Die Digitalisierung bietet großes Potential, den Schutz des Klimas und der Umwelt, die Steigerung des Tierwohls, die Artenvielfalt und die Arbeitserleichterung in der Landwirtschaft weiter zu verbessern. Aus diesem Grund fördert das Bundesministerium für Ernährung und Landwirtschaft insgesamt 14 sogenannte digitale Experimentierfelder zur Erprobung und Weiterentwicklung digitaler Technologien in der landwirtschaftlichen Praxis. Eines der digitalen Experimentierfelder befindet sich in Baden-Württemberg und wird durch die Universität Hohenheim koordiniert.

Im Verbund mit der Hochschule für Wirtschaft und Umwelt Nürtingen-Geislingen dient das Experimentierfeld in Baden-Württemberg mit dem Namen „Digitale Wertschöpfungsketten für eine nachhaltige kleinstrukturierte Landwirtschaft (DiWenkLa)“ zur Untersuchung und Etablierung innovativer digitaler Technologien für Klein- bzw. Familienbetriebe. Das Projekt gliedert sich in 14 Teilprojekte in den Bereichen Acker- und Gemüsebau, Grünlandbewirtschaftung mit Rinderhaltung sowie Pferdehaltung und legt einen besonderen Fokus auf die Anwendung digitaler Technologien bei schlechten Voraussetzungen bezüglich der Infrastruktur und den Nutzen zur Steigerung der Nachhaltigkeit.

Im Bereich Grünlandbewirtschaftung mit Rinderhaltung ist das Teilprojekt angesiedelt, das durch das Fachgebiet Grundlagen der Agrartechnik bearbeitet wird. In enger Kooperation mit den landwirtschaftlichen Partnerbetrieben im Südschwarzwald, den Hohenheimer Versuchsstationen sowie den weiteren Teilprojekten des Bereiches Grünlandbewirtschaftung soll das Qualitätsniveau von Grünlandbewirtschaftung und -management auf ein höheres Niveau gehoben werden. Dazu wurden in der ersten Projektphase verschiedene Sensortechnologien zur Ertrags- und Qualitätsermittlung während der Wachstumsphase eingesetzt und bewertet. Mit Hilfe von Sensoren an Mähwerken, Wendern und Schwadern wurden bei der Ernte weitere Daten erhoben und gesammelt, um dadurch die Informationen zu Futterertrag und -qualität zu ergänzen.

Im laufenden zweiten Projektzeitraum werden die gesammelten Daten genutzt, um organischen Dünger auf Grünlandbeständen teilflächenspezifisch zu applizieren. Grundlage dessen ist die Nutzung und Analyse der erfassten Daten der Wachstumsperioden und Ernten der vergangenen Jahre. Aus diesen und weiteren Datenquellen werden Applikationskarten abgeleitet und für Grünlandbehandlungen Düngung bewertet. Während der teilflächenspezifischen Applikation wird dann der organische Dünger mithilfe von Sensorik analysiert, um die maximale und punktgenaue Verwertung der Inhaltsstoffe zu gewährleisten.

mögliche Abschlussarbeiten

Prof. Dr.-Ing. Stefan Böttinger

M.Sc. Christoph Stumpe

M.Sc. Christoph Brüning

Instiut für Agrartechnik, Fg. Grundlagen der Agrartechnik

LAZBW Aulendorf

Claas Saulgau GmbH

365FarmNet

Stumpe, C.: Wissen, was wächst. Bauernzeitung 65 (2024) H. 40, S. 40-41.

Kiefer, A.; Stumpe, C.; Hütt, C.; Bahrs, E.: Comparing economic effects of remote herbage mass estimation in small-scale farms in mountain regions. Landtechnik 79 (2024) H. 1, S. 1-20.

Stumpe, C.; Leukel, J.; Zimpel, T.: Prediction of pasture yield using machine learning-based optical sensing: a systematic review. Precision Agriculture 25 (2024), H. 1, S. 430-459.

Leukel, J.; Zimpel, T.; Stumpe, C.: Machine learning technology for early prediction of grain yield at the field scale: A systematic review. Computers and Electronics in Agriculture 207 (2023), Aufsatz 107721.

Stumpe, C.; Böttinger, S.: Grassland yield prediction and mapping in small-scaled regions. VDI-MEG Tagung AgEng-LAND.TECHNIK, 22./23.11.2022, Berlin. In: VDI-MEG (Hrsg.): AgEng-LAND.TECHNIK – International Conference on Agricultural Engineering, VDI-Berichte, Bd. 2406, Düsseldorf: VDI Verlag GmbH 2022, ISBN: 978-3-18092406-9, S. 149-154

Stumpe, C.: Das Gras wachsen sehen – mit Geoinformation gelingt es. Esri Deutschland GmbH, URL: https://wherenext.esri.de/das-gras-wachsen-sehen-mit-geoinformation-gelingt-es/

Stumpe, C.; Mundt, M.; Böttinger, S.: Exemplary on-farm research of region-, period- and swardspecific grassland yield prediction using geoprocessing methods. Grassland at the heart of circular and sustainable food systems, 26.-30.6.2022, Caen. In: Delaby, L.; Baumont, R.; Brocard, V.; Lemauviel-Lavenant, S.; Plantureux, S.; Peyrauf, J. L. (Hrsg.): Proceedings of the 29th General Meeting of the European Grassland Federation, Grassland Science in Europe, Bd. 27, Paris 2022.

Stumpe, C.; Werner, J.; Krug, P.; Weber, J.: Mehr Wissen über Wiesen und Weiden durch Digitalisierung. MilchPraxis 55 (2021) H. 3, S. 11 - 13.

Stumpe, C.: Und wie viel ernten Sie? top agrar 50 (2021) H. 6, S. 87–88.

Stumpe, C.; Werner, J.; Böttinger, S.: Accuracy improvement of Rising Plate Meter measurements to support management decisions in the Black Forest region. Sensing - New Insights into Grassland Science and Practice, 17.-19.05.2021 Kassel. In: Proceedings of the 21st Symposium of the European Grassland Federation. Witzenhausen 2021, S. 217–219.

Werner, J.; Stumpe, C.; Höhn, D.; Bateki, C.; Dickhöfer, U.: Case study on monitoring sward height and available biomass with a rising plate meter on pastures of dairy farms in Southwest Germany. Sensing - New Insights into Grassland Science and Practice, 17.-19.05.2021 Kassel. In: Proceedings of the 21st Symposium of the European Grassland Federation. Witzenhausen 2021, S. 98–100.

Stumpe, C.; Werner, J.; Krug, P.; Weber, J.: Digitalisierung in der Weidewirtschaft. BioTOPP 3 (2021) H. 2, S. 32–34.