Forschung

Um dem Klimawandel, den begrenzten Ressourcen und den Forderungen der Gesellschaft nach nachhaltigeren Produktionsformen zu begegnen, zielt ENSURE darauf ab, Strategien, Wege, Transformationspfade, Handlungsempfehlungen, Zuchtstrategien und Instrumente zu entwickeln, die zu einer zukunftssicheren, nachhaltigen Rinderhaltung beitragen. Es werden Szenarien und Strategien modelliert und entwickelt, um die Rinderhaltung durch verbesserte Ressourcennutzung, Fütterungsoptimierung, verbesserte Tiergesundheit, geringere Umweltbelastung und verbesserte Widerstandsfähigkeit auf System-, Betriebs- und Tierniveau proaktiv zu gestalten. Dies soll zu einer verbesserten Rentabilität und Zukunftssicherheit der Betriebe, zur Ernährungssicherheit, zur Verringerung der Umweltbelastung und zur Akzeptanz bei den Verbrauchern beitragen. Das Projekt ist in zwei Bereiche unterteilt: Bereich 1 „Szenarien und Strategien” und Bereich 2 „Optimierungslösungen”. Innerhalb von Bereich 1 werden die drei Projekte „Zukunftssichere Milch- und Rindfleischproduktionsnetzwerke in Österreich”, „AlPTouR – Almen, Tourismus und Resilienz der Rinderhaltung” und „Bessere Zucht zur Steigerung der Resilienz und Nachhaltigkeit” bearbeitet, wobei die BOKU an allen Projekten beteiligt ist. Bereich 2 umfasst fünf Projekte: „Sicherstellung einer besseren Reproduktion, Tiergesundheit und des Tierwohls“, „Sicherstellung einer besseren Fütterung und reduzierter Emissionen: Ein nachhaltiger Ansatz“, „Sicherstellung widerstandsfähiger Kühe“, „Sicherstellung der Gesundheit und des Wohlergehens von Kälbern in nachhaltigen Milchproduktionssystemen“ und „ALMSURE – Sicherstellung der Tier- und Umweltgesundheit in alpinen Milchviehhaltungssystemen“. BOKU ist an allen Projekten außer ALMSURE beteiligt.

Das Verständnis tierischer Emotionen ist ein wichtiger Bestandteil des Tierwohls. Menschen können Emotionen erkennen, indem sie Informationen aus Gesichtsausdrücken, Körperhaltung und Bewegungen zusammenfassen. Dieser „ganzheitliche Ansatz” wurde auch auf die Beobachtung von Tieren übertragen, z. B. durch die Kombination verschiedener Körperbewegungen und -teile oder durch die Anwendung der qualitativen Verhaltensbewertung (QBA). Es ist jedoch noch unbekannt, welche beobachtbaren Merkmale im Aussehen und in den Bewegungen eines Tieres verwendet werden und welche Kombinationen davon für die Wahrnehmung unterschiedlicher Valenz- und Erregungszustände am relevantesten sind. Darüber hinaus sind die genannten Verhaltensbeobachtungen bisher sehr zeitaufwändig und daher in einem kommerziellen Kontext nur begrenzt einsetzbar. Daher zielt unser Projekt darauf ab, eine neuartige räumlich-zeitliche Form des maschinellen Lernens für die ganzheitliche Bewertung des Tierwohls durch die Interpretation der Körpersprache zu erforschen, die sich an Arbeiten zur Erkennung menschlicher Aktivitäten und Emotionen mithilfe von KI orientiert. Es werden computergestützte maschinelle Lernverfahren eingesetzt, bei denen Modelle anhand zahlreicher Beispiele (individueller) Schweinekörpersprache trainiert werden, die bei bekannten unterschiedlichen emotionalen Zuständen (als Ground Truth) auftreten, z. B. positive Emotionen während der Fütterung oder negative Emotionen in einer ungewohnten Umgebung. Im Laufe der Zeit sollte es möglich sein, die Haltung und/oder Bewegungsart desselben oder eines ähnlichen Tieres mit einer bestimmten Valenz und einem bestimmten Erregungsniveau zu korrelieren. Im Rahmen der Modellentwicklung wird es durch Eye-Tracking während der experimentellen Beobachtungen möglich sein, Aspekte der menschlichen Wahrnehmung der Körpersprache von Tieren zu untersuchen. Das Modell wird unter verschiedenen anderen Situationen auf Praxisbetrieben, in Tiergruppen, verschiedenen Haltungs- und Alterssituationen angewendet und getestet. Die automatisierte Erkennung von Körperhaltungen und Bewegungen bietet die Möglichkeit, die Überwachung des Wohlergehens über die zeitlichen Beschränkungen des Menschen hinaus auszuweiten, um eine Überwachung einer großen Anzahl von Tieren zu ermöglichen. Ein solches System könnte sowohl die Überwachung des Wohlergehens (z. B. in landwirtschaftlichen Betrieben, Schlachthöfen, Experimente) ergänzen. Übersetzt mit DeepL.com (kostenlose Version)

Ziel des SOWtrack-Projekts ist es, tiergestützte Maßnahmen (ABM) und damit zusammenhängende management-, ressourcen- und umweltbezogene Daten (sogenannte „Kontextdaten“) für Sauen und Ferkel in verschiedenen Haltungssystemen und -praktiken, einschließlich der Schlachtung, auszuwählen und dann in großem Umfang und auf harmonisierte Weise in den EU-Mitgliedstaaten vor Ort zu erheben. Diese Daten sollen zur Entwicklung einer frei zugänglichen Prototyp-Datenbank für die Analyse der Korrelation zwischen ABMs und damit verbundenen Kontextdaten verwendet werden. Dies wird in Zukunft eine quantitative Risikobewertung des Wohlbefindens von Sauen und Ferkeln in den Betrieben ermöglichen. Die Datenbank ist wichtig, um zu verfolgen, wie sich Tierschutzstandards im Laufe der Zeit verändern, und um Tierschutzrisiken zu verfolgen und zu mindern. Dieses Projekt wird in Ländern durchgeführt, die die Vielfalt der Schweinehaltung und der Managementtraditionen in der EU abdecken. Alle tiergestützten Maßnahmen zur Verfolgung des Wohlbefindens von Sauen und Ferkeln in den wichtigsten Haltungssystemen, die auf dem EFSA-Gutachten zur Schweinehaltung (2022) basieren, sind in mindestens vier der Partnerländer vertreten. Diese Vielfalt wird es uns ermöglichen, ABMs unter sehr unterschiedlichen Bedingungen zu testen und Kontextdaten aus allen wichtigen Haltungssystemen innerhalb der EU zu sammeln. Dies ist ein entscheidender Aspekt des SOWtrack-Vorschlags, da Inspektoren und politische Entscheidungsträger nach standardisierten Protokollen für die Erfassung von ABM-Daten suchen, die für verschiedene Haltungssysteme, unterschiedliche Managementsysteme und Kontexte geeignet sind, um die in den Betrieben in ganz Europa festgestellten Unterschiede abzudecken. Gleichzeitig müssen die Protokolle praktikabel bleiben. Übersetzt mit DeepL.com (kostenlose Version)