf dem Computer da auf dem Handy eine Meldung bis zur Klimaanlage einschalten?
• 11:26
  Speaker 1: Wir haben einen Partner drin der diese Kameras auch installiert hat und auch die KI hinter den Kameras hat, also dass man die Bewegung tracken kann.
• 11:35
  Speaker 1: Wir machen die Anomalie-Erkennung jetzt mit verschiedenen Algorithmen und dieser Partner hat eine Applikation, die auf dem Handy und auf dem Tablet läuft wo man auch die Videos sehen kann als auch im Nachhinein und währenddessen.
• 11:48
  Speaker 1: Und wir haben jetzt noch mal so eine App gebaut zum Digitalisierung seiner Eintragungen damit er nicht handschriftlich den Stall durchgangen muss.
• 11:56
  Speaker 0: Jetzt lebt Künstliche Intelligenz beziehungsweise Machine Learning auch immer vom Training mit Daten.
• 12:01
  Speaker 0: Wie trainiert ihr den Rechner oder den Algorithmus so, dass der das erkennt?
• 12:05
  Speaker 0: Müßt ihr da die Tiere in einer gesonderten Trainingsumgebung beobachten?
• 12:09
  Speaker 1: Nee tatsächlich muss man viel sammeln und das ist durchaus am Anfang des Projektes ja ein Problem.
• 12:15
  Speaker 1: Irgendwann haben wir die Kameras installiert und dann laufen sie und dann muss man gucken was du kommst.
• 12:21
  Speaker 1: Ganz viel machen wir über sogenanntes Unsupervised Learning.
• 12:25
  Speaker 1: Das bedeutet, wir müssen kein Input von einem Menschen haben und sagen oh da war schlecht und da was gut sondern man nimmt an dass die Hühner üblicherweise gesund sind und alles normal ist und das was auffällt ist dann halt wirklich auffällig durch.
• 12:40
  Speaker 1: Tierexperten machen aber sogenannte Annotationen also dass die drauf gucken auch verschiedene Dinge.
• 12:47
  Speaker 1: Das war zu warm.
• 12:48
  Speaker 1: Oder das können wir auch anhand des Klimakomputers sehen, da ist irgendwie sehr warm im Vergleich zur anderen Seite.
• 12:55
  Speaker 1: Das heißt nein!
• 12:56
  Speaker 1: Wir müssen keine Tier-Experimente machen, darf man auch gar nicht.
• 13:00
  Speaker 1: Sondern wir müssen tatsächlich lange warten.
• 13:02
  Speaker 1: auch haben wir für manche Dinge muss man nicht so lange warten kann man früher auch Algorithmen anwenden und der Partner hat halt viel Erfahrung aus anderen Projekten hat auch Daten aus anderen durch diese Expertise.
• 13:18
  Speaker 0: Jetzt nehmt ihr auch Audio-Signale auf, die werden ähnlich ausgewertet.
• 13:21
  Speaker 0: oder wie funktioniert das?
• 13:22
  Speaker 1: Das ist tatsächlich ganz neu.
• 13:23
  Speaker 1: Das hat man sonst nicht gemacht.
• 13:25
  Speaker 1: Das haben wir jetzt angeregt im Projekt.
• 13:28
  Speaker 1: Man weiß aus der Forschung dass tatsächlich bestimmte Situationen oder eintretende Krankheit oder Virus im Stall anderes Audio Muster erzeugt was halt sehr spannend ist, weil es noch nicht viel benutzt wird.
• 13:44
  Speaker 1: Also die Kameras haben eigentlich alle Audio aber man trägt das nicht mit bisher oder speicherts auch nicht, weil meine Ehe soviel Daten hat, Videomaterial und Audio.
• 13:54
  Speaker 1: Aber wir probieren das jetzt!
• 13:55
  Speaker 1: Es ist neu, wir haben noch keine Ergebnisse, aber ja... Wir werden auch wieder lernen.
• 13:59
  Speaker 1: was ist so das Normalverhalten?
• 14:01
  Speaker 1: Und wenn's davon abweicht dann werden wir ein Signal geben und dass auch dann mit Experten anschauen Ja, was war da?
• 14:09
  Speaker 1: Was war auch sonst noch.
• 14:10
  Speaker 1: War die Temperatur hoch oder niedrig?
• 14:12
  Speaker 1: Gab es eine Impfung am Tag davor?
• 14:14
  Speaker 1: Dann verhalten sie sich auch anders und solche Dinge.
• 14:17
  Speaker 0: Jetzt kann ich mir vorstellen, dass da wahnsinnig große Datenmengen anfallen.
• 14:22
  Speaker 0: von welcher Größenordnung reden wir denn da?
• 14:24
  Speaker 0: das ist ja vermutlich eher schon im Terabyte-Bereich
• 14:27
  Speaker 1: pro Tag, bei fünfzig
• 14:28
  Speaker 0: Kameras oder
• 14:30
  Speaker 1: so.
• 14:31
  Speaker 1: Ehrlich gesagt, ich kann es nicht genau sagen.
• 14:33
  Speaker 1: Aber in diese Richtung geht's.
• 14:35
  Speaker 1: Es ist auch so dass wir nicht alles behalten sondern wir extrahieren sofort oder dieser Partner extra jetzt sofort die wichtigsten Dinge nämlich diese Aktivität.
• 14:45
  Speaker 1: also du kannst es dir so vorstellen das die Videos dann gar nicht mehr wichtig sind Sondern die Aktivität was eine Zeitreihe ist Also ein Verlauf über die Zeit wo wir sehen okay wie viel Hähnchen waren im Stall und Wie is die Geschwindigkeit?
• 14:59
  Speaker 1: dieser Tiere in einem bestimmten Stallbereich, also schnell langsam.
• 15:03
  Speaker 1: Also wirklich so ein Gezappel und das ist viel weniger Daten.
• 15:07
  Speaker 1: was wir dann extra hier... Das werden
• 15:08
  Speaker 0: nicht die Videos im Nachhinein ausgewertet sondern ihr macht es direkt?
• 15:11
  Speaker 0: Das
• 15:11
  Speaker 1: ist direkt!
• 15:12
  Speaker 1: Wenn du da auf diese App guckst siehst du die Videos und gleich die Aktivität.
• 15:16
  Speaker 1: Sofort als real time.
• 15:18
  Speaker 0: Du hast vorhin davon gesprochen dass es wahnsinnig viele Datenquellen gibt bis hin zu handschriftlichen Formulanen.
• 15:23
  Speaker 0: wie kriegt ihr das alles unter einen Hut?
• 15:26
  Speaker 1: Ja, also erstens müssen wir es tatsächlich erstmal sammeln und wissen das gibt's.
• 15:30
  Speaker 1: Und das machen wir über die verschiedenen Partnern.
• 15:31
  Speaker 1: Wir haben insgesamt sind zwar zu viert, zu fünft mit uns Das heißt sie arbeiten uns viel zu und schicken uns Vieles tatsächlich erstmal per Mail oder liegen ab auf irgendeine Cloud.
• 15:43
  Speaker 1: Mittlerweile hat man aber viel auch versucht zu automatisieren.
• 15:46
  Speaker 1: Das war eben nicht von Manuel Ha Verschickungen von irgendwelchen Sachen abhängig sind.
• 15:51
  Speaker 1: Also wir haben jetzt integriert zum Beispiel diese Klimakomputer, dass wir automatisch das einspielen können in unsere Datenplattformen also da Konnektoren gebaut haben die dieses tun.
• 16:01
  Speaker 1: und ja im Prinzip Automatisierung ist ein Thema.
• 16:05
  Speaker 1: und vom Handschriftlichen da haben wir tatsächlich weil es so der größte Pain ist auch für den Landwirt.
• 16:11
  Speaker 1: der muss zweimal in den Stall morgens und abends schreibt dann da auf, was er muss.
• 16:16
  Speaker 1: Er muss halt wissen gibt es tote Tiere im Stahl, wie ist die Temperatur?
• 16:22
  Speaker 1: Muss er auch hinschreiben als Dokumentationspflichten ganz viel.
• 16:26
  Speaker 1: und da haben wir eine App gebaut die sehr einfach zu bedienen ist und alles abdeckt und die läuft schon bei ihm.
• 16:32
  Speaker 1: also er benutzt sich schon.
• 16:33
  Speaker 1: Wir haben dies schon in Betrieb Und das ist etwas, was unser anderer Partner, der ist ein Integrator.
• 16:39
  Speaker 1: Das heißt er hat viele Landwirte als Lieferanten einfach weiter betreiben wird.
• 16:44
  Speaker 1: also die haben sich entschieden dass es so wertvoll diese Art von normaler Digitalisierung wo jetzt noch gar keine KI dahinter ist das sehr viel bringt für die Effizienz der Landwirten.
• 16:57
  Speaker 0: Jetzt gibt's auch noch den Faktor bei Masthähnchen wie das Gewicht sich entwickelt.
• 17:00
  Speaker 0: Wie testet ihr das denn?
• 17:03
  Speaker 1: eines der größten Themen bezüglich Wirtschaftlichkeit.
• 17:07
  Speaker 1: Und zwar hängt in diesen Stellen, aber in vielen anderen auch eine Waage und zwar ne Waage die so einfach so schwingt das auf dem Spielzeug.
• 17:17
  Speaker 1: Das heißt die Hühner können da einfach drauf springen und es tun sie auch gerne vor allem wenn sie jünger sind und das wird digital gemessen und auch gespeichert.
• 17:27
  Speaker 1: Das ist unser Glück dass das tatsächlich da ist.
• 17:31
  Speaker 1: und diese Daten die wir schon länger haben, werden wir aus und tun sie in eine KI um ne Vorhersage zu machen.
• 17:38
  Speaker 1: Weil der Landwirt muss irgendwann sagen wann werde ich denn meine Tiere schlachten?
• 17:43
  Speaker 1: Also er muss den Schlachttermin festlegen und möglichst früh weil die Schlachthöfe das vorbereiten müssen usw.. Also diese ganze Kette muss halt Bescheid wissen und Früh planen und das tun wir und dann sind wir sehr gut drin!
• 17:55
  Speaker 1: Das ist auch produktiv schon.
• 17:56
  Speaker 1: also das heißt vorhersagen des Gewichtes, des Durchschnittsgewichtes funktioniert unglaublich gut.
• 18:04
  Speaker 0: Jetzt ist das natürlich immer so ein Thema Wirtschaftlichkeit auf der einen Seite, Tierwohl auf der anderen.
• 18:11
  Speaker 0: Kann man sagen wo ihren Fokus drauf legt?
• 18:14
  Speaker 1: Also uns wäre am liebsten nur Tierwohl zu machen.
• 18:17
  Speaker 1: ja also das ist auch ja.
• 18:20
  Speaker 1: In meiner Gruppe, in meinem Team machen wir viel mit Nachhaltigkeit.
• 18:23
  Speaker 1: Wir machen viel mit erneuerbarer Energie und alles solche Themen die uns Sinn geben und die uns wichtig sind.
• 18:30
  Speaker 1: Wir nehmen aber der Grund für dieses Projekt sicher absolut tierwohl.
• 18:34
  Speaker 1: Aber es ist halt eine Mischung.
• 18:36
  Speaker 1: also man braucht halt für den Landwirt tatsächlich auch... Die wollen ja überleben die Landwirte und wir wollen das In Deutschland auch Landwirtschaft noch betrieben wird.
• 18:46
  Speaker 0: Insbesondere ökologische Landwirtschaft, um die ihr euch kümmert?
• 18:50
  Speaker 1: Genau das war auch ein wichtiger Punkt dass es ökologie landwirtschaft ist unser Projekt.
• 18:54
  Speaker 1: von dem her können wir damit gut leben.
• 18:57
  Speaker 1: das war da auch in Richtung Wirtschaftlichkeit.
• 19:00
  Speaker 1: was tun also?
• 19:00
  Speaker 1: wir versuchen beides und schauen was halt mit diesen Daten auch funktioniert und mit den Algorithmen.
• 19:06
  Speaker 0: Jetzt habe ich gelesen, dass ihr einen digitalen Zwilling auch baut.
• 19:11
  Speaker 1: Genau!
• 19:11
  Speaker 1: Ich
• 19:11
  Speaker 0: bin kein Experte.
• 19:13
  Speaker 0: Erklär mir mal was das ist
• 19:14
  Speaker 0: bzw.,
• 19:15
  Speaker 0: ich stelle mir jetzt gerade vor es gibt quasi dann diese Landwirtschaft... Komplett digital und ich kann Parameter ändern und damit dann rum experimentieren.
• 19:25
  Speaker 1: Genau, so soll es sein.
• 19:26
  Speaker 1: wir haben's noch nicht also wir haben nur Teile davon noch nicht zusammengebaut aber so kannst du es dir vorstellen.
• 19:32
  Speaker 1: Also nicht das Tier nach modellieren was man ja eher bei physischen Objekten sagt man.
• 19:36
  Speaker 1: Ja die Maschine wird jetzt digital halt modelliert Und dann kann Ich da irgendwie simulieren Sondern den ganzen Prozess.
• 19:43
  Speaker 1: also im Prinzip der digitale Zwilling sind alle Dinge Die im prozess passieren alle Datenpunkte die Wir Haben.
• 19:50
  Speaker 1: Und dann wollen wir eine UI haben, also eine grafische Schnittstelle.
• 19:55
  Speaker 1: Wo der Landwirt sagen kann was passiert wenn ich jetzt die Temperatur auf das und das setze, Luftfeuchtigkeit auf das, Aktivität runter... Was heißt denn das für mein Gewicht?
• 20:06
  Speaker 1: Oder was heißt es für die Futtermenge, die ich brauche?
• 20:09
  Speaker 1: oder was ist das für den Gesundheitsscore, den wir auch berechnen?
• 20:13
  Speaker 1: Also welche Auswirkungen hat es?
• 20:15
  Speaker 1: Das kann man mit KI machen Das könnte man aber auch mit den Datenpunkten so, wenn man genug Daten hätte, könnte man gucken was gibt es schon alles an Datenpunkte und was passiert üblicherweise.
• 20:25
  Speaker 1: Aber wir werden KI hier einsetzen weil wir nicht genug Daten haben die alle Situationen abbilden, die es so geben kann.
• 20:33
  Speaker 0: ja das heißt im Idealfall kann dann Wenn das Projekt beendet ist und die Plattform steht, der Landwirt nicht nur den Istzustand begutachten und sich auch Fehler hinweisen lassen.
• 20:42
  Speaker 0: Sondern er kann auch Planungen vornehmen beispielsweise für eine zweite Halle oder Ähnliches oder auch für die bestehende Halle und eben die Faktoren entsprechend anpassen und sehen was dabei rauskommt.
• 20:52
  Speaker 1: Genau also demnach ob wir jetzt alles drin haben in den Daten aber im Prinzip schon.
• 20:57
  Speaker 1: Also er kann sich auch vorbereiten bis denn uns sagt okay die Sommer werden vielleicht immer heißer?
• 21:01
  Speaker 1: Was heißt denn das für mich?
• 21:03
  Speaker 1: Also mit Kühlung brauche ich irgendwie vielleicht was anderes, weil ich kriege es nie hin das genau so zu machen wie es ideal wäre.
• 21:11
  Speaker 1: bezüglich des Gesundheits scores.
• 21:13
  Speaker 1: Man kann sich schon solche Szenarien dann durchspielen und gucken was heißt das für mich wirtschaftlich gesundheitlich für die Tiere alles mögliche?
• 21:22
  Speaker 1: ja
• 21:23
  Speaker 0: Du hast vorhin erwähnt, dass ihr das als Open Source Modell anlegt.
• 21:26
  Speaker 0: Also frei für jeden verfügbar?
• 21:28
  Speaker 0: Warum habt ihr euch dafür entschieden und nicht für ein Produkt oder das dann nach Firma zu verkaufen?
• 21:34
  Speaker 0: Ja
• 21:35
  Speaker 1: ich glaube, dieser Gedanke des Open Source ist halt für uns als Team einfach wichtig!
• 21:40
  Speaker 1: Wir wollen, dass Wissenschaft frei ist.
• 21:42
  Speaker 1: Wir wollen es möglichst viele davon profitieren und sich verbreiten.
• 21:47
  Speaker 1: Ja, das ist einfach ein Herzensthema.
• 21:50
  Speaker 1: Ich glaube viele Informatikartikel so, zumindest in der Wissenschaft die sagen ne also es soll frei sein und man kann sich's als Firma ja auch nehmen und dann anpassen.
• 21:59
  Speaker 1: und so ist auch okay.
• 22:00
  Speaker 1: und wir haben auch wirtschaftliche Unternehmen im Projekt und sie werden auch was davon mitnehmen aber werden unsere Arbeit wirklich veröffentlichen auch im Sinne des Coats.
• 22:09
  Speaker 0: Jetzt steckt ihr mitten drin.
• 22:11
  Speaker 0: Ich glaube, Ende im Jahr ist das Projekt endet.
• 22:14
  Speaker 0: Wie ist der Stand der Dinge und der Ausblick?
• 22:18
  Speaker 1: Also ich glaube wir waren sehr schnell.
• 22:21
  Speaker 1: Es ist auch ein ziemlich großes Projekt für uns an der Hochschule weil wir in dem Fall drei Mitarbeiter Vollzeit beschäftigen also akademische Mitarbeiter was nicht so oft passiert.
• 22:33
  Speaker 1: Das heißt da ist wirklich... viel auch Manpower und Lust, und Motivation da.
• 22:38
  Speaker 1: Und sie haben extrem viel geschafft also mit eben einer fertigen App, mit auch Dinge die produktiv sind was ich oft aus anderen Projekten nicht kenne.
• 22:46
  Speaker 1: Es ist gut wenn man am Ende etwas hat das man dann produktiv machen kann oder einen Prototypen.
• 22:51
  Speaker 1: aber wir sind soweit dass diese Dinge wirklich genutzt werden.
• 22:56
  Speaker 1: die Aussicht da ist, dass es übernommen wird.
• 22:58
  Speaker 1: Jetzt in der letzten Hälfte werden wir uns auf den digitalen Zwilling konzentrieren.
• 23:03
  Speaker 1: Den haben wir so noch nicht.
• 23:05
  Speaker 1: Wir werden auch gucken das wir viel in Kommunikation gehen damit möglichst viele diese Plattform dann auch kennen.
• 23:13
  Speaker 1: ja also dass es wirklich genutzt wird.
• 23:15
  Speaker 1: Also müssen jetzt viel Öffentlichkeitsarbeit auch tun haben auch ein paar Sachen schon geplant Und wir haben ein paar noch Use-Cases, auch paar Wirtschaftlichkeitssagen die wir noch entwickeln wollen.
• 23:27
  Speaker 1: Also wir machen auch viel so... KPI's, also Kennenzahlen für den Landwirt.
• 23:33
  Speaker 0: Das heißt?
• 23:34
  Speaker 1: Also so was wirklich Wirtschaftlichkeit!
• 23:37
  Speaker 1: Wie war meine Wirtschaftlichkeit in diesem Monat?
• 23:40
  Speaker 1: und so weiter?
• 23:41
  Speaker 1: Wie ist der Gesundheitsscore?
• 23:43
  Speaker 1: da sind wir gerade dran.
• 23:44
  Speaker 1: Da gibt es dann verschiedene... Für die Füße gibts ein extra Ding weil nasse Böden sind ein extremes Problem bei Hähnchen und das will man vermeiden und dann will man immer wissen wie entwickelt sich.
• 23:54
  Speaker 1: sowovon hängt ab dass sie diese Krankheit bekommen.
• 23:58
  Speaker 1: Also wir haben schon noch ein paar Anwendungsfälle, die war mit KI und noch mehr Daten.
• 24:03
  Speaker 1: Wir warten tatsächlich bei manchen Sachen wo wir sehen eigentlich geht's aber nicht gut genug dass wir mehr Daten bekommen.
• 24:09
  Speaker 1: das heißt auch Dinge die wir haben müssen wir nochmal laufen lassen sobald halt mehr da ist.
• 24:13
  Speaker 0: Das heißt also ihr habt eine ganze Menge vor bis es abgeschoben wird?
• 24:16
  Speaker 1: Ja genau!
• 24:16
  Speaker 1: Es wird nicht langweilig Aber es ist auf jeden Fall schon sehr gut Und ich freue mich, wie es jetzt ist.
• 24:25
  Speaker 0: Du hast die Wirtschaftlichkeit schon angesprochen.
• 24:28
  Speaker 0: Ich weiß, dass es bei Landwirtschaft und gerade wenn's um große Mengen geht sind das manchmal Scentbeträge, die sich summieren.
• 24:34
  Speaker 0: Was glaubst du?
• 24:35
  Speaker 0: Welche Wertschöpfung oder welcher zusätzlicher Profit in der Digitalisierung in dem Einsatz von KI drinsteckt?
• 24:43
  Speaker 1: Wir haben sie nie quantifiziert tatsächlich weil wir eben Wissenschaft machen und kein Business Case gerechnet haben.
• 24:51
  Speaker 1: Ich finde es echt schwer zu beziffern, also ich denke man könnte es rechnen indem man sagt okay der Landwirt spart sich pro Tag so und so viel Zeit ja weil er vieles nicht mehr später digitalisieren muss.
• 25:02
  Speaker 1: Weil wenn du es jetzt aufschreibst auf dem Blog und danach aber abgeben musst in einem Echsel dann musst du das ja alles abends noch machen als ich glaube da ist schon einiges zu holen.
• 25:12
  Speaker 1: Das andere ist weniger Verluste Also tote Tiere und so weiter.
• 25:17
  Speaker 1: Dass du Krankheiten früh mitkriegst, dass du da irgendwie Frühaktionen was unternehmen kannst.
• 25:25
  Speaker 1: Wir haben jetzt auch überlegt wie kann man das dann quantifizieren?
• 25:28
  Speaker 1: Das war genau unser Thema diese Woche sogar!
• 25:31
  Speaker 1: Wie können wir zeigen, wie viel das wirklich gebracht hat?
• 25:34
  Speaker 1: Da müssen wir glaube ich jetzt auch in der zweiten Hälfte nochmal gucken.
• 25:37
  Speaker 1: Also mit alten Daten die wir haben... ...wie war es da?
• 25:40
  Speaker 1: Wie hat sich's über die Zeit entwickelt?
• 25:43
  Speaker 1: Wie ist die Gesundheit und wie hat sie sich verändert?
• 25:45
  Speaker 1: Das würde ich gerne alles quantifizieren.
• 25:48
  Speaker 1: In Euro werde ichs wahrscheinlich nie können weil ich diese Daten nicht habe aber zumindest in solchen anderen Känzahlen wie sich die Gesundtheit entwickelt hat und so denke ich schon
• 25:59
  Speaker 0: Ja.
• 25:59
  Speaker 0: also Ich stelle mir vor, dass es ein großes Investment ist, auch einen Stall mit fünfzig Kameras auszustarten und den ganzen Sensoren usw.
• 26:06
  Speaker 0: Das kostet ja richtig Geld?
• 26:08
  Speaker 1: Ja, fünfzig Euro die Kamera geht mittlerweile.
• 26:11
  Speaker 0: Fünfzig Euro für die Kamera?
• 26:13
  Speaker 0: Genau!
• 26:14
  Speaker 0: Gut okay das ist natürlich günstiger als ich dachte.
• 26:18
  Speaker 1: Aber tatsächlich eine Fragestellung, die wir von anderen verwandten Projekten bekommen haben Wie viele Kameras braucht ihr mindestens, um diese KI und die verschiedenen Anwendungen, die wir da bauen, dann gut betreiben zu können?
• 26:32
  Speaker 1: Und das wollen wir jetzt analysieren.
• 26:34
  Speaker 1: Haben wir noch nicht!
• 26:35
  Speaker 1: Weil wir können es rausfinden, also Aktivität tracken.
• 26:38
  Speaker 1: Können wir jetzt schauen was passiert wenn man die zehn Kameras nicht mit berücksichtigen?
• 26:44
  Speaker 1: haben wir trotzdem noch eine sehr ähnliche Aktivität die wir dann sehen oder kann man die eigentlich weglassen.
• 26:49
  Speaker 1: Also es wäre eine schöne Empfehlung am Ende des Projektes zu sagen, ihr braucht nur an den und den Stellen Kameras oder an den anderen braucht er nicht.
• 26:58
  Speaker 1: Das wäre natürlich dann auch für andere Landwirte sehr positiv wenn man dann wüsste okay ich brauche vielleicht nur zwanzig und nicht fünfzig
• 27:07
  Speaker 0: Gut, aber die Kosten halten sich dann tatsächlich eher... Also ich hätte jetzt mit hunderttausenden Euro gerechnet
• 27:12
  Speaker 1: oder sowas.
• 27:13
  Speaker 1: Nein, nein!
• 27:13
  Speaker 1: Das ist wirklich... Also auch
• 27:14
  Speaker 0: die Peripherie, die dahinter steckt, die Rechner
• 27:16
  Speaker 0: etc.,
• 27:16
  Speaker 1: war das es?
• 27:17
  Speaker 1: Ja also ein Rechne von drei tausend Euro pro Stall noch als ein Server.
• 27:20
  Speaker 1: Okay
• 27:21
  Speaker 0: ja gut, das sind überschaubare Passen.
• 27:24
  Speaker 0: Simpel AgriData oder Agri Data is'n Forschungsprojekt.
• 27:28
  Speaker 0: du bist eigentlich Professorin für Informatik und für Data Science.
• 27:32
  Speaker 0: Wo ist denn da die Schnittmenge mit den Studierenden?
• 27:34
  Speaker 0: Was haben die von Sonnenforschungsprojekt?
• 27:36
  Speaker 1: Ich glaube, es ist sehr anschaulich.
• 27:39
  Speaker 1: Also das
• 27:41
  Speaker 0: heißt sie können da auch mitmachen?
• 27:42
  Speaker 1: Ja also wir haben hier sowieso tatsächlich relativ viele, die schon vieles davon was ich auch erzählt habe mit entwickelt haben oder mit gearbeitet haben.
• 27:52
  Speaker 1: Wir haben auch Abschlussarbeiten in diese Richtung weil es ja auch Machine Learning ist Eigentlich ja egal, was genau der Gegenstand ist.
• 28:02
  Speaker 1: Weil wir einfach Zeitereien haben oder Daten unterschiedlicher Art zum Beispiel Bilder aus den Videos haben auch und jetzt haben wir gerade eine Bachelorarbeit vergeben da geht es um diese Bilder Ja und daraus dann am Ende gewichtet ohne die Waage zu schätzen Aus den Bildern von den Hühnern von oben.
• 28:20
  Speaker 1: Also auf jeden Fall.
• 28:22
  Speaker 1: also wir haben da viele Themen Die Wir Vergeben und in verschiedener Weise.
• 28:29
  Speaker 1: Projektarbeiten, Abschlussarbeiten...
• 28:31
  Speaker 0: Das heißt weil Lust hat muss ich bloß bei dir merken?
• 28:34
  Speaker 1: Ja gerne!
• 28:35
  Speaker 1: Und es läuft ja noch ein bisschen und wir haben nur noch
• 28:36
  Speaker 0: Fehl.
• 28:36
  Speaker 0: Das heißt man kann auch noch einsteigen jederzeit?
• 28:38
  Speaker 0: Ja
• 28:39
  Speaker 1: genau.
• 28:39
  Speaker 1: In diesem Semester passiert auf jeden Fall dass da auch neue Leute an Bord kriegen, studentische.
• 28:46
  Speaker 0: Was hat dich persönlich eigentlich dazu gebracht die KI & Machine Learning ausgerechnet in der Landwirtschaft einzusetzen.
• 28:54
  Speaker 0: Es ist
• 28:55
  Speaker 1: schon auch ein bisschen Zufall, wie es oft im Leben ist.
• 28:58
  Speaker 1: Manche Dinge passieren halt durch Zufälle.
• 29:00
  Speaker 1: also im Prinzip habe ich jemanden kennengelernt, der was mit KI macht und das war dann Landwirtschaft und da haben wir uns unterhalten und gesagt eigentlich spannende Daten.
• 29:12
  Speaker 1: Wir halten mal Ausschau nach Fördermöglichkeiten in diesem Bereich und so hat's dann geklappt.
• 29:19
  Speaker 0: Glaubst du, dass das ein Zukunftsthema ist angesichts des Klimawandels?
• 29:23
  Speaker 0: Angesichts der Frage der Welternährung.
• 29:28
  Speaker 1: Ja, allgemein ja!
• 29:30
  Speaker 1: Dass es effizienter werden muss weil's sonst nicht klappt.
• 29:32
  Speaker 1: aber natürlich müsste man weniger Fleisch produzieren oder die Ernährungsgewohnheiten müssten sich anpassen an unsere jetzige Welt weil da natürlich viel effizierter wäre nur Pflanzen oder mehr Pflanzen zu essen als Teere.
• 29:46
  Speaker 1: Aber solange dieser Bedarf Da ist, muss man vermutlich immer mehr Digitalisierung, KI und so weiter einbringen.
• 29:54
  Speaker 1: Robotik.
• 29:56
  Speaker 1: Ja sonst wird es nicht gehen oder nicht zu den Preisen die man irgendwie bezahlen will.
• 30:01
  Speaker 1: aber vielleicht muss auch einfach teurer werden.
• 30:03
  Speaker 1: das kann auch sein dass es einfach notwendig ist
• 30:07
  Speaker 0: Aber die Methoden lassen sich im Grunde auch auf Landwirtschaft, auf Rübenzucht oder auf Ackerbau übertragen.
• 30:13
  Speaker 0: Absolut
• 30:14
  Speaker 1: und das ist noch weniger tatsächlich.
• 30:16
  Speaker 1: Ich habe auch nochmal nachgeguckt da sind nur um die achtzehn Prozent digitalisiert aber da wollen wir rein.
• 30:23
  Speaker 1: also wir haben jetzt schon paar Anträge geschrieben die noch laufen wo wer eher in die Pflanzenkrankheiten gucken also dass man mit Satellitendaten und Drohnenaufnahmen Da schaut ja frühzeitig Probleme bei den Pflanzen erkennt und warnt usw.
• 30:41
  Speaker 1: oder Vorschläge macht, da wollen wir eigentlich hin.
• 30:44
  Speaker 0: Das heißt die Arbeit wird dir nicht
• 30:45
  Speaker 1: ausgehen?
• 30:45
  Speaker 1: Nee genau auch nicht in der Landwirtschaft.
• 30:49
  Speaker 0: Dr.
• 30:49
  Speaker 0: Christine Preisach Professorin hier an der Hochschule Karlsruhe in der Fakultät für Informatik und Wirtschaftsinformatik vielen herzlichen Dank fürs Gespräch.
• 30:58
  Speaker 1: Danke dir.
• 30:58
  Speaker 0: Weitere Informationen zum Projekt Simple Agri Data gibt's auf der Website des Projekts unter simple-agri-data.de.
• 31:08
  Speaker 0: Wenn euch dieser Podcast gefällt, freuen wir uns über ein Abonnement und natürlich auch über eine Bewertung!
• 31:14
  Speaker 0: Danke fürs Zuhören – bis zum nächsten
• 31:17
  Speaker 1: Mal!
• 31:24
  Speaker 1: Alle Infos zu unseren Studiengängen auch im Netz unter www.h-ka.de.