Aktuelle Meldungen
Digitale Prognosen für mehr Effizienz bei der Ernte
Der Parlamentarische Staatssekretär im Bundesministerium für Ernährung und Landwirtschaft (BMEL) hat Anfang August die Zuwendungsbescheide für das Forschungsprojekt "Methoden und Technologien zur
Durch vorausschauendes Verhalten bei Einsatzplanung, Prozessketten- und Erntemaschinensteuerung lässt sich die Verfahrenskette „Silomaisernte“ weiter optimieren. Hier setzt das Forschungsprojekt prospective.HARVEST an, das vom BMEL gefördert wird. (Bildquelle: Tovornik)
Der Parlamentarische Staatssekretär im Bundesministerium für Ernährung und Landwirtschaft (BMEL) hat Anfang August die Zuwendungsbescheide für das Forschungsprojekt Methoden und Technologien zur Unterstützung einer vorausschauenden Planung und Steuerung kooperativer landwirtschaftlicher Prozesse am Beispiel der Silomaisernte - prospective.HARVEST" überreicht.
Das dreijährige Forschungsvorhaben wird mit rund 1,3 Millionen Euro über das Innovationsprogramm des BMEL gefördert. An dem Projekt beteiligt sind die Firmen Claas E-Systems KGaA mbH & Co KG, Claas Selbstfahrende Erntemaschinen GmbH, 365FarmNet Group GmbH & Co KG und 52° North Initiative for Geospatial Open Source Software GmbH sowie die green spin GmbH, das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) und die Hochschule Bochum.
Ziel des Verbundprojektes ist es, die Ressourceneffizienz in der Verfahrenskette Silomaisernte" zu erhöhen. Dazu wird von den sieben Verbundpartnern aus Forschung und Wirtschaft eine technische Lösung aus komplementären Diensten entwickelt. Basierend auf Satelliten- und Geodaten sowie unter der Nutzung von modernen Informations- und Kommunikationstechniken soll die komplette Logistik der Verfahrenskette Silomaisernte" gesteuert und überwacht werden.
Auf Basis von Abreifedaten wird die Erntekampagne (teil-) automatisiert in einem Farm-Management-System geplant, um für den Landwirt die optimale Arbeitsreihenfolge und eine angepasste Ressourcenausstattung zu erzielen. Der Logistikprozess zwischen Erntemaschine, Transportfahrzeugen und Silowalz-Fahrzeug wird basierend auf Ertragsprognosedaten vorausschauend gesteuert und die Fahrrouten der Maschinen aufeinander abgestimmt. Dadurch sollen Leerfahrten und Stillstandzeiten minimiert und Fahrtstrecken optimiert werden.
Die satellitengestützten Prognosedaten werden auch dazu genutzt, den Feldhäcksler vorausschauend optimal einzustellen und mit Betriebsmitteln auszustatten. Durch den produktiveren Maschineneinsatz kann der Kraftstoffverbrauch und damit der CO2-Ausstoß reduziert werden. Weiterhin lassen sich Bodenverdichtungen verringern, weil im Vorfeld die Befahrbarkeit bekannt ist und Fahrstrecken auf dem Feld reduziert werden.
Das dreijährige Forschungsvorhaben wird mit rund 1,3 Millionen Euro über das Innovationsprogramm des BMEL gefördert. An dem Projekt beteiligt sind die Firmen Claas E-Systems KGaA mbH & Co KG, Claas Selbstfahrende Erntemaschinen GmbH, 365FarmNet Group GmbH & Co KG und 52° North Initiative for Geospatial Open Source Software GmbH sowie die green spin GmbH, das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) und die Hochschule Bochum.
Ziel des Verbundprojektes ist es, die Ressourceneffizienz in der Verfahrenskette Silomaisernte" zu erhöhen. Dazu wird von den sieben Verbundpartnern aus Forschung und Wirtschaft eine technische Lösung aus komplementären Diensten entwickelt. Basierend auf Satelliten- und Geodaten sowie unter der Nutzung von modernen Informations- und Kommunikationstechniken soll die komplette Logistik der Verfahrenskette Silomaisernte" gesteuert und überwacht werden.
Auf Basis von Abreifedaten wird die Erntekampagne (teil-) automatisiert in einem Farm-Management-System geplant, um für den Landwirt die optimale Arbeitsreihenfolge und eine angepasste Ressourcenausstattung zu erzielen. Der Logistikprozess zwischen Erntemaschine, Transportfahrzeugen und Silowalz-Fahrzeug wird basierend auf Ertragsprognosedaten vorausschauend gesteuert und die Fahrrouten der Maschinen aufeinander abgestimmt. Dadurch sollen Leerfahrten und Stillstandzeiten minimiert und Fahrtstrecken optimiert werden.
Die satellitengestützten Prognosedaten werden auch dazu genutzt, den Feldhäcksler vorausschauend optimal einzustellen und mit Betriebsmitteln auszustatten. Durch den produktiveren Maschineneinsatz kann der Kraftstoffverbrauch und damit der CO2-Ausstoß reduziert werden. Weiterhin lassen sich Bodenverdichtungen verringern, weil im Vorfeld die Befahrbarkeit bekannt ist und Fahrstrecken auf dem Feld reduziert werden.
