Technik in der Tierhaltung Technik in der Schweinehaltung

Technik in der Schweinehaltung

Eva Gallmann

Verfahrenstechnik der Tierhaltungssysteme, Institut für Agrartechnik, Universität Hohenheim

Kurzfassung

Indikatorgestützte Managementsysteme und die Ansätze des "Precision Pig Farming" ge-winnen bei größeren Tierbeständen zunehmend an Bedeutung. In der Wartesauenhaltung können die Daten der elektronischen Abrufstation und darüber hinaus die Erfassung der Trinkereignisse und Laufwege dem Gesundheitsmonitoring dienen. Das Tier selbst als Sig-nalgeber (Trink- und Fressverhalten, Vokalisation) rückt nun zunehmend auch bei Monito-ringansätzen für die Ferkelaufzucht und Mast in den Vordergrund. Die sensorgestützte Überwachung der Sau in der Abferkelbucht ermöglicht die Früherkennung von Geburtsereig-nissen oder von problematischen Situationen für Ferkel und Sau. Die aktuellen Hauptheraus-forderungen im Precision Livestock Farming liegen mittlerweile vielleicht weniger in der reinen technischen Entwicklung von Sensorik, sondern eher in der Aufbereitung und Nutzbarkeit der anfallenden Massendaten mit Hilfe von Echtzeit-Auswertealgorithmen.

Stichworte

Monitoringsysteme, Indikatoren, Precision Pig Farming

Machinery and Techniques for Pig Husbandry

Eva Gallmann

Livestock Systems Engineering, Institute of Agricultural Engineering, University of Hohen-heim

Abstract

Indicator based monitoring systems and the approaches of "Precision Pig farming" gain in importance with increasing stock sizes of pig husbandries. For gestation sows the data of the electronic sow feeder and in addition the registration of drinking events and walking distances can serve the health monitoring. The animal itself as signal giver (drinking and feeding behavior, vocalization) comes to the fore in monitoring approaches for weaning and fattening pigs. A sensor based control of the sow inside the farrowing pen allows the early detection of farrowing or problematic situation for the sow or piglets. The topical main challenges of pre-cision livestock farming are in the meantime perhaps less in sensor development, but rather in processing and usability of the big data sets with the help of real-time analytic algorithms.

Keywords

Monitoring, indicators, precision pig farming 

Entwicklung der Schweinebestände

Die Entwicklung der Schweinebestände in Deutschland lässt sich nach der Erhebung des Statistischen Bundesamtes zum Stichtag 03.11.2013 folgendermaßen zusammenfassen [1]:

Insgesamt wurden rund 28,0 Millionen Schweine auf 27.900 Betrieben gehalten. Die Zahl der Betriebe mit Schweinehaltung seit Mai 2013 war mit 0,9 % nur leicht rückgängig, die Zahl der Schweine stieg um 1,3 % [1].

Die Zahl der Ferkel stieg von Mai bis November 2013 um 0,2 % auf 8,2 Millionen. Bei den Jungschweinen betrug der Anstieg sogar 2,8 %. Damit gab es Ende 2013 zirka 5,4 Millionen Jungschweine. Gegenüber Mai 2013 stieg die Zahl der gehaltenen Mastschweine auf rund 12,4 Millionen Tiere (+ 1,6 %). Die Zahl der Betriebe mit Mastschweinen ging hingegen um 1,3 % auf etwa 23.500 zurück. Während die Betriebe mit unter 100 Mastschweinen um 4,8 % zurückgegangen sind, gab es bei den Betrieben mit mindestens 2.000 Mastschweinen 2,4 % mehr Betriebe [1].

Die Verpflichtung zur Gruppenhaltung von Sauen gemäß Tierschutznutztierhaltungs-verordnung und der entsprechende Umstellungs- bzw. Investitionsbedarf auf den Betrieben bis 1.1.2013 wird als Hauptursache für den starken Rückgang bzw. die strukturellen Anpas-sungen im Betriebszweig Sauenhaltung angesehen. Von November 2012 bis Mai 2013 gaben etwa 1.200 (- 9,6 %) Zuchtsauenhalter den Betrieb auf, in den folgenden sechs Monaten sank die Zahl der Betriebe mit Zuchtsauen um weitere 400 (- 3,5 %) auf rund 10.800. Die Zahl der Zuchtsauen blieb jedoch dabei nahezu unverändert bei rund 2,1 Millionen (- 0,0 %). Die Zahl der Betriebe im November 2013, welche bis zu 100 Sauen hielten, verringerte sich um 6,1 % gegenüber Mai 2013. In den großen Größenklassen fiel der Rückgang deutlich schwächer aus bzw. es zeigte sich eine Zunahmetendenz [1].

Die Bestandsgrößen haben sich im letzten Jahrzehnt insgesamt deutlich zu größeren Einhei-ten hin entwickelt, wie Bild 1 beispielhaft für die Zuchtsauenhaltung zeigt [2].

Bild 1: Bestandsgrößenstrukturen in der deutschen Zuchtsauenhaltung 1999 und 2010 [2]

Figure 2: Stock size of sow husbandries in German livestock farms 1999 and 2010 [2]

Größere Tierbestände stellen einerseits hohe Anforderungen an das Management und die Gesundheitsüberwachung der Einzeltiere, bieten andererseits aber auch Potentiale für die Automatisierung von Arbeitsgängen oder bei der Datengewinnung im Rahmen von indikator-gestützten Systemen. Zunehmend werden in diesem Zusammenhang in der öffentlichen Diskussion, in Forschungsarbeiten und bei der technischen Entwicklung die Möglichkeiten zur Bewertung und Verbesserung der Tiergerechtheit thematisiert. Folglich legt dieser Beitrag den inhaltlichen Schwerpunkt auf die Ansätze des "Precision Pig Farming" für indikatorgestützte Managementsysteme. Die Darstellung kann auf Grund der Fülle von Untersuchungen hier jedoch nur beispielhaft anhand ausgewählter Untersuchungen erfolgen.

Ansätze des Precision Pig Farming - indikatorgestützte Managementsysteme

Gesundheits- und Verhaltensmonitoring bei Wartesauen

Das Monitoring von Wartesauen in Großgruppen verfolgt den Ansatz, aus dem Verlauf und der Veränderung verschiedener tierindividuell messbarer Indikatoren, Rückschlüsse auf Ge-sundheits- oder Verhaltensabweichungen zu ziehen. Primär bieten sich dazu die einzeltier-bezogenen Daten aus der elektronischen Abrufstation (EFS) zu den einzelnen Fressereig-nissen der Sauen an.

So konnte von [3] gezeigt werden, dass die Sauen an aufeinanderfolgenden Tagen ähnliche Platzziffern in der Besuchsreihenfolge an der EFS einnahmen und dies als Einschätzung der üblichen Fresszeit einer Sau dienen kann. Eine signifikante Korrelation der Platzziffern be-stand in dieser Auswertung jedoch nur noch bis zum 4. Tag. Für Sauen mit einer Behandlung verschob sich der Median der Platzziffer am Behandlungstag deutlich nach hinten, meist in das letzte Viertel der Besuchsreihenfolge der untersuchten Herde. Aus den Erkenntnissen wurde ein Gesundheitsmonitoring-Tool generiert, welches eine Sensitivität (wahr positiv) von etwa 37 % und eine Spezifität (wahr negativ) von etwa 97 % aufwies. Die Verwendung der Wiegedaten der EFS für ein Monitoringmodell erwies sich bisher nicht als zielführend. Die Wiederholbarkeit der Wiegeergebnisse war unzureichend bzw. die einzelnen Wägungen waren durch die Bewegung der Tiere auf der Wiegeplattform zu stark fehlerbehaftet [4].

Anlässlich der Eurotier 2012 wurde das auf den Arbeiten von [3] basierende Softwaretool der Firma Big Dutchman zur Interpretation der Fressereignisse mit einer DLG-Silbermedaille ausgezeichnet. Die Software dokumentiert die Besuchsreihenfolge und die Fresszeitpunkte von einzelnen Sauen in der Gruppenhaltung an einem Tag und über einen längeren Zeitraum. Eine Bewertung der täglichen Ereignisse erfolgt im Hinblick auf den gesamten Grup-penverband. Starke Abweichungen einzelner Tiere weisen auf ein gesundheitliches Problem der Sau oder auf ein Umrauschen hin [5]. Das "SowCheck"-Rauschedetektionssystem (Big Dutchman) ermöglicht das Erkennen einer rauschigen Sau in Gruppenhaltung ebenso in der EFS. Über mehrere Wahrnehmungsebenen (physisch, olfaktorisch, akustisch, optisch) wird bei der Sau ein Rauschereflex ausgelöst. Rauschende bzw. umrauschende Sauen werden anschließend über die Futterstation ausselektiert. In Kombination mit dem "SonoCheck"-Gerät werden Rauschedetektion und Ultraschalldetektion in einem System vereint [5].

Die Aufnahme weiterer Indikatoren soll entsprechende Monitoringmodelle präzisieren. In den Untersuchungen von [6 bis 8] werden neben den Daten der EFS, die Dauer der Einzelbesu-che an den Tränken und am Eberkontaktfenster sowie die Bewegungsmuster der Sauen berücksichtigt. Die Besuchsdauer und -häufigkeit an diesen Kontrollpunkten variierte zwi-schen den Einzeltieren sehr stark. Umrauschereignisse lassen sich jedoch anhand der Be-suche am Eberkontaktfenster recht gut abgrenzen [7 und 8]. Bild 2 zeigt beispielhaft für eine Sau die Veränderung bei den Indikatoren Fressen und Trinken im Zuge einer Lahmheit des Tieres [8].

Bild 2: Verlauf von Wasser- und Futteraufnahme sowie Locomotion Score (0 = normal, 1 = leichte Lahmheit, 2 = deutliche Lahmheit, 3 = Lahmheit auf zwei Extremitäten, kaum zum Gehen zu bewegen) einer erkrankten Sau [8].

Figure 2: Water intake, feed intake and locomotion score (0 = normal, 1 = slight lameness, 2 = clear lameness, 3 = lameness on two feet, sow can hardly walk) of a sow with health disorders [8].

Die tierindividuelle Bestimmung der Position, Beschleunigung und der zurückgelegten Weg-strecke der Sauen wird bei [6] über eine aktive, mit integriertem Sender und Beschleuni-gungssensor ausgestattete Ohrmarke der Firma MKW electronics ermöglicht. Anhand der Empfangszeiten der sekündlich gesendeten Ohrmarkensignale an mehreren im Stall verteil-ten Ankern werden die Koordinaten der Tiere berechnet. Zur Kategorisierung der Aktivitäten anhand der Frequenz und Amplituden der hochaufgelösten Sensorsignale müssen mathe-matische Algorithmen entwickelt werden. Ein abgeleiteter Aktivitätsindex könnte zur Lahm-heitserkennung herangezogen werden [6].

Monitoringansätze in der Ferkelaufzucht und bei Mastschweinen

Die Reaktion von Aufzuchtferkeln auf die Umgebungstemperatur anhand des Trinkverhaltens wurde von [9] untersucht. Ziel war es, ein entsprechendes Tränkesystem zu entwickeln und für die Stallklimaregelung anhand der Tiersignale (Wasserverbrauch an den unterschiedlich temperierten Tränken) zu nutzen (Bild 3). In allen untersuchten Tiergruppen zeigte sich eine Bevorzugung für die kalte Tränke (ca. 10 °C kältere Tränke als stalltemperierte Tränke). Erst bei Stalltemperaturunterschieden von > 5 Kelvin konnten signifikante Änderungen im Trink-verhalten nachgewiesen werden. Bei hohen Stalltemperaturen (> 27 °C) wurde die kalte Tränke, bei niedrigen Stalltemperaturen (< 24 °C) wurden die warme und stalltemperierte Tränke bevorzugt.

Bild 3: Schaubild des Antwortsignals der Tiere auf die aktuelle Umgebungstemperatur und die Reak-tion des Klimacomputers [9]

Figure 3: Figure of the animal response on ambient temperature and the reaction of the climate con-trol system [9]

Die Lautanalyse soll sowohl eine Verhaltens- als auch Gesundheitsüberwachung von Mast-schweinen ermöglichen. In ersten Versuchen von [10] konnte eine hohe Korrelation zwischen der Tieraktivität (Videoaufnahmen und Bildanalyse) und der Vokalisation (Mikro-fonaufzeichnungen und Analyse der Schallenergie) ermittelt werden. Ein Schweine-Hustenmonitor hat inzwischen Produktreife erlangt [11]. Pro Bucht werden die Geräusche mit einem Mikrofon aufgezeichnet und anschließend in Abhängigkeit vom Schalldruckpegel und der Zeit-Frequenz-Analyse in Hustengeräusche oder andere Geräusche klassifiziert. Die Daten werden als Hustenindex über ein Webinterface dem Tierhalter kommuniziert und in ein Frühwarnsystem integriert. In weiteren Untersuchungen werden verschiedene Schwel-lenwerte und Kosten-Nutzen-Aspekte geprüft sowie die Eignung des Systems auch für die Auswertung von anderen Vokalisationen der Schweine getestet [11].

Im Vergleich zur Sauenhaltung ist in der Ferkelaufzucht oder Mastschweinehaltung die tier-individuelle Zuordnung von Fress- und Trinkereignissen mit Hilfe von RFID-Einzeltieriden-tifikation auf Basis von Niedrigfrequenz ohne Vereinzelungseinrichtungen an den Erfas-sungspunkten kaum möglich. Da jedoch ein gleichzeitiges Fressen und Ausüben weiterer Verhaltensweisen zu fördern ist, werden Methoden zur Simultanerfassung der Tiere benötigt. Einen integrierten Ansatz verfolgt im Rahmen des ICT-AGRI ERA-Net das internationale Verbundprojekt "PigWise" [12]. Ziele sind eine automatische Erfassung der Fressereignisse, die Auswertung von Abweichungen im Fressverhalten und die Etablierung eines internetba-sierten Frühwarnsystems bei Verhaltensabweichungen und als Managementhilfe (Bild 4).

Bild 4: PigWise Architektur [12]

Figure 4: PigWise Architecture [12]

Das Hochfrequenz-RFID System ermöglicht die simultane Erfassung der Anwesenheit am Trog und lässt Rückschlüsse auf die individuelle Fressaktivität zu. Jedoch kann der Aufenthalt am Trog nicht kontinuierlich erfasst werden; zeitliche Unterbrechungen von wenigen Sekunden müssen bei der Erfassung der Fresszeiten berücksichtigt werden [13]. Die Verifi-zierung der RFID-Registrierungen erfolgt mit Hilfe eines Bildanalysesystems basierend auf schwenkbaren Kameras. Sind laut eines Vergleichsalgorithmus die Abweichungen zwischen den Erfassungssystemen zu groß, kann eine Alarmmeldung erfolgen. Herausforderungen für die Genauigkeit des Bildanalysesystems bestehen bei schnellen Tierbewegungen hin und weg vom Trog oder bei vielen Tierohren im Bild, die als zusätzliche Schweine fehlinterpretiert werden können [14]. Die Datenanalyse mit dem Konzept der synergistischen Kontrolle er-möglicht tierbasierte Schwellenwerte zu definieren und normale Variationen im Futterauf-nahmeverhalten von abnormalen zu unterscheiden. Das System hat Potential für ein Ge-sundheitsmonitoring und die Früherkennung von Krankheiten [15].

Monitoringansätze in der Abferkelbucht

Die Überwachung des Aktivitätsverhaltens der Sau in der Abferkelbucht kann zur Vorhersage des Geburtsereignisses und nachfolgend der Gesundheitskontrolle herangezogen werden. Halsband- und Lage-Drucksensoren ermöglichen die Erfassung des Liege- und Bewe-gungsverhaltens der Sau. Mit Hilfe von dynamisch linearen Modellen zur Transformation der Rohdaten und CUSUM-Charts für die Definition von Alarmschwellen können Geburtsereig-nisse mit einem Vorlauf von etwa 15 Stunden vorhergesagt werden [16 und 17]. Die Entwick-lung eines Systems, zusätzlich zu Bewegungs- und Verbrauchssensoren auch ereignisge-steuert Video- und Audiodateien in Abferkelbuchten aufzunehmen, hat das Ziel, mögliche Ferkelerdrückungen automatisch zu erkennen, zu lokalisieren und das selbstständige Rea-gieren eines Aktors zur Vermeidung von Ferkelerdrückungen zu ermöglichen [18]. Von [19] wird detailliert ein Auswertealgorithmus für die Echtzeit-Überwachung von Bewegungsmus-tern von Sauen im Ferkelschutzkorb anhand von Live-Videoaufnahmen beschrieben. Bei der Validierung wurde eine Sensitivität (wahr positiv) von 84,8 % und eine Spezifität (falsch posi-tiv) von 3,8 % erreicht [19].

Zusammenfassung

Der Strukturwandel in der Landwirtschaft führt zu einer Entwicklung hin zu größeren Tierbe-ständen. Indikatorgestützte Managementsysteme und die Ansätze des "Precision Pig Far-ming" gewinnen entsprechend an Bedeutung. In der Wartesauenhaltung können die Daten der elektronischen Abrufstation und darüber hinaus die Erfassung der Trinkereignisse und Laufwege dem Gesundheitsmonitoring dienen. Das Tier selbst als Signalgeber (Trink- und Fressverhalten, Vokalisation) rückt nun zunehmend auch bei Monitoringansätzen für die Fer-kelaufzucht und Mast in den Vordergrund. Die sensorgestützte Überwachung der Sau in der Abferkelbucht ermöglicht die Früherkennung von Geburtsereignissen oder von problemati-schen Situationen für Ferkel und Sau.

Fazit

Die aktuellen Hauptherausforderungen im Precision Livestock Farming liegen mittlerweile vielleicht weniger in der reinen technischen Entwicklung von Sensorik, sondern eher in der Aufbereitung und Nutzbarkeit der anfallenden Massendaten. Nicht die Rechnerleistung an sich ist limitierend, sondern die intelligente Dateninfrastruktur und –architektur sowie aussa-gekräftige online Auswertungsalgorithmen. Die Datenflut muss in zielgerichtete Information umgesetzt werden. Aus reinen Erfassungssystemen müssen Wissenssysteme generiert werden.