Ein Bauer lebt davon, seine Rinderherde gut zu kennen. Ihm sollte auffallen, wenn Alma brünstig ist, sich Zenzi, Tessa und Resi nicht genug bewegen, fressen, wiederkäuen oder sich anderweitig auffällig verhalten. Bei Herden mit hunderten oder gar tausenden Tieren wird es allerdings schwierig, diesen Überblick zu bewahren. Ein Paar Augen reicht nicht mehr aus. Mitarbeiter absolvieren dann vielleicht Kontrollgänge im Stall, um Ereignisse in Listen einzutragen. Die Bauernschaft wird zum Herdenmanagement.

Angesichts dieser Verwaltungsaufgaben müssen die Daten über Zenzi, Tessa und Resi in Datenbanken übersiedeln, die über Apps auf dem Tablet abgerufen werden können. Die Fortschritte der Digitalisierung erlauben mittlerweile aber noch, einen Schritt weiterzugehen: Der Beobachtungsvorgang selbst wird an die Technik delegiert, und die Datenbanken werden via Sensorik direkt mit der physischen Welt verbunden. Am Forschungsinstitut Linz Center of Mechatronics (LCM) entwickelte man gemeinsam mit dem Unternehmenspartner Smartbow "intelligente" Ohrmarken für Rinder. Sie übermitteln Orts- und Sensordaten, aus denen sich Auskünfte über Brunst, Wiederkäuen und mögliche Krankheiten ableiten lassen. Dringende Meldungen aus der Herde kommen direkt aufs Handy des Bauern.

Selbstständige Erntemaschinen

In die Bereiche Precision Farming und Smart Farming, die derartige Anwendungen hervorbringen, wurde in den vergangenen Jahren weltweit viel Entwicklungsarbeit investiert. Die Technologien werden in den USA mit ihren landwirtschaftlichen Großbetrieben schnell adaptiert, aber auch in Europa gewinnt der Trend an Boden. Gerade Informationsservices, die via App beziehbar sind, geben auch Kleinbauern eine Chance auf den Einsatz smarter Lösungen. Eine der Hauptmotivationen: Man möchte laufend aktuelle Daten über Tiere und Pflanzen sammeln, um konkrete Aktionen setzen zu können. In Großbetrieben soll auch der Maschineneinsatz zunehmend autonom vonstattengehen. Die Felder der Zukunft sollen Roboter- und Drohnenschwärme besiedeln, die säen, pflanzen, jäten oder Pestizide und Dünger ausbringen. Die Ernte wird von selbsttätig agierenden Erntemaschinen erledigt.

Für die landwirtschaftlichen Betriebe, die unter hohem Effizienzdruck stehen, ist die Motivation vor allem ökonomischer Natur. Wenn ein wenig differenzierter Einsatz von Betriebsmitteln wie Antibiotika oder Dünger, der bisher die Erträge sichergestellt hat, zurückgefahren werden kann, entspricht das aber nicht nur wirtschaftlichen, sondern auch ökologischen Gesichtspunkten. Wer genau so viel Dünger zuführt, wie die Pflanze benötigt, bewahrt Böden und Grundwasser vor zu hoher Stickstoffbelastung. Wer kranke Kühe in seiner Herde schnell erkennt, könnte sich die prophylaktische Gabe von Antibiotika ersparen.

Stabile Systeme

In den Systemen werden Daten angehäuft und relevante Schlussfolgerungen daraus gezogen. Dem Bauern sollen die Erkenntnisse schnell und unkompliziert zugänglich gemacht werden, damit sich die Services in den arbeitsreichen Alltag einfügen können.

Trotz High-Tech-Einsatzes müssen die Anlagen stabil, langlebig und wartungsarm sein. "Um möglichst lange mit einer Batterie auszukommen, wacht die Elektronik in unseren Ohrmarken nur in periodischen Abständen auf, sendet die Signale aus und legt sich wieder schlafen", gibt Markus Pichler-Scheder vom LCM ein Beispiel für die dahinterstehende Technologie. In das Forschungsinstitut ist das K2-Zentrum Austrian Competence Center of Mechatronics (ACCM) integriert, das durch die Förderagentur FFG mit Mitteln von Wirtschafts- und Verkehrsministerium unterstützt wird.

Am LCM hat man ein eigenes Funkprotokoll entwickelt, mit dem anhand einer Laufzeitmessung von den Ohrmarken zu den rundum positionierten Basisstationen die Position eines Tiers genau bestimmt werden kann – selbst wenn Metallgitter, Wellbleche oder Stahlbeton für Störungen sorgen. Für eine Lösung, die auch in den Stallgebäuden funktionieren soll, fällt die Nutzung von Geonavigationssystemen, die noch dazu sehr energieintensiv wäre, aus. Aus den übermittelten Positions- und Sensordaten werden mithilfe von maschinellem Lernen Muster extrahiert, die etwa auf ein problematisches Verhalten beim Wiederkäuen oder auf eine beginnende Brunst hindeuten.

Daten aus dem Magen

Der steirische Anbieter Smaxtec geht hier noch einen Schritt weiter und verfrachtet den Sensor sogar ins Innere der Kuh. Die verschluckte Messkapsel schickt Daten wie Temperatur, Trinkverhalten und PH-Werte an Basisstationen. Brunst, Krankheit, bevorstehendes Abkalben können entsprechend genau abgeleitet werden.

Nicht nur der Tierbestand, auch Pflanzen, Äcker und Wälder werden an die digitale Welt angebunden. Thomas Neubauer vom Institut für Information Systems Engineering der Technischen Universität TU Wien arbeitet daran, durch die Kombination von Pflanzenwachstumsmodellen, Satelliten- und Wetterdaten ein Entscheidungsunterstützungssystem für Landwirte zu entwerfen. Im Projekt "Farm/IT", das im Rahmen der Research Studios Austria von der FFG mit Mitteln des Wirtschaftsministeriums gefördert wird, kooperiert er zu diesem Zweck neben weiteren Partnern mit Ahmad M. Manschadi von der Abteilung für Pflanzenbau der Universität für Bodenkultur in Wien (Boku).

Zeitpunkt der Bewässerung

Wann ist der optimale Zeitpunkt für die Bewässerung? Wann sollte man wie viel düngen? Wann ernten? Derartige Fragen sollen individuell nach Standort, Spezies und aktuellem Entwicklungsstand der Kulturpflanzen beantwortet werden. Neubauer und seine Kollegen konzentrieren sich dabei auf wichtige Feldfrüchte wie Mais, Soja, Kartoffel, Zuckerrübe und Weizen. Die Wachstumsmodelle, die aus historischen Daten oder aus eigenen Versuchen an der Boku abgeleitet wurden, bilden die Eigenschaften der Pflanzen und ihrer Umgebung ab. Anhand einer großen Anzahl von Parametern beschreiben sie Faktoren wie Phänologie, Trockenmasse, Blattfläche, Sonnenstrahlungsaufnahme und Stickstoff- oder Wasserumsatz.

In Kombination mit Wetterdaten und -prognosen liefern diese Modelle die Grundlage für die Abschätzungen der Ernteerträge. Gleichzeitig geben spezielle Auswertungen von aktuellen Satellitenaufnahmen aus dem sichtbaren und dem nahen Infrarotbereich Hinweise auf den tatsächlichen Wasser- und Nährstoffhaushalt der Pflanzen und koppeln auf diese Art die Modelle immer wieder an die Realität zurück. Zusätzlicher Input, etwa aus Bodenproben oder hofeigenen Wetterstationen, können die Datenlage noch verfeinern.

Aus ökologischer Sicht erscheint die Planung eines bedarfsorientierten Düngereinsatzes besonders gewinnbringend: Gerade Europas Böden leiden aufgrund anhaltender Überdüngung mit Stickstoff bereits unter starker Nitratbelastung. Gibt man der Pflanze aber nur so viel Dünger, wie sie tatsächlich umsetzen kann, wird einem weiteren Ansteigen der Belastung ein Riegel vorgeschoben. "Die Berechnungen sind so aufgebaut, dass die Prognosen zum Ende der Saison hin immer genauer werden. Zwei Wochen vor der Ernte kann man schon sehr genau sagen, wie der Ertrag aussehen wird", erzählt Neubauer. "Diese Informationen helfen nicht nur bei der Planung des Maschineneinsatzes, sondern auch bei der Koordination in der nachgelagerten Nahrungsmittelindustrie."

Das europäische Klima

Die klimatische Beschaffenheit Europas sorgt dafür, dass hier die Prognosen weniger langfristig ausfallen können als etwa in Australien, wo Schätzungen gewöhnlich über Monate halten. "In Jahren mit durchschnittlichem Wetterverläufen haben wir aber auch hier gute Ergebnisse", betont der Wissenschafter. Auf die schwer kalkulierbaren Faktoren, die die nahende Klimakatastrophe mit sich bringt, versuchen sich die Entwickler in ihren Modellen einzustellen. Neubauer: "Wir arbeiten etwa daran, die zunehmenden Extremereignisse besser berücksichtigen zu können. Das könnte auch helfen, Sorten und Managementmaßnahmen zu identifizieren, die zum Beispiel mit den Dürreperioden besser zurechtkommen."

Nicht jede Optimierung muss dabei kurzfristig wirtschaftlicher Natur sein. Ein Werkzeug, das im Projekt entwickelt wurde, soll etwa durch eine Optimierung der Fruchtfolge einen ökologischen Landbau erleichtern. Durch eine kluge Abfolge der angebauten Pflanzen können Faktoren wie Stickstoffhaushalt, Humusaufbau, Bodenfruchtbarkeit verbessert, die Anfälligkeit gegenüber Krankheiten, Schädlinge und Unkraut verringert werden. Ein Beispiel dafür ist der wiederkehrende Anbau von Leguminosen – etwa Luzerne oder Rotklee. Sie binden mithilfe spezieller Bakterien Stickstoff aus der Luft, reichern den Boden mit Dünger an und bewahren ihn somit vor einem Auslaugen. Der Bauer kann beim folgenden Nutzpflanzenanbau dann den Düngereinsatz zurückfahren.

Einfache Anwendungen

Auch hier sollen all diese Werkzeuge den Anwendern in möglichst einfacher Form präsentiert werden – etwa via Apps, die über Ampel-Visualisierungen spezielle Empfehlungen geben. Für Neubauer sind diese Technologien keinesfalls nur den Großbetrieben vorbehalten. "Sie ermöglichen gerade auch kleineren Landwirten, von komplexen Methoden zu profitieren, die sonst nur größeren vorbehalten wären", sagt Neubauer. Im Projekt arbeitet er mit seinem Team bereits mit Landwirten und landwirtschaftlichen Organisationen zusammen. "Das Ziel ist, die Technologien in den kommenden Jahren in die Breite zu bringen." Einen ersten Schritt in der Automatisierung der Maschinen auf dem Feld brachten Assistenzsysteme für Traktoren. Ähnlich wie im Straßenverkehr basieren die Technologien auf Auswertungen von Signalen von unterschiedlichen Geonavigationssystemen wie GPS.

Die Autopilotsysteme sind darauf ausgerichtet, die Spur auf dem Acker zentimetergenau zu halten. Auch Markus Pichler-Scheder und Kollegen vom Forschungszentrum LCM haben einen Prototyp eines derartigen Assistenzsystems entwickelt. Er dient speziell der Heu- und Grünfutterernte und kommt dabei ganz ohne Satellitensignale aus. "Gerade für kleinräumige Strukturen hat die kostengünstige Technologie Vorteile, weil nicht jedes landwirtschaftliche Gerät dabei aufgerüstet werden muss", betont Pichler-Scheder die Vorteile des Systems. Gemeinsam mit einem Maschinenhersteller packten die Entwickler einen Laserscanner auf das Dach des Traktors, der auf einer Linie den Boden vor der Maschine scannt. Mähkanten oder Schwaden, also auf eine Linie zusammengeballtes Heu oder Grünfutter, können auf diese Weise zuverlässig erkannt werden.

Lenkkommandos für den Traktor

"Aus Daten wie der Position und des Volumens des Schwadens und der Geometrie des Traktorgespanns werden dann Lenkkommandos für den Traktor berechnet, sodass der Ladewagen den Schwaden genau in der Mitte und mit der richtigen Geschwindigkeit aufnimmt", veranschaulicht der Entwickler. Auch wenn sich die Ernte damit noch nicht allein einbringt, wird doch die Präzision erhöht und dem Bauern monotone Arbeit abgenommen.

In der Waldwirtschaft, wo bis zur Ernte nicht ein paar Sommermonate, sondern 80 Jahre vergehen, herrscht ein anderer Bedarf an Hilfsmitteln. Die Waldinventur gibt hier die Grundlage für die wirtschaftliche und ökologische Planung. Angesichts des Klimawandels, durch den die ökonomisch wichtigen Fichtenwälder an vielen Orten nicht mehr zu halten sind und ein Umbau in neue Mischwälder unumgänglich erscheint, ist das Wissen um die vorhandenen Ressourcen besonders wichtig.

Fernerkundung durch Flugzeuge

Bisher waren die Erhebungen, die aus einer Kombination aus Stichproben und statistischen Hochrechnungen bestanden, nur großen Forstbetrieben vorbehalten. Nun werden vermehrt auch die Mittel der Fernerkundung, also etwa mit Sensorik ausgestattete Flugzeuge, eingesetzt, um die Ergebnisse zu verbessern und auch Besitzern kleinerer Waldbestände Zugang zu Inventurdaten zu verschaffen.

Grundlagen wurden zum Beispiel im Projekt "FE.FI.MaPla" ("Fernerkundungsbasierter kostenoptimierter Workflow für Forstinventuren und Naturraum-Managementpläne"), das im Rahmen des Coin-Programms der Österreichischen Forschungsförderungsgesellschaft FFG unterstützt wurde, erarbeitet.

"Wir haben ein System entwickelt, das den Wald flächig über Fernerkundung erfasst und diese Daten dann durch Stichproben kalibriert", sagt Günther Bronner, Projektleiter und Geschäftsführer des niederösterreichischen Unternehmens Umweltdata. "So können wir die Ressourcen genauer als mit bisherigen Methoden bestimmen." Zur Zielgruppe gehören auch Waldbesitzer, die sich bisher derartige Analysen nicht leisten konnten. "In Österreich haben wir zu 50 Prozent Kleinwaldstrukturen. Ein großer Teil dieser Holzreserven wird nicht systematisch bewirtschaftet. Die Besitzer sitzen vielleicht irgendwo in der Stadt, und der Bezirksförster rauft sich die Haare", veranschaulicht Bronner die Situation.

Laserscans vom Flugzeug aus

Als Ausgangsdaten dienen ihm und seinen Kollegen Laserscans aus Flugzeugen, die für nahezu ganz Österreich vorhanden sind. Sie erlauben, Faktoren wie Dichte und Höhe des Waldbestands abzuleiten, Nadel- kann von Laubholz damit unterschieden werden. In einem kommenden Projekt wollen die Entwickler mit eigenen Befliegungen in geringeren Höhen noch viel genauere Einblicke bieten. Die Laserscans erzeugen dreidimensionale Punktewolken. Je detaillierter sie sind, desto mehr Informationen können abgeleitet werden. Die Tiefflüge sollen somit nicht nur die Baumkronen, sondern auch einzelne Bäume erkenn- und unterscheidbar machen.

Bis irgendwann Drohnenschwärme die Wälder autonom durchforsten und das stehende Holz auf den Kubikmeter genau bestimmen können, werden noch einige Jahre vergehen, prognostiziert Bronner. Er setzt inzwischen auf einen stationären Laserscanner, den er eigens für lokale Aufnahmen im Wald entwickelt und der in einem Umfeld von 30 Metern auch dann den Stammdurchmesser zuverlässig bestimmt, wenn sich Bäume gegenseitig verdecken. "Durch eine genaue Erfassung der Baum- und Bodeneigenschaften können wir abschätzen, wie sich unterschiedliche Baumarten künftig verhalten werden und die Bewirtschaftungskonzepte danach ausrichten", sagt Bronner.

Interdisziplinäre Ansätze gefragt

Die Möglichkeiten, die die Digitalisierung der Agrarwirtschaft bietet, sind längst nicht zur Gänze ausgeschöpft. Thomas Neubauer von der TU Wien warnt allerdings davor, dass bei schnellen Lösungen oft die Gesamtheit der Auswirkungen aus dem Blick gerät, die zum Teil über das einzelne Feld, den einzelnen Bauernhof deutlich hinausgehen. "Digitalisierung um der Digitalisierung willen macht keinen Sinn", betont der Wissenschafter. "Interdisziplinarität ist in diesem Bereich extrem wichtig. Von Robotik und Sensorik über Fragen der Biologie und der Wirtschaftlichkeit bis hin zu sicherheitstechnischen, ethischen und sozialen Implikationen kommt hier alles zusammen."

Fix ist, dass Technologie künftig eine neue Vermittlerrolle zwischen Naturraum und menschlicher Aktivität einnehmen wird. Neubauer abschließend: "Wir müssen aber auch danach fragen, wie sich die Entwicklungen auf die Landwirtschaft als Ganzes auswirken. (Alois Pumhösel, 14.7.2020)