Corona-Maßnahmen: Das Team des Projektleadpartners GIQS arbeitet bis auf Weiteres aus dem Homeoffice. Damit befolgen wir die Empfehlungen von Bundesregierung und Robert Koch Institut. Für die nächsten Wochen geplante Veranstaltungen werden auf die zweite Jahreshälfte 2020 verschoben. Bleiben Sie gesund, achten Sie auf einander und sprechen Sie uns gerne an, wenn Sie Fragen zu den laufenden Projekten bzw. weiteren GIQS-Aktivitäten haben! Kontaktdaten Team
Food Pro·tec·ts – a German-Dutch INTERREG V A-project

TIC 6: Big Data

Anpassung der Big data-Technologie an das Internet of things

Big Data spielt eine immer bedeutende Rolle, auch bei den zu entwickelnden Food Pro·tec·ts-Produkten. Gleichzeitig wird es immer schwieriger, sinnvolle Informationen aus der immer größer werdenden Anzahl von Daten zu extrahieren, welche die Unternehmen in den Arbeitspaketen von Food Pro·tec·ts generieren – auch dadurch, dass immer mehr Geräte (Sensoren, 3D-Kameras, Prozessrechner) im sogenannten Internet der Dinge selbständig Daten sammeln, speichern und austauschen.

In der Tierhaltung werden Daten über den Futterverbrauch und über die Tiere selbst (Alter, Gewicht und Medikamentenverbrauch) gesammelt. In manchen Betrieben wird mittlerweile auch der Wasserverbrauch registriert. Und durch die immer günstiger werdende Sensortechnologie stehen wir am Vorabend einer großflächigen Einführung von Klima-Monitoring in den Ställen (Temperatur, relative Luftfeuchtigkeit und CO2-Gehalt), dem Feststellen von Lungenproblemen mit Hustensensoren und der Bestimmung des Feinstaubgehaltes im Umkreis der Ställe. Die Möglichkeit, praktische Anwendungen zur Analyse dieser Daten anbieten zu können, bietet interessante Perspektiven für unterschiedliche Agrifood-Hightech-Unternehmen im INTERREG-Gebiet. Dies gilt nicht zuletzt für die Food Pro·tec·ts-Partner – zumal wenn durch die Zusammenführung der Daten aus verschiedenen Systemen auf dem Betrieb zuvor eher „unsichtbare“ Ursache-Wirkung-Zusammenhänge identifiziert werden können.

Am „Systems Research Institute“ der Technische Universiteit Eindhoven (TUE) arbeitet man im Fachbereich Humangesundheit auch an Anwendungen, um Big Data in Informationen zu übersetzen. An der TUE geht man dabei einen Schritt weiter, indem man interessante Muster in Big Data-Zeitreihen in linguistische Beschreibungen zu übersetzt, mit denen automatisch diagnostische Aussagen generiert werden können. Hiermit soll ein benutzerfreundliches System entwickelt werden, welches als Interface zwischen dem rohen Sensor-Daten-Netzwerk und dem nicht-technischen Angestellten im Gesundheitswesen dienen soll.

Das an dieser Universität angehäufte wissenschaftliche Wissen ist wertvoll für die Weiterentwicklung von Big Data-Anwendungen innerhalb von Food Pro·tec·ts. DLV arbeitet neben der TUE auch mit Wageningen University and Research (WUR) eng zusammen und man spricht von einem niedrigschwelligen Zugang zu deren aufgebauter Expertise. Hieraus aufbauend Anwendungen für die Tierhaltung zu entwickeln kann eine sinnvolle Ergänzung zu den Food Pro·tec·ts-Arbeitspaketen sein. Ein realistisches Ziel ist die integrale Übersetzung von Big Data über Klima und Gesundheit in einen praktischen Output und Anwendungen im Sinne automatisierter genauer und zeitnaher diagnostischer Aussagen.

Online-Dashboards können somit eingesetzt werden, die Geflügelhaltern darüber aufzuklären, mit welchen Maßnahmen sie das Stallklima optimalisieren und geringere Staubemissionen erreichen können. Nach Abstimmung mit dem Poultry Expertise Centre (PEC) und GIQS werden innerhalb dieses Arbeitspakets auch Verbindungen zu nationalen Versuchsställen und damit verbundenen Projekten gelegt. Fragen über Grenzwerte über einzustellende Benachrichtigungen können beantwortet werden. Dies passt zu den Ambitionen, die unter anderem in dem „manifest december 2016 over een gezonde leefomgeving in de regio Food Valley“, wo es auch um die Entwicklung von bezahlbaren neuen Technologien zur Reduktion von Feinstaub geht, ausgesprochen wurden.

Das Projekt richtet sich vor allem auf die Reduzierung von Feinstaub in und rundum Geflügelställe. Gleichzeitig werden durch die Verwendung von Big Data die folgenden Komponenten von Food Pro·tec·ts-Produkten verbessert: In TIC 1 wird „Food Waste“ in der Wertschöpfungskette durch die Bestimmung von Parametern in Echtzeit mit Hilfe von Sensoren, Vorhersagemodellen und einem zu entwickelnden Early Warning-Tool vermindert. Die automatisierte Übersetzung von Big Data in linguistische Nachrichten trägt ganz besonders zu einem Early Warning-Tool mit einem guten Gleichgewicht zwischen falsch-positiven und falsch-negativen „Alarmen“ bei. Hier kommt es vor allem zu einer Zusammenarbeit mit dem Partner Dr. Berns. In TIC 2 wird zur Verbesserung des Monitorings von Infektionskrankheiten an einer Weiterentwicklung innovativer Monitoringprogramme gearbeitet – gemeinsam mit der Landwirtschaftskammer NRW. Die von der TUE für die Humangesundheit entwickelte Expertise ist auch für die Veterinärgesundheit anwendbar. In TIC 3 arbeitet man an der Verbesserung des Stallklimas mit Cold Plasma-Technologie und Internet of Things-Anwendungen. Die Ambition ist hier, mehr „unsichtbare“ Ursache-Wirkung-Zusammenhänge zu identifizieren. Die Übersetzung von Big Data in linguistische Nachrichten bringt die Marktperspektive von marktreifen Anwendungen, da der Benutzer viel seltener falsch-positive „Alarme“ bekommt. Erwartet wird, dass hiermit innerhalb von drei Jahren rund die Hälfte der Schweine- und Geflügelhalter diese Technologie nutzen wird.

In TIC 4 wird an einem internetbasierten Monitoringsystem für Tierfutter gearbeitet. In TIC 5 arbeiten die Partner auf eine effektivere Verwendung von Biomasseströmen mit Hilfe von Sensoren hin, welche die Installationen mit steuern. Gemeinsam mit der Hochschule Bonn-Rhein-Sieg denkt man hier über mögliche Interfaces zwischen den Arbeitspaketen nach.

In unten stehender Tabelle wird dargestellt, für welche Teile der verschiedenen TIC-Arbeitspakete Big Data einen zusätzlichen Nutzen haben kann. Für die Arbeitspakete 1, 3 und 4 erwartet man einen wichtigen funktionalen Zusatznutzen für die zu entwickelnde Software. Die Anwendung von Big Data kann die Produktqualität und damit das Marktpotential steigern – in welchem Maß ist momentan allerdings noch nicht zu beziffern. Wohl steht hingegen fest, dass zahlreiche Software schneller verlangsamt als die Hardware schneller wird (man kann hier an moderne PCs denken, die mit der Zeit immer länger zum starten benötigen). Gerade für dieses Problem kann Big Data eine Lösung sein. Die Anwendung von derartigen Technologien (von Big Data hin zu begrenzten linguistischen Nachrichten) ist auch fast unvermeidlich, denkt man etwa an das Mooresche Gesetz, nachdem sich die Anzahl der Daten alle zwei Jahre verdoppelt.

Konkrete Aktivitäten sind die Anwendung der Technologien auf die Daten in den Paketen 1, 3 und 4. Dies passiert dadurch, dass zunächst in Paket 3 ein Informationsmodell beschrieben und dieses anschließend in Python (Freeware) programmiert wird. Die somit aufgebaute Funktionalität wird in der „Slimme Stal“-Softwareapplikation mit aufgenommen. Anschließend wird auf Basis der zur Verfügung stehenden Daten, die momentan in TIC 3 generiert werden, mit Hilfe der zusätzlichen Funktionalität ergründet, wie oft ein automatischer Alarm produziert wird. Dies wird dann anhand der technischen/wirtschaftlichen Resultate der betreffenden Abteilungen mit Schweinen beurteilt (für dieselbe Periode, in der die Sensordaten gesammelt wurden). Wenn das Ergebnis hiervon zufriedenstellend ist, soll in den zwei anderen Arbeitspaketen anschließend dieselbe Prozedur angewendet werden.

Meilensteine

  • AP 1 Konzepterstellung Big Data und Internet of Things; Weiterentwicklung der Software (Projektjahr 3-4)
  • AP 2 Anwendung der Technologie auf die Datenpakete aus TIC 1, 3 und 4 (Projektjahr 4)
  • AP 3 Praktische Erprobung der Technologie in nationalen Versuchställen (Projektjahr 4)
  • AP 4 Projektmanagement, Training und Wissenstransfer (Projektjahr 3-4)


Laufzeit: 01.08.2018 - 30.06.2020
Gesamtkosten (indikativ): 106.275,45 €

Das Cluster wird federführend von einem Partner koordiniert: