Köhler, Stefan Daniel: Nutzung von Prozessparametern automatischer Melksysteme für die Verwendung von Eutererkrankungen unter Verwendung der Fuzzy Logic

3

Kapitel 2. Literatur

2.1 Milch und Melken

Die Qualität der Milch und der Verlauf der Milchabgabe hängen von tierseitigen Faktoren einerseits und technischen bzw. menschlichen Einflüssen andererseits ab. Neben den verschiedenen Komponenten der Melktechnik und der Melkarbeit sind also die individuellen Melkeigenschaften der Euterviertel bestimmend. Hierzu zählen die anatomische und morphologische Beschaffenheit der Zitzen, die Melkbereitschaft als Summe von Milchejektion und Lockerung des Muskeltonus sowie die Milchmenge, welche u.a. vom Laktationsstatus bestimmt ist (Göft 1991, S.17).

Im ersten Abschnitt dieses Teilkapitels werden zunächst einige grundlegende Aspekte der Milchgewinnung erläutert. Es schließen sich detaillierte Betrachtungen zur Milchzusammensetzung und zu einzelnen Gesichtspunkten des Melkprozesses an.

2.1.1 Milchabgabe

Die Milchdrüse des Rindes besteht aus vier anatomisch getrennten Einzelvierteln. Jedes Euterviertel stellt einen abgeschlossenen Drüsenkomplex dar (Huth 1995, S.9). Histologisch lassen sich demnach die beiden Vorder- und die beiden Hinterviertel unterteilen in ...

Weitergehende Beschreibungen der Anatomie des Euters finden sich in verschiedenen Standardwerken (Nußhag 1954, S. 184ff.; Krahmer 1976, S. 227f.; Bogner 1988, S. 208ff.; Wendt et al. 1998, S. 27ff.).

Die Funktion des Euters wird von mehreren Hormonen gesteuert. Während der Gravidität wirkt vor allem das von den Eihäuten des Uterus zum Schutz der Frucht gebildete Progesteron regulierend. Wenn im geburtsnahen Zeitraum der Progesteronspiegel im Blut der Kuh rapide abfällt, wird die Frei


4

setzung des Milchbildungshormons Prolaktin in der Hirnanhangsdrüse (Hypophyse) nicht länger gehemmt. Diese mit der Kalbung verbundene sprunghafte Prolaktinausschüttung markiert den Beginn der Laktation.

Nur ein Teil der vom Euter fortwährend gebildeten Milch ist für den Milchentzug unmittelbar zugänglich. Diese im Milchableitungssystem gespeicherte Zisternenmilch wird lediglich durch den Zitzenschließmuskel am Abfließen gehindert. Ihr Anteil schwankt in Abhängigkeit von Laktationsnummer, Laktationsstadium und Zwischenmelkzeit meist zwischen zehn und 20 Prozent der gesamten Milchmenge (Bruckmaier 2000, 2001). Mit bis zu etwa 500 g Milch wird an anderer Stelle das Fassungsvermögen des Drüsenteils der Zitzenzisterne oberhalb des Fürstenberg´schen Venenringes angegeben (Huth 1995, S.12).

Der größte Teil des Gemelkes befindet sich jedoch im Drüsengewebe des Euters. Dieses besteht aus vielen Tausend Milchbläschen (Alveolen), in denen ständig Milch gebildet und bis zu deren maximaler Füllung gespeichert wird. Die Alveolarmilch kann erst ermolken werden, wenn sie durch den neurohormonell gesteuerten Milchejektionsreflex in den Zisternenbereich überführt wird („Einschießen der Milch“). Dieser Reflex kann durch manuelle oder maschinelle, mechanische Stimulation ausgelöst werden. Taktile Reize auf die Euterzitze wie das Abmelken der ersten Milchstrahlen (Vorgemelk), die Manipulationen während der Euterreinigung und eine zusätzliche Eutermassage werden als Signale über Nervenbahnen und das Rückenmark zum Gehirn (Hypothalamus) geleitet. Von dort aus wird die Hirnanhangsdrüse (Hypophyse) zur Ausschüttung des Hormons Ocytocin<1> veranlasst, welches über die Blutbahn in das Eutergewebe gelangt (vgl. Bruckmaier 2001).

Durch die Euterstimulation (Anrüsten) wird jedoch nicht nur das für die Milchhergabe wichtige Ocytocin abgegeben. Auch die Ausscheidung von Prolaktin wird gefördert. Beide Hormone im Zusammenspiel beeinflussen entscheidend den Melkprozess: Während das vom Hypophysenvorderlappen synthetisierte Prolaktin für eine ständige, ununterbrochene Anregung der


5

Milchbildung in den Alveolen verantwortlich ist, kommt dem vom Hypophysenhinterlappen gebildeten Ocytocin die Schlüsselfunktion bei der Erlangung der Melkbereitschaft zu.

Die Wirkung des Ocytocins im Euter ist nur kurzfristig und folgt dem Schwellenwertprinzip, d.h. ab etwa einer Verdreifachung der basalen Hormonkonzentration wird ein maximaler Effekt erreicht (Bruckmaier 2000). Die Myoepithelzellen, welche die Alveolen und die kleinen milchabführenden Milchgänge umgeben, ziehen sich zusammen. Die Milch „schießt ein“, der Euterinnendruck steigt steil an. Vom Beginn der Euterreizung bis zum Einschießen der Milch (Latenzzeit, Induktionszeit) vergehen im Durchschnitt 60 Sekunden. Als Richtwerte gelten etwa 30 Sekunden Stimulationsdauer und 30 Sekunden Wartezeit (Bogner 1988, S.211; Bruckmaier 2000).

Es ist festgestellt worden (Wellnitz et al. 1999), dass die Höhe der Milchleistung keinen Einfluss auf die Zeit von Stimulationsbeginn bis zum Einsetzen des Druckanstiegs und bis zum Erreichen des Druckmaximums hat. Während der Euterinnendruck vor der Stimulation sich ebenfalls als von der Milchleistung unbeeinflusst erwies, war der maximale Euterinnendruck nach der Stimulation bei Hochleistungskühen höher als bei den Kontrolltieren.

Nach ihrer Grundstruktur wird die Milchabgabe üblicherweise in die folgenden drei Phasen eingeteilt (vgl. Göft 1991, S.12ff.):

Die Milchabgabe endet mit dem Abnehmen des Melkzeuges.


6

2.1.2 Milchbestandteile

Aufgrund ihrer biochemischen Zusammensetzung zählen Milch und Milcherzeugnisse zu den leicht verderblichen Lebensmitteln. Nicht nur zur Sicherung eines hohen Gesundheitsschutzes für die Verbraucher, sondern auch zur Absatzförderung für die Milchprodukte sind umfassende Maßnahmen und Kontrollen zur Qualitätssicherung bei der Gewinnung und Verarbeitung der Milch erforderlich (Meyer 1995). Es sei jedoch bereits an dieser Stelle darauf verwiesen, dass die routinemäßig erfassten Gütemerkmale der Milch zwar Mindestanforderungen für ihre Vermarktungsfähigkeit darstellen, jedoch keine Kennwerte für den Gesundheitszustand der Einzeltiere einer Herde sind (Kron 2000, S.3).

Zur durchschnittlichen Zusammensetzung von Kuhmilch finden sich in der Literatur folgende Angaben:

Tabelle 1: Zusammensetzung von normaler Milch (Bogner 1988, S. 212)

Bestandteil

Mittelwert (%)

Schwankungsbereich (%)

Wasser

87,0

84,0 - 90,0

Trockenmasse

13,0

10,0 - 16,0

Fett

3,75

2,8 - 4,5

Eiweiß (gesamt)

3,70

3,3 - 3,95

Milchzucker

4,80

3,0 - 5,50

Salze (Mineralstoffe)

0,75

0,7 - 0,8

Zu den wichtigen Gütemerkmalen der Milch zählen ferner die Zellzahl und der Keimgehalt, auf die später ausführlich eingegangen werden soll (s. 2.2.3). Die Gehalte der verschiedenen Milchbestandteile schwanken unterschiedlich stark. Am meisten differieren der Gehalt an Fett sowie die Gehalte der Eiweißbestandteile Casein und Albumin. Casein ist mit etwa 80 Prozent der Hauptbestandteil des Reineiweißes der Milch und verursacht ihre Viskosität (ebenda, S. 214). Eine Untersuchung zur Erfassung physikalischer Größen von Rohmilch kam jedoch zu dem Ergebnis, dass die verfügbaren Viskosemessgeräte nicht für die Überwachung von Eutergesundheit und Milchqualität zu nutzen sind (ATB 2001).

Der Milchzuckergehalt indessen ist im Gegensatz zum angegebenen Schwankungsbereich recht stabil und nur durch extreme Futterrationen zu


7

beeinflussen. Ferner nimmt der Gehalt an Milchzucker bei Eutererkrankungen ab, seine Abweichung könnte daher als zusätzlicher Indikator für die Mastitisdiagnose genutzt werden (Wendt et al. 1998, S. 41; Tsenkova et al. 1999). Auch der sonst sehr gleichbleibende Gehalt an Salzen verändert sich bei Störungen der Eutergesundheit (s. 2.2.3.1). Enzyme sind in sehr geringen Mengen in der Milch enthalten. Untersuchungen von Enzymreaktionen sind aussagefähig über den Gesundheitsstatus des Euters und die Qualität der Milch (Bogner 1988, S. 214), kommen wegen ihrer Kostenintensität jedoch nicht für Routinekontrollen in Frage.

2.1.3 Milchfluss

Bereits vor geraumer Zeit wurde als „sekundäres“ bzw. „indirektes“ Leistungsmerkmal für Kühe ihre Melkbarkeit interessant (Göft 1991, S. 2). Gegenwärtig entwickelt man auf der Basis von Daten der Milchleistungsprüfung mit dem Messgerät „LactoCorder®“ ein neues Verfahren zur Zuchtwertschätzung für die Melkbarkeit (Dodenhoff et al. 2000). Dieses nicht nur für die Züchtung, sondern auch für die Melktechnikentwicklung aufschlussreiche Kriterium wird beeinflusst von ererbten euteranatomischen Anlagen. Insbesondere die morphologischen Parameter Zitzenlänge, Zitzendurchmesser bzw. -umfang, Wandstärke, Zitzenform und Kuppenformausbildung sowie Länge und Form des Strichkanals werden hierbei hervorgehoben (Geidel und Graff 2001). Weitere Einflüsse auf die Melkbarkeit stellen die Stärke des Leerungsreflexes (Melkbereitschaft, vgl. 2.1.1), die Höhe der Milchleistung, die Gemelksmenge, Laktationsstadium und -nummer sowie betriebliche und melktechnische Parameter (v.a. Vakuum, Pulsfrequenz und -verhältnis) dar.

Für die Bewertung der Melkbarkeit hat sich die mittlere Milchflussgeschwindigkeit (durchschnittliches Minutengemelk, DMG) gegenüber dem höchsten Minutengemelk und der Melkdauer durchgesetzt (Göft et al. 1994; Huth 1995, S. 68). DMG bezeichnet die Menge der ermolkenen Milch in der Zeit vom Ansetzen der Melkbecher bis zum Versiegen des maschinellen Milchflusses. Der Milchfluss des Gesamteuters schwankt meistens zwischen einem und vier kg/min, als optimal gelten 2,5 kg/min (Göft 2001).


8

Das Hauptgemelk zeigt für das Gesamteuter einen typischen Kurvenverlauf mit drei Phasen: Anstieg, Plateau (mit dem Milchflussmaximum [HMF]) und Abstieg (Göft et al. 1994). Die Anstiegsphase wird wesentlich vom Beginn der Zitzenstimulation in zeitlicher Relation zum Melkbeginn geprägt. Während die Höhe des Plateaus überwiegend durch die Zitzenmorphologie bestimmt ist, hängen seine Dauer und der Verlauf der Abstiegsphase vor allem von der Viertelverteilung und der Milchejektionsrate ab (Bruckmaier 2000). Diese Aussagen werden an anderer Stelle bestätigt (Naumann und Fahr 2000). Die Dauer der Abstiegsphase des Gesamtgemelks lässt sich zurückführen auf die Milchflusskurven der Einzelviertel. Die höchste und die mittlere Milchflussrate sind hingegen vor allem durch die Form der Zitzenspitze beeinflusst (ebenda). Es heißt, die Plateauphase werde mit fortschreitender Laktation kürzer, wohingegen die Abstiegsphase sowohl im Laktationsverlauf als auch mit steigender Laktationsnummer zunimmt (Dodenhoff et al. 1999). Gleichsinnig verändern sich auch DMHG und HMF synchron mit der Milchmenge (Roth et. al 1998). Es können drei Grundformen der Milchflusskurve (Gesamteuter) unterschieden werden:

Abbildung 1: Grundformen der Milchflusskurve: Stufenform (blau, durchgehend), bimodale Form (rot, gestrichelt) und Kastenform (grün, gepunktet) (nach Roth et al. 1998 sowie Worstorff et al. 2000; verändert)


9

Die Stufenform ist geprägt durch eine ungleiche Viertelverteilung. Weil die beiden Vorderviertel normalerweise nur 40 bis 45 Prozent der Gesamtmilchmenge abgeben (und ihr Milchfluss damit eher versiegt), ist dies die häufigste Kurvenform. Bimodale Flusskurven treten bei geringem Füllungsgrad des Euters auf, wie er vor dem Trockenstellen oder bei sehr kurzen Zwischenmelkzeiten möglich ist (Bruckmaier 2000). Bimodalität kann jedoch auch ein Hinweis auf unzureichende Melkbereitschaft aufgrund mangelhafter Euterstimulation sein (Worstorff et al. 2000, S. 32ff.). Der dritte Kurventyp, die Kastenform, entsteht durch ein nahezu gleichzeitiges Ende des Milchflusses in allen vier Eutervierteln.

Häufig vertreten wird die These, mit Hilfe definierter Milchflussmerkmale seien gezielte züchterische Verbesserungen nicht nur der Melkbarkeit, sondern auch der Eutergesundheit möglich (Göft et al. 1994; Duda 1995; Dodenhoff et al. 1999, 2000). Als geeignete Parameter werden der höchste Milchfluss (HMF), die Dauer der Plateauphase (tPL), die Dauer der Abstiegsphase (tAB) und das durchschnittliche Minutenhauptgemelk (DMHG) angesehen (Dodenhoff et al. 1999). Beim DMHG beginnt im Unterschied zum DMG die Messung erst, wenn der Milchfluss 0,5 kg/min übersteigt, und endet, sobald der Milchfluss unter 0,2 kg/min sinkt (Dodenhoff et al. 2000).

Die Korrelationen der Kennziffern des Milchflusses mit der Zellzahl (SCC) als einem anerkannten Kriterium für Eutererkrankungen (s. 2.2) sind jedoch klein. So besteht zwischen mittlerer Milchflussrate und Eutergesundheit ein nur geringer Zusammenhang (Duda 1995). Laut einer Quelle weist die Dauer der Plateauphase den relativ engsten Zusammenhang zur Zellzahl auf (phänotypische Korrelation tPL - SCC zwischen -0,15 und -0,16; Dodenhoff et al. 1999). Eine andere Untersuchung (Naumann et al. 1998) kam im Gegensatz dazu zu dem Ergebnis, dass die Plateaudauer mehr von betriebsbedingten Faktoren abhängig ist, während die Dauer der Abstiegsphase eher von tierbedingten Einflüssen bestimmt wird (längere tAB - höhere SCC). Als Beleg für diese These darf eine Studie zu viertelbezogenen Milchflussparametern interpretiert werden, wonach die Zellzahl signifikant von der Dauer der Abstiegsphase beeinflusst ist (Tancin et al. 2001). Weil zugleich tAB und HMF positiv korreliert sind, wird die Frage gestellt, ob Kühe mit hohem Milchflussmaximum in Wirklichkeit möglicherweise aufgrund


10

ihrer verlängerten Abstiegsphase als mastitisanfällig gelten (ebenda).

Als eine denkbare Begründung für die nur sehr geringen Korrelationen wird eine mögliche nichtlineare Beziehung zwischen Eutergesundheit und Melkbarkeit genannt (Roth et. al 1998). Vor allem subklinische Euterinfektionen spiegeln sich demnach nicht in wesentlichen Kurvenveränderungen wider. In einer etwas weiter zurückliegenden Veröffentlichung (Schöne et al. 1994) findet sich eine indirekte Bestätigung für diese Hypothese. Dort heißt es, erst bei stark erhöhten Zellzahlen (> 750 000/ml) und bei stark erniedrigten Laktosegehalten (< 4,4 Prozent) sei die Laufzeit (Dauer des Hauptgemelks, tMHG) im Vergleich zu gesunden Parallelvierteln signifikant kürzer gewesen. Desgleichen wird hervorgehoben, dass die Dauer des Hauptgemelks ein tier- und viertelindividuelles Merkmal ist und die Viertel derselben Kuh und Melkung bis zu 100 Prozent in der Laufzeit variierten (ebenda). Im Kontrast zu diesen Angaben wird in einer anderen Quelle (Petermann et al. 2001a) auf einen um durchschnittlich 17,3 Prozent höheren maximalen Milchfluss bei subklinisch infizierten Eutervierteln im Vergleich zu gesunden Vierteln hingewiesen.

In Anbetracht der teilweise gegensätzlichen Ergebnisse und Interpretationen lässt sich zusammenfassend lediglich feststellen, dass ein mittlerer Milchfluss als optimal gilt. Zwar kann eine sehr hohe Melkbarkeit in arbeitswirtschaftlicher Hinsicht den Durchsatz am Melkstand erhöhen helfen. Der mit einem hohen maximalen Milchfluss korrelierte weite Strichkanal und ein schwacher Zitzenschließmuskel erleichtern jedoch auf der anderen Seite den Eintritt von pathogenen Keimen (Dodenhoff et al. 1999; Blowey and Edmondson 2000). Hohe Spitzenmilchflussraten der Viertel bedeuten gegenüber niedrigen Werten ein erheblich höheres Risiko für Mastitis (Grindal and Hillerton 1991) und eine größere Neigung zu subklinischen Euterinfektionen (Petermann et al. 2001b). Als idealtypisch gilt daher ein kastenförmig-gleichmäßiger Verlauf der Milchflusskurve, der gekennzeichnet ist durch einen raschen Anstieg, ein konstantes Plateau ohne extrem hohes Maximum und durch eine dichte Aufeinanderfolge des Milchflussendes der Einzelviertel (kurzer Abstieg; vgl. Abbildung 1).


11

2.2 Eutergesundheit

Verschiedene mögliche Abweichungen der Bestandteile der Milch sind in Bezug auf Veränderungen der Eutergesundheit dargestellt worden (s. 2.1.2). Auch auf einige Zusammenhänge zwischen Euterkrankheiten und Milchfluss wurde bereits eingegangen (s. 2.1.3). In dem folgenden Abschnitt werden nach der Benennung allgemeiner Einflussfaktoren auf die Eutergesundheit die Mastitiden als eine wesentliche Form von Eutererkrankungen behandelt. Ergänzend sollen einige übliche Parameter zur Erkennung von Gesundheitsproblemen am Euter näher betrachtet werden. Eine detaillierte Darstellung der Eutergesundheit an AMS beschließt dieses Teilkapitel.

2.2.1 Faktoren der Eutergesundheit

Fünf Einflussgrößen sind mit der Eutergesundheit in Verbindung zu bringen: die Anatomie des Euters und der Zitzen, die Melktechnik, die Melkroutine, die Fütterung und das Haltungssystem. Die Anatomie der Milchdrüse der Kuh wurde bereits erläutert (s. 2.1.1). Es gilt als erwiesen, dass die Mehrzahl der pathogenen Keime über den galactogenen Infektionsweg in das Euter gelangt, d.h. der Strichkanal ist die Haupteintrittsstelle für Krankheitserreger (Naumann et al. 1998). Erhebliche Bedeutung bei der Infektionsabwehr kommt der Blut-Euter-Schranke zu, einem passiven Abwehrfaktor, welcher durch Zellbestandteile des Alveolargewebes, der Milchausführungsgänge, des Bindegewebes und der Blutkapillarnetze gebildet wird (Wendt et al. 1998, S. 50f.). Die Blut-Euter-Schranke ist der Ort, an dem die Milchsynthese stattfindet. Bei normaler Funktion gewährleistet sie die physiologischen Prozesse in und zwischen den Zellen, bei Störungen kommt es zur Veränderung der Ionenstruktur in der Milch (ebenda).

Unter dem Faktor Melktechnik sind mit Blick auf Risiken für Eutererkrankungen neben der Ausführung von Melkbecher und Milchsammelstück insbesondere die Vakuumverhältnisse und die Pulsation subsummiert. Letztere ist gleichsam das Herzstück eines jeden Melksystems und gekennzeichnet durch den Pulstakt (Gleichtakt vs. Wechseltakt), die Pulsfrequenz (meist 55 bis 66 Zyklen pro Minute) und das Pulsverhältnis (Verhältnis zwischen Saugphase und Entlastungsphase in einem Zyklus). Die Melktechnikherstel


12

ler haben sehr differenzierte Pulsationsvarianten entwickelt (z.B. Normalpulsation, Stimulationspulsation, Alternierendes Pulsfrequenzverfahren). Im Hinblick auf den Schutz vor der Übertragung von Mastitiserregern von einem infizierten auf benachbarte Euterviertel gilt in konventionellen Melkständen die simultane Melkzeugsteuerung (Gleichtakt) als günstiger. Allerdings ist festgestellt worden, dass unterschiedliche Pulsationsvarianten letztlich nur geringe Effekte auf Melkprozess und Eutergesundheit haben (Wilson et al. 2000). Die Angaben über gesundheitliche Auswirkungen von Veränderungen der übrigen technischen Parameter sind uneinheitlich. Wenngleich eine jüngere Arbeit (Rasmussen and Madsen 2000) zu dem Ergebnis kommt, dass eine Reduzierung des Milchleitungsvakuums von 48 kPa auf 38 kPa keine Verbesserung der Eutergesundheit, wohl aber eine Beeinträchtigung des Melkprozesses bedeutet, sind in der gleichen Quelle verschiedene Literaturangaben über Korrelationen zwischen den genannten Technikfaktoren und Euterinfektionen zusammengetragen worden.

Der Begriff Melkroutine umfasst eine Reihe von Parametern, die betriebsabhängig sind, wie die Melkhygiene, die Melkfrequenz, das Blindmelken, die Restmilch (Nachgemelk), die Melkzeugzwischendesinfektion und das Dippen. Als Fütterungsfaktor kommt möglichen toxischen Ursachen unter den nicht erregerbedingten Auslösern von Eutererkrankungen eine gewisse Bedeutung zu. Neben direkten Schädigungen der Alveolarzellen bewirken Mykotoxine, einige Extraktionsstoffe sowie Toxine aus fetthaltigem Kraftfutter eine starke Leberbelastung und damit Depressionen der körpereigenen Abwehr (Wendt et al. 1998, S. 55). Negative Einflüsse des Haltungssystems können zu kurze Stand- und Liegeflächen sowie eine Halsrahmenanbindung im Abkalbebereich sein (ebenda). Auch zunehmende Herdengrößen prädisponieren Erkrankungsrisiken (Hamann 1999; Blowey and Edmondson 2000).

Störungen der Eutergesundheit als reversible oder verbleibende, krankhafte Veränderungen anatomischer oder/und funktioneller Bestandteile der Milchdrüse lassen sich unterteilen in ...


13

2.2.2 Euterentzündungen

Mastitiden sind vorwiegend erregerbedingte, entzündliche Erkrankungen eines oder mehrerer Viertel der Milchdrüse. Sie können sporadisch (vereinzelt) oder seuchenhaft (enzootisch) auftreten (Wollrab 1989, S. 236f.) und führen zu charakteristischen Veränderungen in der Milchdrüse und in der Milch, welche das Vorhandensein einer Infektion anzeigen können (Ordolff 1989, S. 43). Eine Euterentzündung verläuft akut, wenn sie kurzfristig entstanden ist und sich neben örtlichen Symptomen durch funktionelle Beeinträchtigungen und Allgemeinstörungen auszeichnet. Eine längerfristige Entzündung ohne ausgeprägte Symptomatik oder Funktionsveränderungen nennt man hingegen chronisch (Wendt et al. 1998, S. 53).

Unter den rund 200 Mastitiserregern gibt es einige Pilze bzw. Hefen sowie Algen und Viren. Die meisten gehören jedoch zu den Bakterien (ebenda, S. 55).<2> Während der Galt-Erreger (Strept. agalatiae) in den letzten Jahren fast bedeutungslos geworden ist, hat der Anteil von Staph. aureus stark zugenommen (Green and Bradley 1998; Anacker 2000). Koagulase-negative Staphylokokken sollen demgegenüber eine geringere pathogene Wirkung haben. Man nimmt an, dass sie zum Teil lediglich den Strichkanal besiedeln und viele Euter in der Lage sein könnten, sie ohne Behandlung zu eliminieren (ebenda). Ob das Auftreten von E. coli die Anzahl von Mastitisfällen im Bestand erhöht, ist unsicher. Zumindest gilt E. coli als der häufigste Erreger aus der Gruppe der Enterobacteriaceae (Green and Bradley 1998). Euterentzündungen sind in vielen Fällen Faktorenkrankheiten, d.h. erst das gleichzeitige Zusammentreffen von Erreger, Hilfsfaktoren und Euter löst die Krankheit aus. Neben den im Abschnitt 2.1.1 genannten Einflüssen spielt die Empfänglichkeit gegenüber Infektionen eine bedeutende Rolle. Diese bezeichnet die aktuelle Abwehrreaktionslage des Euters, ist individuell unterschiedlich ausgeprägt und u.a. von Genotyp, Alter, Laktationsstadium, Erbfaktoren und Fütterung abhängig (Wollrab 1989, S. 249).


14

Setzt man eine leistungsgerechte Fütterung voraus, so werden Menge und Zusammensetzung der Milch in erster Linie durch Mastitiden beeinträchtigt. Euterentzündungen kommt daher eine erhebliche ökonomische Bedeutung zu. Um über 500 kg Milch und 20 kg Fett kann die Laktationsleistung euterkranker Tiere gegenüber der von gesunden Kühen sinken. Zu diesen direkten Verlusten durch Minderleistung kommen noch monatliche Abzüge bei erhöhter Zellzahl, der Aufwand für zusätzliche Behandlungen und mögliche Kosten für hemmstoffhaltige Milch (Kron 2000, S. 3ff.). Insgesamt kostet jede Mastitiskuh den Betrieb über 1000 DM (Worstorff 1999). Selbst in Herden, die laut Milchkontrolle als gesund gelten, können 10 bis 20 Prozent, vereinzelt aber auch 50 Prozent klinisch kranke Tiere pro Jahr auftreten (Grommers et al. 1989). Für Großbritannien wurde ein Rückgang klinischer Mastitiden von 120 Fällen je 100 Kühe und Jahr im Jahr 1968 auf derzeit 43 Fälle konstatiert (Blowey and Edmondson 2000).

Häufiger als die akute Verlaufsform kommt die subklinische Mastitis vor. Diese verläuft unterschwellig, ohne tastbare krankhafte Gewebsbefunde und ist durch einen erhöhten Zellgehalt und das Vorhandensein pathogener Keime im Sekret charakterisiert (Wollrab 1989, S. 247f.). Die chemische Zusammensetzung der Milch ist verändert (DVG 1994, S. 6). Als Hauptursache subklinischer Mastitiden wurden umweltassoziierte Keime wie Koagulase-negative Staphylokokken, Äskulin-positive Streptokokken sowie Enterokokken feststellt (Petermann et al. 2001a). Nicht klinisch verlaufende Euterentzündungen werden öfter als vermutet nicht diagnostiziert (Roth et al. 1998). Die Häufigkeit von subklinischen Mastitisbefunden stieg demnach von 36 % in den ersten Tagen nach der Kalbung im Laktationsabschnitt 181. bis 240. Tag auf 51 %.

Im Unterschied zu klinischen Fällen konzentriert sich die Behandlungsstrategie bei subklinischen Mastitiden auf die Periode des Trockenstehens (Maatje et al. 1992). Gleichwohl wird betont, dass einzelne unerkannt infizierte Euterviertel eine potentielle Infektionsquelle für andere Viertel des gleichen Tieres und für andere Kühe darstellen („Erregerreservoir“; Wollrab 1989, S. 248; Roth et al. 1998). Subklinische Mastitis beeinträchtigt in gleichem Ausmaß wie klinische Mastitis die Reproduktionsleistungen laktierender Kühe (Schrick et al. 2001). Vorzeitig notwendige Bestandsergänzungen


15

sind eine weitere, indirekte Folge von Mastitiserkrankungen. Rund zehn Prozent der Frühabgänge bei Milchkühen sind auf Euterentzündungen zurückzuführen (Schön et al. 1993). 1997 betrug die Abgangsrate wegen Störungen der Eutergesundheit in Betrieben mit Milchleistungskontrolle durchschnittlich 15,5 Prozent, in Schleswig-Holstein sogar 20,3 Prozent (Roth et al. 1998).

2.2.3 Parameter zur Kontrolle der Eutergesundheit

Euterkrankheiten verursachen neben einem Leistungsabfall vielfach auch eine Veränderung der Milchzusammensetzung. Die komplexen physiologischen Prozesse, welche Milchbildung und Milchabgabe bedingen, erlauben es jedoch nicht, aus Einzelmessungen Diagnosen zur Früherkennung von Euterentzündungen abzuleiten (ebenda). Veränderungen in der Dynamik von Kriterien des Melkprozesses (in der genannten Quelle: Milchflusskurven) haben eine viel höhere diagnostische Aussagefähigkeit.

Für die meisten Parameter gilt, dass Einzelbefunde nur auf der Ebene des Viertels („sekretorische Einheit“) zulässig sind. Eine Diagnostik für das Gesamteuter ist kaum möglich, weil sich trennscharfe Grenzwerte wegen der vielen Mischungs- und Kombinationsmöglichkeiten nicht definieren lassen (DVG 1994, S. 20ff.; vgl. Krömker et al. 2001). Während der Keimgehalt der Rohmilch ein entscheidender Faktor für die Hygiene und die Verarbeitung ist, soll an dieser Stelle näher auf zwei andere Kriterien der Milchgüte eingegangen werden, welche für die Erkennung von Euterinfektionen eine besondere Bedeutung haben: die Zellzahl und die elektrische Leitfähigkeit.

2.2.3.1 Zellgehalt der Milch

Der Zellgehalt gibt die Anzahl der somatischen Zellen pro Kubikzentimeter Milch an. Er ist ein wichtiger Parameter für die Eutergesundheit, weil zwischen Zellgehalt, bakteriologischem Befund und Eutergesundheit ein deutlicher Zusammenhang besteht (DVG 1994, S. 53; Rupp and Boichard 1999; Anacker 2000; s. Tabelle 2). Zugleich sind die Einflüsse auf den Zellgehalt sehr vielfältig. Neben betrieblichen Faktoren sind proportionale Zusammenhänge mit Laktationsnummer und Laktationsstadium hervorzuheben (Naumann et al. 1998; Dodenhoff et al. 1999).


16

Auch der Auslöser der Infektion (Pathogentyp) beeinflusst den Zellgehalt (Woolford et al. 1998). Sehr kurze Zwischenmelkzeiten, wie sie in AMS möglich sind, bewirken gegenüber einem zwölfstündigen Melkintervall einen Anstieg der Zellzahl (Hamann and Gyodi 2000; Schwarzer 2000, S. 89f.; Barth 2001). Eine umfassende Aufzählung der Einflussgrößen findet sich in einer praxisorientierten Publikation (Kron 2000, S.7). In Anlehnung an die genannten Quellen lässt sich folgende Zusammenstellung von Faktoren mit Relevanz für den Zellgehalt der Milch vornehmen:

Auch die Milch gesunder Tiere enthält verschiedene Zellarten (z.B. Leukozyten, Lymphozyten, Epithelzellen). Ihr Gehalt steigt durch verschiedene Einflüsse an, in erster Linie durch bakterielle Infektionen. Der Normalwert für Einzeltiere liegt bei 20 000 bis 50 000 Zellen pro ml (Kron 2000, S. 6). Als physiologischer Grenzwert in Viertelgemelken gelten 100 000 Zellen pro ml (DVG 1994, S. 7f.; Reichmuth und Knappstein 1999). In einer anderen Quelle sind 200 000 Zellen pro ml als viertelbezogener Grenzwert vorgeschlagen worden, wobei der Bereich zwischen 100 000 und 400 000 Zellen als Grauzone bezeichnet wird (Hillerton 1999). Anlieferungsmilch für Molkereien muss weniger als 400 000 Zellen pro ml enthalten (Meyer 1995). Eine weithin anerkannte Übersicht über die Zusammenhänge von Zellgehalt, bakteriologischem Befund und veterinärmedizinischer Beurteilung ist in Tabelle 2 wiedergegeben.


17

Tabelle 2: Beurteilung zytologisch-mikrobiologischer Befunde in Anlehnung an International Dairy Federation (IDF) 1967 (Proben von Anfangsviertelgemelken, normale Laktation) (Quelle: DVG 1994, S.8)

Zellgehalt
pro ml Milch

Euterpathogene Mikroorganismen ...

... nicht nachgewiesen

... nachgewiesen

< 100 000 *

normale Sekretion

latente Infektion

> 100 000 *

unspezifische Mastitis

Mastitis

* In anderen Quellen findet sich die ursprüngliche IDF-Angabe von 500 000 Zellen (Ordolff 1989, S. 44; Wollrab 1989, S. 248; Maatje et al. 1992). Die hier zitierte Zahl von 100 000 Zellen wurde übernommen, weil sie die aktuellere Zahlenangabe und in Deutschland inzwischen weitgehend akzeptiert ist.

Der Zellgehalt unterliegt keiner Normalverteilung (Hamann and Gyodi 2000). Um für statistische Auswertungen eine Normalverteilung zu erreichen, wird die Zellzahl nach der Methode von Ali and Shook logarithmisch transformiert (Dodenhoff et al. 1999):

SCC transf. = log2 (Zellzahl/100 000) + 3

Wie in dieser Quelle zusammengefasst, gibt es positive genetische Korrelationen zwischen der Höhe der Milchleistung und dem Zellgehalt. Gleichwohl wurde in einer anderen Studie (Wellnitz et al. 1999) bei hochleistenden Kühen (> 45 kg/d) unerwartet eine niedrigere Zellzahl festgestellt als bei den Kontrollkühen (25-30 kg/d). Ebenso überraschend maßen die Autoren in den Vierteln mit den längsten Blindmelkzeiten die niedrigsten Zellzahlen. Es wird geschlussfolgert, dass das Blindmelken keine unmittelbare Wirkung auf den Zellgehalt hat (ebenda). Diese Annahme wird in einer anderen Studie direkt bestätigt (Tancin et al. 2001), durch eine weitere hingegen widerlegt (Petermann et al. 2001b).

Niedrige Zellzahlen im Bestand stellen keine Garantie für Problemfreiheit dar (Worstorff 1999). Diese These ist mehrfach belegt. Eine umfangreiche Untersuchung widmete sich dem Zusammenhang von niedriger Bestandszellzahl und der Anzahl klinischer Mastitisfälle (Grommers et al. 1989). In 125 niederländischen Betrieben mit Herdenzellzahlen von unter 150 000 variierte demnach das Auftreten von Fällen klinischer Mastitis zwischen null und 80 Prozent der Kühe bei einem Mittelwert von 15 Prozent. In einer Veröffentlichung (Green and Bradley 1998) sind verschiedene Studien zusammengefasst, nach denen einerseits die kuh-individuelle Zellzahl positiv mit


18

dem Auftreten von Mastitis korreliert war. Andererseits wurde eine signifikante Zunahme von Euterentzündungen (vor allem E. coli-Mastitiden) trotz gleichzeitiger Reduktion der Bestandszellzahl registriert. Diese Feststellung findet ihre Ergänzung durch eine Arbeit zur Eutergesundheit in einem Bestand mit niedriger Herdenzellzahl, nach der sehr niedrige Zellzahlen während der Zeit des entzündungsfreien Status´ eines Euters negativ korreliert sind mit einem erhöhten Risiko nachfolgender klinischer Mastitis im Fall einer Infektion (Suriyasathaporn et al. 2000).

Wird nur die Zellzahl des Gesamtgemelkes für die Beurteilung der Eutergesundheit genutzt, kann es ebenfalls zu Fehleinschätzungen kommen. Unphysiologische Veränderungen an einem oder wenigen Strichen können durch nicht beeinträchtigte Euterviertel nivelliert werden. Bei infizierten Vierteln war der Zellgehalt signifikant höher als bei nicht infizierten Vierteln (p < 0,001), und zwar in allen Milchfraktionen (Vorgemelk, Hauptgemelk, Nachgemelk) und für alle Pathogentypen (Woolford et al. 1998). Die deutlichsten Zellzahldifferenzen zwischen infizierten und nicht infizierten Vierteln gab es beim Vorgemelk. Die Variation des Zellgehaltes war sowohl zwischen den Milchfraktionen als auch innerhalb einer jeden größer als für die elektrische Leitfähigkeit. Die Zellzahl hat demnach eine höhere diagnostische Wertigkeit als die Leitfähigkeit (ebenda; Hamann and Gyodi 1999).

2.2.3.2 Elektrische Leitfähigkeit der Milch

Die elektrische Leitfähigkeit ist ein Maß für den Widerstand eines Mediums gegenüber elektrischem Strom. Sie ist reziprok zum Widerstand (Impedanz) und wird in Siemens (1 S = 1 A/1 V) gemessen (Nielen et al. 1992). Die spezifische Leitfähigkeit der Milch (mS/cm) ergibt sich aus dem Vorhandensein von Elektrolyten, deren Konzentration und Austausch durch die Blut-Euter-Schranke geregelt wird (Wendt et al. 1998, S. 79). Die Leitfähigkeit schwankt in Abhängigkeit u.a. vom Fettgehalt der Milch, von der Milchtemperatur, Tageseffekten, Laktationsnummer und -stadium. Für eine korrekte Interpretation der Messwerte ist überdies die Zwischenmelkzeit zu berücksichtigen (Fernando et al. 1981; Barth and Worstorff 2000), weil sie einen großen Effekt für den Fett- und Chloridgehalt der Milch besitzt (Hamann and Gyodi 1999). Bei Vorliegen einer Infektion beeinflusst auch der Pathogentyp


19

die Leitfähigkeit (Fernando et al. 1982; Woolford et al. 1998).

Die elektrische Leitfähigkeit als einfach zu ermittelnder Parameter ist ein zunehmend beachtetes Kriterium für die Eutergesundheit (Schlünsen and Bauer 1992; Maatje et al. 1992; Milner et al. 1996; Worstorff et al. 2000, S. 19). Infolge einer Entzündung kommt es durch die Veränderung der Gewebepermeabilität zu einem Anstieg der Konzentration von Natrium- und Chlorid-Ionen sowie zu einer Verringerung der Laktosekonzentration. Leitfähigkeitswerte zwischen 4,5 und 5,9 mS/cm (20 °C) gelten als normal für ein gesundes Euterviertel. Beim Viertelvergleich wird eine Differenz von mehr als 0,5 mS/cm als abnorm betrachtet (Wendt et al.1998, S. 79). Die Korrelation zwischen der Leitfähigkeit und der Zellzahl ist mit r = 0,48 (Mielke und Schulz 1983) bzw. mit r= 0,64 bis 0,71 (Wendt et al.1998, S. 79) beziffert worden. Damit ist sie deutlich geringer als die Wechselbeziehung zwischen Leitfähigkeit und Chlorid-Gehalt (r=0,9) bzw. Laktose-Konzentration (r=-0,8) (ebenda). An anderen Stellen (Ordolff 2001, Umstätter 2002, S.51) werden ebenfalls tendenzielle, positive Zusammenhänge zwischen Zellzahl und Leitfähigkeit dargestellt, die jedoch gering (r= 0,26; ebenda) oder aber nicht statistisch zu sichern waren.

Bei der Nutzung des Leitfähigkeitswertes zur Diagnose ist die Beachtung der Milchfraktion wichtig. Infizierte Viertel zeigen charakteristische Spitzenwerte in den frühen und/oder späten Milchfraktionen. Mit Vorgemelksproben ist die höchste diagnostische Empfindlichkeit zu erreichen, für die Fraktionen des Hauptgemelkes ist sie inakzeptabel (Woolford et al. 1998). Dieses Ergebnis wird in zwei Publikationen bestätigt (Barth und Graupner 1999; Worstorff et al. 2000, S. 19). Für Stichproben sind folglich die ersten Milchstrahlen vor der Ejektion am aussagekräftigsten. Ist die Leitfähigkeit des Nachgemelks höher als die des Vorgemelks, so ist dies ein Anzeichen für eine Infektion. Zudem sei die Sensitivität der Leitfähigkeit des Nachgemelks höher einzustufen als die des Vorgemelks (Fernando et al. 1981, 1982).

Es gibt verschiedene Ansätze, den diagnostischen Nutzen der Leitfähigkeit zu erhöhen, indem die Messdaten der Einzelviertel in Relation zum Niveau der Leitfähigkeit des gesamten Euters gesetzt werden (Ordolff 1989, S. 165; Nielen et al. 1992). Eine Möglichkeit ist die Vierteldifferenzmethode,


20

bei der für die Differenz der Maximalwerte der Einzelviertel ein Grenzwert (z.B. 0,5 mS/cm) festgelegt wird (Barth und Graupner 1999). Ein anderes Mittel zur Berechnung viertelbezogener Leitfähigkeitsverhältnisse stellt die Division des Leitfähigkeitwertes jedes Viertels durch den niedrigsten Viertelwert des Euters dar (Woolford et al. 1998). Als uninfiziert gelten demnach Viertel mit einem Koeffizienten unter 1,15. Weiterhin ist es möglich, die Leitfähigkeit auf den Fettgehalt der Milch hin zu korrigieren. Die Kalkulation dieser fett-korrigierten Leitfähigkeit erfolgt nach der Formel:

FCEC = EC x V-1,57

wobei FCEC die fett-korrigierte Leitfähigkeit, EC der absolute Leitfähigkeitswert und V der fettfreie Volumenanteil der Milch ist (ebenda). Auch die Bildung eines Temperatur-Leitfähigkeits-Koeffizienten ist vorgeschlagen worden, welcher laut einer Zusammenstellung der letztgenannten Quelle in einem Temperaturbereich von 15-40 °C bei nicht infizierten Kühen von 0,0241 bis 0,0173 pro K variiert.

Der Vorhersagewert der elektrischen Leitfähigkeit als diagnostischer Test hängt nicht nur ab von Sensitivität und Spezifität des jeweiligen Modells, sondern auch von der Verbreitung von Mastitis im Bestand (Nielen et al. 1992). Selbst wenn die Präzision von Leitfähigkeitsmessungen inzwischen ausreichend genau erscheint, so ist ihre Interpretation hinsichtlich der Erkennung infizierter Viertel immer noch offen (Hamann and Gyodi 1999). Es sei zwar möglich, klinische Fälle von Staph. aureus- und Strep. uberis-Mastitiden durch Leitfähigkeitsmessung bis zu zwei Melkungen früher als durch visuelle Kontrolle zu erkennen (Milner et all. 1996). Dennoch bleibt festzuhalten, dass die Leitfähigkeit ein nur wenig zuverlässiger Indikator ist, weil sie von zahlreichen, sich überlagernden Einflussfaktoren modifiziert wird (Hamann and Zecconi 1998). Die Leitfähigkeitsmessung anstelle der visuellen Beurteilung des Euters stellt keine hinreichende Alternative für die Diagnose von Euterinfektionen dar. (Hamann 1999). Der Anspruch, Euterentzündungen durch eine alleinige Bewertung der elektrischen Leitfähigkeit ausreichend sicher zu erkennen, wird nicht erfüllt (Reichmuth und Knappstein 1999; Trilk 2002).


21

2.2.3.3 Weitere Parameter zur Kontrolle der Eutergesundheit

Für verlässlichere Diagnosen könnte die Leitfähigkeitsmessung durch die Erfassung der Milchleistung, korrigiert nach Laktationskurve (Krömker et al. 2001), bzw. der Milchbildungsrate eine vielversprechende Ergänzung erfahren (Wendt et al. 1998, S.81). Hierfür liegen Ergebnisse einer Untersuchung zu Sekretionsparametern von Eutervierteln nach künstlicher Infektion mit Mastitiserregern (Strep. uberis) vor (Schlünsen and Bauer 1992). Demnach wiesen infizierte gegenüber gesunden Vierteln eine um sieben bis acht Prozent verminderte Milchleistung auf, wobei diese Abweichung statistisch nicht signifikant war.

Eine Verknüpfung von Leitfähigkeitsdaten und Viertelmilchfluss ist ebenfalls angeregt worden (Schön et al. 2001). Als weitere Indikatoren für Mastitisinfektionen kommen die Milchtemperatur (Ordolff 1989, S.46; Maatje et al. 1992; Schön et al 1993, S. 196) sowie Farbmessungen von Vorgemelken (Ordolff 2001; Espada and Vijverberg 2002) in Frage. Messungen von Körpertemperatur, Aktivität und Futterverzehr könnten die Leitfähigkeitsdaten zusätzlich ergänzen (Nielen et al. 1992). Auch die Nah-Infrarotspektroskopie bietet eine Möglichkeit zur Online-Überwachung von Eutergesundheit und Milchqualität (Tsenkova et al. 1994, 1999).

2.2.4 Eutergesundheit am Melkroboter

Die nationalen Vorschriften über das Gewinnen, das Behandeln und das Inverkehrbringen von Milch bzw. Milchprodukten sind in der Milchverordnung (MilchVO) formuliert. Darin heißt es u.a., dass Milch von gesunden Tieren mit gesunden Eutern stammen muss (MilchVO, Anlage 1) und dass kranke Tiere gesondert sowie nach den anderen zu melken sind (MilchVO, Anlage 3). An diesen für konventionelle Melkeinrichtungen entwickelten gesetzlichen Anforderungen sind auch Melkroboter zu messen.

Die bestehenden technischen Möglichkeiten an AMS für eine positive Melkroutine sind günstig. Im Allgemeinen verringert sich beim Übergang vom zweimaligen zum dreimaligen Melken der Zellgehalt in einer Herde um zehn bis 15 Prozent, weil die Belastung des Euters (Euterinnendruck) vermindert wird und Krankheitserreger mehrmals täglich aus dem Euter gespült werden


22

(Hogeveen und Wemmenhove 1999). Die Melkfrequenz an AMS verändert sich im Laufe der Laktation und sinkt, auch bedingt durch die Einstellungen im Herdenmanagementprogramm, von 3,8 auf 1,8 Melkungen pro Kuh und Tag (Purucker et al. 2001). Im Durchschnitt liegt die Melkhäufigkeit zwischen 2,6 und 2,9 täglichen Melkungen je Einzeltier (de Koning 1999). Blindmelken kann durch die milchflussgesteuerte Einzelabnahme der Melkbecher weitgehend vermieden werden (Weiss and Worstorff 2001). Die getrennte Ableitung der Milch einzelner Euterviertel lässt eine Erregerübertragung zwischen den Vierteln während des Melkens kaum noch zu (Hogeveen und Wemmenhove 1999). Auch für die Zwischendesinfektion der Melkzeuge und für das Dippen bieten die Roboterhersteller technische Lösungen an.

Dementsprechend ist über eine Verbesserung der Herdengesundheit an AMS berichtet worden, sowohl hinsichtlich einer Verringerung der Anzahl akuter Mastitiden als auch bezüglich des Prozentsatzes infizierter Euterviertel (Pallas and Wendt 2001). Eine tendenzielle Abnahme von Erstinfektionsrate und Mehrfachbehandlungen an AMS im Verlaufe eines Kalenderjahres wurde auch an anderer Stelle beobachtet (Schwarzer 2000, S. 79f.).

Indessen mehren sich Studien, welche über Schwierigkeiten mit der Eutergesundheit in AMS-Betrieben berichten. Neben allgemeinen Hygienemängeln wird auf AMS-spezifische Risikofaktoren verwiesen, die zu einer Zunahme der Anzahl von Euterinfektionen und zu Problemen mit dem Zellgehalt in der Molkereianlieferungsmilch führten (Knappstein et al. 1998). Eine besondere Gefährdung bedeutet die bisweilen ungenügende Reinigung der Zitzen (Petermann et al. 2001b). Über signifikant höhere Zell- und Keimzahlen in AMS im Vergleich zu einem Tandemmelkstand ist berichtet worden (Schwarzer 2000, S. 98). 18monatige Untersuchungen in 28 holländischen Milchviehbetrieben zu den Auswirkungen der Umstellung auf automatisches Melken zeigten bei nahezu konstantem Zellgehalt (233 000 bzw. 237 000 Zellen pro ml) eine Verdopplung des Ausgangskeimgehaltes von 8230 vor der Umstellung auf 16 300 Keime pro ml danach, was jedoch noch immer deutlich unter dem vorgegebenen Grenzwert liegt (Hogeveen und Wemmenhove 1999). Zu ähnlichen Ergebnissen kam eine weitere Arbeit, der zufolge in einem Betrieb der Anteil subklinisch infizierter Euterviertel sich im Zeitraum der Umstellung auf Robotermelken von 7,5 auf 17,7 Prozent mehr als


23

verdoppelte, während dieser Anteil in einem anderen Betrieb mit 30 Prozent gleichbleibend hoch war (Petermann et al. 2001a). Erste Zahlen aus Nordamerika über Vergleiche zwischen Herden in AMS-Betrieben und anderen Herden liegen ebenfalls in diesem Trend. Zellzahl und Keimgehalt der am Roboter gemolkenen Herden haben demnach nicht nur im Verlaufe eines Jahres leicht zugenommen, sondern liegen auch im Durchschnitt (SCC = 276 000, Keimgehalt = 41 000) etwas über den jeweiligen Werten der übrigen Herden (245 000 bzw. 38 000) (Rodenburg and Kelton 2001).

An AMS kann es bei Zwischenmelkzeiten von mehr als 16 Stunden, wie sie bei Einzeltieren und ungenügender Herdenkontrolle gelegentlich auftreten, zu einer Verschlechterung der Eutergesundheit kommen (vgl. Knappstein et al. 1998). Andererseits impliziert eine zu hohe Melkfrequenz wegen der erhöhten mechanischen Belastung und den daraus resultierenden Verletzungsrisiken ebenfalls nachteilige Wirkungen (Hogeveen und Wemmenhove 1999). Kein AMS verfügt bisher über eine Nachgemelksautomatik (Weiss and Worstorff 2001).

Die Diagnostik von klinischen und subklinischen Mastitiden ist in AMS-Betrieben kaum gewährleistet (Hamann 1999). Ein methodisches Problem bei der sicheren Beurteilung von Entzündungsparametern wie Zellzahl, pH-Wert oder elektrischer Leitfähigkeit sind fehlende Referenzwerte für variierende Melkintervalle, wie sie am Melkroboter häufig vorkommen (ebenda). Die gegenwärtigen Robotermodelle verfügen über keine Vorrichtungen zur Erkennung von Entzündungen auf der Euterhaut bzw. von Euterverletzungen (Reichmuth und Knappstein 1999). Es besteht das Risiko, dass die Milch erkrankter Tiere zeitweise in die Anlieferungsmilch gelangt. Ferner ist kaum zu gewährleisten, dass Kühe mit Eutererkrankungen separat und nach den gesunden Tieren gemolken werden (Hamann 1999). Auch ein automatisches Abscheiden der Milch euterkranker Kühe ist gegenwärtig noch nicht möglich (Hogeveen und Wemmenhove 1999).

Es ist davon auszugehen, dass dem Herdenmanagement und der Hygiene unter den Bedingungen automatischen Melkens eine gestiegene Bedeutung zukommt. Zugleich muss jedoch konstatiert werden, dass die genannten gesetzlichen Anforderungen an die Milchgewinnung bei automatischen Melkverfahren bisher ungenügend erfüllt werden.


24

2.3 Anwendungen der Fuzzy Logic

Durch die Entwicklung verbesserter Sensorentechnologie wird einerseits ein stetig wachsender Umfang an Daten verfügbar, welche für die Kontrolle von Einzeltier, Umwelt und Produktion relevant sein könnten. Andererseits ist der durch diese Datenfülle zu erreichende Nutzen am ehesten durch die Anwendung integrierter Systeme des Monitorings zu maximieren, in denen Informationen von Sensoren, aus Datenbanken und mathematischen Modellen mit Expertenwissen verknüpft werden (Maltz and Metz 1994; Frost et al. 1997).

Erst in jüngster Zeit haben Methoden der Fuzzy Logic ihren Weg in die landwirtschaftliche Forschung bzw. in die Entwicklung entscheidungsunterstützender Systeme für die Landwirtschaft gefunden (Salehi et al. 2000). Erste diesbezügliche Publikationen stammen aus dem Jahr 1994 (Grinspan et al. 1994; Maltz and Metz 1994). Viele Literaturhinweise beziehen sich auf ökonomische Kalkulationen (z.B. Müller 1995), Anwendungen im Pflanzenbau (z.B. Kim and Cho 1997) oder auf die Verarbeitung von Lebensmitteln (z.B. Rohmilchqualität: Russell 1997; Harris 1998). Bisher nur wenige Arbeiten wenden sich nutztierwissenschaftlichen Themen zu.

In Betrachtungen über die Möglichkeiten von Automation bzw. von Precision Livestock Farming in der Milchwirtschaft wird unter dem Stichwort künftig zu erwartender Entwicklungen neben grafischen Programmiersprachen und neuronalen Netzwerken auch die Fuzzy Logic genannt (Birus 1996; Schön et al. 2001). Praktische Einsätze dieses Verfahrens in der Milcherzeugung sind bisher jedoch nicht bekannt (de Mol and Woldt 2001). Ausführliche Erläuterungen zur Theorie und zur Methode finden sich im Kapitel 3. In den folgenden Abschnitten sei ausschließlich auf Literaturhinweise zu Ansätzen für eine Nutzung der Fuzzy Logic in der Milchviehhaltung eingegangen. Es sind fünf Themen, denen sich die vorliegenden Publikationen zuordnen lassen: Milchviehfütterung, qualitative Analyse der Milchleistung, Auslese von Milchkühen, Brunsterkennung und Gesundheitskontrolle.

2.3.1 Milchviehfütterung

Aktuelle Ergebnisse der Entwicklung eines Entscheidungsunterstützenden Systems für die Milchviehfütterung unter Verwendung von Fuzzy Logic sind


25

veröffentlicht worden (Morag et al. 2001). Für eine Gruppe von 15 Tieren aus einer Herde mit 50 Milchkühen wurde ein entsprechendes Modell entwickelt. Die Analyse experimenteller Daten bildete die Grundlage für die Festlegung der Terme durch einen Experten. Die Möglichkeit einer erhöhten Konzentratfütterung in Abhängigkeit von der Milchleistung sowie die Fähigkeit automatisierter Entscheidungsfindung werden als Vorteile der Verwendung von Fuzzy Logic genannt. Vom ökonomischen Standpunkt aus wurde jedoch keine signifikante Verbesserung erreicht (ebenda). In einer weiter zurückliegenden Arbeit hatten einige der beteiligten Autoren bereits ein Fuzzy Logic System für den Transfer von Milchkühen von energiereicheren zu energiereduzierten Futterrationen in Abhängigkeit von Milchleistung und Körpergewicht vorgestellt (Grinspan et al. 1994).

Mit der Möglichkeit, die dynamische Wiegung von Rindern als Parameter für eine leistungsgerechte Fütterung durch Verwendung von Fuzzy Logic qualitativ zu verbessern, beschäftigt sich eine kürzlich erschienene Arbeit (Cveticanin et al. 2002). Allerdings ist das System vorläufig nur in der Wiegung von Personen erfolgreich getestet worden. Die Übertragbarkeit des entwickelten Verfahrens auf die Rinderwiegung wird gleichwohl positiv bewertet.

2.3.2 Qualitative Analyse der Milchleistung

Die exakte Bedeutung linguistischer Terme, in der Fuzzy Logic ausgedrückt durch ihre Zugehörigkeitsfunktionen, kann abhängen von Parametern wie Laktationsnummer, Laktationsstadium oder durchschnittlicher Herdenmilchleistung. Eine vorliegende Arbeit (Lacroix et al. 1998a) hatte daher zum Ziel, auf der Basis von Milchleistungsdaten ein Verfahren zur Determinierung von Zugehörigkeitsfunktionen für die Fuzzifizierung zu entwickeln. Zu diesem Zweck wurden 324 Tagesaufzeichnungen mit Daten von 1 103 Kühen aus 36 Herden zwei einzelnen Experten zur Beurteilung der Milchleistung vorgelegt, wobei jeweils ein Terminus bzw. zwei aufeinanderfolgende Termini aus einer Reihe von fünf Wertungen (sehr niedrig, niedrig, mittel, hoch, sehr hoch) zu verwenden waren. Falls zwei Termini zur Beschreibung der Milchleistung gewählt wurden, sollte zudem eine Graduierung der Zugehörigkeit zu den benachbarten Termini vorgenommen werden.

Die aus dieser Bewertung erstellten Unscharfen Mengen (Fuzzy Sets) „sehr


26

niedrig“, „niedrig“, „mittel“, „hoch“ bzw. „sehr hoch“ schienen wenig beeinflusst zu sein durch Laktationsnummer, Laktationsstadium und mittlere Herdenleistung. Im Gegensatz dazu wurden erhebliche Abweichungen zwischen den beiden Experten festgestellt, insbesondere in der Verwendung der Extrema (ebenda). Es wird geschlussfolgert, dass für eine wünschenswerte Anpassung der Zugehörigkeitsfunktionen an die drei genannten Kriterien andere Methoden untersucht werden sollten.

Einem möglichen Lösungsansatz für diese Aufgabe ist eine jüngere Publikation der gleichen Arbeitsgruppe gewidmet (Salehi et al. 2000). Ziel war es, neurale Werkzeuge zur Fuzzifizierung („neuro-fuzzifier“) zu entwickeln, welche die Prozesse der Zuordnung von Tagesmilchleistungsdaten zu Fuzzy Sets durch Experten sowie der Festlegung ihrer Zugehörigkeitsfunktionen nachzuahmen in der Lage sind. Die Ergebnisse legen den Schluss nahe, dass der gewählte Ansatz besser sein kann als herkömmliche Methoden, welche multivariable Werkzeuge zur Fuzzifizierung („multivariate fuzzifiers“) erfordern (ebenda).

2.3.3 Auslese von Milchkühen

Auch als Grundlage für züchterische Entscheidungen kommen Fuzzy Anwendungen in Frage (Grinspan et al. 1994). Ein Software-Prototyp für die Nutzung von Fuzzy Logic in entscheidungsunterstützenden Systemen für die Milchrinderzucht ist bereits entwickelt worden (Lacroix et al. 1998b). Auf der Basis der monatlichen Produktionsdaten sollten mit dem neuen Modell Entscheidungen über die Auslese getroffen werden, wobei letztlich drei Inferenzsysteme (rule sets) mit insgesamt fünf Inputvariablen einbezogen wurden. Diese Inferenzsysteme eigneten sich für verschiedene Szenarien, indem man die Zugehörigkeitsfunktionen der meisten Inputvariablen herdenspezifisch aufstellte. Das erstellte Modell zeitigte vielversprechende Ergebnisse. Es wird hervorgehoben, dass die Verwendung von Fuzzy Sets die Anpassungsfähigkeit von regelbasierten Experten-Systemen zu erhöhen vermag. So kann ein fuzzy-basiertes System durch einfache Modifizierung der Zugehörigkeitsfunktionen an jede Farm angepasst werden (ebenda).


27

2.3.4 Brunsterkennung

Die Erkennung der Brunst bei Milchkühen ist mit bisher drei verschiedenen Autorennachweisen eine vergleichsweise häufig untersuchte Anwendung der Fuzzy Logic in der Nutztierwissenschaft. In einer Veröffentlichung (Eradus et al. 1998) werden 12-Regel- und 24-Regel-basierte Fuzzy Inferenzsysteme vorgestellt. Die Erkennungsrate (Sensitivität), definiert als Quotient aus den wahr positiven Signalen und der Summe wahr positiver und falsch negativer Meldungen, lag bei 79 Prozent (12-Regel-System) bzw. 83 Prozent (24-Regel-System). Die Fehlerquote, zu berechnen als Verhältnis der falsch positiven zur Summe wahr positiver und falsch positiver Meldungen, wurde mit 66 Prozent (12-Regel-System) bzw. 48 Prozent (24-Regel-System) beziffert. Es wird konstatiert, dass die Leistung des Modells (in Zahlen der Erkennungs- und der Fehlerrate) zumindest ebenso gut war wie mit visueller Beobachtung, statistischen Methoden und neuralen Netzwerken (ebenda).

Ein im Rahmen einer Dissertation entwickeltes Fuzzy Modell zur automatischen Östruserkennung kommt zu hingegen besseren Ergebnissen (Yang 1998). Der Autor untersuchte die fuzzy-logische Verknüpfung der Variablen Aktivität, Milchtemperatur und elektrische Leitfähigkeit und verglich sie mit Literaturangaben zur statistischen Auswertung der genannten Parameter. Eine Trefferrate von 90,2 Prozent und eine Fehlerrate von 17,9 Prozent mit dem Fuzzy Logic Modell werden einer Trefferrate von 80 Prozent und einer Fehlerrate von 20 Prozent mit herkömmlicher Statistik gegenübergestellt (ebenda). In einer aktuelleren Arbeit (de Mol and Woldt 2001) wird hervorgehoben, dass nach einer mit Fuzzy Methoden durchgeführten Klassifizierung von Brunstmeldungen die Anzahl der falsch positiven Alarmmeldungen beträchtlich verringert werden konnte. Demgegenüber sank zugleich die Menge der korrekt erkannten Fälle nur leicht.

2.3.5 Gesundheitskontrolle

Auf der Basis der Laboranalyse von Blutseren und veterinärmedizinischer Diagnose ist ein Fuzzy Logic System zur Erkennung häufiger Erkrankungen bei Kühen post partum bewertet worden (Bellamy 1997). Neben der ermittelten 93prozentigen Übereinstimmung der Fuzzy Diagnose mit dem tatsächlichen Befund werden die höhere Effizienz (weniger Regeln, kürzere


28

Zeit) und die oftmals höhere Genauigkeit gegenüber dem normalen Erkennungsmodell hervorgehoben. Obwohl unter den untersuchten Krankheiten auch Euterentzündungen waren (akute coliforme Mastitis, nicht coliforme Mastitis), findet sich über eine diesbezügliche Zuverlässigkeit des Fuzzy Modells keine explizite Angabe.

Eine Quelle (de Mol and Woldt 2001) bezieht sich neben dem o.g. Modell für die Brunsterkennung (s. 2.3.4) auch auf die Entwicklung einer Methode zur Diagnose von Euterentzündungen auf der Basis von Daten für Milchleistung, Milchtemperatur, elektrische Leitfähigkeit, Kuhaktivität und Konzentratfutteraufnahme. Das entwickelte Modell war in der Lage, alle klinischen Fälle von Mastitis, in denen keine Messfehler aufgetreten waren, korrekt zu klassifizieren. Die Anzahl falsch positiver Alarme konnte in einer Teilgruppe mit 25 Kühen von 1 265 auf 64 gesenkt werden. Die Spezifität für das Fuzzy Modell wird mit 99,75 im Vergleich zu 95,1 Prozent für das statistische Modell angegeben (ebenda).

In dieser bisher einzigen Arbeit zur Mastitiserkennung an AMS mittels Fuzzy Logic heißt es, die Kombination eines statistischen Modells zur Erkennung relativer Veränderungen von Parametern mit einem Fuzzy Logic System zur Interpretation dieser Abweichungen habe sich als sehr wertvoll herausgestellt. Zugleich wird betont, dass das Fuzzy Logic Modell für die Klassifizierung von Mastitisalarmen einfach ist, weil nur die gemessenen Werte der elektrischen Leitfähigkeit und ihre Abweichungen verwendet wurden. Die Autoren bedauerten es, über keine Aufzeichnungen zur Milchtemperatur zu verfügen. Die Einbeziehung weiterer Variablen wie Milchleistung und Milchtemperatur könne das Fuzzy Logic Modell verbessern (ebenda).


Fußnoten:

<1>

Die Schreibweise Ocytocin (sonst meist Oxytocin geschrieben) orientiert sich an dem Band „Melkberatung mit Milchflusskurven“. Danach stammt der Name dieses Hormons aus dem Griechischen (dt.: pressen, drücken) und steht in keinem Zusammenhang zu Oxigenium (Sauerstoff).

<2>

Die wichtigsten „klassischen“ Mastitiserreger Staphylococcus aureus, Streptococcus agalactiae und Strep. dysgalactiae werden hauptsächlich durch den Melkvorgang verbreitet. Die Übertragung von Umweltkeimen (Strep. uberis, Escherichia coli, Enterococcus, Klebsiella und Enterobacter) findet demgegenüber vor allem in der Zwischenmelkzeit statt (DVG 1994, S.12). Arcanobacterium pyogenes (Corynebacterium pyogenes) ist ein weiterer wichtiger Erreger aus dem Reich der Bakterien (Green and Bradley 1998).


© Die inhaltliche Zusammenstellung und Aufmachung dieser Publikation sowie die elektronische Verarbeitung sind urheberrechtlich geschützt. Jede Verwertung, die nicht ausdrücklich vom Urheberrechtsgesetz zugelassen ist, bedarf der vorherigen Zustimmung. Das gilt insbesondere für die Vervielfältigung, die Bearbeitung und Einspeicherung und Verarbeitung in elektronische Systeme.

DiML DTD Version 2.0
Zertifizierter Dokumentenserver
der Humboldt-Universität zu Berlin
HTML - Version erstellt am:
Fri Feb 7 16:31:20 2003