Unsere Technologie kann das Tierwohl und die Produktivität in weiteren landwirtschaftlichen Sektoren verbessern.
Wir führen mehrere Forschungsprojekte in ganz Europa durch, um zu zeigen, wie unsere Systeme auch in anderen landwirtschaftlichen Bereichen signifikante Verbesserungen erzielen können.
Januar 2021 - Dezember 2022
ZIM
Entwicklung eines Plug-and-Play-Kamerasystems, das sowohl im Wasser als auch in der Luft eingesetzt und vor Ort einfach und ohne erforderliche Fachkenntnisse installiert werden kann.
Wir entwickeln ein kompaktes Stereokamerasystem, das anwenderfreundlich versendet werden kann. Das System wird auch mit integrierten, fernsteuerbaren Lichtern und Sensoren ausgestattet sein, so dass es über eine einfache Mensch-Maschine-Interaktion (HMI) mit dem Nutzer oder der Nutzerin kommunizieren kann. Darüber hinaus entwickeln wir ein Montagesystem, das in verschiedenen Umgebungen wie Hühnerfarmen, Offshore-Fischfarmen und RAS-Systemen mit unterschiedlichen Tankkonfigurationen eingesetzt werden kann.
Februar 2020 - April 2023
Landwirtschaftskammer Niedersachsen
Entwicklung eines Computer-Vision-Systems für die Tierzucht
Wir entwickeln ein indikatorbasiertes Frühwarnsystem, welches das Verhalten von Tieren auch in großen Herden erfassen und bei auffälligem Verhalten Alarm auslösen kann. Die ständige Beobachtung der Tiere soll den Landwirtinnen und Landwirten helfen, unterschiedliche Verhaltensmuster zu erkennen und frühzeitig Gegenmaßnahmen einzuleiten. Ein Bestandteil des Projekts ist es, das Potenzial von neuronalen Netzen und künstlicher Intelligenz in Tierställen zu untersuchen und zu erforschen, inwieweit diese Technologien Landwirte und Landwirtinnen unterstützen können.
Januar 2021 - Dezember 2023
Bundesministerium für Ernährung und Landwirtschaft (BMEL)
Digitale Erfassung und Auswertung des Verhaltens von Garnelen, um Tierwohl, Tiergesundheit und die Betriebssicherheit in der landbasierten Zucht deutlich zu verbessern.
Bei MonitorShrimp handelt es sich um eine digitale Technologie, die mittels künstlicher Intelligenz Echtzeitdaten von dafür eigens angebrachten Kameras, Hydrophonen und standardmäßig verbauten Wasserqualitätssensoren in landbasierten Zuchtsystemen für Garnelen analysiert. Das System liefert den Landwirtinnen und Landwirten zu jedem Zeitpunkt aktuelle Informationen über die Biomasse des Systems und deren Zustand. Die Informationen ermöglichen es erstmalig, operative Entscheidungen auf Grundlage der tatsächlichen Biomasse- und Zustandsdaten zu treffen.
MonitorShrimp verbessert die Tiergesundheit und das Tierwohl, erhöht die Futter- und Proteineffizienz um 25-30 % und reduziert die Nährstoffbelastung des Abwassers und die festen Abfälle um mindestens 20 %. Auch die Produktionseffizienz steigt, da bei gleichem oder geringerem Ressourceneinsatz höhere Erträge erzielt werden. Züchter und Züchterinnen können die digitale Datenerfassung und KI-Auswertung von MonitorShrimp auch nutzen, um Betriebserweiterungen zu planen sowie Anlagentypen und Produktionsstandorte zu vergleichen. MonitorShrimp ist der Treiber für eine nachhaltige, landbasierte Garnelenzucht.
September 2019 - Februar 2021
INTERREG Deutschland-Nederland
Integration eines automatisierten Monitoringsystems in das Steuerungskonzept von RAS- und RACE-Systemen, zunächst für die Aquakultur sowie später auch für Teich- und Offshore-Systeme
Das Monitoringsystem ermöglicht die Analyse des Tierwohls mittels neuronaler Netze für die Datenanalyse, cloudbasierter Software und speziell angepasster Hardware. Sowohl RAS- als auch RACE-Systeme erfordern eine vorausschauende Bewertung des Anlagenzustands und des Tierwohls, damit Probleme frühzeitig erkannt und Gegenmaßnahmen ergriffen werden können, bevor eine Gefahr für die Aquakulturorganismen droht.
Wir haben intelligente Algorithmen angewendet, um physikalische, chemische und bildsensorische Daten zu verknüpfen und auszuwerten, die dann an die entsprechenden Betreiber weitergeleitet wurden. Ein wesentlicher Teil des Projekts war die Anpassung der Algorithmen an die Systeme.
September 2020 - August 2022
Bundesministerium für Bildung und Forschung (BMBF)
Entwicklung innovativer artspezifischer Bioindikatoren zur Beurteilung von Fischzucht, Gesundheit und Produktqualität in verschiedenen Aquakulturumgebungen.
Biochip-basierte molekulare Indikatoren werden eingesetzt, um das Tierwohl von Wasserorganismen in verschiedenen Abschnitten der Produktion in Echtzeit zu bewerten, die Haltungsbedingungen von Aquakulturanlagen zu zertifizieren und die Fischproduktionsverfahren zu optimieren. Dafür werden wir die Haltungsbedingungen unter Einsatz von physikochemischen Sensoren und Bildsensoren umfassend überwachen. Die Datenanalyse wird mit Hilfe von KI-Algorithmen durchgeführt.
Das Projekt konzentriert sich auf die Erfassung negativer Einflüsse auf die Aquakultur und deren Verringerung, insbesondere in den Entwicklungsstadien der Jungfische. Außerdem liegt der Fokus auf der Verbesserung der mechanischen Verarbeitung von Fischen und auf der Analyse der Auswirkungen mikrobiologischer Parameter auf die Gesundheit von Aquakulturorganismen.
August 2019 - Juli 2021
Rentenbank
Wir haben ein neuartiges, nicht-invasives Monitoringkonzept und -system für ausgewählte Aquakulturorganismen entwickelt, das physikochemische Sensorik und Bildsensorik über eine cloudbasierte Software nutzt.
Das System ermöglicht eine frühzeitige Einschätzung des Stresslevels, der Gesundheit und des Tierwohls von Wasserorganismen in verschiedenen Abschnitten der Produktion vom Schlupf bis zum Erntegewicht. Darüber hinaus kann die Software die Haltungsbedingungen und Aquakulturanlagen zertifizieren und ermöglicht so die Optimierung von Fischproduktionsverfahren in Echtzeit.
Cookie | Dauer | Beschreibung |
---|---|---|
cookielawinfo-checkbox-analytics | 1 Jahr | Dieses Cookie wird vom GDPR Cookie Consent Plugin gesetzt und wird verwendet, um die Benutzereinwilligung für die Cookies in der Kategorie „Analytics“ aufzuzeichnen. |
cookielawinfo-checkbox-necessary | 1 Jahr | Dieses Cookie wird vom GDPR Cookie Consent Plugin gesetzt und wird verwendet, um die Zustimmung des Benutzers für die Cookies in der Kategorie „Notwendig“ aufzuzeichnen. |
Cookie | Dauer | Beschreibung |
---|---|---|
_ga | zwei Jahre | Das von Google Analytics installierte _ga-Cookie berechnet Besucher-, Sitzungs- und Kampagnendaten und verfolgt auch die Nutzung der Website für den Analysebericht der Website. Das Cookie speichert Informationen anonym und weist eine zufällig generierte Nummer zu, um eindeutige Besucher zu erkennen. |
_gat_gtag_UA_175697551_1 | 1 Minute | Wird von Google gesetzt, um Benutzer zu unterscheiden. |
_gid | 1 Tag | Das von Google Analytics installierte _gid-Cookie speichert Informationen darüber, wie Besucher eine Website nutzen, und erstellt gleichzeitig einen Analysebericht über die Leistung der Website. Einige der gesammelten Daten umfassen die Anzahl der Besucher, ihre Quelle und die Seiten, die sie anonym besuchen. |
Cookie | Dauer | Beschreibung |
---|---|---|
mc_session_ids[default] | 5 Minuten | Dieses Cookie wird vom Anbieter ReCaptcha gesetzt. Dies wird vom Captcha-Plugin für die Website-Formulare verwendet. |
mc_session_ids[multi][0] | 5 Minuten | Dieses Cookie wird vom Anbieter ReCaptcha gesetzt. Dies wird vom Captcha-Plugin für die Website-Formulare verwendet. |
mc_session_ids[multi][1] | 5 Minuten | Dieses Cookie wird vom Anbieter ReCaptcha gesetzt. Dies wird vom Captcha-Plugin für die Website-Formulare verwendet. |
mc_session_ids[multi][2] | 5 Minuten | Dieses Cookie wird vom Anbieter ReCaptcha gesetzt. Dies wird vom Captcha-Plugin für die Website-Formulare verwendet. |
mc_session_ids[multi][3] | 5 Minuten | Dieses Cookie wird vom Anbieter ReCaptcha gesetzt. Dies wird vom Captcha-Plugin für die Website-Formulare verwendet. |
mc_session_ids[multi][4] | 5 Minuten | Dieses Cookie wird vom Anbieter ReCaptcha gesetzt. Dies wird vom Captcha-Plugin für die Website-Formulare verwendet. |