Für mehr als nur zur Brunsterkennung

Zufriedene Kunden beurteilen SenseHub® als Hilfsmittel mit viel Potenzial. 

Matthias Risch, wissenschaftlicher Mitarbeiter

Smart Farming-Technologien erfreuen sich immer grösserer Beliebtheit und werden oft als eine Investition in die Zukunft angesehen. Swissgenetics setzt bei den Monitoring-Systemen auf die Expertise und die bewährten Produkte von SenseHub^®.

Wissenschaftliches Interesse

Zahlreiche wissenschaftliche Studien untersuchten mittlerweile die Zuverlässigkeit solcher Systeme und untermauern inzwischen deren praktischen Nutzen. Tatsächlich handelt es sich also um mehr als nur um Werbeversprechen. Ihre Ergebnisse geben eine Brunsterkennungsrate, je nach verwendetem System, mit bis zu 90% an. Dies verdeutlicht, dass sensorbasierte Systeme Brunst und Nichtbrunst grundsätzlich sehr gut erkennen. Dagegen scheitert die herkömmliche Brunstbeobachtung heute oft daran, dass Kühe den Duldungsreflex seltener und weniger lange zeigen.

Umfrage in der Schweiz

Kundenaussagen in der Schweiz stimmen mit diesen Studien überein. Die Mehrheit unserer Sensehub^®-Kunden gaben vor Kurzem in einer Umfrage an, dass sie das System vor allem zur Verbesserung der Brunsterkennung und damit der Fruchtbarkeit einsetzen. Die Hälfte der Personen ist dabei mit der Brunsterkennung von SenseHub^® «sehr zufrieden», weitere 44% sind «zufrieden» und lediglich 4% empfinden die Brunsterkennung als «ungenügend» (s. Abb. 1).

Grosses Potenzial …

Kuh-Monitoring-Systeme versprechen jedoch auch in der Überwachung der Tiergesundheit neue Möglichkeiten. Auch hier überprüften verschiedene Studien, ob und wie zuverlässig sie mittels der Messung von Aktivität und Fressverhalten gesundheitliche Probleme frühzeitig erkennen bzw. vorhersagen können. Eine möglichst schnelle Behandlung könnte nämlich die Krankheitsverläufe mildern, eine schnellere Heilung ermöglichen und den Medikamenteneinsatz verringern. Das senkt zum einen Kosten und verhindert zu anderen schlimmere Symptome.

… in grosser Studie

Eine Studie (*) mit 1’121 Holstein-Kühen untersuchte die Vorhersagbarkeit verschiedener konkreter Erkrankungen.

• Verdauungsstörungen liessen sich mithilfe der Aktivitäts- und Wiederkaumessungen sehr gut (Zuverlässigkeit: 93%) erkennen. Bezüglich der Vorhersagbarkeit unterschieden sich Labmagenverlagerungen, Ketosen und andere Verdauungsstörungen deutlich: Einen verlagerten Labmagen erkannte das Monitoring-System im Durchschnitt drei Tage vor den ersten klinischen Symptomen, eine Ketose meldete es im Schnitt mit 1.6 Tagen Vorlauf. Bei anderen Verdauungsstörungen gewann man einen halben Tag, bevor die Tiere offensichtlich krank wurden 
• Mastitiden wurden, sofern sie ohne andere Störungen auftraten, mit einer 58-prozentigen Zuverlässigkeit und einer Vorlaufzeit von einem halben Tag vorhergesagt. Wirksamer war das System bei Coli-Mastitiden, da diese mit hohem Fieber und Schmerzen im betroffenen Viertel einhergehen.
• Das Monitoring-System erkannte ungefähr jede zweite Gebärmutterentzündung. Höher war die Zuverlässigkeit auch hier bei sehr schweren Fällen und wenn noch weitere Erkrankungen auftraten.

Auch unsere SenseHub^®-Kunden sind mit der Erkennung von gesundheitlichen Problemen zufrieden. Nach ihren Antworten in der Umfrage hat sich der Behandlungserfolg bei der Hälfte der SenseHub^® Advanced oder Premium Betriebe seit der Installation verbessert. Ebenso stellen auch unsere Kunden fest, dass sich viele der Tiere, bei Früherkennung gesundheitlicher Probleme, schneller erholen. 

Sinnvolle Ergänzung

Smarte Kuh-Monitoring-Systeme sind also nicht nur zuverlässige Hilfsmittel in der Brunsterkennung, sondern liefern auch wichtige Gesundheitsdaten zu den Tieren. Gewisse Erkrankungen können mehrere Tage vor deren klinischer Erscheinung entdeckt werden, bevor die Tiere also sichtbar krank sind. Systeme, welche die Analyse des Wiederkäuens und die Erfassung der Aktivität kombinieren, sind eine sinnvolle Ergänzung im Herdenmanagement zur Identifizierung von Kühen mit Stoffwechsel- und Verdauungsstörungen. Letztlich liegt der Erfolg jedoch in den Händen des fachkundigen Menschen, der die vom Sensor abgegebenen Informationen und Meldungen auf Plausibilität und Wahrheitsgehalt überprüft, um daraus die richtigen Schritte einzuleiten. 

Quellen: Chanvallon et al., 2014 ; Fasching et al., 2017; Fasching et al., 2019; Gastreiner, 2018; Hockey et al., 2010 ; Jonsson et al., 2011 ; (*) Stangaferro et al., 2016 ; Talukder et al., 2015