Umstätter, Christina: Tier-Technik-Beziehung bei der automatischen Milchgewinnung

69

Kapitel 5. Diskussion

5.1 Melk- und Milchparameter in der Prozesskontrolle

Um eine verlässliche Prozesskontrolle durchzuführen muss zunächst eine statistische Übersicht über die Herde erstellt werden. Daraus wird ersichtlich, in welchem Bereich die natürliche Variationsbreite anzusiedeln ist. Erst vor diesem Hintergrund kann man die Messwerte bezüglich der Individuen richtig einschätzen. Auf der anderen Seite muss gleichzeitig auch immer der Verlauf der Messwerte bei einem Tier verfolgt werden, um Veränderungen oder gar Messfehler identifizieren zu können.

Für eine zukünftige Verbesserung der Prozesskontrolle ist es ebenfalls wichtig, dass die sich im Prozess der Milchgewinnung seit längerer Zeit ankündigende Verschiebung der Prioritäten, insbesondere durch die Melkroboter, fortgesetzt wird. In der Milchviehhaltung kann, durch die Entwicklung der Tieridentifikation und der verbesserten Sensorik, das einzelne Tier als Individuum immer stärker in den Mittelpunkt der Betrachtung gerückt werden. Dabei ist festzustellen, dass das Euter nicht nur als Ganzes gesehen werden sollte. Die Viertel können in ihrem Verhalten, z.B. bei Erkrankungen, sehr stark differieren. Deshalb sollte auch auf diese Unterschiede stärker als bisher eingegangen werden. Bei Automatischen Melksystemen wird eine viertelspezifische Melkzeugabnahme durchgeführt. Dass dies notwendig ist, zeigen die Untersuchungen mit den LactoCordern. Es konnten erhebliche Differenzen in der Melkdauer der einzelnen Viertel eines Tieres festgestellt werden. Aber auch die genauere Betrachtung von Milchflüssen, -mengen und -inhaltsstoffen ist durch die Sensorik der Melkroboter beim Melken vereinfacht worden. Die getrennte Ableitung der Milch erleichtert die Gewinnung von Viertelgemelksproben.

Die Milchmengen werden beim AMS der Firma Lely allerdings nicht pro Viertel, sondern für das Gesamtgemelk erfasst, da sich die Messung pro Viertel sehr schwierig gestaltet. Auch der LactoCorder stößt bei Viertelgemelksmengen an die Grenze der Messgenauigkeit. Durch den niedrigen Milchfluss, auf Grund von geringen Milchmengen der einzelnen Euterviertel geschieht es, dass der Schwellenwert, bei dem


70

der LactoCorder anspricht, nicht oder nur spät erreicht wird. Dieser Schwellenwert liegt bei dem hier genutzten LactoCorder bei einem Milchfluss von 500 g/min. Das hat zur Folge, dass bei der tabellarischen Ausgabe teilweise keine oder fehlerhafte Werte erscheinen. Eine mögliche Bimodalität der Milchflusskurve ist in solchen Fällen nicht signifikant identifizierbar. Trotzdem ließ die graphische Auswertung der mitgezeichneten Kurven eine genauere Analyse bezüglich einer Bimodalität zu.

Eine weitere Problematik liegt in den differenten Messungen zwischen dem AMS und dem LactoCorder beim Durchfluss einer so komplexen schäumenden Emulsion, wie es die Kuhmilch ist (Schöne, A. 1993). Die Gründe liegen zum einen im strömungstechnischen Bereich und zum anderen in der temperaturabhängigen Dichtevariation der Milch. Mit Hilfe der parallelen Messung mit den beiden verschiedenen Systemen ließ sich trotzdem eine verbesserte Fehlerabschätzung durchführen. Dies zeigt sich in den Ergebnissen der Messreihe 3. Es konnten dort recht große Differenzen zwischen den gespeicherten Werten der Milchmengen des AMS und des LactoCorders dokumentiert, aber auch vergleichend ausgewertet werden.

In der Prozesskontrolle ist es außerordentlich wichtig, dass nicht nur solche Differenzen erkannt und bereinigt werden, sondern auch pathologisch bedingte Werte als solche sichtbar zu machen sind. Erst nach der Eliminierung der Fehlerquellen kann die natürliche Varianz der Inhaltsstoffe, in diesem Falle in der Milch, bestimmt werden. Nicht bei allen Messreihen, auch nicht bei ausreichend großen Datenmengen, liegen Normalverteilungen vor. Das heißt, dass jede Abweichung zunächst auf Fehlerquellen oder systematisch Beeinflussungen hinterfragt werden muss. Einfache Messfehler sind der Grund für einzelne Abweichung bzw. sogenannte Ausreißer. Deswegen ist es von Vorteil, die meisten Werte unabhängig voneinander mehrfach zu erfassen, um damit den Messfehler genauer bestimmen zu können. Schon daher war es sinnvoll, die vier Euterviertel zu vergleichen, um herauszufinden, wie weit sich diese bereits unterscheiden und wie weit es sich um Messfehler oder um charakteristische Eigenschaften der einzelnen Zitzen handelt. Am deutlichsten lässt sich so etwas an den vom LactoCorder gemessenen Milchmengen erkennen, da der Messfehler der hier getesteten Geräte für so geringe Milchmengen, wie sie bei Viertelgemelken auftreten, bisher noch sehr groß war. Eine neue Variante des LactoCorders, Lac


71

toCorder low flow genannt, ist daher in der Zwischenzeit speziell für Viertelgemelke entwickelt worden. Die vorliegenden Werte wurden aber noch mit dem "alten" Typ erfasst, um auf die damit verbundene Problematik hinzuweisen. Gerade auf Grund dieser Ergebnisse ließ sich zeigen, dass eine verlässliche Einschätzung der erfassten Daten möglich ist, wenn eine ausreichende Zahl an Werten vorliegt. So konnte eine Korrelation von r = 0,94 zwischen den aufsummierten LactoCorder-Werten eines Euters und den vom Melkroboter gemessenen Werten erreicht werden. Für eine Gesamtbeurteilung der Herde sind auch diese Werte damit durchaus brauchbar. Dies zeigt sich auch in der Feststellung, dass ein Verhältnis der Milchmenge zwischen vorderer zu hinterer Euterhälfte ca. 40:60 % beträgt. Das Ergebnis bestätigt unseren heutigen Wissensstand auf diesem Gebiet. Da die Streuung der Werte allerdings sehr groß ist, kann man keine Aussage zum Individuum machen, wenn man dort nicht ausreichend häufig die Messung wiederholt. Dies lohnt sich allerdings nur, wenn z.B. gezielte Verdachtsmomente für einen Euterdefekt vorliegen.

Für eine Einschätzung der Tier-Technik-Beziehung besteht die Frage, wie sich die Milchparameter im AMS ändern. Dabei fällt eine sehr niedrige Zellzahl in der AMS-Herde von Betrieb 1 auf. Die Ursache hierfür dürfte in der Bereitschaft des Betriebsleiters begründet liegen, die Tiere zwischen konventionellem Melksystem und Automatischen Melksystem sofort auszutauschen, wenn sich erste Krankheitssymptome zeigen. Außerdem sind bei den veterinärmedizinischen Begleituntersuchungen während des Versuches keine klinisch kranken Tiere aufgetreten.

Bei einfachen annähernd normalverteilten Parametern, wie es die Fett- oder Laktosegehalte sind, hat man eine gute Basis für einen Vergleich und die Einschätzung der Messwerte. Bei zweigipfligen Kurven, wie beispielsweise beim hier gemessenen Proteingehalt der Milch, verbietet sich schon eine einfache Mittelwertbildung. Das Aufspüren von Zusammenhängen zwischen einzelnen Parametern ist für eine Prozesskontrolle von außerordentlich großer Wichtigkeit, um die Interdependenzen dieser Werte zu erkennen. Daraus sind Informationen über den physiologischen Zustand der Tiere zu gewinnen. Mit Hilfe der Harnstoffwerte in der Milch konnten in der untersuchten Herde beispielsweise Rückschlüsse auf die Fütterung gezogen und eine Futterumstellung erkannt werden. Schon 1987 hat Kirchgeßner, M. in seinem


72

bekannten Lehrbuch Tierernährung davon gesprochen, dass „in jüngster Zeit ... mit der gleichzeitigen Beobachtung von Harnstoff- und Eiweißgehalt der Milch eine Möglichkeit zur einfachen Diagnose von Energie- und/oder Proteinfehlernährung aufgezeigt“ wurde. Bisher kann der Landwirt aber nur im Zusammenhang mit der Milchkontrolle alle vier Wochen den Harnstoff in der Milch erfassen lassen. Dieser Zeitabstand ist aber sehr weit gefasst und für eine präzise Überwachung der Rationen bei weitem nicht ausreichend. Eine Online-Überwachung für die Parameter Harnstoff- und Eiweissgehalt in der Milch ist deshalb anzustreben. Somit ließe sich eine Rationszusammenstellungen bzw. -umstellungen optimieren. Auf die Bedürfnisse der Individuen kann schneller reagiert und Fehlernährungen eingeschränkt werden.

Wie man an den beiden Abbildungen 22 und 23 erkennen kann, ist die Klasseneinteilung für eine Häufigkeitsverteilung von großer Wichtigkeit. So muss beispielsweise bei der somatischen Zellzahl eine logarithmische Skalierung gewählt werden, da die Werte von 10.000 bis 10.000.000 streuen. Bemerkenswerterweise ergibt eine solche logarithmische Stauchung der Abszisse in Abbildung 23 eine annähernde Glockenkurve. Als weiteres muss über die Klassengröße entschieden werden. Eine feinere Einteilung beinhaltet zwar einen höheren Informationsgehalt, dafür hat eine größere Klasseneinteilung eine höhere Redundanz und damit eine gesteigerte Zuverlässigkeit. Diese beiden Alternativen muss man gegeneinander abgewiegen und optimieren. So könnte in Abbildung 22 auf den ersten Blick angenommen werden, dass die Euterviertel signifikant unterschiedlich sind. Dies ist aber höchst unwahrscheinlich, weil die einzelnen Euterviertel bei so vielen Kühen sich kaum in dieser Weise unterscheiden können. Denkbar wäre lediglich noch ein entsprechender Fehler in der Melkanlage. Aus Abbildung 23 kann man dagegen ersehen, dass diese Information nicht zuverlässig ist. Eine nur minimal geänderte Klasseneinteilung zeigt bereits die völlige Übereinstimmung der vier Viertel.

Die Kontrolle über systematische Fehler bei Melksystemen ist ebenfalls wichtig, auch wenn im hier diskutierten Experiment keine solchen Einflüsse durch die Melktechnik feststellbar waren. In dem vorhergehenden Experiment konnte mit Hilfe des LactoCorders ein solcher Einfluss aber durchaus identifiziert und später auch behoben werden. In diesem Fall handelte es sich um die die hohen Blindmelkzeiten auf dem Viertel hinten links.


73

Neben dem Vergleich zwischen den Vierteln ist auch der Vergleich von Werten, die nacheinander gesammelt wurden und so einen Verlauf dokumentieren für eine Prozesskontrolle sehr wichtig. Dabei sollte der Trend der Daten ermittelt werden. Die Abweichungen der Leitfähigkeitswerte machen es notwendig, mögliche Trends zu identifizieren. Dies ist ein gutes Beispiel für wiederholte Messungen, die neben viel Redundanz auch eine leichte Steigerung der Information und insgesamt ein Äquivalent an Sicherheit nach sich ziehen.

Die Auswertung der Milchinhaltsstoffe hängt allerdings stark von den Genauigkeiten der Einzelmessungen ab. Deshalb musste eine ausreichende Anzahl von Messungen in Abhängigkeit der Streuung durchgeführt werden. Eine Möglichkeit zur praxisreifen Online-Messung der Milchinhaltsstoffe liegt zur Zeit noch nicht vor. Es gibt auf diesem Gebiet allerdings viele Forschungsansätze. Einer davon ist die Messung mit Hilfe der Nahinfrarotspektroskopie. Die bisher gewonnenen Ergebnisse sind sehr vielversprechend (Tsenkova, R. et al. 2000). Der Preis für ein solches System liegt allerdings so hoch, dass mit einem Praxiseinsatz in den nächsten Jahren noch nicht gerechnet werden kann.

Die höchste lineare Korrelation bei den verschiedenen hier untersuchten Parametern besteht zwischen den Leitfähigkeitswerten und der Laktose. Diese Zusammenhänge sind ebenfalls verschiedentlich veröffentlicht (u.a. Wendt, K. et al., 1998). Die niedrige Korrelation zwischen Zellzahl und Leitfähigkeit stimmt mit den Untersuchungen von Nielen, M. et al. (1992) überein. Die, wenn auch sehr schwache, Tendenz des abnehmenden Fettgehaltes bei längerer ZMZ widerspricht den Untersuchungen von Jurjanz, S., Laurent, F. und Graupner, M. (1993), die aufgrund ihrer statistisch wenig aussagekräftigen Werte meinen festgestellt zu haben, dass bei einer Steigerung der Milchmenge durch eine erhöhte Melkfrequenz ein Verdünnungseffekt auftritt. Dieses Ergebnis konnte daher nicht bestätigt werden.

Die Mastitisfrühdiagnose erfolgt momentan über das gängige System der Leitfähigkeitsmessung. Dieser Messparameter wurde in der Arbeit an einem konventionellen Melksystem überprüft, um Einflüsse beispielsweise der Tageszeit oder der Zwi


74

schenmelkzeit besser überprüfen zu können. Dazu erfolgte die Erfassung des Parameters Milchtemperatur. In den Ergebnissen kann die Differenz der Milchmenge zwischen Morgen- und Abendgemelk durch die unterschiedlichen Zwischenmelkzeiten zumindest teilweise erklärt werden, die bei 13 und 11 Stunden liegen. Daraus lässt sich auch der signifikante Unterschied des durchschnittlichen Milchflusses verstehen. Der maximale Milchfluss scheint dagegen weniger von solchen äußeren Einflüssen abhängig zu sein. Die Erhöhung der abendlichen Milchtemperatur kann zum einen durch die hohen Tagestemperaturen des Sommermonats Juli zustande gekommen sein, zum anderen liegt die Körpertemperatur von tagaktiven Tieren in der Regel abends allgemein höher.

In der Literatur ist ein Unterschied der Leitfähigkeit morgens und abends beschrieben worden. Seine Signifikanz ist aber noch zu prüfen, da die hier gemachten Untersuchungen dies nicht bestätigen konnten. Man muss aber berücksichtigen, dass auch in den vorangegangenen Untersuchungen von Solovjowa, O. und Kaufmann, O. (1998) ein höherer Fettgehalt im Abendgemelk festgestellt wurde, und dass dieser Fettgehalt die Leitfähigkeit beeinflussen kann. Eine damit einhergehende Reduktion der Leitfähigkeit wäre somit möglich. Die höhere abendliche Temperatur der Milch führt dagegen zu einer Steigerung der Leitfähigkeitswerte. Es liegt folglich der Gedanke nahe, dass sich diese beiden konträren Tendenzen gegenseitig kompensieren. Die beobachteten Korrelationen zwischen den Leitfähigkeitswerten einzelner Viertel waren zu erwarten. Sie unterstützen die Bestrebungen die Mastitisfrüherkennung mit Hilfe der analysierten Differenzen zwischen den einzelnen Viertel durchzuführen. Bei dem Mittelwertvergleich der Leitfähigkeit für die Gemelke von gesunden und kranken Eutervierteln konnten Differenzen festgestellt werden, da in der Literatur beschrieben worden ist, dass verschiedene Erreger eine jeweils andere Leitfähigkeitsentwicklung zur Folge haben (Nielen, M. et al. 1992). Die Unterschiede spiegeln sich auch in den Schwankungsbreiten der Leitfähigkeitswerte der einzelnen Kühe wieder. Wenn ein krankes Viertel auftaucht, gibt es eine größere Differenz zwischen den Minima und Maxima aller Gemelke einer Kuh. Die gemittelten Schwankungsbreiten bei den kranken Kühen liegen um 9 Punkte höher als bei den gesunden.

Bei der vorliegenden Auswertung konnten leider nur sehr wenig positive Befunde beim Mastitischnelltest gefunden werden. Häufig war bei einer erkrankten Kuh nur


75

ein oder wenige sporadische Werte vermerkt. In der Abbildungen 23 hingegen ist eine durchgehende Erhöhung der Leitfähigkeitswerte dargestellt. Dies stimmt auch mit Untersuchungen von Lansbergen, L.M. et al. (1994) überein. Milner, P., Page; K.L. und Hillerton, J.E. (1997) beschreiben ebenfalls eine längere Rekonvaleszenzphase, in der die Zellzahl noch 14 Tage nach der Behandlung erhöht ist.

Die Vielzahl der diskutierten Parameter können nun eine Grundlage dafür bieten, ein Decision Support Systems (DSS) zu gestalten. Dabei muss aber beachtet werden, dass es kein absolutes Wissen in der Welt gibt. So können wir nur die Wahrscheinlichkeit maximieren das Richtige anzunehmen, oder um es präziser auszudrücken, die Wahrscheinlichkeit zu minimieren das Falsche anzunehmen. Aus Spielstrategien heraus ist bekannt, dass es einen großen Unterschied gibt, zwischen der Strategie ein Schachspiel zu gewinnen und der Strategie nur nicht zu verlieren. Eine solche rein defensive Strategie muss zunächst kein weit entferntes Ziel anstreben, sondern nur Verluste vermeiden. Erst, wenn sich die Gewinnchance deutlich abzeichnet, kann diese verfolgt werden. Ähnlich große Unterschiede ergeben sich für die Strategie des AMS, wenn dieser entweder eine Kuh korrekt und zuverlässig behandelt oder deren Verhalten vorherzusehen versucht.

In den meisten Fällen müssen wir die Probleme stark vereinfachen. Teilweise werden Bereiche ausgeklammert die nicht unmittelbar relevant sind. Auf Grund dessen, identifizieren wir das wahre bzw. das Kernproblem. Dies ist der erste wichtige Schritt, um ein Problem zu lösen.

Die deskriptive Theorie des „Problem Solving“ und „Decision Making“ ist vor allem damit beschäftigt, wie Systeme Probleme auf eine zu bewältigende Größe reduzieren und wie sie die heuristischen Techniken anwenden. Der schwierige Punkt ist die Filterung des Informationsflusses bzw. -überflusses. Die besondere Aufmerksamkeit muss daher in dieser Frage den Sensoren gelten, die als erstes Filter fungieren. Sie importieren einen begrenzten „Bitstrom“ in das System, der in der richtigen Art und Weise verarbeitet, gespeichert und bei Bedarf wieder aufgefunden werden muss, um herauszufinden, welches die korrekten Aktionen bzw. Reaktionen des Roboters auf


76

seine Umwelt sind. Die wichtigsten Objekte in dieser Umwelt sind für ihn die Tiere und Menschen. Beide benötigen spezielle Kommunikationskanäle um das AMS richtig zu instruieren bzw. vom AMS informiert zu werden.

In der bedingten Wahrscheinlichkeit von Bayes, Th. (1763) finden wir eine Reihe von Regeln, wie Systeme Informationen berücksichtigen und wie sie auf unvollständige Information reagieren können. Es ist typisch für die Information, dass sie syntaktisch und damit immer von der vorhergehenden Information abhängig ist. Wenn das System Wissen über seine Umwelt hat, ist es in der Lage, die Wahrscheinlichkeit für die nächste ankommende Information vorherzusagen und einige hilfreiche Hinweise über sie anzugeben.

Unter informationstheoretischen Aspekten basiert das „Problem Solving“ auf einer sehr einfachen Relation zwischen Information und Redundanz. Redundanz kann nicht ohne Information existieren und umgekehrt. Die Menge der notwendigen Redundanz hängt von dem Anteil an Rauschen in der ankommenden Nachricht ab. Eine optimale Relation zwischen Information und Redundanz kann beispielsweise durch die kontinuierlichen Leitfähigkeitsmessungen in der Milch gewonnen werden. Wenn alle gemessenen Werte in normalen Grenzen liegen, sind sie redundant, verlässlich und haben nur einen niedrigen Informationsgehalt. Das System arbeitet gut und die Tiere sind unter diesem Aspekt höchstwahrscheinlich gesund. Aber um so stärker ein Wert sich von den anderen unterscheidet, um so informativer ist er im Sinne der Informationstheorie. Er könnte ein Zeichen für eine Krankheit sein, oder aber für einen Defekt des Messsystems. Auf der anderen Seite sind solche stark divergierenden Werte nicht sehr verlässlich, so lange sie nicht wiederholt auftreten. Es ist deshalb ratsam die Messung zu wiederholen.

Bei statistischen Überlegungen hat ein Einzelwert einen annähernd unendlichen Fehler. Wir brauchen also für jede Information ausreichend Redundanz um Sicherheit zu erlangen. Die Konsequenz solcher Betrachtungen für das „Problemlösen“ ist, dass wir zu diagnostischen Zwecken ein Optimum für die Relation zwischen Information und Redundanz benötigen. Das Berechnungswerkzeug des linearen Programmie


77

rens, der Warteschlangentheorie, der Entscheidungsbäume und der verwandten Operations Research Techniken sowie der anderen häufig genutzten Methoden sind wertvolle Strategien um die jeweiligen Optima zu erreichen (Klausmann, H., 1976; Beckmann, M., 1989).

Menschen beurteilen viele Wahrscheinlichkeiten interessanterweise falsch. Wenn man eine Umfrage macht, ob man gerne eine Behandlung in einer hypothetischen Notfallambulanz hätte, dann bejahen dies sehr viel mehr Menschen, wenn man eine Überlebenschance von 80 % angibt, als wenn man eine Todesrate von 20 % angibt (Simon, H.A. et al., 1986). Computer hingegen schätzen solche Werte mit einer rechnerischen Objektivität. Im Gegensatz zu dieser unbestechlichen rechnerischen Objektivität haben Menschen aber die Möglichkeit extrem „fuzzy“ zu denken und zu assoziieren. Dies war früher für Maschinen sehr viel schwieriger. Für Klassifizierungen ist das aber sehr wichtig und kann teilweise nur durch Clusteranalysen durchgeführt werden, weil es immer wieder Fälle gibt, die bei einer Entscheidung nicht eindeutig zugeordnet werden können. Das bedeutet, dass Computer zeitweilig Probleme haben, die Messwerte zu klassifizieren. Sie müssen ähnliche Botschaften in Äquivalenzklassen assoziieren und sie als normal oder als anormal charakterisieren. Normalität hängt aber von der Situation ab. Sie steht in starken Wechselbeziehungen mit einer großen Anzahl von anderen Werten. Solche Klassenbildungen können daher weder durch fuzzy logic noch durch Clusteranalysen entschieden werden, sondern nur durch einen Gewinn an Signifikanz durch Redundanz.

H. A. Simon et al. (1986) haben dazu ein Experiment erwähnt, dass den Unterschied zwischen Menschen und Computersystemen in diesem speziellen Fall verständlich macht. In einer Untersuchung haben Probanden z.B. einer Aufzählung von Namen beiderlei Geschlechts zugehört, später erfolgte eine Befragung, ob mehr Männer oder Frauen aufgezählt wurden. Bei einigen Aufzählungen waren die Männer berühmter als die Frauen und bei anderen war es umgekehrt. Das Ergebnis war, dass sich die Probanden an das jeweilige Geschlecht mit den berühmteren Persönlichkeiten häufiger erinnerten. Psychologisch und auch informationstheoretisch ist dies verständlich, da die berühmteren Persönlichkeiten eine verstärkte Aufmerksamkeit erregen, was beispielsweise auch für Lernvorgänge wichtig ist. Es ist ein grundsätzliches


78

Prinzip bei Lebewesen, dass sie sich an Nachrichten mit erhöhtem Informationsgehalt leichter erinnern. In unseren Gehirnen assoziieren wir die verschiedenen Namen mit Bedeutungen, Computer können dies nur, wenn sie entsprechend programmiert werden. Dafür brauchen sie Thesauri bzw. sogenannte Ontologien, in denen sie nach den Bedeutungen der Benennungen suchen können. Dasselbe muss bei den Identifikationen der Kühe durchgeführt werden. Ein automatisches System muss die gesamte Information einer Kuh assoziieren, um sich ein Bild über den Zustand und das typische Verhalten des Tieres machen zu können. Dazu gehört insbesondere eine „Vorstellung“ vom Gesundheitszustand der einzelnen Individuen.

„Problemlösen“ wurde ursprünglich von Philosophen und Psychologen studiert und erst in neuerer Zeit von Wissenschaftlern der Künstlichen Intelligenz. Laborstudien in diesem Bereich waren ein Zusatz zu den Feldstudien von Personen, die Probleme der realen Welt lösen, wie zum Beispiel Ärzte die diagnostizieren und Schachgroßmeister, die mögliche Spielzüge analysieren. Zur Zeit werden auch historische Aufzeichnungen, inklusive Laborbücher von Wissenschaftlern genutzt, um Problemlösungsprozesse von wissenschaftlichen Entdeckungen zu studieren (Simon, H.A. et al., 1986). Diese Erfahrungen lassen sich in den Maschinen wie semantische Handbücher nutzen, die von Computern in zunehmendem Maße in ihrer Bedeutung verstanden werden.

Eine der großen Stärken der künstlichen gegenüber der menschlichen Intelligenz liegt in der gezielten selektiven Suche bestimmter gespeicherter Fakten aus umfangreichen Listen. Dies kann mit leistungsfähigen Retrievalsystemen erfolgen, aber auch mit sogenannten heuristischen Strategien, die nicht nur auf den klassischen Versuch-und-Irrtum-Prinzipien beruhen müssen. Sie können auch mit den bereits erwähnten bedingten Wahrscheinlichkeiten, mit Lernfunktionen und mit komplizierten Evolutionsstrategien arbeiten.

Die Suche muss meist zielorientiert erfolgen, da die Möglichkeiten in realistischen Problemsituationen im Allgemeinen sehr zahlreich sein können. Schachgroßmeister untersuchen selten mehr als hundert der Unmengen von möglichen Szenarios mit


79

denen sie konfrontiert werden. Sie leisten dabei viel unscharfe (fuzzy) intellektuelle Arbeit, indem sie aus langjährigen Erfahrungen heraus assoziieren. Im Gegensatz dazu haben Computer weniger Probleme mit der sogenannten "brute force strategy" in der sie Tausende von verschiedenen Möglichkeiten innerhalb von Sekunden prüfen können. Darum bietet sich für die Melkroboter auch die Sammlung und Auswertung großer Datenmengen, die sie von den Sensoren erhalten, an, die die Fähigkeiten menschlicher Experten weniger ersetzen als vielmehr unterstützen und ergänzen sollen.

Die klassische Hill Climbing Strategy (Schwefel, H.-P., 1977) basiert auf der Bestimmung profitorientierter Entscheidungen im jeweiligen Umfeld. Sie kann von Vorteil sein, wenn es darum geht, aus den eintreffenden Daten ein lokales Maximum zu ermitteln. So ließe sich von einem Computer innerhalb einer gewissen Lernphase problemlos ermitteln, bei welcher Besuchshäufigkeit eine Kuh die meiste Milch abgibt, vorausgesetzt die Tier-Technik-Beziehung ist frei von zu starken Störungen.

Eine andere, recht leistungsfähige Strategie ist die Means-ends Analysis. In ihr analysiert der Problem Solver durch Vergleich zwischen der momentanen Situation und der Zielsituation, wie weit er von seinem Zielwert entfernt ist, und sucht in seinem Gedächtnis (Memory) nach Wegen zur Verminderung dieser Distanz.

Hier sind also zwei Voraussetzungen zu erfüllen:

  1. Das Ziel muss bekannt sein.
  2. Das System muss Erfahrungen über mögliche Zugangswege erlangen können.

Bezogen auf das AMS bedeutet dies, die Zielstellung Gesundheit und Wohlbefinden, zu denen die Normalwerte bekannt sind, anzustreben. Die Wege dazu können aber recht verschlungen sein, weil zahlreiche Parameter wie Temperatur, Luftfeuchte, Futterangebot, Melkhäufigkeit, Eutergesundheit, Milchproduktion, etc. mit eingehen.


80

Die wohl meisten Erfahrungen mit Expertensystemen stammen aus dem diagnostischen Bereich in dem die Symptome von Patienten oder Systemen analysiert werden. Das dazu erforderliche Wissen wird aus der Erinnerung und aus zusätzlichen Informationen rekrutiert, die bei Bedarf erhoben werden, um zwischen den verschiedenen in Frage kommenden Krankheiten zu unterscheiden (Simon, H.A. et al., 1986).

Ein AMS kann allerdings durch ein einziges außergewöhnliches Symptom alarmiert werden, aus dem heraus sofort bestimmte Abfragen bei den Sensoren und im Wissensspeicher erfolgen, um eine verlässlichere Diagnose zu gewinnen. Im einfachsten Fall kann das Ergebnis sein, sofort einen Tierarzt zu benachrichtigen. Hier sollte es aber möglichst keine überflüssigen Fehlalarme geben, und bei berechtigtem Alarm könnte das AMS dem Veterinär auch sein Wissen automatisch bereitstellen. Es muss natürlich nur die derzeitige Situation überwachen und beispielsweise nicht über therapeutische Schritte entscheiden. Hier bleibt die Verantwortung in der Hand des Fachmanns. Die Intuition und das Urteil gewinnen Experte aus ihrer Fähigkeit des schnellen Wiedererkennens, verbunden mit einer großen Fülle von Assoziationen.

Heute beginnt man daher unter Einsatz der Künstlichen Intelligenz Systeme zu produzieren, die mit Hilfe der Sensorik ebenfalls assoziativ arbeiten. Dabei bietet sich eine große Fülle von verschiedenen Aufgaben und Anwendungsbereichen, vom Auto bis zur Wettervorhersage (Tanimoto, S.L., 1990). Beide, Mensch und Maschine, und in gewisser Hinsicht auch das Tier müssen lernen aufeinander einzugehen und richtig zu reagieren.

Expertensysteme werden in ihrer Grundkonzeption von Expertensystemingenieuren in enger Zusammenarbeit mit Experten des jeweiligen Faches konstruiert. Bei der Nutzung von so entstandenen Expertensystem-Shells sind die sogenannten Wissensingenieure gefordert, die das notwendige Wissen in die Systeme einbringen. Dazu ist es erforderlich, dass man alle wichtigen Parameter erfasst, die entsprechenden Sensoren zum Einsatz bringt und die Vorbereitungen zu den Entscheidungsfindungen trifft. So wie die Lebewesen ihre Intelligenz erben, so müssen auch Maschinen der Künstlichen Intelligenz ihre Einstiegsvoraussetzungen zu Beginn vom Programmierer erhalten.


81

5.2 Verhaltensparameter beim AMS

Um das Verhalten der Kühe am AMS zu verstehen und auch einschätzen zu können, müssen zunächst einmal Kenntnisse über das natürliche Verhalten vorhanden sein. Dazu ist aus der Literatur bereits einiges bekannt. Ein besonders wichtiges Merkmal ist, dass Kühe Herdentiere sind, und dazu neigen, möglichst alles gemeinsam zu tun. Darüber hinaus sind sie auch Gewohnheitstiere, die ein hohes Maß an Routineabläufen brauchen (Albright, J. and Arave C., S. 16, 1997). Beim AMS ist dies nicht in vollem Umfang zu gewährleisten. Die Kühe können nur nacheinander gemolken werden, und auch das Fressen kann bei der Herde nicht zeitgleich erfolgen, da der Melkroboter aus ökonomischen Gründen möglichst über die gesamten 24 Stunden des Tages ausgelastet werden sollte. Man muss das Verhalten der Kühe aber insofern differenziert betrachten, als es deren Neigung ist, sich in der Nähe der übrigen Herdenmitglieder aufzuhalten (Sambraus, H.H., 1973). „Wenn die ersten Tiere sich auf der Weide am Ende einer Liegeperiode erheben, beginnen sie zunächst am Lieblingsplatz zu fressen, ziehen dann aber allmählich fort. Dies ist ein Zeichen für die übrigen Tiere, aufzustehen und ihnen rasch zu folgen, bis die Herde wieder vereinigt ist“ schreibt Sambraus, H.H. (1978). Auf Portionsweiden soll, nach Meinung des selben Autors, die Synchronisation des Verhaltens bei weitem nicht so ausgeprägt sein. Auch in einem Milchviehstall trifft man verschiedene Verhaltensweisen gleichzeitig an, da die Tiere, bedingt durch die engeren Abmessungen im Stall, immer nah zusammen sind. Winter, A. und Hillerton, J.E. (1995) konstatierten ebenfalls in ihren Untersuchungen, dass das Liege- und Fressverhalten signifikant desynchronisiert war. So kommt dieses Problem bei sozialer Dichte nicht so stark zum Tragen. Bei einem Weidesystem mit AMS kann sich dieser Umstand allerdings wieder anders darstellen.

Die zu Beginn angesprochenen Routineabläufe sind in Melkroboterställen besonders wichtig, denn Wissenschaftler und Praktiker empfehlen gleichermaßen anfallende Routinearbeiten immer zur selben Zeit durchzuführen, da sonst die Tiere negativ reagieren. Sie erscheinen teilweise nicht mehr freiwillig an der Melkbox, so dass die durch das AMS gewonnene Flexiblität der Mitarbeiter teilweise wieder eingeschränkt wird. Auch Liebler, J. et al. (2000) empfiehlt eine geordnete Organisation, die sich


82

bewährt hat, wobei die Melkarbeiten in gewissen Grenzen trotzdem flexibel gestaltet werden können.

Ein weiterer relevanter Verhaltensparameter ist die Frage der Saughäufigkeit und der Säugezeit der Kälber bei den Kühen, den dies wird mit den Melkungen am AMS häufig in Zusammenhang gebracht.

Obwohl Saugvorgänge verhaltensphysiologisch von Kälbern an ihren Müttern grundsätzlich zu jeder Tageszeit vorgenommen werden können, was bedeutet, dass eine vollständige Auslastung der Melkroboter dem natürlichen Verhalten nicht widerspricht, stellt Sambraus, H.H. (1978) dennoch fest, dass eine gewisse Tagesrhythmik beobachtbar ist. Bei Tagesanbruch trinken alle Kälber. Am Spätnachmittag bis zum Abend ist ebenfalls eine Hauptsaugphase, und auch um die Mittagszeit steigt die Zahl der Saugakte nach Sambraus, H.H. (1978) leicht an. Wendl, G. et al. (1997) konnten in einer Verteilung der Melkungen der gesamten Herde über den Tag zeigen, dass die Kühe besonders häufig morgens und abends die Melkbox aufsuchen. In den Mittagsstunden von 11 bis 17 Uhr jedoch war ein deutlicher Rückgang der Melkungen pro Stunde sichtbar. Man muss allerdings berücksichtigen, dass der Mensch die Tiere in ihrem Rhythmus stark beeinflusst (Sambraus, H.H., 1978). Möglicherweise wird diese Rhythmik auch durch den Mensch vorgegeben. Bei den eigenen Untersuchungen zur Häufigkeitsverteilung der Melkungen beispielsweise ist der starke Rückgang um die Mittagszeit in Betrieb 1 durch die Reinigung des Stalles zu erklären.

Da Rinder lichtaktiv sind und einem circadianen Rhythmus unterliegen, ist eine völlig gleichmäßige Auslastung des AMS also nicht von Natur aus zu erwarten. Dennoch zeigen auch die Untersuchungen von Wendl, G. et al. (1997), dass zu keiner Stunde der Roboter stillsteht. Nachts, von 23 bis 6 Uhr, werden allerdings weniger Melkungen durchgeführt, als morgens und abends. Die Herdengröße entsprach mit 37 Mitgliedern, bei diesem Versuch Wendls et al., nicht den in der landwirtschaftlichen Praxis gegebenen Verhältnissen, so dass der Melkroboter keine volle Auslastung hatte. Schon in den Versuchen von 1987 fand Ipema, A.H. in einer Vorstudie zu den


83

automatischen Melksystemen zwischen Mitternacht und 6:00 Uhr morgens die niedrigste Anzahl von Melkungen. Um aber die teure Technik des Melkroboters maximal zu nutzen, müssen die Kühe angeregt werden, möglichst rund um die Uhr die Melkbox aufzusuchen. Bei größeren Herden ist dies zwangsläufig der Fall. Die Kapazitätsgrenze eines Einboxensystems ist allerdings nicht nur von der Anzahl der Tiere am Roboter abhängig, sondern auch vom durchschnittlichen Milchfluss, von der ermolkenen Milchmenge und der durchschnittlichen Melkfrequenz der Herde. Anhand der eigenen Ergebnisse konnte festgestellt werden, dass bei einem voll ausgelasteten AMS auch nachts kein Rückgang der Besuche an der Melkbox festzustellen ist. Pedersen, S. (2000) hat ebenfalls die Aktivität der Kühe im Stall bei Automatischen Melksystemen analysiert. Seine Untersuchungen ergaben auch, dass die Tiere in der Nacht und am frühen Morgen besonders wenig Aktivität zeigen, während am Tag und am Abend eine erhöhte Aktivität zu verzeichnen war. Dabei konnte in den verschiedenen Stallbereichen immer wieder gegen 18:00 Uhr ein Maximum aufgezeichnet werden. Der Autor zieht daraus den Schluss, dass Kühe einen typischen diurnalen Rhythmus zeigen, wenn sie sich frei bewegen können. Ergänzend muss aber hinzugefügt werden, dass die Tiere gerade beim Melken solch ein Aktivitätsmuster nicht zeigen können, da die Möglichkeit dazu nicht besteht.

5.2.1 Besuchsfrequenzen beim Melken

Zur optimalen Auslastung ihres Systems hat die Fa. Lely eine spezielle Zulassungsformel entwickelt. Aufgrund dieser Formel, die bestimmt, in welchen Zeitabständen die einzelnen Tiere in das AMS Einlass finden, gestaltet sich die Zulassung zum Melken für die Kühe relativ ungewiss. Die Tiere können sich nicht darauf einstellen, wann sie gemolken werden, denn bei jeder Melkung ergibt sich aus der Formel eine neue Situation, in Bezug auf die Zulassung der Kuh. Die Software orientiert sich dabei nicht an festen Zeiteinheiten, sondern an der Anzahl der vorangegangenen Melkungen. Die Konstante K reduziert diese angestrebte Anzahl etwas, je nachdem in welcher Größe sie vom Herdenmanager gewählt wurde. Wenn ein Tier also früher als angestrebt die Melkbox betritt, so kann, je nach Einstellung am System, möglicherweise trotzdem eine Melkung erfolgen. Es ist somit möglich, dass der Faktor K ein so starkes Gewicht erlangt, dass die ganze Formel außer Kraft gesetzt wird. K hat damit ein sehr hohes und für das einzelne Tier unabsehbares Gewicht.


84

Anhand der Häufigkeitsverteilung der Gemelke über den Tag am AMS zeigt sich eine sehr starke Auslastung der Melkbox. Man kann davon ausgehen, dass mehr als maximal 7 bis 8 Melkungen pro Stunde nicht durchzuführen sind. Bei den gemittelten Werten der Häufigkeitsverteilung der Melkungen über den ganzen Tag beim freien Kuhverkehr wird in Abbildung 32 deutlicher, dass die Kapazitätsgrenze erreicht ist, als in Abbildung 31, wo dies noch nicht unmittelbar erkennbar wird. Es gibt dort immer wieder Stunden in denen nur 6 oder gar 5 Melkungen durchgeführt werden. Ein Grund dafür können aber auch Servicearbeiten am Roboter oder die Spülung der Melkanlage sein, so dass die angestrebten 8 Gemelke zeitlich nicht durchführbar sind. Der in der Formel zugrunde liegende Gedanke ist, dass bei einer Überlastung des Systems die Tiere seltener eine Melkzulassung erhalten, so dass es zu insgesamt weniger Melkungen kommt. Dies führt aber zwangsläufig zu einer erhöhten Anzahl von Besuchen, in denen die Tiere ohne Melkung durch das AMS geleitet werden. Der Gedanke, durch stärkere Zulassungsbegrenzungen, wie es sich aus der Formel ergibt, mehr Tieren das Gemolkenwerden zu ermöglichen, ist insofern nicht schlüssig. Man sollte daher noch anmerken, dass eine maximale Melkauslastung des AMS mit 8 Gemelken pro Stunde noch kein Zeichen dafür sein muss, dass dies von den Tieren besonders bevorzugte Zeiten sind, da die wirklich besonders hohe Attraktivität, insbesondere für die dominanten Tiere, dazu führt, dass diese, wie oben begründet, das System ohne Melkung durchlaufen. Die Melkbox ist in diesen Perioden erhöht blockiert.

Durch die Formel wird die Tier-Technik-Beziehung unmittelbar beeinflusst. Die einzelnen Individuen können aus den Signalen des AMS keine eindeutigen Schlüsse ziehen. Den Zeitpunkt der Melkerlaubnis müssen sie aus den Vorgaben der Software zu erlernen versuchen. Durch die sich verändernden Parameter des Laktationsstadiums und der Milchmenge ist dies für die Kühe praktisch ein unmögliches Unterfangen. Das Verhalten der Kühe wird durch den Melkroboter maßgeblich beeinflusst, indem bei den Tieren ganz individuelle Anpassungsstrategien zu beobachten sind. Einige kommen ständig, andere gar nicht mehr. Plötzlich auftretende Veränderungen der Besuchserlaubnis stören die Lernvorgänge, die mehrere Wochen erfordern. Beispielsweise die durch die sprunghafte Veränderung des Faktors A (in der Zulassungsformel) beeinflusste Kuh Nr. 114 hätte sich innerhalb von Stunden an eine Verschiebung der Zwischenmelkzeit von 8 auf 12 Stunden anpassen müssen.


85

Als Fazit ist festzustellen, dass ein Teil der Tiere weniger aufgrund individueller Bedürfnisse, denen das System gerecht werden sollte, handelt, als vielmehr durch die wiederholten Versuche an Kraftfutter zu gelangen. Ein anderer Teil findet sich in den Vorgaben, bedingt durch die Formel, durchaus zurecht, ist aber um so mehr irritiert, wenn sich die Bedingungen ändern. Dabei muss beachtet werden, dass Stress und Unsicherheit eng miteinander verbunden sind (Wiepkema, P.R., 1993). Dieser Autor (S. 14, 1993) zählt dabei einige Autoren auf, die festgestellt haben, dass "Streß auftritt, wenn die Voraussagbarkeit und/oder die Beeinflussbarkeit wichtiger Vorfälle herabsinkt." Genau dies tritt im Prinzip durch die hier betrachtete Formel auf.

Simon, H.A. (1982) unterstreicht, dass Geräte, die von Menschen benutzt werden sollen, für den Bereich der Wechselwirkungen zwischen Menschen und Maschine („Mensch-Maschine-Schnittstelle“) von „Humantechnikern“ und nicht alleine von Hardware-Technikern gestaltet werden müssten. Dieser Gedanke trifft für die „Tier-Technik-Schnittstelle“ sicherlich noch in größerem Maße zu, da die Tiere nicht bewusst, wie der Mensch, mit der Technik umgehen können. Nur der Mensch kann das Funktionsprinzip einer Maschine verstehen und sich so darauf einstellen. Er entwickelt ein Wissen über sein Wissen, wozu Tiere grundsätzlich nicht in der Lage zu sein scheinen.

Das Holen der Kühe muss so gering wie möglich gehalten werden, da die Arbeitsbelastung dadurch stark steigt und so die Vorteile der Zeiteinsparung sogar ins negative gekehrt werden können. Im freien Kuhverkehr ist das Problem des Holens der Kühe systembedingt größer. Dabei treten immer wieder Tiere auf, die es nie lernen, freiwillig die Melkbox aufzusuchen. Diese Kühe sollten konsequent selektiert werden. Daneben gibt es Fälle, bei denen Tiere sich sporadisch weigern die Melkbox freiwillig aufzusuchen. Die Gründe hierfür sind bereits genannt worden, und führen zu starken Schwankungen bei der Anzahl der zu holenden Kühe, so dass es innerhalb verschiedener Betriebe zu großen Unterschieden kommen kann. Kremer, J.H. und Ordolff, D. (1992) nennen eine Zahl von über 50 % der Tiere, die zum AMS gebracht werden müssen. Dieser Wert ist im Verhältnis zu den 2,8 Gemelken pro Kuh und Tag zu sehen. Im Vergleich dazu findet sich bei Ipema, A.H. et al. (1987) ein Wert von etwa 15 - 20 % bei 3,9 Gemelken pro Kuh und Tag. Die relativ hohe Zahl


86

von 3,9 lässt vermuten, dass das AMS nicht ausgelastet war und die Tiere dadurch einen vergleichsweise ungehinderten Zugang zur Melkbox hatten. Zum einen sind die Wartezeiten vor dem AMS bei kleineren Herden kürzer, zum anderen kann bei weniger Tieren auch eine höhere Melkfrequenz pro Tier angestrebt werden.

Beim Anlernen werden die Kühe zu bestimmten Zeiten in die Melkbox geführt. Je nach den individuellen Fähigkeiten und Eigenheiten gehen die Tiere nach einiger Zeit selbständig in die Melkbox. Dabei orientieren sie sich zunächst an den Zeiten, zu denen sie vom Menschen zum Melken gebracht wurden. Diese Bindung verliert sich dann nach einiger Zeit. Aller Wahrscheinlichkeit nach ist dies durch die Software im Hintergrund begründet. Je nachdem finden einige Tiere zu ihrem individuellen Rhythmus, während andere eher zufällig wiederholt den Versuch machen in das AMS zu gelangen. Die vorliegenden Beispiele machen deutlich, dass die Tiere individuelle Lernzeiten und Lernerfolge haben. Dies ist auch ein Ergebnis der Lernversuche mit Afrikanischen Zwergziegen an einem Vierfeldermonitor im FBN Dummerstorf. In der Veröffentlichung von Franz, H. und Reichart, H. (1999) kann man eine große Variationsbreite beim Lernverhalten der einzelnen Tiere erkennen. Die Autoren geben den Variationskoeffizienten mit etwa 14 % in den ersten 10 Testtagen an. Dabei ist auffällig, dass die Ziegen zum Lernen 14 Tage Zeit haben. Auf Grund des Kurvenverlaufes muss man aber davon ausgehen, dass nach den vorgegebenen zwei Wochen noch eine Steigerung des Lernergebnisses zu erwarten ist. Andererseits entsteht die Frage, wie weit die Tiere auch nach längeren Lernphasen noch Fehler machen, um mögliche Veränderungen im Test abzufragen. Franz, H. und Roitberg, E. (2001) sind der Frage nachgegangen, wie sich verschiedene Lernsituationen, in diesem Fall die Zweifach- und die Vierfachwahlmöglichkeit, auf den Lernerfolg auswirken. Interessanterweise waren die Lernerfolge bei der Zweifachwahlmöglichkeit deutlich schlechter. Die Ziegen erreichten ihr Ziel, ausreichend Wasser aufzunehmen, wenn sie einfach zufällig die Schalter betätigten. Klare Signale, die für einen Lernerfolg unumgänglich sind, gab der Zweifeldermonitor so nicht. Deshalb kam es auch zu weiterführenden Untersuchungen, bei denen Franz, H. (2001) den Einfluss der Trainingsmethode auf das Lernverhalten prüfte. Hier konnte festgestellt werden, dass eine spezielle Software, die eine aufkommende Feldstetigkeit korrigierte, den Lernerfolg verbesserte. Unter Feldstetigkeit verstehen die Autoren, „die unproportionale Häufigkeit der Wahl eines bestimmten Feldes“, womit gemeint ist, dass die Zwerg


87

ziegen eine gewisse Tendenz zeigen, ein bestimmtes Feld wiederholt zu drücken. In den Versuchen konnten einzelne Tiere identifiziert werden, die eine solche Feldstetigkeit aufweisen. Diese Tatsache zeigt deutlich, dass die verschiedenen Individuen ganz unterschiedliche Problemlösungsansätze zeigen.

Verfolgt man die Lernfortschritte der Zwergziegen bei Franz, H. und Reichart, H., hinsichtlich der, ursprünglich für den Menschen entwickelten, Formel von C.E. Noble (1957), so lassen sich zwei Gleichungen abschätzen:

Entspricht Test 2 in Abb. 48

Entspricht Test 3 in Abb. 48

Bei grafischer Darstellung zeigt sich, dass der Test 1 mit dieser Funktion nicht erklärt werden kann, was an der Feldstetigkeit liegen dürfte, die gerade beim Zweifeldermonitor besonders zum Tragen kommt.

In Test 2 und 3 wird dann ein Vierfeldermonitor verwendet. Die Feldstetigkeit tritt bei dieser Variante nicht so häufig auf. Dabei ist es interessant zu sehen, dass an diesen beiden Formeln die Parameter i (initial probability) und a (asymptote of Rp) gleich sind, und dass sich der unterschiedliche Lernfortschritt in der jeweiligen Konstanten r (rate parameter related to NR) darstellt. Der Faktor i liegt mit 1 / 4,4 = 0,23 nur unwesentlich niedriger als 0,25. Hinzu kommt aber, das der Faktor r = 0,85 die Ausgangsposition i noch weiter reduziert auf etwa 0,19, was dafür spricht, dass die Ziegen nicht nur die vier angebotenen Schalter betätigen, so wie es ein Mensch machen würde, sondern auch das Umfeld mit einbeziehen. Die Senkung der Ausgangswahrscheinlichkeit i von 0,25 auf 0,19 trägt diesem Aspekt Rechnung.


88

Abb. 48: Individuelle und mittlere Lernkurven von Zwergziegen nach Franz, H. und Reichart, H. (1999), darunter die berechnete Form nach C.E. Noble. (1957).

Der Faktor r mit 0,85 ist ein Hinweis, dass Tiere auch nach einer langen Lernphase immer wieder dazu neigen, einen falschen Schalter zu drücken. Lernsysteme müssen daher immer eine gewisse Fehlertoleranz zeigen. Bei den Zwergziegen lässt sich auch gut beobachten, dass sie zeitweilig die „Schalter“ nicht ganz korrekt betätigen, und so das Lernsystem nicht erwartungsgemäß reagiert. Bezogen auf das Lernverhalten der Kühe kann daraus gefolgert werden, dass auch diese nie zu einer wirklich hundertprozentigen S-R-Beziehung gelangen, die für menschliche Probanden eher problemlos erreichbar ist, wenn das System einwandfrei arbeitet.

Auch bei AMS trifft man immer wieder auf Kühe die ein ähnliches Phänomen zeigen. Die Tiere kommen immer wieder zur Melkbox und versuchen dort Kraftfutter zu erhalten, ohne einen speziellen Melkrhythmus zu entwickeln. Für ein AMS ist dieses Verhalten auf der einen Seite vorteilhaft, da solche Tiere regelmäßig und ausreichend häufig gemolken werden. Der Nachteil ist allerdings, dass der Roboter immer wieder


89

durch Tiere blockiert wird, die keine Melkberechtigung haben. Wertvolle Betriebszeit geht damit verloren.

Momentan wird noch nicht versucht die Möglichkeiten des Lernvermögens der Tiere auszuschöpfen, um verbesserte Ergebnisse an Kraftfutterautomaten, AMS oder ähnlichem zu erzielen. Ein Grund dafür ist sicherlich darin zu finden, dass eine Einbeziehung des Lernvermögens auch eine genaue Kenntnis über die Fähigkeiten bezüglich der Kommunikation der Tiere voraussetzt. In diesem Bereich muss noch einige Forschungsarbeit geleistet werden. Über den Einsatz von visuellen (Laube, R. 1975) oder auditiven (Polten, S. 1974) Reizen zur Entwicklung von Signalsystemen für eine prozessgesteuerte Milchviehanlage ist aber bereits schon vor fast 30 Jahren berichtet worden. Dennoch stellten Franz, H. und Reichart, H. 1999 (S. 493) fest, dass "keines der bisher auf dem Markt angebotenen Gerätesysteme ... die als möglich erachtete Tier-Technik-Interaktion in die jeweiligen Prozesse" einbezieht. Im Laufe der Jahre wurden immer wieder Lernversuche mit Hilfe von visuellen Differenzierungsaufgaben bei Rindern durchgeführt (Gilbert, B.J. und Arave, C.W. 1986; Franz, H. 1999; Schaeffer JR., R.G. und Sikes, J.D. 1971). Dabei liegt momentan der Schwerpunkt der Forschung auf Lernversuchen mit einer visuellen Basis, obwohl Sambraus, H.H. (1978) erwähnt, dass sich Säugetiere vorwiegend olfaktorisch und akustisch orientieren. Die vorliegenden Versuche zeigen, dass die Erinnerung an eine mögliche Nahrungsaufnahme der entscheidende Faktor ist.

Lernversuche bei Tieren funktionieren in der Regel nur, wenn klare Zeichen ausgesendet werden und anschließend eine Belohnung zu erwarten ist. Die Attraktivität des Melkroboters geht maßgeblich vom Kraftfutter aus. Das damit verbundene Appetenzverhalten eines jeden Individuums kann als ein permanent gesendetes Zeichen verstanden werden, das der Roboter aussendet, und das von jedem Tier auch entsprechend verstanden wird, sobald der Appetit sich meldet. Die Kenntnis von diesem Zeichen gewinnen die Kühe in ihrer mehrwöchigen Anlernphase. Als eine notwendige Bedingung gehört zu diesem Zeichen, im Sinne der Semiotik, der Melkvorgang. Ziel muss es daher sein, den einzelnen Individuen, diese Verbindung von anlockendem Zeichen aus dem AMS heraus und seiner Konsequenz möglichst eindeutig zu signalisieren. Das kann beispielsweise durch den Duft des Futters signalisiert wer


90

den, der in bestimmten zeitlichen Abständen vom Roboter aus verbreitet wird. Wiederholte Ablehnungen stören diesen Zusammenhang empfindlich, da der Roboter in diesen Fällen die Erwartungen der Tiere enttäuscht. Seine Signale dürfen nicht nur art- bzw. herdengerecht sein, sie müssen den Bedürfnissen der einzelnen Kuh gerecht werden, ohne deren Lernfähigkeit zu überfordern.

Einige wenige Kühe lernen es überhaupt nicht den Roboter freiwillig aufzusuchen. Man kann dann davon ausgehen, dass die Formel für die Berechtigung des Melkens nicht als Ursache anzusehen ist. Vielmehr ist es wahrscheinlich, dass der positive Effekt des Futters den negativen Effekt des Melkens für einzelne Tiere nicht überwiegt. Der Vorgang des Melkens wird mit hoher Wahrscheinlichkeit von den Individuen ganz unterschiedlich empfunden. Außerdem zeigen die bereits in Kapitel 1 angesprochenen Untersuchungen von K. Rabold (1985), dass der Melkvorgang nicht unbedingt als angenehme empfunden wird.

Als letztes ist zu den Melkbesuchen noch anzumerken, dass es für die häufige Annahme, dass dominante Kühe zu den Zeiten gemolken werden, die von der Allgemeinheit der Herde favorisiert werden, keine statistischen Hinweise gibt. Außerdem zeigt sich bei genauerer Betrachtung, dass dies auch kaum wahrscheinlich ist, denn eine gute Kuh soll, bedingt durch die Formel, mindestens dreimal am Tag kommen, so dass sie auch teilweise zu weniger beliebten Zeiten in der Melkbox erscheinen muss.

5.2.2 Herzfrequenzmessungen

Die verschiedenen Kühe zeigen eine erwartete Variation der Herzfrequenz. Die Pulsrate wird durch verschiedene Parameter beeinflusst, beispielsweise durch die Rasse, das Laktationsstadium oder das Alter. Aber es gibt natürlich auch Schwankungen bei den Messungen des einzelnen Individuums, die durch die jeweilige momentane Situation bedingt sind.


91

Als erstes fiel die starke Zunahme der Pulsrate zu Beginn der Messungen auf. Im Mittel haben alle Kühe einen starken und signifikanten Anstieg der Herzfrequenz gezeigt, begründet durch die Tatsache, dass der Gurt mit dem Messsystem auf die feuchte Haut der Tiere geschnallt wird. Die Kühe sind bei solch einer unbekannten Situation deutlich gestresst. Dies ist ein leichter Distress mit einem schnellen Anstieg von 6 bpm oder 7 %. Es gibt aber deutlich stärkere Stresssituationen im Leben der Tiere. Gebresenbet, G. und Eriksson, B. schrieben 1998 einen Report über die „effects of transport on animal welfare“. Die Autoren fanden heraus, dass die Herzfrequenz um mehr als das doppelte ansteigt, wenn die Kühe auf einen Transporter verladen werden.

In Abbildung 44 kann man bezüglich des leichten Distresses am Anfang der Messung eine rasche Reduktion der Herzfrequenz beobachten. Der Anstieg der Herzfrequenz reduziert sich um 50 % innerhalb einer Minute. Es ist auffälligerweise keine Halbwertszeitfunktion, sondern ein logarithmischer Kurvenverlauf, der zeigt, dass es notwendig ist ca. 15 Minuten verstreichen zu lassen, um den Stressabbau abzuwarten. Die logarithmische Abnahme der Kurve kann vermutlich mit dem bekannten Weber-Fechner-Gesetz (Fechner, G., 1860) erklärt werden, nachdem die Beziehung zwischen Reiz und Empfindung in der Dezibel-Skala ihren Niederschlag gefunden hat.

Nachdem die homeostatische Herzfrequenz erreicht wurde, ist in beiden der hier untersuchten Fälle wieder ein Anstieg zu verzeichnen, im freien und im geregelten Kuhverkehr (Abb. 45). In einem Zeitraum von 40 bis 50 Minuten ist ein leichtes Inkrement von 0,2 bpm zu beobachten. Dies ist in Beziehung zu setzen mit dem Eustress der Nahrungsaufnahme. Im freien Kuhverkehr beginnt der Anstieg bereits 30 Minuten vor dem Melken. Durch den stetigen Anstieg der Herzfrequenz vor und nach dem Melken liegt es nahe, dass die Zunahme tatsächlich durch die Futteraufnahme hervorgerufen wird. Von der ersten Annahme, dass sich die Herzfrequenz auf Grund von Streitigkeiten vor dem Eintritt der Melkbox erhöht, kann man durch die äußerst kontinuierliche Steigung absehen. Auch konnte ein solcher Effekt bei der Gruppe mit geregeltem Kuhverkehr nicht beobachtet werden. Gegen einen Distress durch Streitigkeiten spricht auch, dass es während der Tierbeobachtungen im Eingangsbereich des Melk


92

roboters sehr ruhig zugegangen ist. Es ist vielmehr anzunehmen, dass die Kühe in Erwartung des Futters schon einen leichten Anstieg der Erregung, im Sinne eines Pawlowschen Effektes hatten.

Zu Beginn des Melkens hatten die Tiere im freien Kuhverkehr etwa 6 bpm mehr, als die Vergleichsgruppe im geregelten Kuhverkehr. Während des Fressvorgangs ist die Herzfrequenz etwa 10 % höher als zu Beginn. Die Steigung ist in beiden Fällen sehr ähnlich, mit etwa 0,18 bpm bzw. 0,22 bpm. Bei den Kühen mit freiem Kuhverkehr ist der Zeitraum vom Beginn der Messungen bis zum Eintritt in die Melkbox länger. Der Grund dafür liegt aller Wahrscheinlichkeit nach darin, dass die Tiere am Ende des Melkvorgangs zum Futtertisch gehen und die Herzfrequenz statistisch konstant weiter ansteigt. Auch Metz-Stefanowska, J. et al. (1992) stellten fest, dass sich die von ihnen beobachteten Kühe nach dem Melken längere Zeit im Bereich des Futtertisches aufhielten.

Der interessante Effekt der niedrigeren Herzfrequenzen in der Gruppe mit geregeltem Kuhverkehr im Vergleich zur Gruppe mit freiem Kuhverkehr kann mit einer niedrigeren Milchleistung erklärt werden. Die Tiere sind in einem fortgeschrittenen Laktationsstadium, mit einer etwa 25 % niedrigeren Milchleistung. Dies muss im Zusammenhang mit der niedrigeren Herzfrequenz gesehen werden. Kühe, zu Beginn der Lakationsperiode mit einer höheren Milchproduktion, sollten auch eine höhere Futteraufnahme haben, dies wurde aber in unseren Experimenten nicht gemessen. Die tägliche Milchleistung steht wahrscheinlich in direktem Zusammenhang mit der Herzfrequenz, da die Kühe etwa 400 Liter Blut brauchen, um einen Liter Milch zu produzieren. Man kann also kalkulieren, dass etwa 90 ml Blut pro Herzschlag zum Euter transportiert werden müssen. Der Grund für die angezeigten Unterschiede kann so in der höheren metabolischen Rate gesehen werden.

Auch in den eigenen Experimenten war zu sehen, dass die Herzfrequenz durch negative Einflüsse z.B. den Distress durch die experimentelle Manipulation und auf der anderen Seite durch positive wie den Eustress in Erwartung des Futters stimuliert werden kann. Dieser Eustress scheint zu aktivieren und motiviert die Individuen zum


93

AMS zu gehen. Gleichzeitig sind zwei Oszillationen zu beobachten, die durch eine Fourier Analyse nachgewiesen werden können. Eine Oszillation hat eine sehr niedrige Amplitude und einer Wellenlänge um 7 Minuten und die andere hat etwa 13 Minuten und eine hohe Amplitude. Diese homeostatische Oszillation scheint durch den leichten Distress in Erscheinung zu treten, der zu Beginn der Messungen durch das Anlegen des feuchten Gurtes ausgelöst wurde, aber es ist eindeutig, dass die Periodizität durch intrinsische Faktoren bestimmt wird. Die Amplitude beträgt ein bis zwei Herzschläge und kann nur bei einer sehr sensiblen Methode mit ausreichend Messungen erfasst werden.

Die Herzfrequenz ist in unseren Untersuchungen bereits vor der Melkung angestiegen und erreichte das Maximum von 6 bpm plus während des Melkprozesses. Dies ist in Übereinstimmung mit den Ergebnissen von Wenzel, C. (1999). Es ist klar, dass dieser leichte Stress startet bevor das Melkzeug angesetzt wird. Ein Grund können die Aktivitäten vor dem Melken, der andere könnte die Erwartung der Tiere sein, im Sinne eines konditionierten Reflexes. Die erfahrenen Kühe wissen was in den nächsten Minuten passiert. Sie sind motiviert zum AMS zu gehen, um Kraftfutter in der Melkbox zu bekommen. Diese Idee wird durch den Fakt unterstützt, dass die Herzfrequenz nach dem Melken sehr viel stärker ansteigt. Kühe in der Rohrmelkanlage bekommen ihr Kraftfutter direkt nach dem Eintritt. Das Ansetzten der Melkzeuge erfolgt aber nicht sofort. In diesem Fall hat die Kurve einen Peak bevor der Melkprozess beginnt (Abb. 47). Auch Royle, C. et al. (1992 ) stellten den leichten Anstieg der Herzfrequenz vor dem Ansetzen der Melkzeuge durch die Futtergabe fest. Die Kühe zeigten aber bei diesen Untersuchungen einen starken Anstieg zu Beginn des Melkens. Dabei ist zu bemerken, dass sie im Anbindestand gemolken wurden. Die Herzfrequenz, bei dem deutlichen Stresseinfluss, hat sich aber nach Beenden des Melkens nach 10 bis 15 Minuten wieder normalisiert. Dies ist in Übereinstimmung mit meinen Ergebnissen zu sehen. Die Zeit der Beruhigung in dem beschriebenen Versuch beträgt etwa die gleiche Zeitspanne, die die Tiere nach dem Anlegen des Gurtes in meinem Experiment brauchen, um die Herzfrequenz wieder zu normalisieren.

Die Tatsache, dass Kühe in der Rohrmelkanlage eine höhere Pulsrate haben ist ein Hinweis darauf, dass die Fixierung von Tieren im Fressgitter auch als Stressfaktor in


94

Betracht kommt. Eine Fixierung in einem Klauenstand haben Kaufmann, C. et al., (1996) in ihrem Versuch bewusst als Stressfaktor eingesetzt. Wenn dies korrekt ist, muss man vermuten, dass der Stress anhält und während der Untersuchung zunächst nicht kompensiert werden kann.

Die Herzfrequenzmessungen haben gezeigt, dass sie für die Einschätzung eines Haltungs- bzw. Melksystems durchaus wichtige Anhaltspunkte für die Tiergerechtheit liefern können. Das System von Polar reagiert sehr sensibel. Dadurch können auch die interessanten Oszillationen gemessen werden. Es sollte aber nicht außer Acht gelassen werden, dass ein sensibles System auch leicht durch verschiedene äußere Einflüsse gestört werden kann. Das Wissen um die Fehler einer Messmethode ist unersetzlich, um die Ergebnisse richtig Einschätzen zu können. Erst die hohe Zahl an Messungen lässt die hier gezeigten Erscheinungen erkennbar werden.

Bei den Messungen muss unbedingt darauf geachtet werden, dass die Sensoren des Polar Vantage XL einen guten Kontakt zum nassen Fell der Kühe habe, da das Messprinzip auf einer Leitfähigkeitsmessung beruht. So werden immer wieder falsche Werte gespeichert, die herausgefiltert werden müssen. Es ist erstaunlich, dass diese Fehler in den verschiedenen Publikationen nicht ausreichend Erwähnung finden und ihre Konsequenzen auch nur sehr begrenzt diskutiert werden (Hopster, H. and Van Der Werf, J. 2000; Wenzel, C. 1999). Darüber hinaus kann der Kontakt auch beispielsweise beim Niederlegen oder Aufstehen einer Kuh kurzzeitig verloren gehen. Eine sorgfältige Überprüfung der Messwerte vor der Analyse ist deshalb unverzichtbar. Dennoch sind die Monitore von Polar wiederholt für Herzfrequenzmessungen eingesetzt worden (Hopster, H. und Van Der Werf, J. 2000; Wenzel, C. 1999), so dass die Ergebnisse gut verglichen werden können. Eine größere Anzahl von Fehlmessungen kommt zu Stande, wenn die Werte alle fünf Sekunden gespeichert werden. Diesen Fehler kann man aber bei einer ausreichenden Anzahl von Messungen und bei einer kritischen Auswertung kompensieren. Es wurde bereits erwähnt, dass die 7.853 Werte der vorliegenden Untersuchung, die während des Fressens gesammelt wurden, nicht einer Normalverteilung entsprechen. Der Grund dafür scheint relativ einfach zu sein, und darin zu liegen, dass die Herzfrequenz einer Homeostase unterliegt. Deshalb ist die Verteilung der Werte nicht zufällig entstan


95

den, sondern durch Abhängigkeit der Mittelwerte von einem Feed-back-System mit gekoppelten Schwingungen.

5.3 Tiergerechtheit

Seit Anfang der 70er Jahre ist die Entwicklung der Einzeltiererkennung technisch realisierbar geworden. Damit ist es möglich die kinetischen Aktivitäten, Futteraufnahme, Leistungen etc. für jedes Individuum automatisch zu registrieren und auszuwerten. Seither besteht die Möglichkeit auch in großen Herden eine tiergerechtere Haltung durchzusetzen, da sich die Tiere nun in Laufställen frei bewegen können und trotzdem eine individuelle Überwachung erfolgt. Diagnostische Maßnahmen können nun in der weiteren Entwicklung folgerichtig eingeleitet und Expertensystemen bzw. sogenannten DSS zugeführt werden. Der Mensch zieht sich dabei zunehmend weiter aus dem eigentlichen Produktionsprozess zurück. Dies wird von den Verbrauchern eher als negativ angesehen. Es sollte aber immer beachtet werden, dass die Tiere von Natur aus nicht auf menschlichen Kontakt angewiesen sind. Trotzdem muss gerade bei landwirtschaftlichen Nutztieren die Tier-Mensch-Beziehung bei möglichst voll automatisierten Haltungssystemen gepflegt werden, da der Mensch seine Kontrollfunktion nutzen und regelmäßig Tierkontrollen durchführen muss. Nach ersten Umfragen von Kowalewski H.-H. und Fübbeker, A. (1999) gibt es einen Hinweis darauf, dass die Zutraulichkeit nach Einführung des AMS eher größer geworden ist. Auf Grund der veränderten Bedingungen ist daher auch über die Rolle des Menschen in der Mensch-Tier-Beziehung neu nachzudenken. Die Verantwortung des Menschen bleibt weiterhin bestehen, auch wenn ein Großteil der Arbeit die Maschinen machen. Dies ist auch aus juristischen Gründen wichtig, da nur der Mensch und nicht die Maschine bei Gesetzesverstößen belangt werden kann. Im Sinne einer humanen Tierhaltung konzentriert sich die Beziehung zwischen Mensch und Tier verstärkt auf die Bereiche, die vom AMS auch in Zukunft nicht übernommen werden können.

Die große Bedeutung der Verantwortung wird vor allem daran deutlich, dass der Zweck des Tierschutzgesetzes in §1 dadurch charakterisiert wird, dass "aus der Ver


96

antwortung des Menschen für das Tier als Mitgeschöpf dessen Leben und Wohlbefinden zu schützen" ist (BGBI. S. 1105, 25.Mai.1998). Deshalb muss man neben einer tiergerechten Haltung auch eine humane Tierhaltung fordern. Unter diesem Begriff versteht man auch, dass das gesamte Wissen der Menschen über die Tiere in die Haltung bestmöglich einfließen sollte. Dies gilt z.B. auch für die medizinische Versorgung, die weder als natürlich noch als artgerecht im engeren Sinne bezeichnet werden kann, wenn man eine Art als Produkt ihrer Evolution ansieht.

Eine natürliche Haltung kann bei landwirtschaftlichen Nutztieren eigentlich nicht in größerem Umfang durchgeführt werden, da ein großes Platzangebot, ein schlechter Zugriff auf die Tiere und die Festlegung der Tierhaltung auf bestimmte Biotope ein Limit implizieren. Darüber hinaus sind die damit im Zusammenhang stehenden negativen Seiten für die Tiere sicherlich nicht wünschenswert, wie beispielsweise ein starker Parasitenbefall etc. Mit dem negativen Begriff der vermenschlichten oder antropomorphen Haltung, darf man eine humane Tierhaltung allerdings nicht verwechseln. Eine antropomorphe Einstellung zum Tier, das damit in vielfältiger Weise überfordert wird, sollte unter allen Umständen vermieden werden.

Sundrum, A.; Andersson, R. und Postler, G. (S. 8, 1994) stellten fest, dass es immer einen Zielkonflikt zwischen der Wirtschaftlichkeit und den Bedürfnissen der Tiere geben wird. "Haltungssysteme, welche den Eigenschaften einer spezifischen Tiergruppe in jeder Beziehung gerecht werden, kann es demzufolge nicht geben." Gerade auch nach dieser Aussage ist die Einführung des Begriffs der humanen Tierhaltung in die Diskussion wichtig, denn dort erkennt man auch, das die Tierhaltung stark vom Eingriff des Menschen geprägt und somit die Einstellung des Tierhalters ausschlaggebend für die Lebensqualität der Tiere ist.

In den von Technik geprägten Lebensräumen unserer landwirtschaftlichen Nutztiere, die gerade für eine humane und tiergerechte Haltung große Chancen und Möglichkeiten bieten, wird auch in Zukunft eine gute Beziehung zwischen Menschen und Tieren wichtig sein, da es immer Situationen gibt in denen der Mensch unabkömmlich ist. Dies gilt beispielsweise für tierärztliche Behandlungen, Besamungen, Trans


97

porte und das Klauenschneiden. Schon aus Gründen der Arbeitserleichterung und des Arbeitsschutzes, aber auch um keine Leistungseinbußen und zu große Stresssituationen in den oben genannten Situationen zu haben, sollte ein Vertrauensverhältnis zwischen Tier und Betreuer vorhanden sein. Insbesondere beim Aufbau dieses Vertrauens ist ein weitgehend vorhersehbares Verhalten, sowohl beim Tier wie auch beim Menschen, unabdingbar. Gerade in einer von künstlicher Intelligenz geprägten Umwelt ist dies leichter als bisher zu verwirklichen. Menschliche Schwächen, Gemütsschwankungen, Kranken- und Urlaubszeiten werden dadurch in ihren negativen Auswirkungen minimiert. Der große Einfluss des Herdenmanagers bzw. des Stallpersonals ist schon öfter in Untersuchungen bestätigt worden. Knierim, U. und Waran, N.K. (1993) konnten feststellen, dass die Kühe unterschiedlich hohe Herzfrequenzen aufwiesen je nachdem, ob der Melker oder eine Ersatzperson arbeitete. Die durchschnittlichen Veränderungen der tierischen Herzfrequenz beim Melker lagen bei 5,5 ±4,6 Schlägen pro Minute und bei der Ersatzperson bei 10,8 ±5,1 Schlägen pro Minute. Auch die ermolkene Milchmenge zeigte sich bei dem eigentlichen Melker höher. Breuer, K. et al. (2000) führten einen „standard approach test“ nach Hemsworth, P.H. et al. (1996) durch. Die Ergebnisse sind signifikant mit der Produktivität korreliert, sowohl die Milchleistung, als auch die Inhaltsstoffe Protein und Fett waren auf den Betrieben niedriger, auf denen sich die Tiere im Standardtest nicht so nah an den Experimentiere heran trauten.

Dieser große Einfluss auf die Tiere und ihr Melkverhalten kann beim AMS reduziert werden. Darüber hinaus geben die Autoren zu bedenken, dass man in modernen Melkständen von den Melkern nicht erwarten kann, dass sie mit den Kühen sprechen und Sozialkontakte mit ihnen eingehen, da die Kühe aufgrund ihrer Positionierung nicht unbedingt als Individuum angesehen werden und der Durchsatz beim Melken in der Regel sehr hoch ist. Deshalb sollte das Stallpersonal möglichst regelmäßig bei anderen Gelegenheiten mit den Tieren freundlich umgehen. Diese Schlussfolgerung trifft aber gerade beim AMS zu, da man die Tierkontrolle nicht mehr während des Melkens durchführen kann. Die Kontrolle erfolgt nun separat zu anderen Zeiten. Auch Stookey, J.M. (1994) plädiert dafür, dass das Wohlbefinden der Tiere verbessert wird, indem man den Stress reduziert und eine raue Behandlung von frustrierten Mitarbeitern vermeidet. Dabei stellt der Autor auch fest, dass intensive Milchproduktion das Wohlbefinden der Tiere reduziert, wenn so viele Tiere in einer Herde sind,


98

dass die Kühe u.a. nicht mehr adäquat inspiziert werden können. Der Melkroboter kann dabei eine Hilfe sein, dass mehr Zeit für die Tierbeobachtung zur Verfügung steht. Für ein gutes Management ist dies auch zwingend notwendig.

Es kann aber durchaus vorkommen, dass auch mit Hilfe der Technik das Gegenteil einer verlässlichen Umwelt erreicht wird, in dem die Automatik unberechenbar wird. Als Beispiel wurde bereits die Zulassung zum Melken genannt, es gibt aber auch noch einen anderen wichtigen Bereich, der für Kühe problematisch sein kann. Der Ansetzerfolg der Melkzeuge liegt beim Lely Astronaut bei 97 %, ergo treten bei drei Prozent der Melkungen Fehler beim Ansetzen auf. Die Gründe können im Bereich des Euterexterieurs liegen. Weitere Probleme sind beispielsweise Kühe, die zu unruhig sind oder Tiere deren Euter ödematös ist. Bei einer angerüsteten Kuh versucht dann der Servicearm des Roboters mehrfach das Melkzeug anzusetzen. Wenn dies nicht gelingt, wird das Tier, ohne gemolken worden zu sein, aus der Melkbox entlassen.

Dies ist für die Kuh eine unvorhersehbare und damit unberechenbare Reaktion. Stefanowska, J. et al. (2000) haben die Reaktionen der Kühe auf unterlassene Melkungen untersucht. Dabei konnten die Autoren feststellen, dass alle Kühe Zeichen von Unbehagen zeigten. Schon 1999 bemerkten Stefanowska, J.; Ipema, A.H. und Hendriks, M.M., dass Kühe, bei denen das Ansetzen des Melkzeugs fehlschlug, öfter in den Ausgangsbereich urinierten als gemolkene Kühe. Nach wiederholten Fehlschlägen wanderten die Tiere herum, dies beeinflusste ihr Zeitbudget negativ. Auch die Versuche mit Hilfe einer Vorselektion den Roboter zu entlasten und den Kühen die sehr späte Entscheidung des Gemolkenwerdens in der Melkbox zu ersparen, führten nicht zum gewünschten Ziel. Die Tiere, die den Roboter nicht aufsuchen durften, verweilten im Selektionsbereich noch eine ganze Zeit. Deshalb griffen Stefanowska, J.; Tiliopoulos, N.S.; Ipema, A.H. und Hendriks, M.M. (1999) dieses Thema nochmals auf und bemerkten, dass in den folgenden Untersuchungen der Selektionsbereich entfernt wurde. Die Autoren versuchten dann die ‚walk-through‘ Selektion einzusetzen. Das Ergebnis war, dass nicht die Tatsache, dass eine ‚walk-through‘ Selektion eingesetzt wurde entscheidend war, sondern die Gestaltung der selbigen hatte für das Wohlbefinden der Tiere die ausschlaggebende Bedeutung.


99

Die Zuverlässigkeit des Melkprozesses ist für die Kühe also von größter Wichtigkeit und hat einen starken Einfluss auf ihr Wohlbefinden. Man sollte aber beachten, dass damit keine monotone, reizarme Haltungsumwelt gefordert wird. Zwischenzeitliche Veränderungen, die nicht vorhersehbar sind, können auch einen positive Einfluss auf die Tiere, im Sinne eines Trainingseffekts, haben. Als ein Beispiel für die Vermeidung von Reizarmut kann man hier den Stallbau heranziehen. Es ist heute erwiesen, dass schwankende Klimabedingungen einen positiven Einfluss auf das Immunsystem haben. Es ist aber davon auszugehen, dass der Kontakt zu den Menschen durch den Tierarzt, Besamer und Klauenpfleger etc. weiterhin bestehen bleibt, so dass die Tiere keiner zu monotonen Umwelt ausgesetzt sind. Außerdem geht gerade im Milchviehbereich der Trend zu sehr offenen Ställen. Dadurch werden die Kühe ausreichend mit Reizen aus ihrer Umwelt versorgt. Darüber hinaus verpflichtet der Maßnahmenkatalog für Milcherzeuger mit AMS zur Erfüllung der Anforderungen der Milchverordnung dazu, dass zweimal am Tag eine Begehung des Stalles mit gezielter Beobachtung der Gesundheit der Tiere, sowie deren Sauberkeit, insbesondere der Euter (Wunden, Entzündungen, Infektionen) zu erfolgen hat. Insofern haben die Tiere voraussichtlich auch in einer hoch technisierten Umwelt noch ausreichend menschlichen Kontakt.

Auch die Verhaltensparameter können im Sinne einer umfassenden Prozesskontrolle nutzbar gemacht werden. Das Besuchsverhalten wird heute schon beim AMS aufgezeichnet. Möglicherweise könnte eine Steuerung über Signalsysteme das angestrebte Ziel der möglichst gleich langen Zwischenmelkzeiten und ein regelmäßiger Besuch der Melkbox damit verbessert werden. Eine weiterentwickelte telemetrische Messung der Herzfrequenz wäre im Stande dem AMS wertvolle Hinweise auf Stresssituationen, beispielsweise während des Melkvorgangs, zu geben. Bei der Tierart Schwein wird mit Hilfe einer automatischen Klassifikation von Ferkellauten versucht, eine Einschätzung belastender Situationen vorzunehmen (Marx, G. et al. 2001). Schön, P.C. und Manteuffel, G. (2001) arbeiten ebenfalls auf dem Gebiet der Beurteilung emotionaler Stressbelastung von Nutztieren. Die Autoren wollen dabei durch ein künstliches neuronales Netzwerk Vokalisationserkennung betreiben. Die Versuchstierart war auch hier das Schwein, da dies sehr ausgeprägt auf dem akustischen Weg kommuniziert. Die Rinder gelten gemeinhin als Zugehörige zu der Gruppe domestizierter Tiere, die am wenigsten Lautäußerungen von sich geben (Watts, J.M. und


100

Stookey, J.M. 2000). Die genannten Autoren betonen aber, dass Bedingungen, die eine unangenehme emotionale Komponente haben, wie Isolation, Schmerz oder Angst doch anscheinend assoziiert sind mit erhöhten stimmlichen Reaktionen. So wird darauf hingewiesen, dass man deutliche endogene Faktoren, die die Neigung zur Lautäußerung beeinflussen, gründlich untersuchen sollte, um eventuell eine bestimmte signifikante stimmliche Reaktion zu finden, die man nutzen kann. Grandin, T. (1998) zählte die Stimmlaute im Schlachthaus bei Kühen als Indikator für das Wohlbefinden der Tiere. In dem Versuch wurde festgestellt, dass während eines normalen Arbeitsablaufes nur etwa 10 % der Tiere Laute von sich gaben. Im Schlachthof waren 98,2 % der Lautäußerungen mit unangenehmen Ereignissen, wie Ausrutschen, Elektroschocks, verfehlten Bolzenschuss oder durch zu starken Druck bei der Fixierung, in Zusammenhang zu bringen. Dabei weist die Autorin aber daraufhin, dass Rinder die ungestört an einem Platz stehen auch ab und zu Stimmlaute ohne beobachtbaren Grund abgeben.

Möglicherweise ist aber bei einem gründlichen Studium der Kommunikation der Rinder doch eventuell eine interessante Aussage über das Wohlbefinden im Stall oder auch beim Melken abzuleiten und damit ein Signalsystem für Kühe zu konstruieren. Die Tiere müssen in solch einem System die Signale richtig deuten können, dazu ist es unerlässlich auf den Grundlagen ihrer Kommunikation aufzubauen. Genauere Frequenzanalysen sollten durchaus in der Lage sein, einem AMS die gewünschte Information über den Zustand einer Kuh zukommen zu lassen.


© 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:
Tue Sep 17 11:51:36 2002