Martin Nake

Autor und Student

"Gesundheit ist nicht alles,
aber ohne Gesundheit ist alles nichts."

Martin Nake

Autor und Student

"Gesundheit ist nicht alles,
aber ohne Gesundheit ist alles nichts."

Hallo, mein Name ist Martin Nake und ich bin Gründer von „Leben in Gesundheit“ sowie der Herausgeber dieses informativen und hilfreichen Ernährungs- sowie Gesundheitsblogs.

Mein Ziel ist es, Ihnen dank einer gesunden Ernährung ein Leben in Gesundheit zu ermöglichen.

Ich möchte, dass Sie selbst über Ihre Gesundheit entscheiden können und nicht auf die Medizin bzw. Pharmaindustrie angewiesen sind. Wir Menschen können selbst, durch unsere Ernährung und unseren Lebensstil, unsere Gesundheit beeinflussen und ich gebe Ihnen wichtige Tipps, Hilfestellungen sowie hilfreiche Anleitungen, damit Sie dies durchsetzen können.

Ebenso biete ich eine individuelle Ernährungsberatung an, damit Sie endlich, von einer gesunden Ernährung und der damit eingehenden verbesserten Lebensqualität profitieren können, körperlich sowie psychisch.

Sichern Sie sich Ihr erstes Beratungsgespräch vollständig kostenlos

Die Digitalisierung der Tierhaltung

Ob vernetzte Sensortechnik, automatisierte Datenerfassung oder intelligentes Gesundheitsmonitoring. Digitale Technologien unterstützen immer mehr Bauern in der Tierhaltung. Gerade innovative Lösungen bieten große Chancen für eine nachhaltigere Landwirtschaft und tragen gleichzeitig zu einer Steigerung des Tierwohls bei.

In der aktuellen Landwirtschaft und Tierhaltung werden Kameras, Mikrofone, Krankheitserregersensoren und Bewegungssensoren zur Überwachung von Gesundheit und Wohlbefinden, Gewichtskontrolle und Tiermanagement eingesetzt. Sie bieten dem Landwirt zusätzliche Augen und Ohren und können ihn bei Entscheidungen unterstützen oder sogar Entscheidungen für den Landwirt treffen.

Doch ist die Digitalisierung in der Landwirtschaft wirklich eine gute Idee und kann sie uns dabei unterstützen, die Tierhaltung sowie die Emmisionsschäden zu optimieren?

Inhalt

Nutztierhaltung digitalisieren

Herdenmanagement: smarte Ideen für mehr Tierwohl

Chancen der Digitalisierung der Landwirtschaft

Ressourceneffizienz

Einsparpotenziale bei Düngemitteln

Einsparpotenziale bei Pflanzenschutzmitteln

Einsparpotenziale bei fossilen Treibstoffen und Energie

Reduktion von Lebensmittelabfällen

Emissionsreduktion

Bodenentlastung

Chancen für die Tierhaltung

Fütterungsmanagement

Fruchtbarkeit / Reproduktion

Geburtsüberwachung

Gesundheitsüberüberwachung

Messung der Wiederkäuaktivität bei Kühen

Temperaturüberwachung

Nutztierhaltung digitalisieren

Treibende Faktoren der Digitalisierung sind die effizienter werdende Datenerfassung, die Verarbeitung dieser Daten über Algorithmen oder verschiedene Formen der Künstlichen Intelligenz. Eine Schlüsselrolle spielen in diesem Zusammenhang Sensorensysteme.

Sie versorgen die Tierhalter mit einer Vielzahl an Daten. In der Landwirtschaft ist ein immenser Anstieg an vernetzten Sensoren zu beobachten, die zur Effizienzoptimierung eingesetzt werden. So prognostiziert Juniper Research, dass die Zahl der Monitoring-Sensoren von 170 Millionen im Jahr 2020 auf 436 Millionen im Jahr 2025 anwachsen wird.

Während etwa Sensoren für Stallklima und Lichtmanagement dem gesamten Bestand dienen, ermöglichen spezielle Sensoren ein Monitoring des Einzeltieres.

Dazu gehört die Identifizierung oder die Erfassung der Aktivität einschließlich Bewegungsprofil und Fressverhalten. Sensoren können aber auch physiologische Daten wie den pH-Wert des Pansens oder die Körpertemperatur jedes einzelnen Tieres erfassen.

Herdenmanagement: smarte Ideen für mehr Tierwohl

Zu den innovativen Beispielen in diesem Feld zählt ein Frühwarnsystem für Kälberkrankheiten. Das System erkennt ausbrechende Krankheiten bis zu drei Tage vor Ausbruch und ist ab dem ersten Lebenstag für Kälber in Einzelhaltung anwendbar. Dabei wird an jeder Kälberbox ein Sensor befestigt, der das Verhalten des Kalbes aufzeichnet.

Das Sensorsystem sendet diese Daten an einen Server – ein Algorithmus wertet diese Daten aus und erkennt krankheitsanfällige Kälber. Diese Auffälligkeiten werden dem Landwirt per App als Echtzeit-Benachrichtigung an das Smartphone gesendet. So kann das betroffene Kalb frühestmöglich behandelt werden.

Gezieltes Gesundheitsmonitoring führt also in diesem Fall dazu, das Verhalten der Kälber besser zu verstehen, zur Tiergesundheit beizutragen und gleichzeitig den Einsatz von Antibiotika zu reduzieren.

Chancen der Digitalisierung der Landwirtschaft

Die Digitalisierung wird häufig mit Potenzialen für die ökologische Nachhaltigkeit in Verbindung gebracht. Diese Einschätzung dominiert die politischen und akademischen Diskurse (El Bilali & Allahyari, 2018; Schmidt, 2018).

Das folgende Kapitel stellt die verschiedenen Chancen dar.

Ressourceneffizienz

Die Steigerung der Ressourceneffizienz durch Präzisionslandwirtschaft ist mit Abstand die am häufigsten diskutierte ökologische Chance im Kontext der Digitalisierung. Die Präzisionslandwirtschaft zielt zwar primär auf eine Verringerung der Produktionskosten ab, birgt aber auch das Potenzial positiver ökologischer Wirkungen, da sich der Einsatz von Präzisions-, Smart-Farming- und IoT- Technologien in den meisten Fällen positiv auf die Ressourceneffizienz auswirkt (Saiz-Rubio & Rovira-Más, 2020).

Dies gilt für verschiedene Ressourcen.

Einsparpotenziale bei Düngemitteln

Am häufigsten konnten Einsparungen bei Düngemitteln beobachtet werden. (Saiz-Rubio & Rovira-Más, 2020; Villa Henriksen et al., 2020).

Laut einer Meta-Studie können durch die teilflächenspezifische Ausbringung von Düngemitteln Stickstoffrückstände im Boden um 30-50 Prozent gesenkt werden (Schrijver & van Woensel, 2016).

Das Potenzial zur Einsparung von Düngemitteln ist jedoch besonders in jenen Regionen eingeschränkt, in denen es aufgrund intensiver Tierhaltung zu einer Überproduktion von Gülle kommt. Eine Steigerung der Effizienz in der Düngung kann nicht erzielt werden, wenn die absolute Menge an Gülle und Gärresten, die lokal entsorgt werden muss, schlicht zu hoch ist (BUND, 2019).

Organisiert über sogenannte „Güllebörsen“ kommt es vereinzelt bereits zum Transport von Gülle in tierärmere Regionen, der auf langen Strecken jedoch viel Energie verbraucht (Lukat & Naumann, 2016).

Hier besteht das Problem also nicht in einer ineffizienten Düngung, sondern in einer zu flächenintensiven Tierhaltung.

Einsparpotenziale bei Pflanzenschutzmitteln

Das zweite große ökologische Potenzial von Präzisionslandwirtschaft und Smart Farming ist ein verringerter Einsatz von Pflanzenschutzmitteln (Saiz-Rubio & Rovira-Más, 2020; Villa-Henriksen et al., 2020).

Bei herkömmlichen Spritzmethoden treffen nur etwa zehn Prozent der ausgebrachten Pflanzenschutzmittel tatsächlich kranke Pflanzen. Pflanzenschutzmittel können zudem durch Winddrift auch umliegende Ökosysteme schädigen (FAO 2009, in: Schrijver und van Woensel, 2016).

Durch größere Präzision bei der Ausbringung bis hin zu pflanzenindividuellem „Spot Farming“ können neben positiven Effekten auf Biodiversität große Einsparungen und verringerte Umweltschäden erzielt werden. Der wissenschaftliche Dienst des Europäischen Parlaments taxiert die Einsparpotenziale je nach Anwendungsfall auf bis zu 80 Prozent (Schrijver und van Woensel, 2016).

Einsparpotenziale bei fossilen Treibstoffen und Energie

Digitale Technologien können den Verbrauch von fossilen Treibstoffen und den Primärenergieverbrauch reduzieren. Laut einer Studie von Saiz-Rubio & Rovira-Más (2020) kann der Primärenergieverbrauch im Pflanzenbau durch Präzisionslandwirtschaft und Smart Farming im Schnitt um 17 Prozent gesenkt werden. Das ist vor allem dadurch möglich, dass Spurführungstechnologien, Teilflächenbewirtschaftung und andere digital gestützte Methoden den Treibstoffverbrauch von Landmaschinen reduzieren.

Einsparpotenziale beim Wasserverbrauch

Die Reduktion des Wasserverbrauchs ist vor allem wichtig für die Anpassung der Landwirtschaft an die Folgen der Klimakrise, die in vielen Teilen der Welt, so auch in Deutschland, mit längeren und intensiveren Hitze- und Dürreperioden einhergeht.

Durch präzisere Bewässerungstechniken (Villa-Henriksen et al., 2020) basierend auf IoT-Sensoren kann der Wasserverbrauch theoretisch gesenkt werden. Hier ist das ökologische Potenzial aber ambivalent.

Zwar senkt der Einsatz von digitalen Technologien in einer Mehrheit der Fälle den direkten Wasserverbrauch, etwa laut einer Studie im Pflanzenbau um durchschnittlich acht Prozent (Saiz-Rubio & Rovira-Más, 2020).

Dabei ist aber die Varianz sehr groß, und oft führt eine gesteigerte Präzision bei der Bewässerung zu Anreizen für den Anbau wasserintensiverer Kulturen oder zur Ausweitung der bewirtschafteten Fläche und somit letztlich zu einem erhöhten Wasserverbrauch (Mutchek & Williams, 2010) – ein sogenannter Rebound-Effekt.

Reduktion von Lebensmittelabfällen

Schließlich können digitale Technologien zu einer Vermeidung von Lebensmittelabfällen beitragen. Dabei kann schon eine größere Präzision in der landwirtschaftlichen Arbeit den Anteil der Lebens- mittel reduzieren, die aufgrund inadäquater Bearbeitung entsorgt werden müssen.

Vor allem aber kann der durch Plattformen und DSS vermittelte Austausch von Daten über die gesamte Wert- schöpfungskette hinweg die zeitkritische Logistik von Lebensmitteln effizienter gestalten und so zur Reduktion von Lebensmittelabfällen beitragen (Poppe et al., 2013; Zhai et al., 2020).

Emissionsreduktion

Der Einsatz von digitalen Technologien könnte zur Reduktion von Treibhausgasemissionen land- wirtschaftlicher Betriebe beitragen (Villa-Henriksen et al., 2020).

Ein Grund dafür sind die bereits erwähnten Potenziale zur Reduktion des Energie- und Treibstoffverbrauchs durch Präzision und einer Kombination aus Elektrifizierung und dem Einsatz erneuerbarer Energien.

Für den Klimaschutz sind jedoch andere Effekte relevanter: Der weitaus größte Teil von über 50 Prozent der landwirtschaftlichen Emissionen fällt in Form von Methan in der Rinderhaltung an.

Zur Vorhersage der Methanemissionen und zur Auswahl geeigneter Maßnahmen wird pilotmäßig auch maschinelles Lernen eingesetzt. Die derzeit erprobten Maßnahmen reichen von Masken, die das von Rindern ausgestoßene Methan absaugen, bis zu einer Abscheidung von Methan aus der Stallluft. Allerdings ist die Abscheidung energieintensiv, und Masken erschweren den Rindern das Atmen.

Ein weiterer Ansatz, bei dem maschinelles Lernen zum Einsatz kommt, besteht darin, die Zusammensetzung des Futters zu optimieren, um die Methanproduktion zu verringern. Dadurch können jedoch nur marginale Verringerungen der Methanemissionen erreicht werden (Kiat et al., 2019).

Präzisionslandwirtschaft kann zum einen durch eine Reduktion der Stickstoffdüngung zu einer verringerten Entstehung von Lachgas beitragen. Zum anderen können Drohnen und Bodensensoren die spezifischen Bedingungen erkennen, die die Entstehung und Emission von Lachgas begünstigen, etwa besonders saure und feuchte Ackerflächen und gezielt darauf reagieren.

Beispielsweise könnten bildverarbeitende Drohnen bereits gezielt Urinlachen auf Weideflächen erkennen und Enzyme ausbringen, die eine Nitrifikation verhindern (Rees et al., 2020).

Schließlich ist für den Klimaschutz auch die Speicherung von Kohlenstoff und Stickstoff im Boden relevant, die durch Präzisionslandwirtschaft erhöht werden kann, wenn weniger Pestizide ausgebracht werden und somit mehr Pflanzen und Mikroben im Boden überleben (Saiz-Rubio & RoviraMás, 2020).

Bodenentlastung

Eine weitere Chance der Digitalisierung der Landwirtschaft entsteht durch den Einsatz von leichteren Maschinen, Feldrobotern und Drohnen. Diese könnten in Zukunft größere und schwere Landmaschinen ersetzen (Villa-Henriksen et al., 2020).

Das schiere Gewicht großer Maschinen begünstigt Bodenverdichtung und Erosion, die sich negativ auf Wasser- und Nährstoffkreisläufe, die Verfügbarkeit von Sauerstoff und folglich auf das Vorkommen von Kleinstlebewesen und damit auch auf den landwirtschaftlichen Ertrag auswirken (Li et al., 2018).

Beispielsweise wird die Aktivität von Regenwürmern, durch verdichtete Stellen im Boden stark beeinflusst, da sie einerseits in ihrer Bewegung eingeschränkt sind und andererseits unter Sauerstoffmangel leiden (Whalley et al., 1995).

Deutschlandweit liegen auf ungefähr der Hälfte der gesamten Ackerfläche Eigenschaften vor, die bei einer Verdichtung zu einer Beeinträchtigung der Bodenfunktionen führen.

Chancen für die Tierhaltung

Auch in der Tierhaltung bietet die Digitalisierung ökologische Chancen. Beim Virtual Herding werden die virtuellen Grenzen eines Weidegebietes mithilfe von Drohnen erkannt und durch akustische und elektrische Signale über Halsbänder markiert. Dies macht Zäune überflüssig, was sich positiv auf das Landschaftsbild und die Biodiversität auswirken kann (Anderson et al., 2014).

Aus Tierwohlperspektive ist der Einsatz solcher Signale jedoch umstritten. Möglicherweise können Virtual Herding und Weidemanagementsysteme die wirtschaftliche Attraktivität, der aus ökologischer Sicht günstigeren Weidehaltung, gegenüber der Stallhaltung erhöhen. Dies kann eine angemessenere Flächenbindung der Tierhaltung begünstigen, die für eine Reduktion des Gülleaufkommens und damit der Stabilisierung von Stoffkreisläufen essenziell ist. Anhand neuer digitaler Daten könnte zudem die ökologische Tragekapazität genauer und unter Einbeziehung zusätzlicher Parameter berechnet werden, beispielsweise dem Vorkommen von Wildtieren oder Mikroben (Anderson et al., 2014).

Auch die Erfassung von Informationen über das Verhalten grasender Tiere durch Drohnen oder Sensoren könnte ein für das Tierwohl günstigeres Weidemanagement ermöglichen (BUND, 2019).

Fütterungsmanagement

Die wohl älteste elektronische Anwendung im Herdenmanagement war die leistungsorientierte Fütterung von Nutztieren. Das Fütterungsmanagement der Tiere ist deshalb so wichtig, da vor allem Kühe in den ersten 100 Tagen der Laktation eine stark negative Energiebilanz haben und große Teile ihrer Körperreserven einschmelzen. Da in dieser Zeit auch eine erfolgreiche Besamung erfolgen soll und die meisten Stoffwechselstörungen bei den Milchkühen auftreten, ist eine ausgewogene, individuelle Energie- und Nährstoffversorgung besonders wichtig.

Die Basisversorgung erfolgt hauptsächlich über optimierte Mischrationen, die in der Regel mit einem Futtermischwagen homogenisiert und vorgelegt werden.

Fruchtbarkeit / Reproduktion

Die Brunsterkennung mit Sensoren ist möglich, da sich die Vorbrunst der Kuh durch eine deutlich gesteigerte Bewegungsaktivität auszeichnet. Die Messung der Aktivität erfolgt bei Pedometern durch die Messung und Bewertung der Schrittzahl (Anzahl Bewegungsimpulse). Durch zusätzliche Induktionsschleifen im Stall kann auch der Aufenthalt an bestimmten Orten (z. B. im Fressbereich) erfasst werden. Bewegungssensoren, die am Halsband der Tiere sitzen, arbeiten spezifischer. Mit Hilfe eines Drei-Achsen-Systems messen sie die Bewegungsart und erkennen so brunstspezifische Bewegungen. Andere Aktivitätssensoren, z. B. Pansenboli oder Ortungssysteme können die Aktivität ebenfalls erfassen.

Im Gesamtsystem zur Aktivitätsmessung werden Datenstromanalysen durchgeführt. Hierfür werden gleitende Mittelwerte berechnet, um nach festgelegten Algorithmen ein normales Bewegungsmuster einer jedes Tiers zu erstellen und bei Abweichungen von diesem Alarm zu schlagen. Manche Systeme verwenden neben der Aktivität weitere Kenngrößen (z. B. die Fressaktivität), um die Genauigkeit des Alarms zu erhöhen.

Geburtsüberwachung

Abkalbe-Sensoren erleichtern und entlasten bei der Tierkontrolle, helfen Geburtsprobleme, Komplikationen und Verluste zu reduzieren und unterstützen die zeitnahe Nachversorgung der Kühe und Kälber.

Sie werden als Pedometer zur Verhaltensfeststellung, als Spangen mit Helligkeits- und Temperatursensor oder als Sensoren zum Messen der Schwanzaktivität, der Wiederkäuaktivität oder der Körpertemperatur angeboten.

Sensoren, die am Schwanz des Tieres befestigt sind, gaben dabei wenige Stunden vor einer Kalbung eine Meldung aus und Sensoren zur Messung der Körperkerntemperatur im Mittel 20 Stunden vorher. Die Spezifität, d. h. die Anzahl von Tieren ohne falsch-positive Meldungen, schwankte bei diesen drei Sensoren zwischen 74 und 95 % (Böhm et al., 2019).

Bei der Praxiserprobung eines Pedometers zur Früherkennung von Kalbungen wurden sowohl hinsichtlich Sensitivität als auch Spezifität deutlich niedrigere Werte ermittelt (Böhm et al., 2019).

Gesundheitsüberüberwachung

Sensoren können helfen, Tiere mit gesundheitlichen Problemen zu finden, die sonst nicht oder deutlich später registriert worden wären. Diese Möglichkeiten sind gerade beim Fluchttier Rind wichtig, da es natürlicherweise versucht, sich seiner Umwelt nicht als krank oder schwach zu zeigen.

Die kontinuierliche Erfassung von Parametern wie Aktivität, Wiederkauen oder Körperkerntemperatur ermöglicht es, Auffälligkeiten im Gesundheitszustand eines Tieres zu erkennen. Sensoren geben beispielsweise Hinweise auf eine Verminderung der Bewegungsaktivität, einen Rückgang des Wiederkauens oder Veränderungen der Körperkerntemperatur.

Anhand einer kontinuierlichen Überwachung können Sensoren somit teils sogar auf Änderungen hinweisen, bevor diese für das menschliche Auge sichtbar bzw. erkennbar sind. Die Sensoren weisen den Landwirt darauf hin, auf welche Tiere ein gezieltes Augenmerk gesetzt werden muss, ersetzen aber keineswegs die Diagnose von Krankheiten durch einen Tierarzt.

Es liegt nahe, dass das Potential der Sensoren insbesondere dann ausgeschöpft werden kann, wenn sich Krankheitsverläufe in einer Störung des Allgemeinbefindens eines Tieres niederschlagen (z. B. Fieber, Verminderung der Bewegungsaktivität, längere Liegezeiten).

Messung der Wiederkäuaktivität bei Kühen

Die Veränderung des individuellen Wiederkäuens hat sich in der Praxis sehr gut zur Feststellung von Gesundheitsstörungen bewährt. Die Messung der Wiederkäuaktivität und der Fressdauer kann mithilfe verschiedener Techniken erfolgen.

Beschleunigungssensoren messen die Rechts-Links-Bewegung des Kopfes oder die Kopfhaltung beim Fressen. Die Wiederkäudauer lässt sich mit einem Bewegungssensor messen, der den Tonus der beim Wiederkäuen aktiven Muskeln misst.

Die Fresszeit kann außerdem mithilfe von Sensoren geschätzt werden, welche die Zeit erfassen, in der das Tier am Futtertisch steht. Wiederkäu- und Fressverhalten geben Hinweise auf das Wohlbefinden des Tieres sowie zur Fütterungsoptimierung.

Temperaturüberwachung

Aktuell ist eine Temperaturmessung am Ohr und durch einen Bolus im Netzmagen möglich.

Steigt die Körperkerntemperatur eines Tieres über 39,5 °C, hat das Tier Fieber. Dieses kann durch verschiedene Erkrankungen des Tieres ausgelöst werden. Besonders in der Phase direkt nach dem Abkalben sollte täglich Fieber gemessen werden, um Erkrankungen frühzeitig zu erkennen.

Eine automatische Messung der Körpertemperatur durch einen Bolus im Netzmagen hat hier große arbeitswirtschaftliche Vorteile und zeigt Fieber frühzeitig an, was Schnelles Handeln ermöglicht

Verweise

El Bilali, H., & Allahyari, M. S. (2018). Transition to sustainability in agriculture and food systems: Role of information and communication technologies. Information Processing in Agriculture, 5(4), 456-464. https://doi.org/10.1016/j.inpa.2018.06.006

Schmidt, C. (2018). Agriculture 4.0 – Digitization as an opportunity for sustainable agriculture. In C. Bär, T. Grädler, & R. Mayr. (Eds.), Digitalization at the intersection of politics, economics, science, and law (pp. 397-407). Springer Gabler. https://doi.org/10.1007/978-3-662-55720-4_38

Saiz-Rubio, V., & Rovira-Más, F. (2020a). From smart farming to agriculture 5.0: A review on crop data management. Agriomy, 10(2), 207. https://doi.org/10.3390/agronomy10020207

Saiz-Rubio, V., & Rovira-Más, F. (2020b). From smart farming to agriculture 5.0: A Review on Crop Data Management. Agriomy, 10(2), 207. https://doi.org/10.3390/agronomy10020207

Villa-Henriksen, A., Edwards, G. T. C., Pesonen, L. A., Green, O., & Sørensen, C. A. G. (2020a). Internet of things in arable farming:

Implementation, applications, challenges and potentials. Biosystems Engineering, 191, 60-84.

Villa-Henriksen, A., Edwards, G. T. C., Pesonen, L. A., Green, O., & Sørensen, C. A. G. (2020b). Internet of things in arable farming: Implementation, applications, challenges and potentials. Biosystems Engineering, 191, 60-84. https://doi.org/10.1016/j.biosystemseng.2019.12.013

Schrijver, R., & van Woensel, L. (2016). Precision agriculture and the future of farming in Europe. Scientific.

Schröder, C., & Walk, H. (2014). Opportunities and limits of cooperatives as actors in a socio ecological transformation. In C. Schröder & H. Walk (Eds.), Cooperatives and climate change mitigation (Vol. 41, pp. 299 306). Springer

Lukat, E., & Naumann, S. (2016). Closing nutrient cycles in agriculture. Ecological Economics Journal, 31(2), 40–44. https://doi.org/10.14512/OEW310240

Lundström, C., & Lindblom, J. (2018). Considering farmers‘ situated knowledge when using agricultural decision support systems (AgriDSS). to Foster farming practices: The case of CropSAT. Agricultural Systems, 159, 9-20. https://doi.org/10.1016/j.agsy.2017.10.004

Lutz, K. J. (2017). Digitization of agriculture: revolution with evolutionary character. In A. Hildebrandt & W. Landhäußer. (Eds.), CSR and digitalization (pp. 429-442). Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-662-53202-7_31

Munz, J., Gindele, N., & Doluschitz, R. (2020). Investigating the characteristics and use of Farm Management Information Systems. (FMIS) in Germany. Computers and Electronics in Agriculture, 170, 105246. https://doi.org/10.1016/j.compag.2020.105246

Mutchek, M. A., & Williams, E. D. (2010). Characterizing the design space for achieving cost and carbon reduction goals: Smart irrigation Controllers in the southwestern United States. Journal of Industrial Ecology, 14(5), 727-739.

Nawar, S., Corstanje, R., Halcro, G., Mulla, D., & Mouazen, A. M. (2017). Delineation of soil management zones for variable rate fertilizationzation: A review. Advances in agronomy, 143, 175-245. https://doi.org/10.1016/bs.agron.2017.01.003

Nerlich, K., Graeff-Hönninger, S., & Claupein, W. (2013). Agroforestry in Europe: an overview of the disappearance of traditional systems. and the development of modern agroforestry practices, with a focus on the German experience. Agroforestry Systems, 87, 475–492. https://doi.org/10.1007/s10457-012-9560-2

Poppe, K. J., Wolfert, S., Verdouw, C., & Verwaart, T. (2013). Information and communication technology as a driver of change in the agricultural and food chains. EuroChoices, 12(1), 60-65.

Prause, L., Hackfort, S., & Lindgren, M. (2020). Digitization and the third food regime. Agriculture and human values, 1-15. https://doi.org/10.1007/s10460-020-10161-2

Pretty, J., & Bharucha, Z. P. (2014). Sustainable intensification in agricultural systems. Annals of Botany, 114(8), 1571-1596. https://doi.org/10.1093/aob/mcu205

Yu, F., Zhang, J.-F., Zhao, Y., Zhao, J.-C., Tan, C., & Luan, R.-P. (2010). The exploration and application of virtual reality (VR) technology in the ogy in Agriculture Science. In Computer and computing technologies in agriculture III (Vol. 317). Springer.

Zeng, J., Liu, X., Song, L., Lin, X., Zhang, H., Shen, C., & Chu, H. (2016). Nitrogen fertilization directly affects soil bacterial diversity and indirectly on bacterial community composition. Soil Biology and Biochemistry, 92, 41-49. https://doi.org/10.1016/j.soilbio.2015.09.018

Zhai, Z., Martínez, J. F., Beltran, V., & Martínez, N. L. (2020). Decision support systems for agriculture 4.0: overview and challenges. Computers and Electronics in Agriculture, 170, 105256.

Redhead, J. W., Oliver, T. H., Woodcock, B. A., & Pywell, R. F. (2020). The influence of landscape composition and configuration oncrop yield resilience. Journal of Applied Ecology, 57(11), 2180-2190. https://doi.org/10.1111/1365-2664.13722

Rees, R. M., Maire, J., Florence, A., Cowan, N., Skiba, U., Weerden, T. van der, & Ju, X. (2020). Mitigating nitrous oxide emissions from agricultural soils by precision management. Frontiers of Agricultural Science and Engineering, 7(1), 75-80.

Reichel, C., Pascher, P., Scholz, R. W., Berger, G., Brunch, R., Strobel-Unbehaun, T., Tölle Nolting, C., Rogga, S., & Zscheischler, J. (2021). Agroecological implications.

In R. W. Scholz, E. Albrecht, D. Marx, M. Mißler-Behr, O. Renn, & V. Van Zyl-Bulitta (Eds.), Supplementary information to the DiDaT white paper (pp. 156-163).

Li, H., & Zhao, J. (2018). Rebound effects of new irrigation technologies: The role of water rights. American Journal of Agricultural Economics, 100(3), 786-808. https://doi.org/10.1093/ajae/aay001

Li, S., Ding, X., Kuang, Q., Ata-UI-Karim, S. T., Cheng, T., Liu, X., Tian, Y., Zhu, Y., Cao, W., & Cao, Q. (2018). Potential of UAV-Based.

Active Sensing for Monitoring Rice Leaf Nitrogen Status. Frontiers in Plant Science, 9.

https://doi.org/10.3389/fpls.2018.01834

BUND. (2019). Opportunities and risks of digitalization in agriculture. Bund für Umwelt- und Naturschutz Deutschland.

https://www.bund.net/fileadmin/user_upload_bund/publikationen/landwirtschaft/bak_landwirtschaft_diskussionspapier_digitalization.pdf.

Wenn Ihnen dieser Blogbeitrag gefallen hat, würde ich mich sehr darüber freuen, wenn Sie diesen mit anderen Menschen teilen würden. Helfen Sie mir dabei, mehr Menschen zu erreichen und denen zu einem gesünderen und vitaleren Leben zu verhelfen.