Navigation

PIG DATA: Gesundheitsanalytik für die Schweizer Schweinehaltung

 

Big Data hat in der Schweine- und Schweinefleischproduktion bisher noch kaum Einzug gehalten. Das Projekt untersuchte, wie Big-Data-Methoden eingesetzt werden können, um die Schweinehaltung in der Schweiz effizienter zu gestalten und die Tiergesundheit und das Tierwohl zu verbessern, indem Daten aus der gesamten Lieferkette der Schweineproduktion genutzt werden.

Projektbeschrieb (abgeschlossenes Forschungsprojekt)

Wichtige Partner aus allen Bereichen der Schweineproduktion (etwa Landwirte, Tierärzte, Vermarktungsorganisationen, Futtermittelhersteller und Schlachtunternehmen) stellten ihre Daten zur Verfügung. Dazu gehören Daten aus den Bereichen Gesundheit, Produktion, Reproduktion und Nährstoffversorgung, Sterblichkeitsstatistiken, tierärztliche Aufzeichnungen, Transportdaten, Schlachtqualität und Wetterdaten. Die interdisziplinäre Forschungsgruppe entwickelte einen Datenspeicher, um diese heterogenen Daten zusammenzuführen. Methoden für Transfer, Laden, Bereinigen, Verarbeiten und Analysieren der Daten wurden entwickelt und implementiert. Die Analysen konzentrierten sich auf die Beantwortung von Forschungsfragen, welche die Partnerunternehmen in der Schweineproduktion aufgrund ihrer Bedeutung für die Lösung von Produktionsproblemen gestellt hatten. Die Analyseergebnisse wurden den Partnerunternehmen regelmässig übermittelt. Diese werteten die Ergebnisse aus und machten Vorschläge, um ein besseres Verständnis der Daten und der Analyseergebnisse zu fördern.

Hintergrund

Grosse Datenmengen können nicht mehr mit konventionellen Methoden analysiert, sondern müssen mit neuen Methoden nutzbar gemacht werden. Diese haben in der Tierhaltung bisher noch keinen Einzug gehalten, doch gerade für die Schweinehaltung in der Schweiz wären sie von grossem Interesse. Die hiesige Schweineproduktion unterscheidet sich von den intensiven Produktionssystemen in anderen europäischen Ländern, weil sie eine komplexe, kleinteilige Struktur aufweist. Auf allen Produktionsstufen fallen Daten zur Tiergesundheit an, die jedoch bisher nicht stufenübergreifend genutzt werden. Werden diese Informationen adäquat aufbereitet und ausgewertet, lassen sich neue Zusammenhänge, Ursachen und Risikofaktoren von Krankheiten und/oder verminderter Leistung erkennen – und die besten Bekämpfungsstrategien identifizieren.

Ziele

Das übergeordnete Ziel des Projekts war es, neue Methoden zu entwickeln, um die Struktur und Komplexität des Netzwerks der Schweinehaltung und -produktion in der Schweiz besser zu verstehen und zu optimieren. Um dieses Ziel zu erreichen, verfolgte das Projekt die folgenden Zwecke:

  1. Erbringen des Nachweises, dass neue, nützliche und wertvolle Informationen gewonnen werden können, indem man viele unterschiedliche Datensätze aus den Bereichen einer vollständigen Schweine-Lieferkette miteinander kombiniert
  2. Entwicklung vertrauensvoller Beziehungen zwischen den Forschenden im Projekt und den Datensammlerinnen und -sammlern in einem vollständigen schweizerischen Schweineproduktionssystem, sodass diese ihre Daten ohne nennenswerte Bedenken preisgeben und die Ergebnisse der Datenanalysen miteinander teilen
  3. Verarbeitung und Zusammenführung der vielen verschiedenen Datensätze aus einer Schweine-Lieferkette in einem einzigen Datenspeicher, der für Datenanalysen geeignet ist
  4. Einsatz vorhandener Methoden oder Entwicklung neuer Methoden zum Analysieren der Daten, um neue Informationen zu erzeugen, welche für die Projektpartner aus dem Bereich der Schweine-Lieferkette nützlich und wertvoll sind.
  5. Erfolgreiche Durchführung eines Forschungsprojekts, an dem Forschende aus verschiedenen Disziplinen beteiligt sind, die bis dato noch nie zusammengearbeitet haben

Anwendung

Übernehmen und Anpassen von Big-Data-Methoden durch die schweizerische Schweineindustrie gingen relativ langsam vonstatten, insbesondere im Vergleich zu anderen Industrien und Ländern. Es war hinlänglich bekannt, dass sich die Struktur der Schweine- und Schweinefleischproduktion in der Schweiz stark von den intensiven Produktionssystemen in anderen Ländern unterscheidet. Aus diesem Grund waren die anderswo entwickelten und angewendeten Methoden für die Schweiz von begrenztem Wert. Es musste eine neue Strategie für die Anpassung der Big-Data-Methoden an die schweizerische Schweineindustrie entwickelt werden. Dieses Projekt hat gezeigt, dass es möglich ist, Daten unterschiedlicher Akteure innerhalb der Schweine-Lieferkette miteinander zu kombinieren. Es konnte auch nachdrücklich bewiesen werden, dass diese Methode neue und nützliche Informationen generieren kann. Das "Pig Data"-Projekt kann als Pilotversuch bezüglich der Anwendung von Big-Data-Methoden in der schweizerischen Schweineindustrie angesehen werden. Durch den Projekterfolg ist es gelungen, wichtige Stakeholder (z. B. das Bundesamt für Lebensmittelsicherheit und Veterinärwesen) auf die Bedeutung dieses Themas und die Planung neuer Projekte zur weiteren Erforschung dieses Feldes aufmerksam zu machen. Gestützt wird dies durch die offizielle Förderung eines neuen Projekts, mit dem ein "Kompetenz- und Informationszentrum für die Schweinegesundheit in der Schweiz" eingerichtet werden soll; dieses Zentrum wird Gesundheitsdaten aus verschiedenen Projekten und von Akteuren auf diesem Gebiet zusammentragen, analysieren und veröffentlichen, um sich einen Echtzeit-Überblick über den Gesundheitszustand des Schweinebestands und das Auftreten von aufkommenden und wiederkehrenden Seuchen zu verschaffen.

Resultate

  1. Das Projekt hat den Nachweis erbracht, dass neue, nützliche und wertvolle Informationen gewonnen werden können, indem man viele unterschiedliche Datensätze aus den Bereichen einer vollständigen Schweine-Lieferkette miteinander kombiniert. Die Partner des Pig-Data-Projekts, die an verschiedenen Stellen der Lieferkette tätig sind, gaben an, dass die erstellten Informationen zur Beantwortung der "Dream Queries" interessant und nützlich waren. Darüber hinaus haben die Partner anerkannt, dass die Informationen ohne das Kombinieren von Daten vieler verschiedener Datenlieferanten, die ihre Daten normalerweise nicht mit anderen kombinieren würden, nicht hätten gewonnen werden können.
  2. Im Rahmen des Projekts wurden vertrauensvolle Beziehungen zwischen den am Projekt Forschenden und den Angehörigen des schweizerischen Schweinehaltungssystems erfolgreich entwickelt. Die Partner aus der Schweine-Lieferkette teilten ihre Daten mit dem Forschungsteam; die Zusammenarbeit mit dem Forschungsteam erfolgte während des gesamten Projektverlaufs; sie waren damit einverstanden, dass die Analyseergebnisse der Daten unter allen Partnern geteilt werden und sie genehmigten die Veröffentlichung der Ergebnisse in wissenschaftlichen Fachzeitschriften und im Rahmen von Wissenschafts- und Branchenkongressen.
  3. Dem Forschungsteam ist die Entwicklung eines zentralen Datenspeichers gelungen und es wurden Methoden zur Bereinigung, Verarbeitung und Zusammenführung vieler verschiedener Datensätze aus einer Schweine-Lieferkette entwickelt. Die bereinigten und zusammengeführten Daten wurden dem Forschungsteam zur Verfügung gestellt. Dieses nutzte die Daten zur Beantwortung der "Dream Queries".
  4. Das Forschungsteam nutzte vorhandene Analysemethoden und entwickelte neue Methoden für die erfolgreiche Datenanalyse, um so neue Informationen zu gewinnen, die für die Projektpartner aus der Schweine-Lieferkette wertvoll sind. Neue Methoden wurden von den Masterstudierenden im Forschungsteam entwickelt und in einer Publikation in wissenschaftlichen Fachzeitschriften veröffentlicht.
  5. Das Forschungsteam war sehr divers; es war daher eine Herausforderung, sich auf die besten Forschungsstrategien zu einigen. Die Entwicklung eines Konsenses über die besten Herangehensweisen wurde durch häufige Online- und Präsenzmeetings erreicht, was sich oft schwierig gestaltete. Das Team konnte sich zu einer funktionierenden Einheit formen, welche die Ziele des Projekts erreichte.
  6. Das Projekt war erfolgreich bei der Entwicklung neuer Methoden und bei der Gewinnung neuer Informationen, die von der Wissenschaftsgemeinde anerkannt wurden. Das Projektteam hat drei Studien in wissenschaftlichen Fachzeitschriften veröffentlicht (fünf werden gerade verfasst), zwei Studien wurden im Rahmen von neun wissenschaftlichen Konferenzen vorgestellt.

Originaltitel

PIG DATA: Health Analytics for the Swiss Swine Industry

Projektverantwortliche

  • Dr. John Berezowski, Veterinary Public Health Institute Vetsuisse-Fakultät, Universität Bern
  • Dr. Rolf Grütter, Eidg. Forschungsanstalt für Wald, Schnee und Landschaft WSL
  • Prof. Abraham Bernstein, Institut für Informatik, Universität Zürich
  • Prof. Heiko Nathues, Clinic for swine, Department of Veterinary Clinical Medicine, Universität Bern
  • Dr. Christina Nathues, Veterinary Public Health Institute, Vetsuisse-Fakultät, Universität Bern

 

 

Weitere Informationen zu diesem Inhalt

 Kontakt

Dr. John Berezowski Veterinary Public Health Institute Vetsuisse-Fakultät, Universität Bern Schwarzenburgstrasse 161 3097 Liebefeld john.berezowski@vetsuisse.unibe.ch

Zu diesem Thema