Allgemeine Rahmenbedingungen

Der Milchpreis befindet sich weltweit weiterhin auf einem hohen Niveau, auch wenn starke Schwankungen zu beobachten sind [1; 2]. Der durchschnittliche Preis für konventionelle Milch lag in Deutschland im Dezember 2024 bei rund 55,6 Cent pro Kilogramm [3]. Auch europaweit ist ein entsprechender Anstieg der Milchpreise in 2024 zu beobachten. Dieser lag bei durchschnittlich 17%, wobei eine Spreizung zwischen -5% in Spanien bis +39% in Irland lag [4]. Etwas Vorauseilend ist diese Preisentwicklung auch Weltweit zu beobachten [4 - 6]. Der Preis für Milch aus ökologischer Produktion ist zwar noch höher als aus konventioneller Produktion, der Abstand ist aber nicht mehr vergleichbar mit den letzten Jahren, wodurch bei den allgemein hohen Produktionskosten ökonomische Schwierigkeiten für die Betriebe entstehen [7]. Besonders bei den hohen Inflationsraten in Deutschland und Europa wird auf Seiten der Verbraucher bei Lebensmittel wo möglich gespart.

Trotz der gestiegenen Preise für Milchprodukte ist in den großen Erzeugungsregionen eine Reduktion der Tierbestände zu beobachten [4; 6]. In Deutschland ist die Anzahl der Milchkühe auf 3,67 Mio Tiere gesunken. Durch den Anstieg des Milchertrags pro Kuh und Jahr auf 8.950 kg ist die Gesamtmilchmenge nur auf 32.200 Mio kg gesunken [8].

Die gesellschaftliche Diskussion um Tierwohl und Klimawirkung der Milchproduktion bestimmt weiterhin die strukturelle und technologische Entwicklung der Milchviehhaltung in Deutschland und Europa [9]. Über die Zukunftskommission Landwirtschaft und die Borchert-Kommission wurde angestrebt die divergierenden Ansichten zu ökonomischen, ökologischen und sozialen Positionen im Bereich der Agrar- und Umweltpolitik zu sortieren und ein Ausgleich der widerstreitenden Interessen herbeizuführen [10]. In der Borchert-Kommission wurden hierzu konkrete Umsetzungsstrategien für die einzelnen Haltungsstufen mit entsprechenden Kostenstrukturen entwickelt [11]. Der anschließend notwendige politische Prozess wurde dann aber bis zum vollständigen Stillstand verzögert. Nachdem die Borchert Kommission ihre Arbeit zuerst ausgesetzt hat, hat sie sich inzwischen aufgelöst [12]. Die Themenführerschaft in diesem Bereich wurde inzwischen vom Handel übernommen. So vermarktet ALDI Süd und Aldi Nord ab 2024 100% der Trinkmilch aus den Haltungsstufen 3 und 4 und ist damit deutlich schneller in der Umsetzung als geplant [13]. Dieser Trend zieht sich durch alle Handelsunternehmen hindurch.

Ein weiterer wichtiger Punkt in der gesellschaftlichen Diskussion über Milch sind pflanzenbasierte Milchalternativen. In der Werbung werden sie häufig als gleichwertig und mit einer geringeren ökologischen Belastung im Vergleich zu Milch dargestellt. Eine wissenschaftliche Betrachtung zeigt jedoch, dass es noch erheblichen Forschungsbedarf bezüglich der Inhaltsstoffe, ihrer Wirkung auf den Organismus und der ökologischen Auswirkungen der Produktion gibt [14 - 19].

Melktechnik und -management

Automatische Melksysteme (AMS) haben in Europa eine weite Verbreitung gefunden und werden auch in den USA immer interessanter [20]. Die technische Entwicklung hat sich stabilisiert, hier findet man häufig nur Anpassungen an Einzelkomponenten [21]. Durch die neuesten Fortschritte in den Bereichen Künstliche Intelligenz (KI) und maschinelles Lernen werden zunehmend weitere Sensorsysteme integriert [22]. Der Schwerpunkt liegt dabei auf Anwendungen zur Überwachung der Eutergesundheit [23; 24] sowie der Verbindung zwischen Eutergesundheit und Lahmheiten [25]. Im Gegensatz dazu sind die Bereiche Milchleistung [26], Kuhverhalten und Herdenmanagement auf Basis von AMS-Daten noch nicht weit fortgeschritten [27].

Die Einführung von automatischen Melksystemen hat sowohl die Arbeitsorganisation [28] als auch das Verständnis von menschlicher Arbeit im Prozess verändert [29]. Für viele Betriebe bedeutet dies eine Verschiebung vom operativen Arbeiten hin zum Management. Dabei ist es jedoch wichtig, den Kontakt zu den Tieren nicht zu verlieren. Gleichzeitig hat das AMS auch Auswirkungen auf das Verhaltensmuster der Milchkühe [30; 31].

In der technischen Entwicklung von Melkständen ist zu beobachten, dass immer mehr Sensorsysteme, die für automatische Melksysteme entwickelt wurden, auch im klassischen Melkstand Einzug halten [32 - 35]. Gleichzeitig stellt der optimale Einsatz der immer knapper werdenden Ressource menschliche Arbeitskraft einen bedeutenden Effekt dar [36; 37]. Im Bereich Zitzengummies wird weiterhin versucht diese individueller auf das einzelne Tier abzustimmen [38].

Fütterungstechnik

Weidehaltungssysteme für Milchkühe werden hinsichtlich Tierwohl und Klimawirkung auch in Mitteleuropa wieder intensiver untersucht [39]. Dabei gibt es von technologischer Seite einige Herausforderungen [40]. Die Ortung und Überwachung der Tiere wird anspruchsvoller, da die Tierparameter, die zuvor im Stall erfasst wurden, nun auf der viel größeren Weidefläche ermittelt werden müssen. Dies erfordert eine neue Sensor- und Datenübertragungsarchitektur [41 - 44]. Besonders die Futteraufnahme ist von Interesse, da eine ausreichende Versorgung der Milchkühe auch bei hoher Milchleistung sichergestellt werden muss [44; 45]. Gleichzeitig muss der Futteraufwuchs der Fläche erfasst werden, um das Potenzial der Weidefläche zu kennen.

Eine entscheidende Rolle bei den neuen Weidesystemen spielen virtuelle Zäune. Sie sollen die Zuteilung der Futterflächen erleichtern und gleichzeitig den Arbeitsaufwand gering halten. Dabei soll kein zusätzlicher Stress für die Tiere durch das System entstehen [46 - 52].

Bei Futternachschieberobotern gibt es mittlerweile auch Angebote, die nicht mehr nur auf einzelne Futtertische begrenzt sind. In großen Anlagen können diese Roboter nun autonom die Wege zwischen den einzelnen Stallungen zurücklegen und somit mehrere Futtertische selbstständig betreuen [53].

Im Bereich der mechanisierten Rinderfütterung stellen eisenhaltige Fremdkörper in der Mischration ein erhebliches Gefahrenpotenzial für die Tiere dar. Die Aufnahme solcher Fremdkörper kann zu schwerwiegenden Verletzungen im Verdauungstrakt der Rinder führen. Um diesem Problem zu begegnen, werden in Futtermischsystemen seit längerem Permanentmagnete eingebaut, an denen sich magnetisierbare Fremdkörper anhaften. Bisher mussten die anhaftenden Fremdkörper jedoch in Handarbeit einzeln vom eingebauten Magneten abgelöst werden. Dieses Vorgehen führte nicht selten zu Verletzungen durch die Metallteile oder die Messer für die Futterzerkleinerung. Das neue Magnetsystem ermöglicht es nun, den Schwerlastmagneten komplett mit seinem umgebenden Gehäuse und allen anhaftenden Fremdkörpern zu entnehmen. Dadurch wird die Tätigkeit des Ablösens aus dem Hauptgefahrenbereich verlagert und das Verletzungsrisiko deutlich verringert [54; 55].

Sonstige Stalltechnik

Nationale und internationale Regularien fordern zunehmend die Reduktion von Luftschadstoffen, einschließlich solcher aus der Tierhaltung [56]. Ein besonders kritischer Schadstoff in diesem Kontext ist Ammoniak, der entsteht, wenn Kot und Urin nicht unmittelbar getrennt werden und die Exkremente auf der Lauffläche verbleiben [57; 58].

Zur Lösung dieser Problematik wurde die espaFLEX-Stallbodenmatte (Bild 1) entwickelt, die sowohl in neuen als auch in bestehenden Spaltenbodenflächen eingesetzt werden kann. Die espaFLEX-Matte zeichnet sich durch ein spezielles Wellenprofil mit einer 3-prozentigen Gefällestruktur quer zur Laufrichtung aus.

Dieses 3-Prozent-Gefälle ermöglicht es, dass Urin zügig durch die Schlitze abfließt, wodurch eine schnell abtrocknende Lauffläche entsteht. Die verbesserte Abtrocknung der Laufflächen führt zu trockeneren Klauen, was sich positiv auf die Klauengesundheit auswirkt. Darüber hinaus erzielen Reinigungsroboter aufgrund des speziellen Designs der Matte weiterhin ein gutes Reinigungsergebnis.

Bild 1: Emissionsmindernde Spaltenauflage mit Gefälle und variabler Schlitzabdeckung.

Figure 1: Emission-reducing slatted floor covering with a slope and variable slot covering.

Aktuell spielen auch Partikel bei der Emissionsbewertung eine entscheidende Rolle. Hier existiert noch ein breiter Forschungsbedarf von der Messtechnik, über Grundlagenmessung bis zur anschließenden Bewertung [59 - 61].

Hitzestress stellt ein grundlegendes Problem in der Milchviehhaltung dar, das durch den Klimawandel zunehmend an Bedeutung gewinnt [62; 63]. In Deutschland nehmen die Hochtemperaturphasen stetig zu, was die Belastung für hochleistende Milchrinder erheblich verstärkt. Ab Umgebungstemperaturen von etwa 24 °C und einer Luftfeuchtigkeit von 70 % stoßen diese Tiere an die Grenzen ihrer Thermoregulation und leiden unter deutlichem Hitzestress. Dies führt zu signifikanten Verhaltensänderungen, einschließlich verändertem Aktivitäts- und Ruheverhalten sowie veränderter Futteraufnahme und -zeiten [64].

Um die Tiere in ihrer Thermoregulation zu unterstützen, sind verschiedene Maßnahmen erforderlich [65]. Neben Beschattung, aktiver Kühlung oder Wassersprinklern [66] erweist sich die Kühlung durch Luftbewegung [67] und Frischluftzufuhr [68] als besonders effektiv. Hierbei kommen üblicherweise Ventilatoren oder Lüftungsschläuche zum Einsatz, die frische Außenluft in den Stallbereich einbringen.

Bild 2: Flex air stall.

Figure 2: Flex air stall.

Eine innovative Lösung bietet das Flex Air Stall-System (Bild 2), das erstmals eine direkte Frischluftzufuhr in den Liegebereich der Kühe ermöglicht. Über eine Schlauchlüftung wird frische Außenluft in den Stall gesaugt und mit Druck bis in die Liegeboxen weitergeleitet. Die Frischluft wird dann in einem Winkel von 45° aus je fünf Bohröffnungen im oberen Liegeboxenbügel direkt in den Liegebereich gedrückt. Auf diese Weise erfolgt die Kühlung im direkten Aufenthaltsbereich der Kühe, was deren Wohlbefinden und Leistungsfähigkeit erheblich verbessert [69].

In der Kälberhaltung kam es zu strukturellen Anpassungen durch die Änderung der Tierschutztransportverordnung. Danach dürfen seit Januar 2023 Kälber erst ab dem 28 Lebenstag transportiert werden. Da vorher mänliche Kälber meist mit etwa 14 Tagen verkauft wurden, müssen für diese nun Stall- und Fütterungssysteme vorgehalten werden. Dies führte zur Entwicklung von einfachen Systemen, die sich aber, wie es sich inzwischen zeigt, gut bewähren.

Um die sozialen Interaktion bei Kälbern zu fördern, werden immer mehr System zur "Zwillingshaltung" von neugeborenen Kälbern auf dem Markt angeboten. Dies umfast angepaste Kälberiglus und entsprechende Tränkesysteme [70 - 72].

Smart Dairy Farming

Im Bereich Smart Livestock Farming ist weiterhin zu beobachten, dass es keinen gemeinsamen Datenaustauschstandard gibt. Durch den Einsatz von Künstlicher Intelligenz (KI) werden jedoch übergreifende Daten immer wichtiger [73 - 75]. Die großen Hersteller im Melktechnologiebereich versuchen, diese Problematik jeweils separat zu lösen, teilweise durch Kooperationen mit anderen Herstellern im landwirtschaftlichen Sektor [76; 77], verstärkte Zusammenarbeit mit Sensoranbietern [78] und Start-ups oder durch gezielte Eigenentwicklungen [79].

Insgesamt ist zu beobachten, dass sich der für KI-Anwendungen sehr gut geeignete Sektor der Milchviehhaltung (kontinuierliche Daten über das gesamte Jahr, hoher Automatisierungsgrad, einfache Vernetzungsmöglichkeiten durch Stallsysteme, hohes Marktpotenzial [80]) dadurch immer mehr aus der Entwicklung zurückzieht. Die Einstiegshürde für neu gegründete KI-Start-ups ist aufgrund der komplexen Datenbeschaffung entsprechend hoch.

Smart Livestock Farming im Milchviehbereich entwickelt sich kontinuierlich weiter [81]. Neben der Datenerfassung über Ohrmarke oder Bolus spielt die Bildanalyse besonders im Bereich Lahmheit [82] und Konditionserfassung [83; 84] eine große Rolle.

Die tägliche Arbeit und Betreuung der Kälber auf einem Milchviehbetrieb erfordern erheblichen Zeitaufwand und Aufmerksamkeit. Diese Phase ist von entscheidender Bedeutung, da die Kälber die zukünftigen Milchkühe darstellen und ihre Entwicklung maßgeblich die spätere Milchproduktion beeinflusst. In modernen Milchviehbetrieben erfassen Sensoren und Tränkeautomaten zahlreiche Daten und Informationen im Kälberbereich, die Rückschlüsse auf die Gesundheit, das Verhalten und die Entwicklung der Kälber ermöglichen [71; 72; 85]. Allerdings gestaltet sich das Abrufen und Eintragen dieser Daten oft umständlich, da dies entweder direkt an den Automaten, über Handterminals oder im Stallbüro am Computer erfolgt.

Mit CalfGPT (Bild 3) steht nun ein innovatives Management-Tool zur Verfügung, das auf einem KI-System von OpenAI basiert. Dieses System ermöglicht es Landwirten, über eine Sprechverbindung im betriebseigenen WLAN frei formulierte Anfragen zur allgemeinen Situation oder zu einzelnen Kälbern zu stellen. Die Antworten werden direkt und spezifisch auf die gestellten Fragen geliefert, ohne dass vorformulierte Befehle notwendig sind. Zudem können neue Informationen zu einzelnen Kälbern direkt verbal an CalfGPT weitergegeben und zur Dokumentation in die Betriebsdatenbank eingetragen werden. Die Nutzung von CalfGPT über In-Ear-Kopfhörer vereinfacht die Bedienung erheblich. Besonders die Eingabe von Befunden wird erleichtert, da der Anwender beide Hände für die Arbeit am Tier frei hat. Darüber hinaus ermöglicht das System dem Anwender, während anderer Tätigkeiten im Stall, wie zum Beispiel Einstreuen oder Füttern, einen gezielten digitalen Überblick über seine Kälbergruppen zu erhalten. Dies führt zu einer effizienteren und präziseren Betreuung der Kälber, was letztlich die Gesundheit und Entwicklung der Tiere fördert und die Grundlage für eine erfolgreiche Milchproduktion legt [72].

Bild 3: CalfGPT [72].

Figure 3: CalfGPT [72].

In den letzten Jahren hat sich Smart Livestock Farming bei Kälbern zunehmend durchgesetzt. Die Färsen-Phase zwischen Kalb und Jungkuh bleibt jedoch in vielen Fällen eine Blackbox. Häufig ist die Tierwaage das einzige Sensorsystem, das Tierdaten in dieser Phase erfasst. Somit ist sowohl der optimale Besamungszeitpunkt mit Unsicherheit behaftet als auch das Management der Jungkuh aufgrund fehlender tierindividueller Daten schwierig [86; 87].

Die Probleme bei Färsen beginnen bereits beim Anbringen der Sensoren. Da die Tiere noch wachsen, müssen sich beispielsweise Hals- oder Fußbänder automatisch anpassen können, um Schäden zu vermeiden [72]. Bei Ohrmarken oder Bolussen ist es wichtig, dass diese sowohl dem jungen Tier passen als auch für die spätere Kuh nutzbar sind [85].

Die aktuell bei den Betrieben verwendeten Auswertemodelle für beispielsweise Aktivität [88], Körperkondition [89] oder Lahmheit [90] basieren häufig auf Daten von Kühen und können daher nicht direkt auf Färsen angewendet werden. Hier müssen die entsprechenden Lerndaten erst noch ermittelt werden.

Klimaneutralität und Energie

Die Klimaneutralität ist ein zentrales Ziel in vielen Industrien, einschließlich der Milchproduktion. Angesichts der wachsenden Besorgnis über den Klimawandel setzen Milchproduzenten weltweit verstärkt auf nachhaltige Praktiken, um ihre CO₂-Emissionen zu reduzieren. Der Sektor bewegt sich in Richtung größerer Nachhaltigkeit und Transparenz [91; 92]. Verbraucher fordern zunehmend umweltfreundliche und ethisch produzierte Produkte, was die Nachfrage nach Bio-Milchprodukten und pflanzlichen Alternativen steigert. Unternehmen reagieren darauf, indem sie ihre Lieferketten nachhaltiger gestalten und ihre CO₂-Bilanz offenlegen. Diese Entwicklungen haben Auswirkungen, die von den Molkereien bis hin zu den einzelnen Milchviehbetrieben reichen [93].

Aktuell werden in verschiedenen Projekten die Klimawirkungen von Milchviehbetrieben analysiert [94 - 98]. Neben der Anpassung der Futtergrundlage und des Stallsystems liegt der Fokus besonders auf den technologischen Aspekten, insbesondere der Einführung von Smart Livestock Farming Konzepten [99; 100].

Der Bereich Energie spielt in der Milchviehhaltung weiterhin eine entscheidende Rolle. Da die Ressource Energie immer teurer wird, versuchen viele Betriebe, den Verbrauch zu reduzieren [101] oder Energie selbst zu produzieren [102]. Daraus ergibt sich schnell der Wunsch nach Energiemanagementsystemen, die die erforderlichen Steuerungs- und Regelungsaufgaben übernehmen [103]. Hier zeigt sich auch einmal mehr, dass durch fehlende offene Schnittstellen zwischen den einzelnen Systemen technologische Hemmnisse entstehen, die die vom Landwirt gewünschte Entwicklung ausbremsen. Dies hat auch ökonomische Auswirkungen, da eingesparte Energie gewinnbringend vermarktet werden könnte [104; 105].

Zusammenfassung

Der Milchpreis bleibt weltweit auf hohem Niveau, mit einem durchschnittlichen Preis von 55,6 Cent pro Kilogramm in Deutschland im Dezember 2024 und einem europaweiten Anstieg von 17%. Gleichzeitig sind die Erzeugungskosten deutlich gestiegen. Trotz der gestiegenen Preise sinken die Tierbestände, während der Milchertrag pro Kuh steigt. Die Diskussion um Tierwohl und die Klimawirkung der Milchproduktion beeinflusst weiterhin die Entwicklung, wobei der Handel zunehmend die Führung in der gesellschaftlichen Diskussion übernimmt.

Fortschritte in Künstlicher Intelligenz und maschinellem Lernen ermöglichen die Integration neuer Sensorsysteme in die Milchviehhaltung. Insgesamt wächst der Bereich des Smart Livestock Farming trotz der Schwierigkeiten in der Vernetzung von Datensystemen deutlich. Dies reicht von Weiterentwicklungen in automatischen Melksystemen und neuen Weidesystemen durch virtuelle Zäune über die Bildanalyse von Milchkühen zur Erfassung von Lahmheiten oder Körperkondition und der Datenerfassung bei Färsen bis hin zur KI-basierten Sprachsteuerung von Herdenmanagementsystemen in der Kälberhaltung.

Literatur

[1]     Keunecke, K.: Milchpreise beenden 2024 hochpreisig. URL: https://www.ami-informiert.de/ami-markt-nachrichten, Zugriff am: 27.02.2025.

[2]     Keunecke, K.: Milchpreis schaltet einen Gang hoch. URL: https://www.ami-informiert.de/ami-maerkte/maerkte/ami-maerkte-agrarwirtschaft/meldungen/, Zugriff am: 28.12.2024.

[3]     Ahrens, S.: Aktueller Milchpreis bis Dezember 2024. URL: https://de.statista.com/statistik/daten/studie/380546/umfrage/preis-von-kuhmilch-in-deutschland/, Zugriff am: 27.02.2025.

[4]     N.N.: Milk and dairy products. Agriculture and rural development, URL: https://agriculture.ec.europa.eu/data-and-analysis/markets/price-data/price-monitoring-sector/milk-and-dairy-products_en, Zugriff am: 27.02.2025.

[5]     James Kaufman: Fonterra lifts FY25 forecast Farmgate Milk Price, holds earnings guidance. URL: https://www.fonterra.com/nz/en/our-stories/media/fonterra-lifts-fy25-forecast-farmgate-milk-price-holds-earnings-guidance.html, Zugriff am: 27.02.2025.

[6]     Knight, R.; Taylor, H.; Hahn, W.; Valcu-Lisman, A.; Teran, A.; Haley, M.; Grossen, G.; Bourquard, B.: Livestock, Dairy, and Poultry Outlook: February 2025.

[7]     Zinke, O.: Milchpreise: Warum konventionelle Milch bald so viel kostet - wie Biomilch. agrarheute.com (2024).

[8]     Ahrens, S.: Milchkuhbestand in Deutschland bis 2024. URL: https://de.statista.com/statistik/daten/studie/153058/umfrage/milchkuhbestand-in-deutschland-seit-2000/, Zugriff am: 27.02.2025.

[9]     Bojovic, M.; McGregor, A.: A review of megatrends in the global dairy sector: what are the socioecological implications? Agriculture and Human Values 40 (2023) H. 1, S. 373-394.

[10]   Bundesministerium für Ernährung und Landwirtschaft: Landwirtschaftliche Tiere - Umbau der Nutztierhaltung in Deutschland – der Borchert-Prozess. BMEL, URL: https://www.bmel.de/DE/themen/tiere/nutztiere/umbau-nutztierhaltung.html, Zugriff am: 27.02.2025.

[11]   Gall, P. von; Bardusch, B.; Meyer-Höfer, M. von: Ziele für die Zukunft der Tierhaltung – gelingt der staatlich initiierte Dialog? – Erkenntnisse aus der SocialLab Zukunftswerkstatt Landwirtschaftliche Tierhaltung.

[12]   agrarheute: Die Borchert-Kommission legt ihre Arbeit nieder. URL: https://www.agrarheute.com/politik/borchert-kommission-legt-arbeit-nieder-607266, Zugriff am: 16.02.2025.

[13]   Lehmann, N.: Mehr Tierwohl: Aldi wirft Standard-Milch schon 2024 aus den Regalen. URL: https://www.agrarheute.com/management/agribusiness/mehr-tierwohl-aldi-wirft-standard-milch-schon-2024-regalen-609853, Zugriff am: 27.02.2025.

[14]   Anusha Siddiqui, S.; Mahmood Salman, S. H.; Ali Redha, A.; Zannou, O.; Chabi, I. B.; Oussou, K. F.; Bhowmik, S.; Nirmal, N. P.; Maqsood, S.: Physicochemical and nutritional properties of different non-bovine milk and dairy products: A review. International Dairy Journal 148 (2024), S. 105790.

[15]   Lee, P. Y.; Leong, S. Y.; Oey, I.: The role of protein blends in plant-based milk alternative: A review through the consumer lens. Trends in Food Science & Technology 143 (2024), S. 104268.

[16]   Slade, P.; Markevych, M.: Killing the sacred dairy cow? Consumer preferences for plant‐based milk alternatives. Agribusiness 40 (2024) H. 1, S. 70-92.

[17]   Rombach, M.; Dean, D. L.; Bitsch, V.: "Got Milk Alternatives?" Understanding Key Factors Determining U.S. Consumers' Willingness to Pay for Plant-Based Milk Alternatives. Foods (Basel, Switzerland) 12 (2023) H. 6.

[18]   Reyes-Jurado, F.; Soto-Reyes, N.; Dávila-Rodríguez, M.; Lorenzo-Leal, A. C.; Jiménez-Munguía, M. T.; Mani-López, E.; López-Malo, A.: Plant-Based Milk Alternatives: Types, Processes, Benefits, and Characteristics. Food Reviews International 39 (2023) H. 4, S. 2320-2351.

[19]   Ramsing, R.; Santo, R.; Kim, B. F.; Altema-Johnson, D.; Wooden, A.; Chang, K. B.; Semba, R. D.; Love, D. C.: Dairy and Plant-Based Milks: Implications for Nutrition and Planetary Health. Current environmental health reports 10 (2023) H. 3, S. 291-302.

[20]   Marques, T. C.; Lage, C. F. A.; Bruno, D. R.; Fausak, E. D.; Endres, M. I.; Ferreira, F. C.; Lima, F. S.: Geographical trends for automatic milking systems research in non-pasture-based dairy farms: A scoping review. Journal of dairy science 106 (2023) H. 11, S. 7725-7736.

[21]   Wang, C.; Ding, F.; Ling, L.; Li, S.: Design of a Teat Cup Attachment Robot for Automatic Milking Systems. Agriculture 13 (2023) H. 6, S. 1273.

[22]   Iweka, P.; Kawamura, S.; Mitani, T.; Kawaguchi, T.: Online Near-Infrared Spectroscopy for the Measurement of Cow Milk Quality in an Automatic Milking System. DOI: 10.3390/ASEC2023-16302. The 4th International Electronic Conference on Applied Sciences. In: The 4th International Electronic Conference on Applied Sciences, Basel Switzerland: MDPI 2023, S. 145.

[23]   Olofsson, C.; Toftaker, I.; Rachah, A.; Reksen, O.; Kielland, C.: Pathogen-specific patterns of milking traits in automatic milking systems. Journal of dairy science 107 (2024) H. 8, S. 6035-6051.

[24]   Bonestroo, J.; Fall, N.; Hogeveen, H.; Emanuelson, U.; Klaas, I. C.; van der Voort, M.: The costs of chronic mastitis: A simulation study of an automatic milking system farm. Preventive veterinary medicine 210 (2023), S. 105799.

[25]   Lemmens, L.; Schodl, K.; Fuerst-Waltl, B.; Schwarzenbacher, H.; Egger-Danner, C.; Linke, K.; Suntinger, M.; Phelan, M.; Mayerhofer, M.; Steininger, F.; Papst, F.; Maurer, L.; Kofler, J.: The Combined Use of Automated Milking System and Sensor Data to Improve Detection of Mild Lameness in Dairy Cattle. Animals : an open access journal from MDPI 13 (2023) H. 7.

[26]   Rebuli, K. B.; Ozella, L.; Vanneschi, L.; Giacobini, M.: Multi-algorithm clustering analysis for characterizing cow productivity on automatic milking systems over lactation periods. Computers and Electronics in Agriculture 211 (2023), S. 108002.

[27]   Ozella, L.; Brotto Rebuli, K.; Forte, C.; Giacobini, M.: A Literature Review of Modeling Approaches Applied to Data Collected in Automatic Milking Systems. Animals : an open access journal from MDPI 13 (2023) H. 12.

[28]   Martinsson, E.; Hansson, H.; Mittenzwei, K.; Storm, H.: Evaluating environmental effects of adopting automatic milking systems on Norwegian dairy farms. European Review of Agricultural Economics 51 (2024) H. 1, S. 128-156.

[29]   Kaarlenkaski, T.: Cows and Humans as Technology Users: Multispecies Agency and Gender in Automated Milking Systems in Finland. Technology and culture 64 (2023) H. 4, S. 1093-1119.

[30]   Schwanke, A. J.; Dancy, K. M.; Neave, H. W.; Penner, G. B.; Bergeron, R.; DeVries, T. J.: Effect of dairy cow personality traits and concentrate allowance on their response to training and adaptation to an automated milking system. Journal of dairy science 107 (2024) H. 12, S. 11446-11462.

[31]   Brasier, J. E.; Schwanke, A. J.; DeVries, T. J.: Effects of dairy cows' personality traits on their adaptation to an automated milking system following parturition. Journal of dairy science 106 (2023) H. 10, S. 7191-7202.

[32]   Gea: GEA DairyRotor T8600: Neues konventionelles Melksystem mit digitaler Steuerung. URL: https://www.gea.com/de/news/trade-press/2025/new-milking-parlor-with-digital-control/.

[33]   DeLaval: DeLaval bringt das konventionelle Melken im Melkstand mit der neue Melkautomation MA auf die nächste Stufe. URL: https://www.delaval.com/de/uber-delaval/pressemitteilungen/delaval-bringt-das-konventionelle-melken-im-melkstand-auf-die-nachste-stufe/, Zugriff am: 02.03.2025.

[34]   Kaskous, S.; Pfaffl, M. W.: Milking Machine Settings and Liner Design Are Important to Improve Milking Efficiency and Lactating Animal Welfare—Technical Note. AgriEngineering 5 (2023) H. 3, S. 1314-1326.

[35]   Laschinger, J.; Fuerst-Waltl, B.; Fuerst, L.; Linnenkohl, S.; Pesenhofer, R.; Kofler, J.: Evaluation of ‘In-Parlour Scoring’ (IPS) to Detect Lameness in Dairy Cows during Milking. Animals : an open access journal from MDPI 14 (2024) H. 19, S. 2870.

[36]   Georgiev, D.; Dineva, G.; Karastoyanov, D.; Peychev, K.; Dimova, V.: Simulation models of technological operations in machine milking in parallel type parlour. INMATEH Agricultural Engineering (2023), S. 415-422.

[37]   Prendergast, R.; Murphy, M. D.; Buckley, F.; Upton, J.: The effects of seasonality, management, infrastructure, and automation on the milking efficiency of herringbone and rotary milking parlors in Ireland. Journal of dairy science 107 (2024) H. 2, S. 917-932.

[38]   Enokidani, M.; Inui, Y.; Kondo, H.; Kawai, K.; Shinozuka, Y.; Imao, K.: Visual Assessment of Factors Affecting Reverse Pressure Gradients in Liners Using a Simulated Milking Device. Journal of the ASABE 66 (2023) H. 3, S. 627-635.

[39]   Marmont, B.; Eastwood, C.; Minnee, E.; Dorner, Z.; Neal, M.; Silva-Villacorta, D.: Predicting future adoption of early-stage innovations for smart farming: A case study investigating critical factors influencing use of smart feeder technology for potential delivery of methane inhibitors in pasture-grazed dairy systems. Smart Agricultural Technology 9 (2024), S. 100549.

[40]   Tamburis, O.; Magliulo, M.; Tramontano, A.; Perillo, G.; Benis, A.; Calabrò, S.: Precision Grazing: when Agriculture, Livestock and Technology unite. DOI: 10.1109/BigData59044.2023.10386768. 2023 IEEE International Conference on Big Data (BigData), 15.-18.12.2023, Sorrento, Italy. In: 2023 IEEE International Conference on Big Data (BigData), IEEE 2023, S. 3510-3515.

[41]   Heins, B. J.; Pereira, G. M.; Sharpe, K. T.: Precision technologies to improve dairy grazing systems. JDS communications 4 (2023) H. 4, S. 318-323.

[42]   Tzanidakis, C.; Tzamaloukas, O.; Simitzis, P.; Panagakis, P.: Precision Livestock Farming Applications (PLF) for Grazing Animals. Agriculture 13 (2023) H. 2, S. 288.

[43]   Bretas, I. L.; Dubeux, J. C. B.; Cruz, P. J. R.; Oduor, K. T.; Queiroz, L. D.; Valente, D. S. M.; Chizzotti, F. H. M.: Precision livestock farming applied to grazingland monitoring and management—A review. Agronomy Journal 116 (2024) H. 3, S. 1164-1186.

[44]   Obermeyer, K.; Kayser, M.: On-farm assessment of grazing behaviour of dairy cows in two pasture management systems by low-cost and reliable cowtrackers. Smart Agricultural Technology 6 (2023), S. 100349.

[45]   Edwards, J. P.; Qasim, M.; Bryant, R. H.; Thomas, C.; Wright-Watson, C.; Zobel, G.; Neal, M. B.; Eastwood, C. R.: On-animal sensors may predict paddock level pasture mass in rotationally grazed dairy systems. Computers and Electronics in Agriculture 219 (2024), S. 108779.

[46]   Wilms, L.; Komainda, M.; Hamidi, D.; Riesch, F.; Horn, J.; Isselstein, J.: How do grazing beef and dairy cattle respond to virtual fences? A review. Journal of animal science 102 (2024).

[47]   Fuchs, P.; Stachowicz, J.; Schneider, M. K.; Probo, M.; Bruckmaier, R. M.; Umstätter, C.: Stress indicators in dairy cows adapting to virtual fencing. Journal of animal science 102 (2024).

[48]   Verdon, M.; Hunt, I.; Rawnsley, R.: The effectiveness of a virtual fencing technology to allocate pasture and herd cows to the milking shed. Journal of dairy science 107 (2024) H. 8, S. 6161-6177.

[49]   Schillings, J.; Holohan, C.; Lively, F.; Arnott, G.; Russell, T.: The potential of virtual fencing technology to facilitate sustainable livestock grazing management. Animal : an international journal of animal bioscience 18 (2024) H. 8, S. 101231.

[50]   Grinnell, N. A.; Hamidi, D.; Komainda, M.; Riesch, F.; Horn, J.; Traulsen, I.; Palme, R.; Isselstein, J.: Supporting rotational grazing systems with virtual fencing: paddock transitions, beef heifer performance, and stress response. Animal : an international journal of animal bioscience 19 (2025) H. 2, S. 101416.

[51]   Hamidi, D.; Hütt, C.; Komainda, M.; Grinnell, N. A.; Horn, J.; Riesch, F.; Hamidi, M.; Traulsen, I.; Isselstein, J.: Grid grazing: A case study on the potential of combining virtual fencing and remote sensing for innovative grazing management on a grid base. Livestock Science 278 (2023), S. 105373.

[52]   Confessore, A.; Schneider, M. K.; Pauler, C. M.; Aquilani, C.; Fuchs, P.; Pugliese, C.; Dibari, C.; Argenti, G.; Accorsi, P. A.; Probo, M.: A matter of age? How age affects the adaptation of lactating dairy cows to virtual fencing. Journal of animal science 102 (2024).

[53]   Lely: Lely stellt autonomen Futterschieberoboter für Großbetriebe vor. URL: https://www.lely.com/de/pressemitteilungen/2024/09/10/lely-stellt-autonomen-futterschieberoboter/.

[54]   Deutsche Landwirtschafts-Gesellschaft: Innovation Award EuroTier: Preisträger 2024. URL: https://www.eurotier.com/de/presse/aktuelle-meldungen#!/news/innovation-award-eurotier-preistraeger-2024-2, Zugriff am: 01.03.2025.

[55]   Siloking: SILOKING begeistert mit Innovationen. URL: https://www.siloking.com/news/artikel/siloking-innovationsfeuerwerk-eurotier, Zugriff am: 01.03.2025.

[56]   Dineva, K.; Atanasova, T.; Danev, V.: AIR QUALITY TRENDS IN LIVESTOCK BARNS. DOI: 10.5593/sgem2024/6.1/s25.18. SGEM International Multidisciplinary Scientific GeoConference 24, 01.-07.07.2024, Albena, Bulgaria. In: 24th International Multidisciplinary Scientific GeoConference Proceedings SGEM 2024, Nano, Bio, Green and Space: Technologies for Sustainable Future, Vol 24, Issue 6.1, SGEM International Multidisciplinary Scientific GeoConference EXPO Proceedings, STEF92 Technology 2024, S. 117-124.

[57]   D'Urso, P. R.; Arcidiacono, C.; Valenti, F.; Janke, D.; Cascone, G.: Measuring ammonia concentrations by an infrared photo-acoustic multi-gas analyser in an open dairy barn: Repetitions planning strategy. Computers and Electronics in Agriculture 204 (2023), S. 107509.

[58]   Vitaliano, S.; D’Urso, P. R.; Arcidiacono, C.; Cascone, G.: Ammonia Emissions and Building-Related Mitigation Strategies in Dairy Barns: A Review. Agriculture 14 (2024) H. 7, S. 1148.

[59]   Santolini, E.; Bovo, M.; Barbaresi, A.; Torreggiani, D.; Tassinari, P.: Evaluation of microclimate in dairy farms using different model typologies in computational fluid dynamics analyses. Journal of Agricultural Engineering 55 (2024) H. 3.

[60]   Li, Y.; Yang, X.; Lu, Y.; Liang, C.; Shi, Z.; Wang, C.: Annual Dynamics of Concentrations and Emission Rates of Particulate Matter and Ammonia in a Large-Sized, Low-Profile, Cross-Ventilated Dairy Building. Agriculture 14 (2024) H. 12, S. 2338.

[61]   Bergeron, K.; Rossi, F.; Létourneau, V.; Larios, A. D.; Godbout, S.; Fournel, S.; Duchaine, C.: Bioaerosols in Eastern Canadian Dairy Barns Using Tie- and Free-Stall Housing. Applied Engineering in Agriculture 40 (2024) H. 1, S. 111-122.

[62]   Zhang, W.; Yang, R.; Choi, C. Y.; Rong, L.; Zhang, G.; Wang, K.; Wang, X.: Recent research and development of individual precision cooling systems for dairy cows – A review. Computers and Electronics in Agriculture 225 (2024), S. 109248.

[63]   Jiang, L.; Yi, Y.; Akdeniz, N.: Energy-saving cooling strategies in tunnel-ventilated dairy buildings: Computational fluid dynamics (CFD) simulations and validation. Smart Agricultural Technology 9 (2024), S. 100576.

[64]   Janni, K. A.; Nelson, C. R.; Heins, B. J.; Sharpe, K.: Dairy Cow Thermal Balance Model During Heat Stress: Part 2. Model Assessment. Journal of the ASABE 66 (2023) H. 2, S. 461-468.

[65]   Zhou, M.; Tang, X.; Xiong, B.; Koerkamp, P. G.; Aarnink, A.: Effectiveness of cooling interventions on heat-stressed dairy cows based on a mechanistic thermoregulatory model. Biosystems Engineering 244 (2024), S. 114-121.

[66]   Liu, E.; Liu, L.; Zhang, Z.; Qu, M.; Xue, F.: An Automated Sprinkler Cooling System Effectively Alleviates Heat Stress in Dairy Cows. Animals : an open access journal from MDPI 14 (2024) H. 17.

[67]   Garcia, P. R.; Silveira, R. M. F.; Lensink, J.; Da Silva, I. J. O.: Thermal performance of a low-profile cross-ventilated freestall dairy barn with evaporative cooling pads in a hot and humid climate. International journal of biometeorology 67 (2023) H. 10, S. 1651-1658.

[68]   Jung, S.; Chung, H.; Mondaca, M. R.; Nordlund, K. V.; Choi, C. Y.: Using computational fluid dynamics to develop positive-pressure precision ventilation systems for large-scale dairy houses. Biosystems Engineering 227 (2023), S. 182-194.

[69]   Cow-Welfare: Flex Air Stall (DE) - Cow-Welfare. URL: https://cow-welfare.com/de/flex-air-stall-de/, Zugriff am: 03.03.2025.

[70]   Bundesinformationszentrum Landwirtschaft: Nutztierhaltung: Paarweise Aufzucht von jungen Kälbern. URL: https://www.nutztierhaltung.de/rind/milch/oekonomie/paarweise-aufzucht-von-jungen-kaelbern/, Zugriff am: 03.03.2025.

[71]   Urban: Für die Kälberaufzucht. URL: https://www.urbanonline.de/produkte/fuer-die-kaelberaufzucht, Zugriff am: 01.03.2025.

[72]   Förster-Technik: Kälberfütterung für gesundes Wachstum - Förster-Technik. URL: https://www.foerster-technik.de/kaelberfuetterung/, Zugriff am: 01.03.2025.

[73]   Vries, A. de; Bliznyuk, N.; Pinedo, P.: Invited Review: Examples and opportunities for artificial intelligence (AI) in dairy farms*. Applied Animal Science 39 (2023) H. 1, S. 14-22.

[74]   Jiang, B.; Tang, W.; Cui, L.; Deng, X.: Precision Livestock Farming Research: A Global Scientometric Review. Animals : an open access journal from MDPI 13 (2023) H. 13.

[75]   Hassoun, A.; Garcia-Garcia, G.; Trollman, H.; Jagtap, S.; Parra-López, C.; Cropotova, J.; Bhat, Z.; Centobelli, P.; Aït-Kaddour, A.: Birth of dairy 4.0: Opportunities and challenges in adoption of fourth industrial revolution technologies in the production of milk and its derivatives. Current research in food science 7 (2023), S. 100535.

[76]   DeLaval: John Deere und DeLaval starten bahnbrechendes Milk Sustainability Center. URL: https://www.delaval.com/de/uber-delaval/pressemitteilungen/john-deere-und-delaval-starten-bahnbrechendes-milk-sustainability-center/.

[77]   DeLaval: DeLaval stellt DeLaval Plus Portal vor – mit künstlicher Intelligenz. URL: https://www.delaval.com/de/uber-delaval/pressemitteilungen/delaval-stellt-delaval-plus-portal-vor-mit-kunstlicher-intelligenz/.

[78]   Gea: Mit Kamera und künstlicher Intelligenz Krankheiten schneller erkennen | GEA kooperiert mit CattleEye für Lahmheitserkennung bei Milchkühen. URL: https://www.gea.com/de/news/trade-press/2023/gea-farm-technologies-cattleeye-partnership/, Zugriff am: 02.03.2025.

[79]   Lely: Lely Zeta: der Beginn eines neuen Kapitels in der Milchviehhaltung. URL: https://www.lely.com/de/pressemitteilungen/2024/09/10/lely-zeta-der-beginn-eines-neuen-kapitels-in-der-m/, Zugriff am 06.03.2025.

[80]   Doidge, C.; Ånestad, L. M.; Burrell, A.; Frössling, J.; Palczynski, L.; Pardon, B.; Veldhuis, A.; Bokma, J.; Carmo, L. P.; Hopp, P.; Guelbenzu-Gonzalo, M.; Meunier, N. V.; Ordell, A.; Santman-Berends, I.; van Schaik, G.; Kaler, J.: A Living Lab approach to understanding dairy farmers' technology and data needs to improve herd health: Focus groups from 6 European countries. Journal of dairy science 107 (2024) H. 8, S. 5754-5778.

[81]   Liu, N.; Qi, J.; An, X.; Wang, Y.: A Review on Information Technologies Applicable to Precision Dairy Farming: Focus on Behavior, Health Monitoring, and the Precise Feeding of Dairy Cows. Agriculture 13 (2023) H. 10, S. 1858.

[82]   Robcis, R.; Ferchiou, A.; Berrada, M.; Ndiaye, Y.; Herman, N.; Lhermie, G.; Raboisson, D.: Cost of lameness in dairy herds: An integrated bioeconomic modeling approach. Journal of dairy science 106 (2023) H. 4, S. 2519-2534.

[83]   Feng, T.; Guo, Y.; Huang, X.; Wu, J.; Cheng, C.: A Method of Body Condition Scoring for Dairy Cows Based on Lightweight Convolution Neural Network. Journal of the ASABE 67 (2024) H. 2, S. 409-420.

[84]   Lassen, J.; Thomasen, J. R.; Borchersen, S.: Repeatabilities of individual measures of feed intake and body weight on in-house commercial dairy cattle using a 3-dimensional camera system. Journal of dairy science 106 (2023) H. 12, S. 9105-9114.

[85]   SenseHub: Nachzucht. URL: https://de.sensehub.global/nachzucht?imgtcs=true, Zugriff am: 01.03.2025.

[86]   Palma, O.; Plà-Aragonés, L. M.; Mac Cawley, A.; Albornoz, V. M.: Smart Management of Dairy Farms Based on Simulation. DOI: 10.1109/WSC63780.2024.10838932. 2024 Winter Simulation Conference (WSC), 15.-18.12.2024, Orlando, FL, USA. In: 2024 Winter Simulation Conference (WSC), IEEE 2024, S. 2499-2510.

[87]   Regler, F.; Bernhardt, H.: Standardized Decision-Making for the Selection of Calf and Heifer Rearing Using a Digital Evaluation System. Agriculture 14 (2024) H. 2, S. 272.

[88]   Gresse, A. U.; van Marle-Köster, E.; Meissner, H. H.: Exploring heifer fertility sire selection and herd survival analyses in herds with automated data capture. Applied Animal Husbandry & Rural Development 2025 H. 18, S. 5-16.

[89]   Ahlberg, E.: An evaluation study of 3D imaging technology as a tool to estimate body weight and growth in dairy heifers. URL: http://urn.kb.se/resolve?urn=urn:nbn:se:slu:epsilon-s-19721.

[90]   Thomsen, P. T.; Shearer, J. K.; Houe, H.: Prevalence of lameness in dairy cows: A literature review. Veterinary journal (London, England : 1997) 295 (2023), S. 105975.

[91]   Shamsuddoha, M.; Nasir, T.; Hossain, N. U. I.: A Sustainable Supply Chain Framework for Dairy Farming Operations: A System Dynamics Approach. Sustainability 15 (2023) H. 10, S. 8417.

[92]   Malik, M.; Gahlawat, V. K.; Mor, R. S.; Singh, M. K.: Unlocking dairy traceability: Current trends, applications, and future opportunities. Future Foods 10 (2024), S. 100426.

[93]   Baruselli, P. S.; Abreu, L. Â. de; Paula, V. R. de; Carvalho, B.; Gricio, E. A.; Mori, F. K.; Rebeis, L. M.; Albertini, S.; Souza, A. H. de; D'Occhio, M.: Applying assisted reproductive technology and reproductive management to reduce CO2-equivalent emission in dairy and beef cattle: a review. Animal reproduction 20 (2023) H. 2, S. e20230060.

[94]   Nestlé Deutschland: Die Milch der Zukunft: weniger Emissionen, zukunftsfähige Betriebe und gesunde Kühe. URL: https://www.nestle.de/medien/medieninformation/hochwald-hfwu-und-nestle-zeigen-massnahmen-zur-emissionsreduktion-einer-milchfarm, Zugriff am: 03.03.2025.

[95]   Johann Heinrich von Thünen-Institut: QM-Nachhaltigkeitsmodul Milch. URL: https://www.thuenen.de/de/fachinstitute/betriebswirtschaft/projekte/qm-nachhaltigkeitsmodul-milch#testtest, Zugriff am: 03.03.2025.

[96]   Arla Foods: Milchwirtschaft der Zukunft: Arla Innovationshof eingeweiht – für mehr Klimaschutz und Tierwohl. URL: https://www.arlafoods.de/ueber-uns/presse/2024/pressrelease/milchwirtschaft-der-zukunft-arla-innovationshof-eingeweiht-fuer-mehr-klimaschutz-und-tierwohl-3316490/, Zugriff am: 03.03.2025.

[97]   Gea: GEA und Unilever schließen Partnerschaft für mehr Nachhaltigkeit von Milchfarmen. URL: https://www.gea.com/de/news/corporate/2023/gea-partners-with-unilever-to-improve-sustainability-on-dairy-farms/, Zugriff am: 03.03.2025.

[98]   Bayerischen Staatsministerium für Ernährung, Landwirtschaft und Forsten: Molkerei-Forum 2023: LfL rückt Nachhaltigkeit und Klimaschutz in den Fokus. Landesanstalt für Landwirtschaft, URL: https://www.lfl.bayern.de/verschiedenes/presse/pms/2023/341167/, Zugriff am: 03.03.2025.

[99]   Liu, C.; Wang, X.; Bai, Z.; Wang, H.; Li, C.: Does Digital Technology Application Promote Carbon Emission Efficiency in Dairy Farms? Evidence from China. Agriculture 13 (2023) H. 4, S. 904.

[100] Neethirajan, S.: Net Zero Dairy Farming—Advancing Climate Goals with Big Data and Artificial Intelligence. Climate 12 (2024) H. 2, S. 15.

[101] Buckley, F.; Murphy, M. D.; Prendergast, R.; Shalloo, L.; Upton, J.: Factors affecting energy efficiency in herringbone and rotary milking parlours. Heliyon 9 (2023) H. 11, S. e21428.

[102] Höhendinger, M.; Krieg, H.-J.; Dietrich, R.; Rauscher, S.; Hartung, C.; Stumpenhausen, J.; Bernhardt, H.: Requirements and Economic Implications of Integrating a PV-Plant-Based Energy System in the Dairy Production Process. AgriEngineering 5 (2023) H. 4, S. 2196-2215.

[103] Bader, C.; Stumpenhausen, J.; Bernhardt, H.: Prediction of the Spatial and Temporal Adoption of an Energy Management System in Automated Dairy Cattle Barns in Bavaria—“CowEnergySystem”. Energies 17 (2024) H. 2, S. 435.

[104] Theunissen, T.; Keller, J.; Bernhardt, H.: Mind the Market Opportunity: Digital Energy Management Services for German Dairy Farmers. Agriculture 13 (2023) H. 4, S. 861.

[105] Theunissen, T.; Bernhardt, H.: Scenario Analysis Indicates Revenue Increase for German Dairy Farmers Through Supply Chain Energy Management. Journal of the ASABE 66 (2023) H. 3, S. 667-675.