Digitalisering i landbruket
Den digitalisering i landbruket bygger på allerede eksisterende digitale produksjonsmetoder som nå er anerkjent og akseptert. De viser allerede en viss kompleksitet, spesielt innen informasjonsteknologi, og fører til bedre driftsresultater. Dette er Precision Farming , Precision Livestock Farming og Smart Farming . Disse prosessene er å anse som viktige komponenter i det digitale landbruket. Imidlertid utvider det digitale landbruket disse eksisterende systemene betydelig med nye og mer omfattende komponenter.
Differensiering av presisjon, smart og digital oppdrett
Presisjonsoppdrett
Siden begynnelsen av 1990-tallet har begrepet presisjonsbruk stått for bruk av den såkalte delvis feltteknikken ved bruk av for eksempel kartlagt variabel dosering og presis applikasjonsteknologi. I tillegg brukes automatiske styresystemer og seksjonskontroller. Dette inkluderer også komplekse maskinfunksjoner i høstmaskiner som automatisk tilpasser seg endrede driftsforhold, samt det viktige temaet for å optimalisere kompleks fjerning og forsyningslogistikk. Precision Livestock Farming betyr bruk av moderne kombinasjoner av sensor-aktuatorer, fra den nøyaktige tildelingen av fôrkomponenter med høy ytelse til automatisk melking og helseovervåking.
Smart oppdrett
Begrepet Smart Farming kom opp på 2000-tallet med de sensorbaserte sanntidssystemene for gjødsel og avling. Med denne metoden registreres for eksempel biomassefordelingen av en avling og en mengde gjødsel påføres i sanntid, avhengig av sensorverdien. For dette formålet er det ikke lenger behov for å utføre komplekse og kostbare jordprøver i delvis feltteknikk. Bonden kan definere mengdenivå så vel som fordelingen ved å bare kalibrere sensorene. Et slikt system representerer altså en kombinasjon av prosessautomatisering og beslutningsstøtte. I dyrehold brukes begrepet smart oppdrett med kombinasjoner av sensor-aktuatorer som spenner fra datainnsamling til beslutningsstøtte til automatisert utførelse og kombinasjonen av utøvende (f.eks. Melkeroboter ) og evaluerende funksjoner (f.eks. varmedeteksjon).
Digital oppdrett
I digital Farming , eller også kalt Farming 4.0, er en teknologi ment å utfylle de eksisterende prosedyrene for ytterligere fire hovedkomponenter:
a) Internet of Things (IoT) eller kommunikasjon mellom maskin og maskin (M2M)
c) Big data- analyse og kunstig intelligens (AI)
d) Roboter med mobile og stasjonære enheter.
Utviklingsmetoder for produkter som kan brukes i praksis er allerede gjenkjennelige på alle områder. Det forventes imidlertid at disse i nær fremtid vil vokse betydelig i modenhet og betydning.
Miljø og samfunn
Prosessene i naturen som været og andre biotiske (levende) og abiotiske (livløse) faktorer i jordbruksproduksjonen kan observeres bedre gjennom digitalisering. Dette er mulig ved bruk av sensorer, fjernmåledata og digitale simuleringer. Bonden kan reagere tidligere og bedre. Som med værmeldingen, er det bare omfattende og langsiktig datainnsamling av mange relevante faktorer på stedet som er med på å muliggjøre store dataanalyser, som igjen kan brukes som grunnlag for bedre stedsspesifikke beslutninger.
Digitalisering kan også bidra til å gjøre naturlige relasjoner lettere å forstå og beskrive. Dette muliggjør potensial for optimalisering for ulike produksjonsmål som kobling av miljøvern og produktivitet. Nye dyrkingssystemer uten bruk av plantevernmidler kan også tenkes, siden generelle biologiske forhold kan beskrives bedre, muligens forutsigbare og dermed brukes mer vellykket for ulike produksjonsmål. Det utvikles mer intelligente landbruksmaskiner og prosessteknologier som i tillegg til produktivitet og dyreprestasjoner også kan ta hensyn til økologiens behov i kulturlandskap så vel som husdyr og mennesker.
Komponenter av digital oppdrett
Agriculture 4.0 er digitalisering av produksjonsprosesser i landbruket i avling og husdyrhold. Dette inkluderer forskjellige komponenter, som er forklart nedenfor.
Internet of Things (IoT)
"Tingenes internett" ( Internet of Things eller IoT) er en samlebetegnelse på en infrastruktur for informasjonsteknologi. Det gjør at fysiske og virtuelle objekter kan elektronisk nettverk og kommuniseres automatisk.
Spesiell avansert teknologi kreves slik at landbruksmaskiner også kan styres tilsvarende. Dette må ha tilgang til visse standardiserte vokabularer eller såkalte ontologier. Dette gjør at programmer kan "slå opp" typen og betydningen av dataene i sanntid og dermed lære om innholdet. For eksempel, i stedet for generelle tekstsekvenser som "Sieglinde" for en potetsort eller "Gjødsling med husdyrgjødsel", er det referanser til termer tilgjengelig online, som teknisk er representert av deres standardiserte URI ( Uniform Resource Identifier ). Bare gjennom disse semantiske teknikkene med sine ensartede vokabularer kan størst mulig fleksibilitet og fremtidig sikkerhet oppnås i datalagring.
En etablert kommunikasjonsstandard mellom maskiner i dag er den såkalte ISOBUS i henhold til ISO 11783. Dette gjør at maskiner (traktor, utstyr og kontor-IT) kan kommunisere på tvers av produsenter. Denne standarden er ikke bare viktig for kontroll av landbruksmaskiner (figur 4). Dens betydning i sammenheng med digitalisering og en IoT er enorm. Imidlertid er kommunikasjonsegenskapene til ISOBUS begrensede og egner seg derfor ikke for alle digitale krav.
Skysystemer
Med en drastisk økning i digitalisering er det betydelig høyere krav til informasjonssystemer som et stadig økende behov for datakraft og lagringskapasitet. Cloud computing tilbyr en løsning på dette . Store IT-ressurser som kan gjøres tilgjengelig etter behov, resulterer i ekstremt fleksibel og skalerbar maskinvare- og programvareinfrastruktur. Mobil tilgang til data med forskjellige sluttapparater er viktig i dag. De grunnleggende typene skysystemer er global sky, regional sky og privat sky. En privat sky (hjemmeserver) med internettilgang utenfra kan fremme feilsikkerhet og sikre minimale datasikkerhetskrav.
Det er allerede forskjellige skybaserte plattformkonsepter som B. rene dataplattformer for tverrprodusentutveksling av maskindata. Det finnes også spesialiserte handelsplattformer som såkalte digitale handelsmarkeder for kjøp og salg av varer. Ledelsesplattformer som Farm Management Information Systems (FMIS) spiller også en viktig rolle. På en måte er de en fortsettelse av de elektroniske feltkartene, men på et digitalt plattformnivå (figur 5).
Noen av dagens sentraliserte portaler fungerer bare utmerket innenfor maskinparken til den respektive produsenten. Fra bøndenes synspunkt er det imidlertid bare fordelaktig hvis en omfattende og produsentuavhengig datautveksling er mulig, siden maskinsystemer fra forskjellige produsenter ofte brukes på gårder i åkerbruk.
Big Data og kunstig intelligens
I dag og i fremtiden blir data i økende grad registrert, lagret og evaluert av maskiner, sensorer, datamaskiner, smarttelefoner og lignende teknologi. Dette resulterer i veldig store datamengder med tilsvarende datalagre som bare kan evalueres for meningsfull bruk ved bruk av såkalt big data-analyse. Potensialet for bruk inneholdt i disse dataene er også enormt for landbruket, både for stedtilpasset agerjordbruk og for forbedret dyrehold. Hvis disse analysene er riktig koblet og kombinert i meningsfulle evalueringer, støtter de bonden i hans strategiske (langsiktige) og operasjonelle (kortsiktige) beslutninger. I jordbruket akkumuleres allerede en betydelig mengde data i dag, som det er tilfelle med moderne besetningsstyring med automatiske melkesystemer og ISOBUS-kontrollerte feltmaskiner i åkerbruk. Så langt kan de imidlertid knapt brukes fordi det er for lite nettverk av maskinene (IoT) og få lagringsalternativer (sky).
Kunstig intelligens (AI) eller maskinlæring er også en del av terminologien til digitalt landbruk. En AI-enhet lærer av registrerte eller utvalgte treningsdata ved å lete etter mønstre og tilbakevendende strukturer som regelmessigheter kan utledes fra. Ved nettverksbygging og lagring av data fra en bedrift over flere år, kan maskinlæringsalgoritmer trenes på en slik måte at operasjonelle prosesser blir mer gjennomsiktige for å generere suksessfaktorer som fører til bedre beslutninger. Videre kan algoritmene også brukes til f.eks. B. å gjenkjenne plantesykdommer, ugress eller skadedyr eller å forutsi avhengig av vær, beliggenhet og standfaktorer.
Automatisering og robotikk
Mulighetene for robotikk representerer et nytt nivå av mekanisering så vel som automatisering.Autonome maskiner er skalerbare i størrelse og derfor også et problem for små og mellomstore gårder. Imidlertid, som mange nye applikasjoner innen digitalt landbruk, trenger robotikk også en stabil digital infrastruktur som må garantere sikker kommunikasjon mellom maskinene og integrering av kommunikasjon i hele det operative IT-systemet.
Det er allerede blitt tydelig at autonome roboter for det meste vil være små i størrelse og elektrisk drevet. Dette fører til betydelige reduksjoner i investeringskostnader og kjøretøyvekter. Jo lavere anskaffelses- og investeringskostnadene er, desto lavere kan arealdekningen være. Denne effekten hjelper med aksept av autonome landbruksroboter, fordi mange oppgaver som en robot må utføre er mye mer presise ved lave kjørehastigheter, men fremfor alt kan de utføres med mindre energi. Slike enheter er lette og derfor skånsomme mot gulvet. Skaleringen til større områder oppnås ikke av større og raskere maskiner, men av en sverm av lignende og små roboter som samarbeider med hverandre.
Flyttingen fra store arbeidsbredder med tunge maskiner betyr også at markene ikke lenger trenger å være så store og ryddet som mulig. Selv tradisjonelle landskapselementer (f.eks. Hekker, dammer) kan introduseres, ettersom de ikke har en negativ innvirkning på produktivitet og arealdekning for små autonome maskiner. På denne måten kan en betydelig økning i biologisk mangfold i våre landbrukslandskap oppnås.
Vi er fremdeles i begynnelsen av anvendelsen av robotikk, selv om de første applikasjonene allerede er der, for eksempel autonome roboter med radhakker i feltgrønnsaksdyrking.
Offentlige geospatiale data
Offentlige romlige data kan sees på som grunnleggende data og, hvis de blir gitt, tjene som en verdifull informasjonskilde. Dette er for det meste feltoversikter, jordinformasjon, erosjonskadaster og andre. være. Offentlig tilgjengelige geodata kan dermed brukes som grunnlag for digitale stedsbaserte tjenester.
Noen føderale stater, som Rheinland-Pfalz og Baden-Württemberg, har implementert konsepter for levering av offentlige geodata som et eksempel: Med GeoPortal "MapRLP" har bøndene tilgang til relevante geografiske basisdata fritt og i åpne formater, med lokal cache og overføring til mobile enheter er.
Vei- og stinettverk, flyfoto, eiendomskart osv. Regnes som offisielle geospatiale basisdata. Såkalte offisielle geospatiale data kan også gis, som erosjonskadaster, jordinformasjon, beskyttede områdegrenser, referanseverdier (N min ) og andre.
Blockchain
Ved blokkjede er det potensial for automatisering som skal respekteres landbruksdokumentasjonskrav: Således, for eksempel, en montert i beholderføleren for å måle matvaretemperaturen, skrive dataene inn i blokkjeden, og dermed fullstendig samsvar med kaldkjeden dokumentert. Hvis det ikke ble fulgt, kan en passende konfigurert smart kontrakt automatisk slå alarm.
Datasikkerhet og databeskyttelse
Meningsfull bruk av data krever omfattende datainnsamling og lagring. Dette skaper absolutt risiko. Informasjon kan genereres fra personlige og områdelaterte data, som kvantitet og kvalitet på høstede produkter og på lang sikt intensiteten i maskinbruk. Det betyr at den som har stedsspesifikke data har kunnskap og konkurransefortrinn. Mange er interessert i dataene: bonden, entreprenøren, landbruksmaskinforhandleren, maskinringen, landbrukshandelen, politikk, økonomien, myndighetene og skyleverandøren.
Opprettholdelsen av forretningshemmeligheten - ingen databruk uten samtykke - må garanteres for skysystemer med datatilgang utenfra, siden detaljerte data om felt, mål, avkastning osv. Også er en kommersielt verdifull ressurs. Tydelige tilgangsrettigheter samt en dedikert datautveksling og tildeling med tjenesteleverandører må forbli under bondenes kontroll.
Det bør alltid gjelde bonden at han drar nytte av dataene sine. Bonden er forfatter av dataene. Desentraliserte strukturer med databeskyttelse anbefales derfor, da de fremmer mangfoldet av leverandører og reduserer risikoen for avhengighet av en sentral datapartner. Når det gjelder betalte tilbud, bør du spørre om datasuverenitet og serverplasseringen, da serverplasseringen kan skade databeskyttelsen betydelig.
Mange sentrale dataplattformer tilbyr for tiden tjenesten deres gratis hvis brukere godtar overføring av dataene. Men en ting må være tydelig for brukeren: Plattformbrukere har i dag ingen klare juridiske rettigheter når det gjelder ikke-personlige data. For eksempel kan han ikke forby plattformoperatøren å bruke operasjonsdataene som er gitt til kommersielle formål. Det er heller ingen mulighet for søksmål for at brukere må være økonomisk involvert i bruken av dataene. Status for den juridiske situasjonen er at når registrerte og frigitte data overføres til den nye datainnehaveren, dvs. plattformoperatøren.
Mange operasjonsledere i dag går ikke til skyen uten sikkerhet om sikker og beskyttet lagring av dataene deres. Som et resultat er det ikke databeskyttelse, men datausikkerhet som bremser digitalisering og potensial forblir ubrukt.
Videre spiller psykologi også en rolle i lagringen av produksjons- og driftsdata, da noen bønder frykter at dette vil vekke myndighetenes ønske om informasjon. Dette må avvises på grunn av forretningshemmeligheter, da den utbredte bruken av digitale data er fundamentalt hindret. Beskyttelsen av forretnings- og forretningshemmeligheter må også gjelde bønder som andre private virksomheter i fri økonomi. På den annen side må bonden selvfølgelig overholde lovkravene for informasjon og dokumentasjon.
Det er en databeskyttelseskodeks innen EU. Dette er imidlertid stort sett ikke-bindende. Den viser til databeskyttelsesforskriftene som gjelder i EU og inneholder en sjekkliste for gårder med viktige tjenesteavtaler.
Motstandsdyktighet
I mange land skal et lands landbruk forstås som en kritisk infrastruktur og av viktig betydning for statssamfunnet. Ved svikt eller svekkelse kan bærekraftige forsyningsflaskehalser, betydelige forstyrrelser i offentlig sikkerhet eller andre dramatiske konsekvenser oppstå. Lagring spiller en viktig rolle i dette.
I følge Federal Office for Information Security (BSI) er jordbruksproduksjon en del av den nasjonale kritiske infrastrukturen i Tyskland og må derfor garanteres selv i eksepsjonelle situasjoner. Eksepsjonelle situasjoner er naturlige hendelser, teknisk eller menneskelig svikt, terrorisme, kriminalitet og krig.
For å motvirke risikoen ved sentral cloud computing er det fornuftig å sette opp en desentral implementering av tilsvarende datainfrastrukturer. Poenget her er at IT-systemet i utgangspunktet forblir operativt med et muligens redusert funksjonsområde selv uten en ekstern internettforbindelse. I slike systemer, selv om nettverkstilkoblingen mislykkes, forblir dataene midlertidig lagret lokalt i komponentene tilgjengelige og garanterer dermed en viss grad av robusthet mot funksjonsfeil (figur 7).
Digitale eksperimentfelt
For å utnytte potensialet for digitalisering i landbruket optimalt i praksis, finansierer Federal Ministry of Food and Agriculture (BMEL) til sammen 14 digitale eksperimentfelt. Prosjektene finansiert av BMEL er ment å hjelpe til med å undersøke digitale teknologier for plantedyrking og dyrehold og for å teste deres egnethet til praktisk bruk. Forsøksfeltene ligger på gårder der det skal undersøkes hvordan digital teknologi kan brukes optimalt for å beskytte miljøet, øke dyrevelferd og biologisk mangfold og for å gjøre arbeidet lettere. Eksperimentfeltene er kontaktpunkter for interesserte utøvere for å finne ut om mulighetene for digitalisering i landbruket.
I september 2019 startet det første av totalt 14 forsøksfelt, åtte av dem innen avlingsproduksjon, tre innen dyrehold og tre tverrgående. Eksperimentfeltene er spredt over hele Tyskland og har forskjellige fokus. De tar for seg ulike temaer som bruk av den nye 5G mobilradiostandarden i landbruket, optimalt samarbeid mellom landbruksmaskiner gjennom digital datautveksling i planteproduksjon for å redusere bruken av gjødsel og plantevernmidler, dyrevennlig oppdrett av melkekyr bruken av digital teknologi og deres bruk Bruk på små gårder. Forsøksfeltene er finansiert med totalt 50 millioner euro over tre år.
Forsøksfeltene støttes profesjonelt og vitenskapelig av et nyetablert kompetansenettverk "Digitalisering i landbruket". Nettverket består av rundt 30 eksperter fra vitenskap, foreninger og foredragsholdere fra eksperimentfeltene. Nettverket administreres av BMELs digitaliseringsoffiser. Nåværende utvikling og utfordringer fra alle områder av digitalisering i landbruket bør analyseres i nettverket og foreslåtte løsninger utvikles. Kompetansenettverket møtes to ganger i året og støttes av et kontor i Federal Office for Agriculture and Food .
Fordeler og ulemper med digitalisering i landbruket
Ledelseskonsulentverket PricewaterhouseCoopers ser en banebrytende rolle i digitaliseringen i landbruket.
Følgende fordeler forventes:
- Det kan gjøre arbeidet lettere, z. B. gjennom redusert dokumentasjon og planleggingsinnsats, oppgavestatuslister (ToDo) og automatisering av prosesser
- Bedre beslutninger gjennom større åpenhet i driften bør oppnås gjennom overvåking, advarsler og anbefalinger
- Ved å utveksle data og informasjon med tredjeparter kan enkel ordrebehandling, sertifisering og sporbarhet gjøres mulig
- Samlet sett forventes det at prosessforbedringer kan oppnås gjennom kontinuerlig overvåking og økt kunnskap, for eksempel gjennom AI-applikasjoner.
Ulempen er at bruken av digitale opsjoner er forbundet med betydelige kostnader for de fleste bønder, som bare lønner seg når gården er av en viss størrelse. I tillegg er ikke dataene alltid tilgjengelige der det er behov for det.
Konsekvensene av en bredere bruk av digitale løsninger i landbruket diskuteres også kontroversielt. Den KTBL bemerket i 2017 at, for eksempel tap av autonomi i prosesser og beslutninger mottar altfor den økende kompleksiteten av beslutninger og polarisering kan representere virkemåte risikoen for digitalisering i landbruket. Organisasjoner som Agrarbündnis eV ser også spesielt “overtakelse og kommersiell bruk av data, informasjon og erfaringer om klima, genetikk, jord, såing og høstingstid, som har vært i hendene på bønder og urfolk i årtusener fremdeles . ”I tillegg forblir spørsmålet om datasuverenitet og suverenitet ofte uløst: I 2019 uttalte Bitkom at suvereniteten for data som bønder genererer når de bruker utstyret sitt og når de administrerer gårdene sine, og at identifikasjonen av personen lar den ligge med bøndene selv. Bitkom ser på dette som et “grunnleggende krav til tillit til bruken av digitale applikasjoner i landbruket.” DLG-fagkomiteer har en lignende oppfatning med stillingspapiret Digital Agriculture - Opportunities. Risiko. Godkjennelse. , en spesialartikkel for det østerrikske landbrukskammeret om dette emnet, beskriver problemet med uregulert bruk av drifts-, maskin- og forretningsdata i landbruket.
Se også
weblenker
- Digitalisering i landbruket og næringsmiddelindustrien - informasjon fra Federal Office for Agriculture , Bern (CH)
- Digitalisering i jordbruk - Informasjon fra Forbundsdepartementet for jordbruk, regioner og turisme , Wien (AT) 2018
- Digitalisering i jordbruk - Informasjon fra Federal Ministry of Food and Agriculture , Berlin (DE) 2019
- e-Agriculture - Informasjon fra FNs mat- og jordbruksorganisasjon (engelsk)
- Landbruk og digitalisering (PDF) 27. Hülsenberg Talks 2018, serie av H. Wilhelm Schaumann Foundation for the Promotion of Agricultural Sciences
Individuelle bevis
- ^ DLG eV: Digitalisering i landbruket. I: DLG-Merkblatt 447. DLG, 2019, åpnet 26. november 2019 .
- ↑ Zimmermann B., Schlepphorst R., Meinardi D., Kraft M.: Med sensorer mot tørkestress. I: Top Agrar nr. 46 (10), 2019, s. 68–71.
- ↑ dechiffrere mønstre i naturen med Big Data. zalf.de, 2017, åpnet 25. februar 2020 .
- ↑ Leibniz Institute for Agricultural Engineering and Bioeconomy (ATB) i Potsdam-Bornim: høyteknologiske spioner i felten. biooekonomie.de, 2016, åpnet 25. februar 2020 .
- ^ Thünen Institute: høyteknologiske spioner i felten. thuenen.de, 2019, åpnet 25. februar 2020 .
- ^ Servicesentre i landlige området Rheinland-Pfalz: MAPrlp. 2018, åpnet 26. november 2019 .
- ^ DLG eV: Digital Agriculture - Opportunities. Risiko. Godkjennelse. I: Posisjonspapir. DLG, 2017, åpnet 23. november 2019 .
- ↑ COPA-COGECA: EUs etiske retningslinjer for deling av landbruksdata etter kontraktsavtale. 2018, åpnet 23. november 2019 .
- ↑ Forbundsdepartementet for mat og landbruk: Digitale eksperimentfelt - Et bidrag til digitalisering i landbruket. Hentet 8. januar 2020 .
- ↑ PricewaterhouseCoopers: Studie om smart oppdrett: Landbruk spiller en banebrytende rolle i digitaliseringen . I: PwC . ( pwc.de [åpnet 15. januar 2020]).
- ↑ https://www.fnp.de/lokales/hochtaunus/5g-netz-taunus-fluch-oder-segen-landwirtschaft-region-zr-13339159.html
- ↑ Dr. Martin Kunisch, Dr. Stefanie Reith, Dr. Jürgen Frisch, KTBL: Digitalisering i landbruket: muligheter og risikoer. KTBL, 2017, åpnet 29. november 2019 .
- ^ Stig Tanzmann og Bernd Voss: Digitalisering av landbruket. AgrarBündnis eV, 2018, åpnet 29. november 2019 .
- ↑ Datasuverenitet og bruk av data i landbruket. Bitkom.org, 2019, åpnet 29. november 2019 .
- ^ DLG eV: Digital Agriculture - Opportunities. Risiko. Godkjennelse. I: Posisjonspapir. DLG, 2017, åpnet 23. november 2019 .
- ^ Rainer Winter, DLG: "Digital Harvesting" gjennom Big Data. LKO.at, 2018, åpnet 29. november 2019 .