Neueste SCI Publikationen

Neueste Projekte

Forschungsprojekt aus §26 oder §27 Mitteln
Laufzeit : 2020-01-01 - 2023-12-31

Die Digitalisierung in der Landwirtschaft vollzieht sich bereits in rasanter Geschwindigkeit: Immer mehr autonome Maschinen werden entwickelt und eingesetzt, maschinelle Lernalgorithmen werden für isolierte Aufgaben eingesetzt, Daten von Sensoren werden gesammelt und die Fernerkundung hilft bei der Entscheidungsfindung. In vielen Fällen geschieht dieser Digitalisierungsprozess stark getrieben von internationalen Unternehmen. Ziel dieses Projektes ist der Aufbau von zukunftsweisender Versuchsinfrastruktur im Rahmen von Digitalen Versuchsfarmen als „Digitale Zwillinge“, um die Forschung und Lehre auf internationalem Niveau etablieren zu können und um Lösungen zu erarbeiten, die als Referenz für die Partneruniversitäten und nachfolgende Nutzungen durch andere universitäre Einrichtungen dienen.
Forschungsprojekt aus §26 oder §27 Mitteln
Laufzeit : 2020-03-01 - 2022-08-31

Entscheidungen auf landwirtschaftlichen Betrieben wurden für lange Zeit ohne genaue Berücksichtigung ihrer Auswirkungen auf Boden und Humus und somit auf Erosion und Grundwasserverschmutzung getroffen. Die wichtigste Ressource in der Landwirtschaft ist der Boden, seine Fruchtbarkeit und seine Verknüpfungen mit Treibhausgasemissionen. Österreich mit seiner führenden Rolle im biologischen Landbau benötigt neue Konzepte gegenüber dem Klimawandel und der zunehmenden Klimavariabilität, um seine Landwirt*innen und die Gesellschaft zu unterstützen und zu fördern. AI4CROPR verkörpert eine einzigartige Forschung in Österreich auf internationalem Niveau und bietet das Potential zur Entwicklung eines innovativen Produkts. Das Projekt richtet sich an Landwirt*innen, landwirtschaftliche Unternehmen, Gemeinden und Städte und Entscheidungsträger*innen im landwirtschaftlichen Sektor. AI4CROPR wird a) Beurteilungsmethoden und Ansätze einer ökonomischen Bewertung von ausgewählten Funktionen des Bodensystems und von Früchten und Fruchtfolgen (z.B. für die Gesellschaft) entwickeln (die es z.B. ermöglichen, Fruchtfolgen anhand von CO2-Begrenzungen zu identifizieren), b) Explainable AI nutzen, um mehr Einsicht zu bekommen, wie eine bestimmte Entscheidung getroffen worden ist, c) auf Hybrid Learning aufbauen, um heterogene Datenquellen zu kombinieren, bestimmte Merkmale zu identifizieren und mit einer begrenzten Zahl von Trainingsbeispielen umzugehen, d) im Zeitverlauf abweichendes Verhalten aufgrund von Datendrift oder feindlicher Eingabedatenattacken festzustellen und e) durch Zusammenarbeit mit Sektorbeteiligten aus der Praxis die neuen Modelle in einen nutzbaren Prototypen eines Entscheidungsunterstützungssystems einbinden, um die Validierung und Prüfung des Systems unter Bedingungen der realen Welt sicherzustellen. AI4CROPR entwickelt Methoden, um Sektorbeteiligte zu unterstützen, ihre rechtlichen Verpflichtungen bezüglich Treibhausgasemissionen (z.B. aufgrund des Kyoto Protokolls, der Europa 2020 Ziele, der 2030 Energiestrategie, etc.) zu erreichen und Bewusstsein zu schaffen für die ambitionierten Klimaziele, indem die Konsequenzen von Entscheidungen in der Landwirtschaft (auf den Boden, auf die Emissionen, auf das Einkommen, etc.) aufgezeigt werden.
Forschungsprojekt aus §26 oder §27 Mitteln
Laufzeit : 2020-01-01 - 2021-12-31

Das Projekt beinhaltet die Analyse von Minderungspotenzialen, die für Treibhausgas- und Luftschadstoff- Emissionen aus der Nutztierhaltung unter besonderer Berücksichtigung ernährungsbezogener Faktoren realisiert werden können. Neben einer Optimierung von Fütterungsaspekten sind vor allem auch eine Steigerung der Nährstoffeffizienz sowie eine Reduktion der Ausscheidungen an Stickstoff und potenziell flüchtigen Kohlenstoffverbindungen relevant. Konkret geht es um die Ermittlung valider und repräsentativer Aktivitätsdaten zu Fütterung und Ausscheidungen und um dazupassende und dem aktuellen Stand der Wissenschaft und der internationalen Abkommen (Richtlinien) entsprechende Berechnungsmethoden und Emissionsfaktoren. Methodisch stützt sich das geplante Vorhaben auf die Zusammenführung verschiedener Datengrundlagen und eine anschließende Modellierung der Minderungspotenziale nach Emissions-Stoffgruppen und Maßnahmen(paketen). Eine konsolidierte Datenbasis berücksichtigt u.a. diverse internationale und nationale Richtlinien zur Ermittlung von Emissionen und inkludiert nationale statistische Daten, nationale und internationale Fachliteratur, repräsentative Daten von Erzeugerverbänden, von Futtermittelanalysen und von Rationsberechnungen für Praxisbetriebe durch Konsortialpartner der Futtermittelwirtschaft (Fa. Fixkraft). Diese Datenbasis kann im Bedarfsfall durch Experteninterviews mit u.a. mit den Fütterungsberatern der Landwirtschaftskammern, Arbeitskreis-Betreuer/inne/n und zusätzliche Datenerhebungen auf landwirtschaftlichen Betrieben erweitert werden. Erwartete Ergebnisse umfassen aktualisierte, repräsentative und valide Werte zu aufgenommenen Stickstoff (N)- und Futterenergiemengen, ausgeschiedenen N-Mengen (nitrogen excreted, Nex) und ausgeschiedenen Mengen an potenziell flüchtigen Kohlenstoffverbindungen (volatile solids excreted, VSex). Minderungspotenziale für NH3-, NOX-, N2O- und CH4-Emissionen aus Wirtschaftsdüngeranfall und enterogener Fermentation werden abgeschätzt.

Betreute Hochschulschriften