Ein interdisziplinäres Projekt zwischen den Departementen «Schweizerische Hochschule fürLandwirtschaft» (SHL) und «Technik und Informatik» (TI) der Berner Fachhochschule (BFH).

Kontext und Bedürfnisse

Die Milchproduktion einer Kuh ist einige Wochen nach dem Kalben am höchsten, dann nimmt sie kontinuierlich ab bis zur nächsten Geburt. Um die Produktion auf einem rentablen Niveau zu halten, sollte eine Milchkuh im Idealfall ein Kalb pro Jahr haben. Da die Trächtigkeit bei Kühen gut neun Monate dauert, sollte ein Muttertier jeweils innert drei Monaten nach dem Abkalben wieder trächtig sein. Aber der Tierhalter weiss nicht genau, wann die Hormonzyklen wieder einsetzen. Er kann die erste Brunst herausfinden, indem er seine Tiere täglich beobachtet. Diese Aufgabe erfordert 30-60 Minuten pro Tag¹. Brünstige Kühe legen ein besonderes Verhalten an den Tag: Sie werden aktiver, bewegen sich häufiger fort und bleiben ruhig stehen, wenn ein anderes Tier sie bespringt. Sie zeigen auch verschiedene physiologische Symptome auf, und die Körpertemperatur erhöht sich um ca. 0,5 Grad. Ein Zyklus dauert bei Kühen 21 Tage. Wenn also der Landwirt die Brunst nicht bemerkt, muss er drei Wochen warten, um hoffentlich die nächste Brunst zu erkennen. Entsprechend verschiebt sich die Kurve der Milchproduktion (Abb. 1). Der jährliche Verlust infolge einer solchen Verzögerung beträgt ungefähr 500 Fr. pro Kuh, die Zeit für die Tierbeobachtung und allfällige Kosten für Fehlbesamungen nicht eingerechnet.

Arbeiten von Studierenden, ein BFH-Projekt und schliesslich ein KTI-Projekt mit der Startup-Firma ANEMON SA, unterstützt durch die Wirtschaftsförderung des Kantons Bern, haben es ermöglicht, ein elektronisches Brunstüberwachungs- und Erkennungssystem zu entwickeln. Dieses erfasst Schwankungen bei Körpertemperatur und Aktivität der Kühe. Die Kombination der beiden Kriterien erhöht die Zuverlässigkeit der Brunsterkennung deutlich². Die Körpertemperatur man an verschiedenen Orten automatisch und präzis messen:

• unter der Haut in der Nähe einer grossen Arterie, z.B. am Hals
• in der Gegend des Trommelfells
• in der Vagina.

Nach einer vertieften Studie des Hörkanals und Versuchen mit der Implantation von drahtlosen Sensoren tief im Gehörgang, mussten wir feststellen, dass die Kuh einen solchen Fremdkörper sehr schlecht akzeptiert. So haben wir uns auf die Lösung mit einem Vaginalsensor konzentriert.

Die Erfassung

Die Entwicklung der Geräte und der Erfassungsalgorithmen erforderte eine beträchtliche Anzahl Messungen. Abb. 3 zeigt typische Temperatur- und Aktivitätskurven auf. Kühe können durchaus auch «ruhige» Brunstzeiten haben, die viel schwieriger zu erkennen sind. Eine hohe Erkennungsquote und grosse Zuverlässigkeit sind die wichtigsten Qualitäten, welche die Benutzer von einem solchen System erwarten. Unser System erreicht zurzeit eine Erkennungsquote von 80%. Die aktuellen Feldversuche werden es ermöglichen, die Parameter der Erfassungsalgorithmen weiter zu optimieren.

Die Konkurrenz und unsere Besonderheiten

Wir sind nicht die einzigen, die eine Lösung für die Brunsterfassung entwickeln. Andere elektronische Systeme sind in Entwicklung oder werden auf den Markt gebracht. Aber alle Konkurrenzprodukte verwenden relativ kostspielige fixe Stationen im Kuhstall, um die Daten zu sammeln, zu verarbeiten und zu visualisieren. Unser System kann ohne fixe Station arbeiten und SMS verschicken. Jedes Tier ist autonom und kann sich in einem Raum bewegen, der einzig durch die jeweilige Verfügbarkeit des Mobilnetzes eingeschränkt wird. Zudem ist dies das erste System, das zwei Kriterien kombiniert: die Körpertemperatur und die Aktivität, was die Brunsterkennungsrate erhöht. Erwähnt sei jedoch ein völlig anderer Ansatz der Konkurrenz: Befruchtungskapseln, die das Sperma langsam freisetzen und so das Zeitfenster für die Befruchtung auf einige Tage ausdehnen.

Schlussfolgerung

Die Zusammenarbeit zwischen zwei sehr unterschiedlichen Departementen der BFH hat es ermöglicht, ein Produkt zu entwickeln, das einem Bedarf entspricht und ein interessantes Marktpotenzial aufweist. Die Zusammenarbeit war ausserordentlich bereichernd für beide Partner und hat den Aufbau vieler neuer Kompetenzen erlaubt. Ein solches Projekt ist nur dank der Beiträge zahlreicher (Ex-)Mitarbeitenden möglich, denen wir an dieser Stelle herzlich danken: Paul Bieri (TI), Daniel Esteves (TI), Ricardo Moccetti (TI), Arnaud Brielmann (TI), Lukas Jaun (TI), Lukas Burger (SHL), Marisa Furger (SHL), Patrick Tanner (ANEMON S.A.), Jorge Da Silva (ANEMON S.A.), Matthias Haldimann (Agriculteur).