Des Weiteren führten die Wissenschaftler*innen eine Literaturanalyse zu den Datenflüssen auf landwirtschaftlichen Betrieben durch und identifizierten, welche Daten dort erhoben werden. Dazu zählen z. B. Futterverbrauch und Gewicht der Tiere. Daraufhin führten die Wissenschaftler*innen qualitative Interviews durch, um Informationen über aktuelle Datenflüsse (z. B. zwischen Maschinen, Plattformen, intermediären Institutionen), bürokratische Vorgaben sowie Online-Portale zur Übermittlung von Daten zu gewinnen. Außerdem informierten sie sich über die Häufigkeit der Datenerhebung und die Kosten-Nutzen-Relation bei der Erhebung betriebsinterner Daten. Um ein möglichst großes Bild davon zu erhalten, wie die jeweiligen Daten erhoben werden und welche Optimierungsbedarfe bzw. Herausforderungen bestehen, wurden bewusst unterschiedliche Anspruchsgruppen entlang des Wertschöpfungsnetzes befragt: Landwirt*innen, Direkt­vermarkter*innen auf dem Wochenmarkt, landwirt­schaftliche Berater*innen, dienstleistende Unternehmen für landwirtschaftliche Datensysteme, Anbieter von Technik-Lösungen, Landesamt für Verbraucherschutz, Bundesanstalt für Landwirtschaft und Ernährung sowie Institutionen zur Vergabe von Zertifizierungen.

Die Auswertung der Interviews zeigt, dass die Datenerhebung sehr unterschiedlich in landwirtschaftlichen Betrieben erfolgt. Größe und Ausstattung sowie Alter der Betriebsleiter*innen beeinflussen die Datenerhebung vor Ort. In kleineren und mittleren Betrieben sowie in Betrieben mit älteren Landwirt*innen erfolgt die Datenerfassung zumeist händisch. Auf größeren Höfen oder Betrieben mit jüngeren Besitzer*innen werden zunehmend digitale Technologien eingesetzt. Außerdem zeigt die Auswertung, dass die Digitalisierung für landwirtschaftliche Zertifizierungen eine untergeordnete Rolle spielt; Kontrolleur*innen erheben die notwendigen Daten oft händisch direkt vor Ort. Zudem wird deutlich, dass der Zeitaufwand durch die Eingabe von Daten in diverse Programme und Plattformen sehr hoch ist. Größtenteils müssen Daten mehrfach in Systeme eingegeben werden (z. B. zur Erfüllung rechtlicher Vorgaben, zur Beantragung von Zertifizierungen, zur Mitteilung über verabreichte Medikamente), da die Systeme sehr häufig untereinander nicht kompatibel sind und unterschiedliche Regelungen zwischen den Bundesländern existieren. Daraus zeichnet sich ein deutlicher Bedarf nach bundeseinheitlichen Plattformen zur landwirtschaftlichen Datenerfassung ab. Wünschenswert wäre es, dass auch die Institutionen, die Zertifizierungen vergeben, auf diese Daten zugreifen könnten und damit Antragsformulare entfallen. Im Rahmen der Untersuchungen wurde deutlich, dass das digital gestützte Datenmanagement durchaus in der Wirtschaft gewollt ist, die durchgängig geschützte Transparenz jedoch bislang kaum Akzeptanz findet. Im weiteren Verlauf des Zukunftslabors werden die Wissenschaftler*innen auch die Datenerhebung in der Milchvieh- und Schweinehaltung, untersuchen, damit sie umfassende Aussagen über die Datenerhebung in der Tierhaltung treffen können.

AUTONOME VERFAHREN IM EXPERIMENTIERFELD

Landwirtschaftliche Daten sind sowohl für die Optimierung des Betriebs, die Einhaltung rechtlicher Vorgaben als auch die Vergabe von Zertifizierungen relevant. Darüber hinaus bilden sie die Grundlage für den Einsatz autonomer Verfahren. Diese Verfahren bestehen nicht nur aus dem technischen Werkzeug, das über eine Ackerfläche gefahren wird, sondern sind eingebettet in die vollständigen Begebenheiten eines Betriebes. Der Agrarroboter muss zum Beispiel im laufenden Betriebsalltag den Weg zwischen Gebäuden zurücklegen. Um die Navigation auf dem Hof testen zu können, statten die Wissenschaftler*innen outdoorfähige Roboterplattformen mit Sensorik und Satellitennavigationssystemen aus. Für den Anwendungsfall Milchvieh betrachten die Wissenschaftler*innen den Prototypen „VertiQ“, der in der autonomen Futtermischung eingesetzt wird. Der Futtermischer kann voll autonom auf einem entsprechend vorbereiteten Hof Silage (Futtermittel für Milchvieh) abtragen, Futterzusatz aufnehmen, mischen und das gemischte Futter gezielt im Stall ausbringen. Zudem erarbeiteten die Wissenschaftler*innen gemeinsam mit dem TÜV und der Berufsgenossenschaft ein Sicherheitskonzept, um Personen im Umfeld des Futtermischers zu schützen.

Für den Anwendungsfall Pflanzenbau begannen die Wissenschaftler*innen damit, ein autonomes System zur mechanischen Unkrautregulierung zu erarbeiten. Dafür modifizierten sie die bereits existierende Roboterplattform „BoniRob“, sodass ein Feld nach vorgegeben GPS-Informationen bearbeitet werden kann. Das System zur Unkrautregulierung setzt eine Stempelmatrix (Vorrichtung mit 15 pneumatisch angetriebenen Kolben) in Verbindung mit einem speziellen Lichtschnitt-Sensor ein (erzeugt ein 3D-Profil). Dieses System erkennt das Unkraut, klassifiziert es mithilfe künstlicher Intelligenz und drückt das Unkraut gezielt in den Boden. Für die Experimente mit dem „BoniRob“ kooperiert das Zukunftslabor mit dem Experimentierfeld „Agro-Nordwest“, das vom Bundesministerium für Ernährung und Landwirtschaft gefördert wird. Das Feld stellt die Infrastruktur eines realen landwirtschaftlichen Betriebs zur Verfügung, um Tests mit Prototypen durchführen zu können. Die Wissenschaftler*innen des Zukunftslabors erzeugten Luftbilder und Geländedaten aus der Umgebung des Experimentier-Hofes und modellierten semantische Zonen sowie Grundrisse, die als digitaler Zwilling die Umgebung des Hofes repräsentieren. Ein digitaler Zwilling ist ein Computermodell realer Begebenheiten, mit dem Prozesse digital simuliert werden können.

Des Weiteren begannen die Wissenschaftler*innen damit, ein ganzheitliches Modell des Experimentierfeldes und –hofes zu erstellen, um Abläufe mit autonomen Verfahren abbilden und im weiteren Verlauf testen zu können. Dafür ist es erforderlich, die Randbedingungen zu erfassen, wie z. B. das Datenmanagement des landwirtschaftlichen Betriebs. Dies hängt stark von der späteren Nutzungsweise der Daten ab. Autonome Systeme in der Tierhaltung erfordern andere Daten und Technologien als im Pflanzenbau. Für die Modellierung gehen die Wissenschaftler*innen von einem typischen Ackerbaubetrieb aus, anhand dessen vorhandene Betriebsmittel, einzelne Maschinen, Felder und lokale Straßen modelliert werden. Auf diese Weise lassen sich die Feldarbeiten eines Betriebes darstellen, Arbeitszeiten berechnen sowie Kraftstoff- und Betriebsstoffbedarfe kalkulieren. Außerdem können Verfahrensschritte beteiligter Maschinenkombinationen durchgeführt und zeitlich ermittelt werden. In die Modellumgebung können die Wissenschaftler*innen auch neue Pflanzenbausysteme wie das Spot Farming integrieren, simulieren und erproben. Die bisherigen Recherchen zeigen, dass Bodenkarten, topografische Karten in Form von digitalen Geländemodellen, Ertragskarten, aus Satellitenbildern generierte Indizes sowie Erosionsdaten für die Generierung der Spots relevant sind. Die Wissenschaftler*innen untersuchen unterschiedliche Stufen der Datenverfügbarkeit und analysieren, welche Auswirkungen diese auf die Ergebnisse der Spot-Generierung hat. Zudem analysieren sie, welcher Grad an Homogenität in den Spots aus praktischer Sicht umsetzbar ist. Mithilfe der Simulation prüfen sie außerdem, welche Einflüsse anliegende Spots z. B. auf die Verbreitung von Begleitkräutern haben, um in anschließenden Simulationen Robotersysteme zur Unkrautbekämpfung bewerten zu können.

Digital gestützte Systeme in der Nutztierhaltung können zur objektiven Erfassung und Bewertung und somit zu einer kontinuierlichen Verbesserung der Tierhaltung beitragen. Für den Anwendungsfall Tierhaltung liegt ein Fokus auf der Entwicklung und Etablierung von digital gestützten Frühwarnsystemen im Sinne eines Tierwohl-Monitorings. Unter anderem begannen die Wissenschaftler*innen damit, eine Methode zur Erfassung von Stress und Belastungen beim Haushuhn zu entwickeln, die kein Eingriff am Tier erfordert (nicht-invasive Methode). Als Hinweis auf Stress oder Belastung gilt die Ausschüttung von Stresshormonen, die im Rahmen der Methode untersucht werden. Des Weiteren erfolgt die Anwendung von bildgestützten Verfahren in der Nutzgeflügelhaltung, über die zukünftig frühzeitig Abweichungen im Bestand erkannt und durch Verknüpfung mit weiteren Parametern die Notwendigkeit einer gezielten Managementmaßnahme angezeigt werden soll. Hierzu werden diverse sensor- und bildgestützte Daten in der Herde erhoben, zugeordnet, bewertet und verknüpft. Mit Etablierung dieser Anwendungen in der Praxis sollen nicht nur das Tierwohl verbessert, sondern auch die Produktsicherheit gestützt und ein schonender Ressourceneinsatz gefördert werden.

GANZHEITLICHER ANSATZ ZUR NACHHALTIGKEITSBEWERTUNG

Neben den Forschungstätigkeiten bezüglich landwirtschaftlicher Daten und autonomer Verfahren begann das Zukunftslabor Agrar, die Nachhaltigkeit der landwirtschaftlichen Digitalisierung zu untersuchen. Dabei haben die Wissenschaftler*innen den Anspruch, die Nachhaltigkeit aus verschiedenen Blickwinkeln zu betrachten, um den Bedürfnissen verschiedener Stakeholder gerecht zu werden. Deshalb wählten sie den Ansatz der lebenszyklusbasierten Nachhaltigkeitsbewertung (Life Cycle Sustainability Assessment) für ihre Untersuchungen. Dieser Ansatz betrachtet die Nachhaltigkeit der Digitalisierung nämlich ganzheitlich, indem er den ökologischen, ökonomischen und sozialen Aspekt mit unterschiedlichen Analyseverfahren untersucht.

Den ökologischen Aspekt der Nachhaltigkeit bewerten die Wissenschaflter*innen mithilfe der Ökobilanzierung (Life Cycle Assessments). Diese Methode erfasst die Umweltauswirkungen (z. B. Ressourcennutzung, CO₂-Ausstoß) eines Produktes oder eines Produktionsverfahrens und betrachtet den gesamten Produktlebenszyklus – von der Rohstoffbeschaffung über die Produktion und Verwendung bis hin zu Recycling und Entsorgung. Den ökonomischen Aspekt betrachten die Wissenschaftler*innen anhand der Lebenszykluskostenrechnung (Life Cycle Costing). Dabei handelt es sich um eine ökonomische Bewertung aller Kosten, die im Laufe eines Produktlebenszyklus anfallen. Darin sind z. B. Produktionskosten, Wartungskosten sowie Entsorgungskosten eingeschlossen. Schließlich wird der soziale Aspekt der Nachhaltigkeit mit der Sozialbilanzierung (Social Life Cycle Assessment) bewertet. Im Laufe der Jahre sind soziale Auswirkungen eines Produktes oder eines Produktionsverfahren immer wichtiger geworden, weshalb der Sozialbilanzierung eine relevante Rolle zukommt.

Für den Einstieg in die Konzeptualisierung und Analyse arbeiten die Wissenschaftler*innen zunächst mit dem Fallbeispiel der Wertschöpfungskette Zuckerrübe. Sie untersuchen die Nachhaltigkeitsaspekte hinsichtlich des Anbaus, der Ernte, der Lagerung sowie der Logistik und der Weiterverarbeitung. In diesen Stufen der Wertschöpfung sind zahlreiche Akteure involviert und es fallen viele unterschiedliche Daten an (z. B. Anbau- und Erntemenge, Logistikplanung), deren Datenflüsse wiederum analysiert werden können. Im Rahmen einer ausführlichen Literaturrecherche begannen die Wissenschaftler*innen damit, den Ansatz der lebenszyklusbasierten Nachhaltigkeitsbewertung auf den Anwendungsfall Zuckerrübe anzuwenden und die drei Aspekte (Ökologie, Ökonomie und Soziales) zu untersuchen. Unter anderem prüfen sie, wie nachhaltig der Einsatz autonomer Roboter zur Unkrautbekämpfung ist: Welche Ressourcen werden für die Herstellung des Roboters benötigt (Ökologie)? Welche Kosten fallen von der Produktion bis zur Entsorgung des Roboters an (Ökonomie)? Wie wirkt sich der Einsatz des Roboters auf die Arbeitsplätze aus (Soziales)?

Im weiteren Projektverlauf des Zukunftslabors Agrar werden die Wissenschaftler*innen auch die Nachhaltigkeit in weiteren Wertschöpfungsketten des Pflanzenbaus und der Tierhaltung betrachten. Mit diesen Untersuchungen füllen sie eine Forschungslücke, da bisher noch keine Studien zur Nachhaltigkeitsbewertung der Digitalisierung in der Landwirtschaft existieren.