Die Projektschwerpunkte

Projektziel: Verfügbare umweltgerechte Technologien der Digitalisierung werden auf ihre Wirtschaftlichkeit hin analysiert und untereinander verglichen

Partner: Hochschule Osnabrück, Institut für Zukunftsstudien und Technologiebewertung

Unternehmen: Amazone, Claas, Grimme, garant Kotte, Krone

Landwirtschaftliche Betriebe: Hof Langsenkamp, Seelmeyer & Woltering Kooperation, Künne Besten GmbH & Co. KG

Lohnunternehmer: Kreyenhagen

Der Erfolg innovativer Technologien wird maßgeblich durch die ökonomische, ökologische und soziale Nachhaltigkeit bestimmt. Der Fokus dieses Teilprojekts lag auf übertragbaren Methoden zur Wirtschaftlichkeitsberechnung umweltgerechter Technologien. Die Datengrundlage für diese Methoden bildeten dabei die tatsächlichen Kosten der Prozesse im Pflanzenbau von der Saat bis zur Ernte – Prozesse, bei denen Maschinen und Technologien unterschiedlicher Hersteller zum Einsatz kommen.

___

Use Case 1: Pflanzenschutz und Düngung

Die optimale Nutzung sensorgestützter Systeme im Pflanzenbau bietet die Chance, auch unter neuen gesetzlichen Rahmenbedingungen wie der Düngeverordnung und Einschränkungen im Pflanzenschutz ressourcenschonend zu arbeiten und den gesellschaftlichen Anforderungen nach mehr Umweltschutz nachzukommen. Bei praktischen Untersuchungen von digitalen Technologien im Pflanzenschutz und Düngung wurden die wirtschaftlichen und ökologischen Auswirkungen erfasst, analysiert, in Modellbetriebsrechnungen übertragen und zum Praxistransfer weiterentwickelt. Gleichzeitig sollten die entwickelten Konzepte sicherstellen, dass die Prozesse im Pflanzenbau besonders in verschiedenen Betriebsgrößen wirtschaftlich bleiben.

Use Case 2: Datenermittlung

Um betriebs- und technikspezifischen Besonderheiten Rechnung zu tragen, wurden eigene Arbeitszeitstudien durchgeführt. Die Datenaufnahme erfolgte jeweils für die ausgewählten Feldmaschinen, Betriebsspezifikationen und digitalen Maßnahmen, sowohl für die bisherigen als auch die innovativen Technologien. Mittels Befragungen von Landwirten, Partnern und öffentlichen Einrichtungen sowie Workshops wurden relevante Fakten für die Simulation von typischen digital unterstützten Produktionsverfahren wie dem Mais- und Getreideanbau erhoben. Im Fokus der landwirtschaftlichen Prozesskette standen als Hauptkostenblock die Logistikkette Ernte sowie die Pflanzenschutz- und Düngemaßnahmen. 

Prof. Dr. Guido Recke
Telefon: +49 (0)541 969-5060
E-Mail: g.recke_at_hs-osnabrueck.de
Fakultät Agrarwissenschaften und Landschaftsarchitektur
Hochschule Osnabrück

Projektziel: Entwicklung eines niederschwelligen Einstieges für landwirtschaftliche Betriebe in die digitale Unterstützung zur Prozessverbesserung

Partner: Hochschule Osnabrück, Institut für Zukunftsstudien und Technologiebewertung, Ruhr-Uni Bochum

Unternehmen: Amazone, DKE-Data

Landwirtschaftliche Betriebe: Waldhof

Weite Teile der Innovationen in der Agrartechnik fokussieren sich auf immer größere und komplexere Maschinen, sodass die digitale landwirtschaftliche Produktion überwiegend mit hohen Kosten und hohem Initialaufwand verbunden ist. Das Spektrum der Digitalisierung bei den Landwirten in Deutschland ist dennoch inhomogen, was über die Kosten hinaus mit der Netzabdeckung und der Verfügbarkeit von Arbeitskräften zu tun hat. Für eine stufenweise Einführung digitaler Technologien wurden bewertbare Transformationspfade erarbeitet, die als Vorstufe zu serienreifen Lösungen in der Prozesskette genutzt werden können.

___

Use Case 1: Precision Farming für jedermann

Es sollte aufgezeigt werden, wie kleinere Betriebe mit älteren Maschinen kostengünstige Unterstützungssysteme zur Prozessverbesserung schrittweise einführen und Nutzen daraus ziehen können. Hier war es besonders wichtig, die unterschiedlichen Phasen und Arbeitsprozesse des Vegetationszyklusses optimal miteinander zu verzahnen und von einzelnen Insellösungen zu übergreifenden Systemen zu kommen. Bei der Interaktion heterogener, herstellerübergreifender Systeme wurden zu Tage getretene Schnittstellenlücken analysiert und durch eigene Lösungen behoben. Ein zu untersuchender Schwerpunkt lag hierbei auf GPS-Lenksystemen: von vollautomatisch über nachrüstbar bis hin zur konventionellen Fahrweise.  

Der zweite Schwerpunkt ging von variierendem Fachwissen aus und untersucht entscheidungsunterstützende Systeme wie in situ-Bodensensoren. 

Use Case 2: Arbeitswelt 4.0 in der Landwirtschaft/Qualifikationspotenziale

Ohne passende Information und Berücksichtigung zu den weitreichenden Veränderungen im Berufsbild des Landwirts durch die Digitalisierung finden die aussichtsreichsten Technologien in Bezug auf Ökonomie und Ökologie keine Anwendung. Um die Rolle des Landwirts in einer digitalen Welt genauer zu betrachten, wurden Expertenbefragungen und eine anschließende Stakeholder- und Szenario-Analyse durchgeführt. Ziel war es, mit Hilfe eines Befähigungs- und Reifegradkonzeptes ein Gesamtkonzept zu entwickeln, wie das neue Rollenmodell Wertschätzung in der Gesellschaft erfahren kann.

Prof. Dr. Clemens Westerkamp
Telefon: +49 (0)541 969-3649
E-Mail: c.westerkamp_at_hs-osnabrueck.de
Fakultät Ingenieurwissenschaften und Informatik,
Hochschule Osnabrück

Projektziel: Praxiserprobung und Optimierung von herstellerübergreifenden Verfahrensketten

Partner: Hochschule Osnabrück, Institut für Zukunftsstudien und Technologiebewertung, Universität Osnabrück

Unternehmen: CCI, Claas, DKE-Data, Krone, Grimme, garant Kotte, Strautmann

Landwirtschaftliche Betriebe: Langsenkamp, Hof Fleming

Eine optimale und effiziente Verfahrenskette im Pflanzenbau verlangt nach herstellerübergreifenden Schnittstellen und einer kontinuierlichen Systemperformance-Analyse.

___

Use Case 1: Rübenernte

In der Rübenernte ist es besonders wichtig, dass bereits zur Aussaat Aspekte berücksichtigt werden, die bei der Ernte wichtig werden, z.B. bei der Fahrspurplanung oder bei Ausschlusszonen auf dem Acker (Miete). Die Planung der Spuren und Ausschlusszonen kann mit Unterstützung eines FMIS erfolgen und dann für die Aussaat, die Düngung, den Pflanzenschutz und die Ernte herangezogen werden.

Use Case 2: Optimierung von Nährstoffströmen durch den Einsatz von Sensorik

Im Bereich der Futtermittel und Wirtschaftsdünger wurden im Experimentierfeld Schnittstellen zwischen dem Pflanzenbau und der Tierhaltung adressiert, die im Verbund aller Experimentierfelder integriert wurden. Dabei fand über die Einzelprozesse hinaus eine ganzheitliche Betrachtung statt. Der Nutzen ist vielfältig, insbesondere betrifft dies: Transparenz für Endverbraucher, Erhöhung von Tiergesundheit und Tierwohl, umweltverträgliche/ressourcenschonende Produktion von Lebensmitteln, Einhaltung gesetzlicher Maßgaben (u.a. Dokumentationspflicht) und Arbeitserleichterung bzw. Effizienzsteigerung bei der Produktion. Bei der ganzheitlichen Betrachtung des Produktionsprozesses spielte die selektive Offenlegung verfügbarer Prozessdaten, die Datenfusion und -interpretation sowie der Wissenstransfer (verschiedener Akteure) wichtige Rollen.

Prof. Dr. Hubert Korte
Telefon: +49 (0)541 969-5174
E-Mail: h.a.korte_at_hs-osnabrueck.de
Fakultät Agrarwissenschaften und Landschaftsarchitektur, Hochschule Osnabrück

Projektziel: Pflanzenbauliche Verifikation der Wirksamkeit digitaler Entscheidungshilfen

Partner: Universität Osnabrück, Hochschule Osnabrück, DFKI

Unternehmen: Amazone, CCI, Claas, DKE-Data, garant Kotte, Krone

Landwirtschaftliche Betriebe: Ökologischer Versuchsbetrieb Waldhof, Bringewatt, Iburgshof, Langsenkamp, Kalkmann

Aus unterschiedlichsten Sensordaten (z. B. Satellitendaten, Kameras auf Drohnen [RGB, hyperspektral], Laser [3D, 2D], Sensordaten mobiler Roboter, stationäre Sensordaten) sollten Modelle für landwirtschaftlich genutzte Flächen und deren aktuelle Bestandssituation generiert werden. Diese Modelle sollten anschließend automatisch interpretiert und ausgewertet werden, um in einem Schlussfolgerungssystem dem Landwirt Handlungsempfehlungen zu geben.

___

Use Case 1: Lokale Beikrautdetektion zur Beikrautregulierung

Pflanzenbestände sind durch Inhomogenität gekennzeichnet, die sich je nach Jahreswitterung, Fruchtfolge etc. räumlich verschieden darstellen. Auf Basis von multimodalen Sensordaten sollten digitale Entscheidungshilfen für den Landwirt geschaffen werden, die Empfehlungen für Zeitpunkt, Ort, Art und Intensität der Beikrautbehandlung geben konnten. Die anfallenden Sensordaten sollten in einem zweiten Schritt darauf geprüft werden, ob sie Rückschlüsse auf durch Pflanzenstress oder –krankheiten verursachte Bestandsanomalien erlauben. Eine Erfolgskontrolle fand mittels Kamerabildern aus Drohnenbefliegungen statt.

Use Case 2: Anteile von Klee in Kleegrasbeständen

Die Bestandszusammensetzung von Grünland entwickelt sich ausgehend von einem anfangs etablierten Zustand je nach Boden und Bewirtschaftungsform unterschiedlich. Mit multimodalen Sensordaten sollte eine räumlich unterteilte Abschätzung der zu erwartenden Biomasse stattfinden sowie eine Differenzierung des Bestandes nach Anteilen an Klee und Gras. Der Einsatz von Kamerabildern aus Drohnenbefliegungen kann so dem Landwirt helfen, die richtige Bewirtschaftungsmaßnahme zu planen und evaluieren.

Dr. Thomas Jarmer
Telefon: +49 (0)541 969-3914
E-Mail: thomas.jarmer_at_uos.de
Working Group Remote Sensing and Digital Image Analysis, Universität Osnabrück

Projektziel: Mit autonomen Feldrobotern und Traktor-Anbaugeräte-Kombinationen sollte der Übergang zur zukünftigen Praxiseinführung autonomer Systeme auf dem landwirtschaftlichen Betrieb unter prozesstechnischen, logistischen, arbeitstechnischen, ökonomischen und ökologischen Aspekten praxisorientiert realisiert und evaluiert werden.

Partner: Hochschule Osnabrück, Institut für Zukunftsstudien und Technologiebewertung, DFKI, Ruhr-Uni Bochum

Unternehmen: Amazone, Claas, Strautmann

Landwirtschaftliche Betriebe: Langsenkamp, Depke, Wißmann

___

Use Case 1: Unkrautregulierung

Insbesondere die flexible Trägerplattform BoniRob sollte mit innovativen, überwiegend mechanischen Systemen zur Unkrautregulierung eingesetzt werden. Als kommerzielle Systeme wurden im Projekt die Systeme von KULT/NAIO in verschiedenen Größen (Oz, Dino) auf dem landwirtschaftlichen Betrieb eingesetzt und entsprechend evaluiert. Der Paradigmenwechsel zum Einsatz der sensorbasierten mechanischen Unkrautregulierung im konventionellen Landbau (insb. motiviert durch Herbizidresistenzen) wurde auf der Agritechnica 2017 durch die Systeme von Claas und John Deere deutlich ausgedrückt. Im vorliegenden Use Case wurden daher state-of-the-art Unkrautregulierungssysteme (Traktor-Implement-Kombinationen) mit Feldrobotik-Prozesstechnologien und –Verfahren hinsichtlich der oben aufgeführten Fragestellungen verglichen. Die state-of-the-art Unkrautregulierungssysteme schließen mechanische und chemische Verfahren ein. Adaptive Übergangsszenarien von der Automatisierung zur Autonomie wurden dabei integriert, dies betraf insbesondere die kamerabasierte Reihenführung (CULTI CAM, Claas) und eine Anhängespritze mit intelligentem Sensor-Düsen-System (Ama-Spot, Amazone).  

Use Case 2: Fütterung

2017 wurde im Rahmen der Agritechnica eine Entwicklungsstudie für das erste, den vollständigen Fütterungsprozess auf dem landwirtschaftlichen Betrieb abdeckende, autonome System vorgestellt („Verti-Q“). Die Flexibilität hinsichtlich des autonomen und personengebundenen Betriebs machte das System für den Markt attraktiv. Durch den Einsatz des Systems im Experimentierfeld wurde die Schnittstelle zwischen Pflanzenbau und Tierhaltung adressiert (siehe auch PSP3/Nährstoffströme), hinsichtlich der Autonomie wurden im Feldbereich und auf dem Betrieb unterschiedliche Rahmenbedingungen betrachtet, so dass die Ergebnisse des Experimentierfeldes breit übertragbar sind. Der Nutzen liegt in der Arbeitserleichterung bzw. Effizienzsteigerung bei der Produktion, einer umweltverträglichen, ressourcenschonenden Produktion von Lebensmitteln sowie einer tierphysiologisch sinnvollen Fütterung. Daraus ergaben sich Aufgaben hinsichtlich der „Readyness“ eines landwirtschaftlichen Betriebs für die Autonomie unter zahlreichen technologischen und arbeitstechnischen Aspekten. Die funktionssichere Navigation und Prozesstechnik in der spezifischen Infrastruktur, teilautonome Lösungen, Langzeitautonomie, Akzeptanz und Vertrauen bei Anwendern und Bevölkerung waren wesentliche Aspekte. 

Prof. Dr. Arno Ruckelshausen
Telefon: +49 (0) 541 969-2090
E-Mail: a.ruckelshausen_at_hs-osnabrueck.de
Lehre, Forschung, Technologietransfer in den Bereichen Physik, Optoelektronik, Sensorik, Imaging, Feldroboter, Agrarelektronik an der Hochschule Osnabrück

Projektziel: Weiterentwicklung der Aus- und Weiterbildung zu den Inhalten der digitalen Transformation in der Landwirtschaft auf verschiedenen Ebenen

Partner: Agrotech Valley Forum, Hochschule Osnabrück, Universität Osnabrück, Ruhr-Uni Bochum

Unternehmen: CCI, Claas, DKE-Data

Landwirtschaftliche Betriebe: Fleming

___

Use Cases 1: Prozessorientiertes herstellerübergreifendes Schulungsprogramm

Für die Zielgruppe der Landwirte, Studierende und Berufsschullehrer wurden Schulungsinhalte zu Terminals, Maschinenbedienungen und Applikationskartenerstellung als E-Learning Module (u. a. Video-Tutorials, Webinare) aufbereitet. Darüber hinaus wurde die Integration der digitalen Inhalte in das CCI-Help-System des CCI-Bedienterminals vorangetrieben. Für die Übertragung kontextsensitiver Live-Informationen wurde die Plattform „Agrirouter“ des Partners DKE-Data herangezogen.

Use Case 2: SensX und LandLabor 4.0

In dem Anwendungsfall SensX und Landlabor 4.0 wurden E-Learning-Module für die Ausbildung entwickelt und evaluiert. In beiden Modulen stanen Digitalisierungsaspekte in der Landwirtschaft im Fokus. Inhalte wurden über Partner und in Kooperation mit dem Netzwerk generiert. 
In SensX lag dabei der Schwerpunkt auf automatisierten der user-sensitiven Adaption der Lehrinhalte für Studierende, wozu ein MOOC (massiv open online course) zur Digitalisierungstechnologie mit Schwerpunkt Sensorik in der Landwirtschaft entwickelt und höheren Bildungseinrichtungen zur Verfügung gestellt wurde. Adaptive Wissensdarstellung sorgte dafür, dass für jeden Benutzer, je nach seinem Lerntyp und Lernverhalten, die Inhalte spezifisch aufbereitet wurden. 
LandLabor 4.0 hingegen bot fallbasiert Lerninhalte für Studierende und Auszubildende gleichermaßen. Aufbauend auf den entwickelten Videos wird der Prototyp einer E-Learning-Einheit entwickelt und auf Basis einer digitalen Plattform umgesetzt. Im Rahmen dieser Einheit bearbeiteten Schüler und Studierende im Selbststudium einen komplexen Fall mit unterschiedlichen Themenschwerpunkten (Reifegrad, Netzwerk, digitale Geschäftsmodelle und Verkettung von Prozessen). Neben den themenanimierenden Videos gab es theoretische Inputs und Übungen auf E-Learning-Basis. Dabei wurden den Studierenden unterschiedliche praxisnahe Szenarien vorgestellt, welche sie anhand ihres zuvor erlangten theoretischen Wissens bearbeiteten.

Use Case 3: Methoden für komplexe Produktionsnetzwerke

Es wurden Konzepte und Werkzeuge zur niederschwelligen Vermittlung der Prozesse und Methoden von Smart-Farming entwickelt. Zielgruppe waren dabei interessierte Bürger, die sich vor Ort oder online über aktuelle Projekte und bestehende Systeme informieren wollten, sowie Lerngruppen von allgemein- und berufsbildenden Schulen.

Prof Dr. Thomas Rath
Telefon: +49 (0)541 969-5176
E-Mail: t.rath_at_hs-osnabrueck.de
Forschung im Bereich angewandte Biophotonics und Gewächshaustechnologien