Fachbereich Agrarwirtschaft und Lebensmittelwissenschaften Fachgebiet Agrarwirtschaft
Entwicklung einer Entscheidungshilfe zur Auswahl einer Investition in rentable
Precision Livestock Farming Technologien für landwirtschaftliche Betriebe
Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science (B.Sc.)
Vorgelegt von: Anne Helene Ahrend
Erstbetreuer: Prof. Dr. habil. Sandra Rose-Meierhöfer Zweitbetreuer: Prof. Dr. sc. agr. Clemens Fuchs
URN: urn:nbn:de:gbv:519-thesis2018-0084-4
71*5<;>.:B.2,172;
Abkürzungsverzeichnis ... IV Abbildungsverzeichnis ... V Tabellenverzeichnis ... VI
Formelverzeichnis ... 6
1 Einführung ... 7
1.1 Problemstellung ... 8
1.1.1 Ziel der Entscheidungshilfe ... 8
1.1.2 Zielgruppe des Tools ... 9
2 Literatur ... 10
2.1 Beschreibung der aktuellen Situation ... 10
2.1.1 Begriffsdefinition ... 10
2.1.2 Sensoren ... 11
2.1.2.1 Qualitätsparameter von Sensorleistungen ... 11
2.1.3 Arten und Einsatzmöglichkeiten von PLTs ... 12
2.1.3.1 Fruchtbarkeitsmanagement ... 12
2.1.3.2 Gesundheitsmanagement ... 14
2.1.3.3 Qualitätsmanagement ... 15
2.1.4 Entscheidungsgründe für Investitionen in PLT ... 15
2.1.5 Probleme ... 16
2.2 Ökonomie einer Investition ... 17
2.2.1 Begriffsdefinition ... 17
2.2.2 Wirtschaftliche Kennzahlen ... 18
2.2.3 Investitionsplanung ... 21
2.2.4 Bewertung einer Investition ... 22
2.2.5 Ökonomische Besonderheiten von Precision Livestock Technologies ... 23
2.2.6 Betrachtung der wirtschaftlichen Bedeutung von Problemfeldern, die mit PLT bearbeitet werden können ... 24
3 Material und Methoden ... 26
3.1 Entwicklung des Tools ... 26
3.1.1 Betrachtung anderer Kalkulationsdateien ... 26
3.1.1.1 Animal Health Tool ... 26
3.1.1.2 Klauengesundheitskalkulator ... 28
3.1.2 Beschreibung der ökonomisch bedeutsamen Parameter ... 32
3.1.2.1 Grünlandbewirtschaftung ... 32
3.1.2.2 Fruchtbarkeitsmanagement ... 34
3.1.2.3 Klauengesundheit ... 37
3.1.2.4 Eutererkrankungen (Mastitis) ... 38
3.1.3 Einführung in Microsoft Excel ... 39
3.1.4 Entwicklung der Umfrage ... 40
4 Durchführung ... 41
4.1 Entwicklung des Tools ... 41
4.1.1 Kosten-Nutzen-Analyse ... 41
4.1.1.1 Schritte der Toolentwicklung ... 41
4.1.2 Break-Even-Ansatz ... 46
4.1.2.1 Schritte der Toolentwicklung ... 46
4.2 Umfrage mit Farmern ... 50
4.2.1.1 Überarbeitete Version des Break-Even-Ansatzes ... 51
4.3 Anwendung in einem Beispielbetrieb ... 53
4.3.1 Vorstellung des Betriebes ... 53
4.3.1.1 Berechnung der benötigten Daten ... 54
4.3.2 Kalkulation der notwendigen Leistung zur Amortisierung zweier Systeme für die Brunsterkennung ... 55
4.3.2.1 Kalkulation für das Brunsterkennungssystem Heatime ™ ... 55
4.3.2.2 Kalkulation für das Brunsterkennungssystem ai24™ von SEMEX ® ... 56
5 Diskussion ... 59
5.1.1 Diskussion der Ergebnisse der Kalkulation ... 59
5.1.2 Diskussion der Meinung der Interviewpartner ... 59
5.1.3 Einschätzung zur Nutzbarkeit in der Praxis ... 60
5.1.4 Chancen und Risiken von Precision Farming und der Einsatz von PLT ... 61
6 Schlussfolgerung und Ausblick ... 64
7 Zusammenfassung ... 65
8 Eidesstaatliche Erklärung ... 67
9 Literaturverzeichnis ... 68
Anhang ... 73
Abkürzungsverzeichnis
AHMT Animal Health Management Tool AMS Automatic Milking System Anmerk. Anmerkung
BCS Body Condition Score Bspw. beispielsweise
Bzgl. bezüglich
CAU Christian-Albrecht-Universität Kiel CLR Corrected Lactometer Reading CMS Conventional Milking System DM Dry Matter (Trockenmasse) E Eiweißgehalt der Milch ggf. gegebenfalls
GZ Güstzeit
F Fettgehalt der Milch i.d.R. in der Regel
MGüV Milchgüteverordnung MilchGüV Milchgüteverordnung PLF Precision Livestock Farming PLT Precision Livestock Technologies RoI Return on Investment
TM Trockenmasse
Abbildungsverzeichnis
Abbildung 1: Klauengesundheitskalkulator (http://klauenpflege.at/index.html) ... 30
Abbildung 2: Der Weg zu 10 t TM pro ha und Jahr © Teagasc ... 33
Abbildung 3: Schematische Darstellung des Kosten-Nutzen-Ansatzes ... 41
Abbildung 4: Wahl des Vorteilsbezugs ... 42
Abbildung 5: Einsparungen pro Herde ... 42
Abbildung 6: Kalkulation der Vorteile pro Herde in € ... 42
Abbildung 7: Darstellung der Kosten ... 43
Abbildung 8: Berechnung der Arbeitskosten ... 44
Abbildung 9: Berechnung des Return on Investment ... 45
Abbildung 10: Schematische Darstellung des Break-Even-Ansatzes ... 46
Abbildung 11: Übersicht der Startseite des Break-Even Tools ... 47
Abbildung 12: Übersicht der Kosten des Break-Even-Tools ... 48
Abbildung 13: Übersicht der Leistungskalkulation ... 50
Abbildung 14: Einführung einer Startseite ... 52
Abbildung 15: Kostenübersicht überarbeitet ... 53
Abbildung 16: Berechnung der Kosten von Heatime© ... 56
Abbildung 17: Kalkulation der notwendigen Leistung von Heatime© ... 56
Abbildung 18: Kalkulation der Kosten für SEMEX® ai24™ ... 57
Abbildung 19: Berechnung des jährlichen geldwerten Vorteil zum Erreichen des RoI für SEMEX® ai24™ ... 57
Abbildung 20: Darstellung des Maßes der notwendigen Verbesserung in der Brunsterkennungsrate für SEMEX® ai24™ ... 58
Tabellenverzeichnis
Tabelle 1: Leistungsdifferenzierte optimale Güstzeiten (JAHNKE, 2002) ... 36
Formelverzeichnis Formel 1: Berechnung des RoI ... 23
Formel 2: Berechnung des Gewinns für X% RoI ... 48
Formel 3: Berechnung des Total Solids-Anteil in % ... 54
Formel 4: Berechnung des Anteils der Milchfeststoffe in kg ... 54
1 Einführung
In den vergangenen Jahrzehnten machte der Strukturwandel auch vor der Landwirtschaft nicht halt. Um wettbewerbsfähig zu bleiben, muss der einzelne Betrieb stetig steigende Gewinne erwirtschaften.
Im Laufe der Jahre ließ sich das aufgrund der im Durchschnitt sinkenden Erzeugerpreise bei steigenden Produktionskosten nur über eine Erhöhung der Produktion realisieren.
Besonders die im Vergleich zu den Kapitalkosten stark gestiegenen Lohnkosten führen zu erhöhten Produktionskosten (RUTTEN et al., 2013, p. 1928).
Um die Produktivität zu steigern, erhöhten viele Betriebe ihre Tierzahlen. Gleichzeitig gaben andere Unternehmen die Milchviehhaltung auf. In der Statistik führt das pro Betrieb zu mehr Kühen, bei gleichzeitig sinkender Zahl an Unternehmen mit Milchviehhaltung (STATISTISCHES BUNDESAMT, 2017) (STATISTISCHES BUNDESAMT, 2018). Das zog Konsequenzen im Management aufgrund von erhöhtem Arbeitsvolumen nach sich.
Zur Sicherung der Betreuung der Tiere stehen im Wesentlichen zwei Möglichkeiten zur Verfügung: die Einstellung von Fachpersonal oder der Einsatz von technischen Hilfsmitteln.
Da motiviertes und qualifiziertes Personal rar ist und Arbeitskosten hoch, investieren Betriebe zunehmend in digitale oder technische Hilfsmittel, auch Precision Livestock Farming Technologies oder Precision Dairy Farming Technologies genannt (STEENEVELD,HOGEVEEN AND OUDE LANSINK, 2015, p. 33).
Die Technisierung und die Digitalisierung entwickelt sich in diesen Tagen rasant. Auch die Landwirtschaft nutzt zunehmend Techniken zur Datenaufnahme und Verarbeitung. Es werden neue Technologien entwickelt und bestehende Technologien verbessert.
Im Pflanzenbau sind es beispielsweise GPS Systeme, die seit mehreren Jahren eine akkuratere Bestandesführung ermöglichen. Auch in der Tierhaltung wird zunehmend technische Unterstützung eingesetzt. Diese wird Precision Dairy Technologies (PLT) genannt.
Bspw. übernehmen Melkroboter und Sensoren einen Teil der täglichen Arbeit (DEUTSCHER BAUERNVERBAND, 2015, p. 89).
Mithilfe dieser technischen Unterstützung lässt sich in größeren Herden die qualifizierte einzeltier-individuelle Betreuung sicherstellen.
1.1 Problemstellung
Es ist schwer, den wirtschaftlichen Vor - oder Nachteil beim Einsatz technischer Hilfsmittel zu erkennen. Der Erfolg stark ist von einzelbetrieblichen Faktoren abhängig.
Um den Landwirten eine Kalkulationshilfe an die Hand zu geben, wurde eine Kalkulationstabelle entwickelt, die mithilfe von spezifischen betrieblichen und standardisierten Werten die Rentabilität einer Investition in Precision Livestock Farming Technologies (PLT) berechnet.
Die ökonomischen Vorteile von Precision Livestock Technologies sind zur Zeit noch nicht sehr weit erforscht. Viele Technologien sind neu und die Effizienz ist unbekannt.
Daher ist es für Landwirte schwierig den spezifischen Gewinn für PLT zu bestimmen.
Dieses Informationsdefizit ist möglicherweise eine Erklärung für die Zurückhaltung der Landwirte bei den Investitionen in PLT.
Durch Forschungsarbeit werden PLT validiert und getestet. Auch wenn die geprüften Geräte akkurate Messergebnisse erzeugen, kann der Fall eintreten, dass sie nicht ökonomisch sind. Weisen sie eine unzureichende Lebensdauer auf, sind anfällig für Störungen, schwer bedienbar oder zu teuer, wird die Adaption in der Praxis gering bleiben. Diese Aspekte werden selten in die Einschätzung der technischen Effizienz inkludiert.
1.1.1 Ziel der Entscheidungshilfe
Diese Arbeit beschreibt die Entwicklung einer Entscheidungshilfe zu einer Anleitung für Investitionen in PLT.
Das Werkzeug wandelt erwartete technische Verbesserungen in erwartete ökonomische Konsequenzen um. Es besteht die Hoffnung, dass das beschränkte Kapital der Landwirte dadurch sinnvoller eingesetzt wird.
Die angenommenen Einflüsse auf die technische und ökonomische Performance der PLT sind wissenschaftlichen Untersuchungen, Modellen und der Konsultation von Experten entnommen und als Standardwerte in das Tool integriert. Das Tool ist flexibel an individuelle Umstände anpassbar und für neue PLT erweiterbar.
Als ein Schlüsselvorteil kann das explizite Ausdrücken von erwarteten Verbesserungen in Zahlen genannt werden.
Aktuelle Verbesserungen durch PLT können so einfacher in Maßstäbe gesetzt werden.
Eine verbesserte Bewertung der ökonomischen Vorteile von PLT kann zu einer verstärkten Adaption durch Landwirte führen
1.1.2 Zielgruppe des Tools
Es sollen Landwirte angesprochen werden, die Investitionen in PLT planen. Die Entscheidungshilfe wurde entwickelt, um Landwirte bei der Investitionsentscheidung zu unterstützen. Die Entscheidungshilfe soll ihnen dabei als Unterstützung und Anleitung zur richtigen Investition für ihren spezifischen Fall dienen. Durch das konkrete Eingeben der betrieblichen Kennzahlen der zu verbessernden Parameter kann der Landwirt feststellen, welche Technologie für seinen Betrieb am wirtschaftlichsten ist.
Die Entscheidungshilfe kann Herstellern eine Möglichkeit geben, die Leistung ihrer Produkte nachvollziehbar zu präsentieren.
Auch für landwirtschaftliche Berater kann die Excel-Tabelle eine Hilfestellung in Beratungsgesprächen sein.
2 Literatur
2.1 Beschreibung der aktuellen Situation
In diesem Abschnitt werden die Begriffe Precision Livestock Farming (PLF) und Precision Livestock Farming Technologies (PLT) erläutert. Es werden Sensoren vorgestellt und Einsatzmöglichkeiten von PLT beschrieben.
Gründe für den Einsatz und Probleme im Einsatz von PLT werden dargestellt.
2.1.1 Begriffsdefinition
Um einen einheitlichen Ausgangsstandpunkt zu definieren, sollen die Begriffe Precision Livestock Farming und Precision Livestock Farming Technologies klar abgegrenzt werden.
In die deutsche Sprache übersetzt, bedeutet Precision Livestock Farming Präzisionstierhaltung. Precision Dairy Farming wird von Borchers et al. definiert als der Gebrauch von Informations- und Kommunikationstechnologien zur verbesserten Kontrolle der tierischen und physischen Ressourcen zur Optimierung der ökonomischen, sozialen und ökologischen Leistungsfähigkeit des milcherzeugenden Unternehmens (BORCHERS AND BEWLEY, 2015, p. 4198).
Weitere Merkmale sind die Verlagerung der Beobachtungs-und Entscheidungsebene von der Tiergruppe zum Einzeltier, eine hohe Intensität der Tierbeobachtung und eine lückenlose Dokumentation geleisteter Maßnahmen (SPILKE, 2013).
Als Precision Livestock Farming Technologie wird die Technik bezeichnet, die die Präzisionstierhaltung ermöglicht.
In der vorliegenden Arbeit werden alle Technologien, die automatisch oder halbautomatisch Informationen in einem Tierbestand oder am einzelnen Tier erfassen, diese auswerten und eine Handlungsempfehlung geben oder eine Handlung durchführen als Precision Livestock Farming Technologies betrachtet.
Precision Livestock Farming ist eine Methode der sogenannten „Landwirtschaft 4.0“ oder
„Smart Farming“. Dieser Begriff wird von Hansen et. al. definiert als der Einsatz von neuartigen Innovationen aus der Ingenieurs- und Technologiebranche. Dies kann Abfall und Umweltbelastung reduzieren sowie die Produktivität und das Tierwohl steigern (HANSEN et al., 2018, p. 14). Smart Farming ist die Auswirkung der Digitalisierung auf den Agri-Sektor.
2.1.2 Sensoren
Hauptbestandteil der meisten Technologien sind Sensoren. Diese werden als Vorrichtung beschrieben, die physische und verhaltensbezogene Messdaten an einem Tier erheben (RUTTEN et al., 2013, p. 1929). Dies ermöglicht das automatisierte Aufdecken von Veränderungen im Allgemeinzustand des Tieres. Als Konsequenz daraus wird eine Handlung von Seiten des Managers oder eine automatisierte Aktion erforderlich (RUTTEN
et al., 2013, p. 1929).
Dabei unterteilt man in „Attached“ Sensors und „Non-attached“ Sensors. „Attached“
Sensors sind entweder an oder in der Kuh angebracht. Pedometer werden an den Extremitäten der Tiere befestigt, während Pansen-Boli dem Rind eingegeben werden.
„Non-attached“ Sensoren sind nicht an der Kuh sondern im Stall befestigt (RUTTEN et al., 2013, p. 1929).
Sie erfassen die Daten, wenn das Tier daran oder darunter vorbei geht. Zwei bestimmte Arten von „Non-attached“ Sensoren sind „In-line“ oder „On-line“ Sensoren.
„In-line“ Sensoren messen Parameter während des Durchflusses einer Flüssigkeit. Ein Beispiel ist die Messung von Milchfett (%) im Milchdurchfluss mithilfe eines „In-line“- Spektrophotometers (RUTTEN et al., 2013, p. 1929).
Hingegen zieht ein „On-line“ Sensor automatisiert Proben und veranlasst eine Analyse der Daten. So wird zum Beispiel der Keton-Körper-Gehalt in der Milch mit einem „On- line“- Spektrophotometer gemessen (RUTTEN et al., 2013, p. 1929). Daraus können Rückschlüsse auf eventuell vorliegende Ketosen gezogen werden.
"=*52<D<;9*:*6.<.:>87$.7;8:5.2;<=70.7
Sensitivität und Spezifität sind Qualitätsparameter zur Beschreibung der Zuverlässigkeit von Sensorergebnissen. Diese Begriffe werden auch zur Angabe der statistischen Zuverlässigkeit eines Testergebnisses eingesetzt.
Die Sensitivität wird auch als Empfindlichkeitsrate oder Richtig-Positiv-Rate bezeichnet.
Sie gibt den Anteil der richtig positiv klassifizierten Objekte aus der Gesamtheit der tatsächlich positiven Objekte an. Die Falsch-Negativ Rate gibt den Anteil der irrtümlicherweise als negativ bezeichneten Objekte aus der Gruppe der tatsächlich positiven Objekte an (WIKIPEDIA, 2018).
Die Spezifität wird auch als kennzeichnende Eigenschaft oder Richtig-negativ-Rate
Die Falsch-Positiv Rate gibt den Anteil der irrtümlicherweise positiv klassifizierten Objekte aus der tatsächlich negativen Gruppe an.
Die Größen Sensitivität und Spezifität sind negativ korreliert. Sie stehen in engen Zusammenhang und beeinflussen sich gegenseitig (WIKIPEDIA, 2018).
In diesem Zusammenhang soll auch der PPV („Positiv Predictive Value“) erwähnt werden. Dieser gibt den Anteil der korrekt als positiv eingestuften Fälle an der Gesamtheit der positiv klassifizierten Fälle an (WIKIPEDIA, 2018).
Vergleichbar gibt der „Negativ Predictive Value“ (NPV) den Anteil der richtig als negativ eingestuften Resultate an der Gesamtheit der als negativ klassifizierten Ergebnisse an (WIKIPEDIA, 2018).
Am Beispiel von Brunstdetektoren ist eine höhere Sensitivität gleich einer niedrigeren Falsch-Negativ-Alarmrate. Es werden mehr wahre Brunstereignisse festgestellt. Ein höherer PPV ist gleich weniger Falsch-Positiver Alarme, d.h. es werden weniger Alarme bei Kühen, die nicht in Brunst sind, ausgegeben (ROELOFS AND VAN DER KOOIJ, 2015, p.
499).
2.1.3 Arten und Einsatzmöglichkeiten von PLTs
PLT werden beständig weiterentwickelt und verbessert. Es kommen weitere Technologien auf den Markt (BORCHERS AND BEWLEY, 2015, p. 4199). Sie haben unterschiedliche Formen (Software, Hardware), resultierend daraus auch unterschiedliche Funktionen und Aufgaben.
PLT können bspw. zur Brunstbeobachtung oder zur Gesundheitskontrolle eingesetzt werden.
Sogenannte Biosensoren messen biologische Werte in Körperflüssigkeiten des Tieres:
z.B. Enzym- und Hormongehalte in der Milch oder den Keton-Körpergehalt im Blut (RUTTEN et al., 2013, p. 1932f).
:=,1<+*:4.2<;6*7*0.6.7<
Weit verbreitet sind Sensoren im Bereich der Brunsterkennung. Diese Sensoren sind fortgeschritten in ihrer Entwicklung und in verschiedenen Ausführungen verfügbar. Im großflächigen Einsatz befinden sich Sensoren zur Aktivitätsmessung und Brunsterkennung in Form von Pedometer-Systemen (STEENEVELD et al., 2017, p. 55).
Diese messen mithilfe von Lagesensoren die Aktivität der Kuh. Durch eine automatische Datenanalyse wird bei einem Brunstereignis ein Alarm ausgegeben. Nutzt das System
eine sehr hohe zeitliche Auflösung, lässt sich der genaue Besamungszeitpunkt noch genauer festlegen (WENDL, 2009, p. 27). Um diese Informationen zeitnah nutzen zu können, ist eine Verknüpfung des Systems mit mobilen Endgeräten (Mobiltelefone) nützlich. So kann der Vorteil der zeitlichen und räumlichen Unabhängigkeit besser genutzt werden.
Neuere Systeme nutzen 3-dimensionale Bewegungssensoren. Sie werden mittels Halsbändern am Tier angebracht. Diese Sensoren sind in der Lage, verschiedene Bewegungsarten und Geschwindigkeiten (Liegen, Stehen, Gehen) zu erfassen und zu unterscheiden (HARMS,J. ;WERNDL,G.2009, 27). Das ermöglicht ein genaues Erkennen des Brunstgeschehens.
Die Genauigkeit dieser Systeme wurde untersucht und im Vergleich zur visuellen Observation konnte eine bessere Performance festgestellt werden (ROELOFS AND VAN DER
KOOIJ, 2015, p. 502).
Es kann angenommen werden, dass stillbrünstige Kühe mit Sensoren besser gefunden werden als durch menschliche Observation. Diese Kühe zeigen weniger deutliche Brunstzeichen, was durch Sensordaten genauer und in kleineren Zeitfenstern erfasst werden kann als durch menschliche Observation (KROSTITZ et al., 2011, p. 26).
Es gibt unterschiedliche Möglichkeiten der Datennutzung durch das System: Entweder gibt das Gerät einen Überblick über die gesammelten Informationen oder eine konkrete Handlungsempfehlung oder führt selbstständig eine Handlung aus (RUTTENet al., 2013, p. 1930).
Vorteilhaft ist die direkte Datenauswertung und Ausgabe in Form einer Handlungsempfehlung an den Landwirt, da hier eine manuelle Auswertung durch den Benutzer entfällt.
Diese Geräte haben Potential zur Arbeitseinsparung.
Eine andere Möglichkeit ist der Einsatz von Biosensoren. Die Messung des Progesteronwertes in der Milch über einen längeren Zeitraum und die Auswertung der Daten kann als Nachweis einer Brunst herangezogen werden. Nämlich dann, wenn auf einen Zeitabschnitt mit niedrigem Progesteronwert eine Phase mit einem hohen Messwert beobachtet werden kann (ROELOFS AND VAN DER KOOIJ, 2015, p. 499). Dafür müssen mehrmals wöchentlich Milchproben gezogen und getestet werden.
.;=7-1.2<;6*7*0.6.7<
PLT können zur Erkennung von Krankheiten eingesetzt werden.
Zur Einschätzung des Gesundheitsstatus eines Tieres kann der BCS bestimmt werden.
Body Condition Scoring nach Edmonson (EDMONSON et al., 1989) ist eine weitverbreitete Methode zum Einschätzen der Körperfett-Reserven mithilfe einer 5-Punkte-Skala (VIEIRA et al., 2015, p. 6597).
Der BCS als Parameter kann zur Erkennung von Fruchtbarkeitsstörungen herangezogen werden (KROSTITZ et al., 2011, p. 114).
BCS-Kameras können an Orten, die von den Tieren regelmäßig passiert werden, angebracht werden. Das könnte der Eingang zum Melkstand bzw. an Selektionseinrichtungen im Vor- oder Nachwartebereich sein. Mithilfe einer Auswertung der aufgezeichneten Bilder kann der Allgemein- und Ernährungszustand des Tieres bestimmt und mit einer BCS-Note genau beschrieben werden. Eine dauerhafte Aufzeichnung gibt Aufschluss über die Entwicklung der BCS-Note und ebenso über die Entwicklung der Körperkondition der Kuh (HARMS AND WERNDL, 2009, p. 27).
In der Entwicklung befinden sich Thermografie-Kameras und Datenverarbeitungsprogramme zum Entdecken von Lahmheit. Dabei wird auch der Umstand genutzt, dass sich entzündetes Gewebe durch höhere Temperaturen, meist verursacht durch erhöhte Durchblutung, von den umliegenden Bereichen abgrenzt.
Eine alternative Überlegung betrachtet den Umstand, dass sich lahme Kühe weniger bewegen und die Klauen auf Thermografie-Bildern aufgrund geringerer Durchblutung kälter dargestellt werden. Diese Ansätze sind noch nicht abschließend erforscht (O’LEARY et al., 2018, p. 178).
Eine weitere Möglichkeit zum Erkennen von Lahmheit ist der Einsatz von Pedometern mit integrierten dreidimensionalen Beschleunigungssensoren. Mithilfe der Auswertung der Daten und dem Erstellen einer Ganganalyse könnten gesunde von lahmen Tieren unterschieden werden (WENDL, 2009, p. 27). Zur Zeit sind kaum Geräte zur automatischen Erkennung von Lahmheit kommerziell zu erwerben. Van de Gucht et al.
untersuchten 2017 in einer Studie, welche Bedingungen es braucht, um eine höhere Adaption von entsprechenden Techniken durch die Landwirte zu erreichen. Deutlich wurde, dass die Systeme günstig sein und mit hoher Genauigkeit arbeiten müssen, um sich in der Praxis etablieren zu können (VAN DE GUCHT et al., 2017, p. 1).
Zur Überwachung des Stoffwechsels und der Wiederkautätigkeit können Pansen-Boli mit integrierten Sensoren angewandt werden. Diese werden der Kuh eingegeben und messen
kontinuierlich verschiedene Parameter, die Rückschlüsse auf die Gesundheit des Tieres zulassen. Dazu gehören bspw. der pH-Wert und die Temperatur des Pansens. Die aufgezeichneten Daten werden in Echtzeit über eine drahtlose Verbindung an einen Empfänger übermittelt. In einer Studie von Rutten et al. wird mithilfe einer Auswertung von
Veröffentlichungen zu Sensortechniken ein aktueller Stand der Entwicklung dargestellt.
Bei vielen Pansen-Boli-Sensoren mangelt es aufgrund von fehlender Interpretation der Daten an einer eindeutigen Handlungsempfehlung. Ohne diese Auswertung wird nicht deutlich, welchen zusätzlichen Nutzen der Landwirt durch das System hat. Auch die Spezifität und Sensitivität haben noch Verbesserungspotential (RUTTEN et al., 2013).
In Melksysteme integrierte Sensoren zur Messung der Leitfähigkeit der Milch und zur Erkennung von Farbveränderung oder Blutbeimischung sind mithilfe einer Datenauswertung in der Lage, Euterentzündungen zu erkennen. (HARMS AND WERNDL, 2009, p. 25)
Die Bestimmung des Keton-Körpergehalts kann Hinweise auf Stoffwechselerkrankungen liefern (HARMS,J.;WERNDL, G. 2009, 25).
Eine kontinuierliche Kontrolle des Tierverhaltens durch Aktivitätsmessungssysteme kann Kühe mit subakuten Pansenazidosen finden. Erkrankte Tiere weisen signifikante Veränderungen im Verhalten auf (SILBERBERG et al., 2017, p. 103).
"=*52<D<;6*7*0.6.7<
Im Bereich des automatischen Melkens können Sensoren kontinuierlich Qualitätsparameter wie Milchmenge, Blut, Fett-und Eiweißgehalt oder somatischer Zellzahlgehalt festgestellt werden (RUTTEN et al., 2013, p. 1932)(DEUTSCHER
BAUERNVERBAND, 2017, p. 62). Bei überschrittenen Grenzwerten leitet das System autonomatisch Konsequenzen ein.
Mithilfe von Software und 3-D Kameras kann des Gesamtgewicht und einzelne Partien des Tieres gemessen werden. Das spart aufwendige und stressige analoge Wiegevorgänge (DLG, 2016, p. 8).
2.1.4 Entscheidungsgründe für Investitionen in PLT
Die Gründe für die Investition in PLT sind verschieden und beeinflussen die Wahl der
Verbesserung der Messung, Kontrolle des Gesundheitsstatus und die Erhöhung der Produktion sind nicht die hauptsächlichen Gründe (STEENEVELD AND HOGEVEEN, 2015, p.
33). Argumente für den Sensoreinsatz sind: Arbeitsverringerung, Unterstützung des
Managements, Hilfe im Management bei einer Herdenvergrößerung (STEENEVELD AND
HOGEVEEN, 2015, p. 34).
Bessere Arbeitsbedingungen und Anstöße aus der Wertschöpfungskette werden von Kling- Eveillard als Investitionsargumente angeführt (KLING-EVEILLARD et al., 2017, p. 725).
Ökonomische Gründe spielen weniger eine Rolle bei einer Entscheidung für Sensoren, sie werden als Grund bei Entscheidungen gegen Sensoren angeführt (STEENEVELD et al., 2017, p. 55).
2.1.5 Probleme
Die Adaption der PLT durch die Landwirte ist abhängig von der Leistung der Sensoren und dem Bekanntheitsgrad. Während Systeme zu Brunsterkennung in Milchviehbetrieben seit mehreren Jahren eingesetzt werden, sind BCS-Kameras weniger verbreitet.
(STEENEVELD et al., 2017, p. 55). Aus Sicht der Wissenschaftler sind im Vergleich zum Potential der Sensoren nur sehr wenige bereits auf breiter Ebene im Einsatz. Ausnahmen bilden dabei Aktivitätsmesser (STEENEVELD et al., 2017, p. 55).
Diese verschieden starke Adaption unterschiedlicher Sensorarten lässt sich damit erklären, dass Aktivitätsmesser über einen langen Zeitraum entwickelt und verbessert wurden. Technologien zum Erfassen des BCS und des Pansen-ph-Wertes sind neu und unbekannt, ihre Zweckmäßigkeit ist noch unbelegt und sie sind nur begrenzt kommerziell verfügbar (BORCHERS AND BEWLEY, 2015, p. 4202).
Für den Landwirt ist es schwer zu beurteilen, welche PLTs nützlich und ihr Geld wert sind. Die Leistungen von PLT lassen sich nur schwer messen oder mit anderen Betrieben vergleichen. Dieses Informationsdefizit ist möglicherweise eine Erklärung für die Zurückhaltung der Landwirte bei den Investitionen in PLT (STEENEVELD et al., 2017, p.
63).
Das vielfältige Angebot an Sensoren für unterschiedliche Einsatzgebiete führt zu einer Überforderung der Landwirte. Es bedarf eines hohen Aufwandes, sich einen Überblick über das vorhandene Angebot zu verschaffen (BORCHERS AND BEWLEY, 2015, p. 4199).
Steeneveld et al. beschrieben 2017 den Umstand, dass die Adoptionsrate von Sensoren in
Meinung der Wissenschaftler haben können (STEENEVELD et al., 2017, p. 56). Borchers and Bewley bemängeln, dass die Entwicklung neuer Technologien ungeachtet der betrieblichen Bedürfnisse vorangeht. Die Resultate entsprechen nicht immer den Anforderungen des täglichen Gebrauchs (BORCHERS AND BEWLEY, 2015, p. 4199).
2.2 Ökonomie einer Investition
In diesem Kapitel werden der Investitionsbegriff und zugehörige wirtschaftliche Kennzahlen definiert. Hinweise zur Investitionsbewertung werden recherchiert. Der Erläuterung der ökonomischen Besonderheiten von PLT folgt eine Betrachtung der wirtschaftlichen Bedeutung von Problemfeldern, die mit Technologien bearbeitet werden können.
2.2.1 Begriffsdefinition
Unter einer Investition versteht man nach Brandes et. al. die Umwandlung von Finanzumlaufvermögen in Anlage-, Sach-, oder Viehumlaufvermögen. Es ist eine längerfristige, die Dauer eines Jahres deutlich überschreitende Anlage von Geldmitteln zu wirtschaftlichen Zwecken (BRANDES AND ODENING, 1992, p. 6).
Dabei gibt es mehrere Investitionsarten: Investition in Sachvermögen (Boden, Gebäude), in Finanzanlagevermögen (Darlehen, Aktien, Anteile an Unternehmen) und die immaterielle Investition in Quoten und Lizenzen. Die Sachinvestition bzw.
produktionswirtschaftliche Investition wird sofort in die Produktionskette des Unternehmens eingebunden. Die Finanzinvestitionen können als Forderungsrechte oder als Beteiligungsrechte in Erscheinung treten. Die immateriellen Investitionen finden v.a.
im Bereich der Forschung und Personalentwicklung statt (HÖLSCHER, 2010, p. 8). Die vorliegende Entscheidungshilfe betrachtet Sachinvestitionen, teilweise auch immaterielle Investitionen, wenn für eine Sensortechnologie Rechte oder Lizenzen erworben werden müssen.
Mit einer Investition wird das Ziel verfolgt, die Voraussetzung für Produktionsprozesse zu schaffen oder Produktionsprozesse zu optimieren (BRANDES AND ODENING, 1992, p.
10). Bspw. soll durch den Einsatz von PLT in vielen Fällen die Arbeitsabläufe verbessert werden.
Investitionen sind in der Regel von weitreichender Bedeutung für das Unternehmen durch mittel- oder langfristige Kapitalbindung und bestimmen die Produktion der nächsten Jahre bzw. Jahrzehnte (HÖLSCHER, 2010, p. 9).
Durch notwendige finanzintensive Korrekturen von Fehlentscheidungen bzgl. von Investitionen kann das Unternehmen nachhaltig geschädigt werden (HÖLSCHER, 2010, p.
8).
Für den Landwirt ist die Entscheidung für oder gegen eine Investition mit weitreichenden Folgen verbunden, da es sich häufig um hohe finanzielle Werte (Maschinen, Gebäude) handelt (DABBERT AND BRAUN, 2006, p. 222) (vgl. BORCHERS AND BEWLEY, 2015, p.
4198).
Ein Angebot (Netto) für die Installation von Aktivitätsmessern in einem milcherzeugenden Betrieb liegt bspw. für 100 Kühe zwischen 12.000 € und 18.000 € (WIESE, 2018).
Preisvolatilitäten vieler landwirtschaftlicher Produkte erschweren die Investitionsentscheidungen (HÖLSCHER, 2010, p. 4).
Der Anteil der Einzelunternehmen unter den in der Landwirtschaft verbreiteten Unternehmensformen ist nicht unerheblich (DEUTSCHER BAUERNVERBAND, 2015, p. 76).
Hier stellt eine fehlerhafte Investitionsentscheidung nicht nur ein betriebliches, sondern auch ein privates Risiko da. Denn der Einzelunternehmer haftet unbeschränkt mit seinem privaten Vermögen.
2.2.2 Wirtschaftliche Kennzahlen
Soll eine Investition getätigt werden, ist zuerst zu prüfen, ob das Unternehmen finanziell dazu in der Lage ist. Dazu muss die finanzielle Situation geprüft werden. Der Jahresabschluss stellt wichtige Daten bereit. Diese müssen anhand bestimmter Kriterien ausgewertet werden. Im Folgenden sollen diese erläutert werden.
Geläufige Kriterien sind die Kennzahlen zur Rentabilität, zur Liquidität und zur Stabilität eines Betriebes.
Die Kennzahlen zur Rentabilität betrachten den Erfolg des Unternehmens im Verhältnis zu den eingesetzten Produktionsfaktoren (HÖLSCHER, 2010, p. 3). In der Landwirtschaft versteht man darunter z.B. Boden, Arbeit, Kapital oder Lieferrechte. Ein Unternehmen gilt als rentabel, wenn die eingesetzten Faktoren den Gewinn unterschreiten (DABBERT AND BRAUN, 2006, p. 153).
Ein Betrieb wird als liquide bezeichnet, solange er die laufenden Zahlungsforderungen erfüllen kann (DABBERT AND BRAUN, 2006, p. 153).
Ist das nicht der Fall, droht dem Unternehmen die Insolvenz. Um diesen Fall zu verhindern, ist im Voraus einer geplanten Investition eine detaillierte Bewertung der Liquidität nötig.
Ein Unternehmen ist stabil, wenn unter schwierigen bzw. unerwarteten Produktionsumständen Liquidität und Rentabilität aufrechterhalten werden können (DABBERT AND BRAUN, 2006, p. 153).
Der Gewinn ist ein wesentlicher Indikator, um Aussagen zur Rentabilität treffen zu können. Er dient zur Entlohnung der betrieblich eingesetzten Faktoren wie Arbeit oder Eigenkapital, zur Tilgung von Fremdkapital und zum Begleichen von Nettoinvestitionen.
Um einen aussagekräftigen oder vergleichbaren Wert zu erhalten, sollte die Höhe des Gewinns in Bezug auf einen Hektar angegeben werden. Einmalige Einflüsse sollten unbeachtet bleiben. Dazu gehören u.a. staatliche Investitionszulagen und Förderungen oder zeitraumfremde Erträge. Entgegengesetzt werden zeitraumfremde und außerordentliche Aufwendungen behandelt (DABBERT AND BRAUN, 2006, p. 153).
Die Eigenkapitalveränderung ist von Bedeutung für die Stabilitätsanalyse. Die Höhe der Eigenkapitalbildung ergibt sich aus der Differenz zwischen Gewinn und Privatentnahme.
Es kommt zu einer erhöhten Eigenkapitalbildung, wenn der Gewinn höher ist als die Entnahmen. Zur Berechnung der Eigenkapitalveränderung wird die Summe aus Gewinn und Einlagen um die Höhe der Entnahmen verringert. Um einzelne, einmalige Einflüsse unbeachtet zu lassen, wird die bereinigte Eigenkapitalveränderung gebildet. Dazu verringert man die zuvor berechnete Eigenkapitalveränderung um die Investitionszulagen. Weiterhin werden zeitraumfremde und außerordentliche Erträge abgezogen, zeitraumfremde und außerordentliche Aufwendungen hinzugezogen. So ergibt sich die bereinigte Eigenkapitalveränderung (DABBERT AND BRAUN, 2006, p. 157).
Eine Größe zur Einschätzung der Rentabilität und Stabilität eines Unternehmens ist die Kapitaldienstgrenze. Diese induziert, ob und in welcher Größenordnung ein Betrieb Fremdkapital einsetzen kann und der Kapitaldienst maximal erfüllt werden kann. Unter dem Kapitaldienst werden die Kosten, die für den Einsatz von Fremdkapital fällig werden
(Zins-und und Tilgungszahlungen), zusammengefasst (DABBERT AND BRAUN, 2006, p.
157).
Drei Arten der Kapitaldienstgrenze werden unterschieden: die langfristige, mittelfristige und kurzfristige Kapitaldienstgrenze. Über einen längeren Zeitraum gesehen, steht dem Betrieb zur Tilgung von Fremdkapital nur die jährliche Eigenkapitalbildung (ohne Zinsen) zur Verfügung.
Nur wenn der Kapitaldienst unter dieser Grenze liegt, ist der Betrieb in der Lage dauerhaft die Zahlungsforderungen zu begleichen, ohne z.B. auf liquide Mittel aus den Abschreibungen von Gebäuden oder Maschinen angewiesen zu sein.
Für die Unternehmensbewertung ist die langfristige Kapitaldienstgrenze von Bedeutung.
Diese ergibt sich aus der Differenz zwischen der bereinigten Eigenkapitalveränderung summiert mit der Differenz zwischen Zinsen und ähnlichen Aufwendungen sowie dem Zinszuschuss. Die ständigen Zahlungsverpflichtungen können auch bei der Neuaufnahme von Krediten erfüllt werden ohne Verzicht auf die Durchsetzung anfallender Investitionen (Dabbert and Braun, 2006, p. 158).
Die mittelfristige Kapitaldienstgrenze sollte nur herangezogen werden, wenn ein Betrieb vor kurzem die Investition einer größeren Summe abgeschlossen hat und keine größeren Investitionen geplant sind. Die Gebäudeabschreibungen werden für einen kurzen Zeitraum mit in die Kapitaldienstgrenze einbezogen, da diese Mittel nicht dringend für Erhaltungsmaßnahmen benötigt werden.
Die mittelfristige Kapitaldienstgrenze ergibt sich aus der Summe der langfristigen Kapitaldienstgrenze und den Abschreibungen aus Gebäuden und baulichen Anlagen. Es sollte möglichst verhindert werden, für einen kurzen Zeitraum auf Ersatzinvestitionen in Maschinen abzusehen, um das freiwerdende Kapital für den Kapitaldienst einsetzen zu können.
Die kurzfristige Kapitaldienstgrenze ergibt sich aus der Eigenkapitalbildung summiert mit allen Abschreibungen aus Gebäuden und Maschinen und sollte nur zur Überbrückung wirtschaftlicher, zeitlich begrenzter finanzieller Engpässe angewendet werden.
Es ist davon abzusehen mit der kurzfristigen Kapitaldienstgrenze Investitionen zu planen.
Hier wäre kein Puffer für die Wahrung der Betriebsstabilität vorhanden (DABBERT AND
BRAUN, 2006, p. 158).
Um eine Investition bezüglich ihrer wirtschaftlichen Zweckmäßigkeit zu prüfen, ist es wichtig, ob das investierte Kapital plus der Zinsen durch die erzeugten Leistungen im geplanten Nutzungszeitraum amortisiert werden kann. Als Amortisation wird der Wiedererwerb einer Investitionsausgabe bezeichnet (DABBERT AND BRAUN, 2006, p.
235).
Dafür werden alle Kosten, die bei der Anschaffung oder Einrichtung anfallen, gleichförmig auf die Nutzungsjahre verteilt. Unterscheiden sollte man dabei die einmaligen Anschaffungskosten und die jährlichen Betriebskosten. Diese Kosten werden den realistisch zu erwartenden Gewinnen gegenüber gestellt (GURTNER, 1977, p. 22).
Für die wirtschaftliche Rentabilität der Investition kann die Gewinnschwelle (Break- Even-Point) einbezogen werden. Betrachtet wird dafür die Absatzmenge, mit der ein Gewinn erzielt werden kann (HÖLSCHER, 2010, p. 31). In der Entscheidungshilfe wird nicht die Absatzmenge sondern die Leistung ab der ein positives Ergebnis erzielt werden kann, betrachtet.
2.2.3 Investitionsplanung
Einer Investition sollte, je nach geplanter Investitionssumme, eine umfassende Planung vorausgehen. Der Entscheidungsprozess kann in fünf Phasen geteilt werden. Die erste Phase dient der Sammlung von Anregungen. Diese können aus dem Unternehmen stammen oder von „Außen“ durch Händler, Berater oder Fachmedien herangetragen werden. Dabei sollte das Problem, welches eine Investition verursacht, exakt beschrieben werden. Im zweiten Schritt werden Kriterien zur Bewertung der Geldanlage und eine Eingrenzung der Art der Investition festgelegt. Danach werden Angebote verschiedener Varianten eingeholt. (HÖLSCHER, 2010, p. 12)
Daraufhin findet die dritte Auswahlphase statt. Aus den vorliegenden Angeboten werden die infrage kommenden ausgewählt und anhand individueller, unternehmensinterner Kriterien bewertet und so in eine Rangfolge gebracht. Dadurch wird die beste Investitionsmöglichkeit bestimmt (HÖLSCHER, 2010, p. 12). In dieser Phase kann das Entscheidungstool eingesetzt werden.
Bei der Entscheidung sollte die Auswirkung auf die Rentabilität, die Liquidität und das Risiko besondere Beachtung finden (HÖLSCHER, 2010, p. 2).
Anschließend findet in der vierten Phase die Durchführung des Vorhabens statt. Ist einige Zeit vergangen, wird in einem Ist-Soll-Vergleich der Erfolg kontrolliert und gegebenenfalls auf auftretende Probleme reagiert (REICHEL, 2017, p. 33).
Zu beachten ist, dass die Investitionsausgaben am Beginn einer Planungsperiode erst zum Ende der Periode durch Einnahmen aus dem Verkauf von Leistungen gedeckt werden können (DABBERT AND BRAUN, 2006, p. 222).
Da ein landwirtschaftlicher Betrieb häufig aus mehreren Betriebszweigen besteht, kann die ausschließliche Betrachtung des einzelnen Investitionsobjekts zu Komplikationen führen. Dies kann aus einer Konkurrenz um, oder durch unterlassene Berücksichtigung von, betriebszweigübergreifenden Faktoren bspw. Arbeit geschehen (GURTNER, 1977, p.
51).
Die einzelnen Sektionen lassen sich nicht durchgängig voneinander trennen. Der Faktor Arbeit, welche durch eine Investition an einem Ort gespart wird, kann an anderer Stelle gewinnbringend eingesetzt werden. Diese Leistung müsste der neuen Geldanlage zugerechnet werden. Das ist schwer umzusetzen und bleibt daher häufig unberücksichtigt (DABBERT AND BRAUN, 2006, p. 236). Der Faktor Arbeit wird trotzdem in die Entscheidungshilfe inkludiert. Durch die Möglichkeit der Angabe positiver und negativer Werte ist die Einberechnung von Arbeitseinsparung oder zusätzlicher Arbeit durchführbar.
2.2.4 Bewertung einer Investition
Eine einfache Möglichkeit zur Einschätzung des Investitionsrisikos ist die Amortisationsdauer, auch „Pay-off Rechnung“ genannt. (DABBERT AND BRAUN, 2006, p.
235).
Bei der „Pay-Off Rechnung“ bleiben die Zinsen unberücksichtigt. Es folgt eine Berechnung der Anzahl der Perioden, ab der der Einkommensüberschuss die Investitionskosten ausgleicht (BRANDES AND ODENING, 1992, p. 234).
Zum Einsatz von Fremdkapital ist festzuhalten, dass die Kreditlaufzeit die Nutzungsdauer der damit finanzierten Anschaffung nicht überschreiten sollte.
Der Return on Investment wird zur Prüfung der Rentabilität einer Investition herangezogen. Er ist ein Instrument, um den Ertrag oder Verlust in Beziehung zum
eingesetzten Kapital darzustellen (BREUER, 2018). Die Berechnung erfolgt vergleichbar zur Eigenkapitalrentabilität.
Eine Umfrage von Borchers et. al. unter amerikanischen Farmer hat ergeben, dass Informationen zum RoI und die technische Leistung ausschlaggebende Kriterien im Entscheidungsprozess sind (BORCHERS AND BEWLEY, 2015, p. 4204).
Der RoI des investierten Kapitals ergibt sich aus dem Gewinn dividiert durch das Gesamtkapital multipliziert mit 100 (BREUER, 2018).
$ + )##
&"' %'!
8:6.5.:.,17=70-.;#8
Diese Formel wird in der Entscheidungshilfe zur Berechnung des RoI einer Investition verwendet.
Zur angewandten Finanzmathematik in der vorliegenden Entscheidungshilfe ist zu sagen, dass von der Finanzierung der Investitionen durch Eigenkapital ausgegangen wird.
Dadurch können Opportunitätskosten unberücksichtigt bleiben. Darunter versteht man die Annahme, dass die Kosten einer Handlung so hoch sind wie der entgangene Nutzen der bestmöglichen Alternative (DABBERT AND BRAUN, 2006, p. 21).
Durch die Vernachlässigung der Opportunitätskosten soll die Entscheidungshilfe übersichtlicher und verständlicher sein.
Da es sich bei PLT vorrangig um feinmechanisierte Technik handelt, wird ein Abschreibungszeitraum von 7 Jahren angenommen.
2.2.5 Ökonomische Besonderheiten von Precision Livestock Technologies
Precision Livestock Technologies werden wissenschaftlich validiert und getestet. Auch wenn die geprüften Geräte akkurate Messergebnisse erzeugen, kann der Fall eintreten, dass sie nicht ökonomisch sind. Weisen sie eine unzureichende Lebensdauer auf, sind anfällig für Störungen, schwer bedienbar oder zu teuer, wird die Adaption in die Praxis gering bleiben. Diese Aspekte werden selten in die Einschätzung der technischen Effizienz inkludiert.
Die Effizienz von PLT wird erst eine Zeitperiode nach der Markteinführung klar.
Für landwirtschaftliche Unternehmer ist es schwierig, die Rentabilität für Sensoren abzuschätzen. Ursache sind in der Regel mangelnde Informationen. Diese führen zu einer geringen Adoptionsrate von PLT (STEENEVELD et al., 2017, p. 55).
In einer vorherigen Studie belegen Steeneveld et. al., dass der Sensoreinsatz keinen nennenswerten Gewinn liefert. Daraus könnte die Annahme getroffen werden, dass einige Landwirte Gewinn mit dem Sensoreinsatz erzielen, während andere deutliche Verluste hinnehmen müssen.
Die genauen Ursachen sind noch unklar. Möglicherweise hängt viel von der persönlichen Affinität des Landwirts zu digitaler Technik ab. Besonders PLT die einen Datensatz liefern, aber keine Auswertung oder Handlungsempfehlung geben, bringen erst einen Nutzen, wenn sich intensiv um eine Auswertung bemüht wird, die Ergebnisse analysiert und Handlungen veranlasst werden (STEENEVELD,HOGEVEEN AND OUDE LANSINK, 2015, p. 33).
Auch die als signifikant erwartete Einsparung an Arbeitszeit erwies sich als geringfügig.
Durchschnittlich 10,33 Minuten konnten nach dem Einsatz eines Sensors an Zeit bei dem Herdenmanagement eingespart werden. Das kann dadurch erklärt werden, dass auf der einen Seite Arbeit eingespart werden kann, andererseits Zeit in anderen Bereichen, bspw.
zur Datenauswertung und Alarmkontrolle benötigt wird. Betriebe, die in Sensoren investieren, planen häufig eine Expansion. Die durch Sensoren gesparte Arbeitszeit wird möglicherweise verwendet, um die Expansionspläne zu verfolgen (STEENEVELD, HOGEVEEN AND OUDE LANSINK, 2015, p. 37).
Zudem liefern Sensoren und Datenverarbeitungsprogramme mehr zeitliche und räumliche Unabhängigkeit (WENDL, 2009, p. 15).
2.2.6 Betrachtung der wirtschaftlichen Bedeutung von Problemfeldern, die mit PLT bearbeitet werden können
Die Wirtschaftlichkeit der Sensoren steht in Zusammenhang mit dem bearbeiteten Problemfeld. Besonders Geräte zur Brunsterkennung haben eine wirtschaftliche Berechtigung, da das Fruchtbarkeitsmanagement von hoher wirtschaftlicher Bedeutung für die Milchviehhaltung ist (ROELOFS AND VAN DER KOOIJ, 2015, p. 498).
Shalloo et al. untersuchten in ihrer Studie die ökonomischen Auswirkungen der Fruchtbarkeit auf das Betriebsergebnis. Sie kamen zu dem Schluss, dass die Kosten, die mit schlechten Fruchtbarkeitskennzahlen einer Herde verbunden sind, signifikant sind.
Deutlich wurde auch, dass ein signifikanter statistischer Zusammenhang besteht zwischen der 6-Wochen-Abkalberate und den Parametern Zwischenkalbezeit, Besamungsindex und der Wahrscheinlichkeit des Erreichens weiterer Laktationen für die einzelne Kuh. Eine Veränderung von 1% in der 6-Wochen-Abkalberate ist mit einem Gewinn von 8,22
€/Kuh und Jahr verbunden (SHALLOO,CROMIE AND MCHUGH, 2014, p. 228).
Die durch den Sensoreinsatz erreichten Verbesserungen in der Fruchtbarkeit lassen sich durch spezifische Parameter (Zwischenkalbezeit, Brunsterkennungsrate, Besamungsindex) erkennen. Steeneveld et. al. schlussfolgert, dass eine Investition in Brunsterkennungssysteme sinnvoll ist. Die Systeme werden sich in den nächsten Jahren nur noch geringfügig weiterentwickeln oder verbessern, auch die Preise sind größtenteils realistisch im Vergleich zum Nutzen (STEENEVELD et al., 2017, p. 63).
Bei Geräten wie BCS-Kameras ist dies noch nicht der Fall. Zudem ist der BCS von indirekter wirtschaftlicher Bedeutung. (STEENEVELD et al., 2017, p. 63). Ähnlich ist die Lage bei Geräten zur Erkennung von abweichenden Gangbildern und Bewegungsabläufen zur Diagnose von Lahmheit. Hier werden einschneidende Verbesserungen erst in den nächsten Jahren erwartet. Das Verhältnis von Kosten und Nutzen ist bei diesen Geräten derzeit unrentabel. Die Autoren empfehlen, die Investition zu vertagen (STEENEVELD et al., 2017, p. 63).
Die Kosten für lahme Kühe sind im Vergleich zu den ökonomischen Auswirkungen langer Zwischenkalbezeiten eher niedrig. Die Kosten von drei schweren Fällen einer Klauenerkrankung im Jahr bei 100 Kühen werden mit durchschnittlich 111,11€
eingeschätzt. Zu beachten ist, dass lediglich die direkten Kosten kalkuliert werden.
Indirekte Kosten wie verminderte Milchleistung und verringerte Fruchtbarkeit bleiben unberücksichtigt. Die Autoren empfehlen daher die geschätzten Kosten mindestens zu verdoppeln, wenn die Gesamtkosten betrachtet werden (BERRY et al., 2007, p. 25).
Die ökonomische Relevanz unterscheidet sich deutlich bei verschiedenen Arten und
3 Material und Methoden
3.1 Entwicklung des Tools
In diesem Kapitel werden die vorbereitenden Schritte der Entwicklung der Entscheidungshilfe dargestellt. Dazu gehört die Betrachtung anderer Tools und die Beschreibung der als ökonomisch bedeutend eingeschätzten Parameter. Es folgt ein kurzer Abriss über das einsetzte Computerprogramm und eine Schilderung der Umfrageentwicklung.
3.1.1 Betrachtung anderer Kalkulationsdateien
Als Anhaltspunkt für die Entwicklung der Kalkulationstabellen wurden ähnliche, bereits vorhandene Dateien betrachtet.
726*5.*5<1%885
Das Animal Health Management Tool (Anhang Teil II) wurde als sogenanntes Kosten- Vorteil-Modul von Felix van Soest an der Universität Wageningen im Rahmen des IMPRO Projekts entwickelt. IMPRO ist ein Programm der EU zur Verbesserung der Tiergesundheit in biologisch wirtschaftenden Betrieben.
Das AHMT basiert auf Microsoft Excel und hat einen dreiteiligen Aufbau. Das Ziel ist es, die durch Krankheiten ebenso wie durch Prophylaxe verursachten Kosten darzustellen. Im ersten Teil der Tabelle findet eine Abschätzung der Kosten, die durch wirtschaftlich bedeutende Erkrankungen verursacht werden, statt. Im folgenden Part werden auf den Betrieb angepasste präventive Maßnahmen und assoziierte Kosten vorgeschlagen.
Im letzten Teil soll herausgefunden werden, welche der durch Krankheiten verursachte Kosten durch die Anwendung neuer Maßnahmen im Management gesenkt werden können.
In einer kurzen Einführung wird dieser Sachverhalt dem Nutzer erläutert. Auf der ersten Seite werden betriebsspezifische Daten wie die Zahl der Milchkühe und die produzierte Milchmenge abgefragt. Sind in die beiden Zellen Werte eingetragen, berechnet das Programm in einer programmierten dritten Zeile die durchschnittliche Milchmenge pro Kuh/Jahr.
Im nächsten Schritt soll der Benutzer die Summe der im vergangenen Jahr aufgetretenen klinischer Mastitiden angeben und eine Einteilung der Kühe in drei Zellzahl-Kategorien (>100.000 Zellen/ml; >200000 Zellen/ml; >300000 Zellen/ml) vornehmen. Daraus wird der durchschnittliche Zellzahlwert im Gesamtgemelk ermittelt. Mit Hyperlinks unterlegte Pfeile dienen der Navigation in der Arbeitsmappe. Sie leiten von einer Seite zur Nächsten.
Im darauffolgenden Schritt werden Klauenprobleme behandelt. Dazu soll der Benutzer angeben, wie viele Fälle von schwerer und mittlerer Lahmheit über das Jahr aufgetreten sind.
Die Zahl der Kühe mit subklinischer Ketose oder alternativ eine Schätzung der Kühe mit einem Fett-Eiweiß-Verhältnis in der Milch über 1,5 in den ersten 100 Laktationstagen soll in der nächsten Zelle eingetragen werden (bezogen auf Anzahl der Kühe pro Jahr).
Im unteren Teil der ersten Seite wird die Zahl der behandelten Mastitiden und Klauenerkrankungen sowie die Art der Behandlung (ohne Behandlung, mit/ohne Antibiotika, mit/ohne alternative Behandlungsmöglichkeiten) erfasst.
Auf dem nächsten Blatt wird die Zahl der tierärztlich behandelten Ketosefälle und die Zahl der Kühe mit Anzeichen von Metritis (bis 21 p.p. und ab 21 p.p.) notiert.
Im Weiteren werden ökonomische Werte abgefragt. Dazu gehören der durchschnittlich erhaltene Milchpreis im vergangenen Jahr, die durchschnittlichen Futterkosten/ Jahr, die Kosten für Arbeit, der Wert einer Milchkuh, die Kosten des Abgangs einer Kuh, der durchschnittliche erzielte Schlachterlös pro Kuh und die Remontierungsrate. Weiterhin ist die Höhe der zu zahlenden Strafen, verursacht durch erhöhte Zellzahlen im Tank, und die Höhe der erhaltenen Boni aufgrund niedriger Zellzahlen in der abgelieferten Milch von Bedeutung. Eine Unterscheidung der Nottötungen und natürlichen Tode nach Gründen (Mastitis, Lahmheit, Ketose und Metritis) wird außerdem vorgenommen.
Auf der nächsten Seite werden die Verluste, geteilt in Kategorien: Eutergesundheit, Lahmheit, Ketose dargestellt. Sie setzen sich jeweils zusammen aus der verringerten Milchproduktion bei klinischen und subklinischen Fällen, der verworfenen Milch der behandelten Tiere aufgrund enthaltener Medikamentenrückstände, den Behandlungskosten zusammengesetzt aus Tierarztkosten, Medikamentenkosten und Arbeitskosten und den Kosten für Nottötungen und Tierkörperbeseitigungen. Die Werte
werden bezogen auf die ganze Herde berechnet, aber auch in Kosten pro Kuh und pro Fall angegeben.
Danach folgt eine Textseite. Darin wird auf die im Folgenden aufgeführten Vorschläge für präventive Maßnahmen hingewiesen. Diese sind bezogen auf die spezifischen Probleme des Betriebes. Die Maßnahmen sind eingeteilt in die Bereiche Mastitis, Klauenprobleme, Ketose und Metritis. Es können alle oder nur einzelne Bereiche betrachtet werden. Der erste Part dient der Verbesserung der Eutergesundheit und der Haltung, dazu ist eine Check-Liste hinterlegt.
Der Benutzer klickt einen von drei Pfeilen, um zum nächsten Schritt zu gelangen. Jeder Pfeil stellt eine Alternative dar. Plant der Benutzer weitere, noch nicht aufgeführte Maßnahmen zur Verbesserung, wählt er den ersten Pfeil. Dieser leitet weiter zu einer Seite mit der Kostenkalkulation einer benutzerdefinierten Maßnahme.
Der zweite Pfeil leitet zur Betrachtung der Klauengesundheit weiter, während der dritte gewählt werden soll, wenn der Schwerpunkt ausschließlich bei der Eutergesundheit liegt.
Bei den anderen Krankheiten findet das gleiche Vorgehensprinzip Anwendung.
Im dritten Teil des Fragebogens findet eine Abschätzung statt, welchen Effekt die durchgeführten Maßnahmen nach einem Jahr auf den Gesundheitsstatus der Herde haben.
Dazu werden in einer Spalte die aktuellen Zahlen aufgeführt, in einer weiteren Spalte soll die mögliche Veränderung in Zahlen abgebildet werden.
Auf der folgenden Seite werden die Ergebnisse und Kosten der aktuellen Situation, die Einsparungen durch einen möglichen Rückgang der Krankheitsfälle und die zusätzlichen Kosten, verursacht durch neue Managementmaßnahmen, dargestellt. Diese Übersicht bildet das Ende des Fragebogens.
Auf einer weiteren Seite sind die für die Hintergrund-Berechnungen angenommenen Werte aufgeführt. Diese können bedarfsweise angepasst werden.
Das Kalkulationsmodell von Felix van Soest (University on Wageningen) wurde als Anleitung zur Entwicklung eines entsprechenden Tools konsultiert.
5*=.70.;=7-1.2<;4*54=5*<8:
Es ist eine Excel-basierte Kalkulation zur Berechnung betriebsspezifischer Kosten von Klauenerkrankungen. Es wurde von der Firma Tip Cow entwickelt. Über die Website des Österreichischen Klauenpfleger-Verbandes kann es kostenfrei abgerufen werden
Im oberen Teil der Tabelle werden Name des Betriebes und das Datum vermerkt.
In den folgenden Zellen werden die durchschnittliche Milchleitung in kg, der Milchpreis der Molkerei in €/l und die Futterkosten in €/l erfasst.
Im Zweiten Teil der Seite wird die Herde mit einem Locomotion Score von 1-5 eingeschätzt und die Anzahl der Kühe je Score notiert.
Dargestellt sind der Rückgang der Milchleistung und der Rückgang der Futteraufnahme je Locomotion Score.
In Spalte E wird der Verlust der Milchleistung in (kg Milch/Jahr) berechnet.
Dazu wird das Produkt aus der Anzahl der Kühe des jeweiligen Scores, der tägl.
Milchmenge, dem Rückgang der Milchleistung in % in 365 Tagen gebildet. Das Ergebnis wird von 0 abgezogen.
Für Locomotion Score 1 und 2 wird nicht mit einem Verlust in der Milchleistung gerechnet, da kein Rückgang in der Milchleistung und nur ein geringer Rückgang in der Futteraufnahme bei LMS 2 vorliegt.
In Zelle E16 wird der Gesamtverlust an Milchleistung in kg/Jahr aus der Summe der Verluste je LMS gebildet.
Der finanzielle Gesamtverlust pro Jahr wird im nächsten Abschnitt gebildet.
Dazu wird die Differenz zwischen Milchpreis und Futterkosten je l Milch berechnet. Das Ergebnis wird mit dem Verlust an Milchleistung (kg/Jahr) multipliziert.
Voraussetzung für eine ganzjährliche Berechnung ist eine über das Jahr annähernd gleichbleibende Lage der Klauengesundheit.
Es wird hingewiesen, dass bei besonders schwerer Lahmheit (LMS 5) 150 € Verlust zusätzlich einkalkuliert werden müssen, aufgrund des höheren Risikos der Abschaffung, der schlechteren Fruchtbarkeit und höherer Behandlungs-und Tierarztkosten.
++25-=705*=.70.;=7-1.2<;4*54=5*<8:1<<945*=.79/5.0.*<27-.@1<65
N!*:<2*5=-0.<L.2;92.5
Es wurden verschiedene weitere Kalkulationstabellen als Ansätze betrachtet. Darunter das „Partial Budget“-Beispiel von Don Hofstrand, Universität Iowa. Es soll Unternehmern helfen, wirtschaftliche Entscheidungen durch die Beurteilung deren finanzieller Effekte zu treffen. In der vorliegenden Arbeit wurde es zur Ideenfindung zur wirtschaftlichen Teil der Entscheidungshilfe herangezogen.
Das Partial Budget basiert auf dem vereinfachten Grundprinzip, dass Veränderungen in kleineren Unternehmen, wozu landwirtschaftliche Unternehmen überwiegend gezählt werden, stets Auswirkungen auf eine oder mehr der vier folgenden Kategorien haben:
Erhöhung des Einkommens, Verringerung oder Beseitigung von Kosten, Erhöhung der Kosten, Verringerung oder Ausbleiben von Einkommen. Die Auswirkungen der beschriebenen Kategorien werden dann die Differenz aus der positiven Veränderung abzüglich der negativen Veränderung sein. Wobei ein positives Netto darauf schließen lässt, dass sich das Betriebseinkommen bei einer Veränderung erhöhen wird, ein negatives Netto auf ein verringertes Einkommen bei einer Änderung folgern lässt.
Das partielle Budget Modul ist als eine vierteilige Tabelle aufgebaut. Eine Beschreibung der geplanten Analyse wird in der Kopfzeile benannt. Die Steigerung und die Abnahme
Parameter, die eine Erhöhung des Einkommens bewirken, werden der linken Spalte zugeordnet. Jene, die zur Verringerung des Einkommens beitragen, werden der rechten Spalte zugeordnet. Die obere linke Spalte beinhaltet die Erhöhung des Einkommens. Da es sich um Schätzwerte handelt, ist darauf zu achten, dass realistische Mengen/Erträge, durchschnittliche, reale Preise und durchschnittliche, nüchterne Qualitäten angesetzt werden. Eine Überschätzung könnte zu unternehmerischen Fehlentscheidungen führen, da es die finanzielle Situation falsch darstellt.
Dieses Partial Budgeting kann für Unternehmen sinnvoll sein, um mehrere Alternativen oder die alternative Nutzung vorhandener Ressourcen miteinander zu vergleichen. Dabei muss beachtet werden, dass es sich um geschätzte Annahmen handelt.
Eine Wiederholung der Analyse unter Annahme von Werten in positiv und negativer Richtung abweichend vom Startwert kann einen Hinweis auf die Ursachen möglicherweise aufgetretener Probleme geben (IOWA STATE UNIVERSITY, 2006).
3.1.2 Beschreibung der ökonomisch bedeutsamen Parameter
Bei der Entwicklung der vorliegenden Entscheidungshilfe wurde eine Literaturrecherche getätigt, um die Eigenschaften von Kalkulationstools zu ergründen sowie um die entscheidenden Parameter zu finden, die von PLT beeinflusst werden und die hohe ökonomische Einflüssen auf das Betriebsergebnis haben.
:F75*7-+.?2:<;,1*/<=70
Die irischen Forscher um Hanrahan (HANRAHAN et al., 2017) haben in ihrer Veröffentlichung Daten der nationalen Umfrage auf landwirtschaftlichen Betrieben über einen Zeitraum von 8 Jahren ausgewertet.
Es wird deutlich, dass die Effizienz irischer Betriebe signifikant mit dem erzeugten und genutzten Grasaufwuchs verbunden ist. Eine Erhöhung des Anteils betriebsfremder Futtermittel in der Ration um 10% führt zu einer Kostensteigerung um 97 €/ha oder einer Reduktion im Einkommen pro kg Milk Solid um 0,21 €.
Durch einen minimierten Einsatz zugekaufter Futtermittel lassen sich die Produktionskosten auf einem niedrigen Niveau halten. Die Auswertung der Betriebsergebnisse von 2008 bis 2015 zeigt, dass durchschnittlich für jede zusätzlich erzeugte Tonne Trockenmasse (TM) Gras eine Erhöhung des Netto-Einkommens um 173
€ gebucht werden kann (HANRAHAN et al., 2017).
Die Forschungsbehörde Teagasc rechnet in der Kampagne „Grassland 10“ mit 181 €/ha zusätzlichem Einkommen bei einer Steigerung des Grünlandertrages um 1,0 t Trockenmasse pro Hektar und Jahr (TEAGASC THE AGRICULTURE AND FOOD AUTHORITY, 2017).
++25-=70.:(.0B= <%9:81*=7-*1:I%.*0*;,
Ziel der „Grass 10“-Kampagne ist es, einen Grünlandertrag von 10 t Trockenmasse pro Hektar und Jahr auf irischen Betrieben zu etablieren. In Abb. 2 werden wichtige Parameter dargestellt. Grundsätzlich wird von einem Grünlandaufwuchs von 13 t TM/ha/Jahr ausgegangen.
Dieser Ertrag setzt sich zusammen aus zehnmaligem Abweiden bei einem Aufwuchs von jeweils 1300 kg TM/ha. Aufgrund von Trittschäden und Geilstellen kann nicht der komplette Aufwuchs genutzt werden. Als realistische Nutzungsrate werden 75 % angesetzt, sodass als endgültiges Ziel einen Ertrag von 10 t Trockenmasse zu erreichen ist.
Die Nutzungsrate lässt sich beeinflussen durch das Weidemanagement, die richtige Einschätzung des Aufwuchses, der Trockenmasse und des richtigen Zeitpunkts des Weideauftriebes. Von Bedeutung ist auch die Weide-Infrastruktur (siehe Abb. 2) (TEAGASC THE AGRICULTURE AND FOOD AUTHORITY, 2017).
Das Graswachstum lässt sich durch die Bodenfruchtbarkeit, die Sortenzusammensetzung, die Grünlandpflege und das Management beeinflussen.
Die Grasnutzung pro Hektar ist ein bedeutsamer Parameter für die Effektivität eines Unternehmens (HANRAHAN et al., 2017, p. 15).
Als weitere Schlüsselindikatoren, die Hinweise auf die Profitabilität geben, nennen Hanrahan et al. die Besatzgröße einer Fläche, die Länge der Weideperiode, den Anteil des zugekauften Futters und die Höhe der produzierten Milchinhaltsstoffe (HANRAHAN et
Im Tool wird ein zusätzlicher Gewinn von 181,00 € bei einer Verbesserung des Ertrages um 1 t TM pro ha und Jahr angenommen.
:=,1<+*:4.2<;6*7*0.6.7<
Von Bedeutung für die ökonomische Effektivität ist die Fruchtbarkeit einer Herde.
Besonders in saisonalen Systemen ist eine kompakte Abkalbeperiode und eine zum Grasaufwuchs des zeitigen Frühjahrs passende Futteraufnahme von Bedeutung. In einer Studie von Teagasc und der Irish Cattle Breeding Federation (SHALLOO, CROMIE AND
MCHUGH, 2014, p. 222) wurde der ökonomische Einfluss von Parametern, die Hinweise auf die Herdenfruchtbarkeit geben, untersucht. Dazu zählen: ein ungünstiger Abkalbungszeitraum, eine hohe Merzungsrate, hohe Arbeitskosten und ein hoher Besamungsindex.
Die Kosten für die einzelnen Parameter belaufen sich für hohe Merzungsraten auf 13,68 € pro Kuh/Jahr, für hohe Zwischenkalbezeiten auf 3,86 € pro Kuh/Jahr, für hohe Besamungsindizes und andere Behandlungen 4,56 € pro Kuh/Jahr und für erhöhten Arbeitsaufwand 29,60 €.
Als ungünstige Zeitpunkte von Abkalbungen werden Zeiträume bezeichnet, in denen der Energiebedarf der Tiere und Energiegehalt im Grünlandaufwuchs nicht übereinstimmen.
Optimal ist eine Abkalbung zu Beginn der Vegetationsperiode. Dann entspricht der Energiegehalt des Aufwuchses dem Energiebedarf der laktierenden Milchkuh (SHALLOO, CROMIE AND MCHUGH, 2014, p. 223). Kalben die Kühe vor Beginn der Vegetation, entstehen Kosten durch eine notwendige Zufütterung. Kalben die Kühe spät, ist der Energiegehalt im Grünland niedrig und die Aufwuchshöhe zu groß. Es kommt dann zu vermehrten Futterverlusten durch Geilstellen und Trittschäden.
Hinweise auf die Qualität der Fruchtbarkeit einer Herde geben die Nutzungsdauer, die Reproduktionsrate und die Merzungsrate aufgrund schlechter Fruchtbarkeit. Shalloo et.
al. weist die anzustrebende jährliche Merzungsrate mit 18 % aus, um die Vorteile der Altersstruktur und gleichzeitig der genetischen Verbesserung nutzen zu können. Die Reproduktionsrate wird durch die Kosten der Färsenaufzucht und dem genetischen Potenzial der neuen Tiere im Vergleich zu dem genetischen und finanziellen Wert der abgegangenen Tiere beeinflusst. Das führt zu einer Differenz in den optimalen
Reproduktionsraten von Region zu Region und Herde zu Herde (SHALLOO,CROMIE AND
MCHUGH, 2014, p. 223).
Eine Färse produziert in der ersten Laktation weniger Milch als eine Mehrkalbs-Kuh.
Gesichert ist, dass die Tiere erst ab der 4. Laktation ihre volle Leistung ausschöpfen können (SHALLOO, CROMIE AND MCHUGH, 2014, p. 224).Wird eine Altkuh durch eine Färse ersetzt, geht die Milchleistung der Herde zurück, das Resultat sind ökonomische Einbußen.
Die Arbeitsspitzen in Milchproduktion mit Weidehaltung sind der Zeitraum der Abkalbungen, der Kälberaufzucht und der Besamungen. Je länger diese Zeiträume andauern, desto höher sind die Arbeitskosten und desto geringer ist die Zahl der Kühe, die von einer Arbeitskraft betreut werden können (SHALLOO, CROMIE AND MCHUGH, 2014, p. 225)..
Shalloo et al. kamen zu dem Schluss, dass mit dem einfach zu erfassenden Parameter
„Sechs–Wochen–Abkalberate“ das Niveau des Fruchtbarkeitsmanagements gut eingeschätzt werden kann. Die Rate berechnet sich aus der Zahl der Kühe, die innerhalb der ersten 42 Tage der Herdenabkalbezeit ein Kalb gebären (SHALLOO, CROMIE AND
MCHUGH, 2014,p.225). Der Beginn des Abkalbungszeitraums wurde von Shalloo et al.
definiert als Zeitpunkt, zu dem fünf Kühe oder Färsen innerhalb von 14 zusammenhängenden Tagen abgekalbt haben. Das Ende war durch das letzte Kalbedatum, auf die innerhalb der nächsten 21 Tagen keine weitere Geburt folgte, definiert (SHALLOO,CROMIE AND MCHUGH, 2014, p. 225).
Aus den oben aufgeführten Kosten ergibt sich für eine Änderung um 1 % in der Sechs- Wochen-Abkalbe-Periode eine Kosteneinsparung von 9,26 € für multilaktierende Kühe und 3,51 €/Jahr für Färsen. Für einen Betrieb mit 100 Kühen und 40 ha bewirtschafteter Fläche führt eine Steigerung der Sechs-Wochen-Rate um 1 % zu einer Gewinnerhöhung des Unternehmens um 822 € (SHALLOO,CROMIE AND MCHUGH, 2014, p. 228).
In der Berechnung im Tool werden 8,22 € je pro Kuh je 1 % Verbesserung in der Sechs- Wochen-Kalbesaison angenommen.
In Deutschland sind Fruchtbarkeitsprobleme die Hauptabgangsursache für Milchkühe (HÄRLE, 2010, p. 197f).
Erhöhte Abgangsraten führen zu geringen Lebensleistungen und erhöhten Reproduktionskosten.
Zur Kontrolle der Fruchtbarkeitsleistung in nicht-saisonalen Produktionssystemen bieten sich die Kennzahlen Brunsterkennungsrate, Zwischenkalbezeit und Güstzeit an.
Als Brunsterkennungsrate wird der Anteil der erkannten Brunsten im Verhältnis zu den zur Brunstbeobachtung vorgesehenen Tieren bezeichnet. Sie soll 60-80 % betragen (LEESEN et al., 2013, p. 111)(INTERVET, 2009).
Die Zwischenkalbezeit wird in Tagen angegeben und ist die Summe von Tragezeit und Güstzeit. Sie soll 365-395 Tage betragen (KROSTITZ et al., 2011, p. 12).
Zu beachten ist, dass sich die Kennziffern an der Leistung des Tieres orientieren. Je höher die Milchleistung, desto länger können Güst- und Zwischenkalbezeit sein. Werden die Tiere zu einem späteren Zeitpunkt belegt, hat es eine positive Auswirkung auf die Höhe der Milchmenge (STÖCKLER, 2007).
In Tab. 1 wird die an das jeweilige Leistungsniveau angepasste optimale Güstzeit (GZ) dargestellt. Ziel sollte es sein, dass minderleistende Kühe nach 105-125 Tagen GZ wieder tragend sind (JAHNKE, 2002).
Je früher diese Tiere wieder tragend sind, desto kürzer sind sie in der unrentablen Phase der Spätlaktation (BERCHTOLD, 1995).
$#% $ %
%*+.55..2;<=70;-2//.:.7B2.:<.89<26*5.F;<B.2<.7
Ökonomisch wirkt sich die Erhöhung der Brunsterkennungsrate um 1 % durch einen erhöhten Gewinn von 16 € pro Kuh aus (STÖCKLER, 2007).
5*=.70.;=7-1.2<
Die Kosten für lahme Kühe setzen sich zusammen aus direkten und indirekten Kosten.
Die direkten Kosten entsprechen den Behandlungskosten.
Die indirekten Kosten resultieren aus reduzierter Milchmenge der Kuh, geringerem Schlachtkörpergewicht, sinkender Fruchtbarkeit und erhöhter Merzungsrate (BERRY et al., 2007, p. 23).
Von Bedeutung ist der Rückgang der Milchleistung besonders bei klinischen Erkrankungen. Die 305-Tage-Leistung kann um bis zu 360 kg abnehmen (OUARED et al., 2015, p. 10).
Berry et al unterscheiden drei Arten von lokomotischen Störungen je nach Ursache:
„digital lameness“ (Mortellaro’sche Krankheit), „interdigital lameness“ (Panaritium) und Sohlengeschwüre.
Im Einzelnen ergeben sich die Kosten für die drei verschiedenen Lahmheitsarten aus den Behandlungskosten, den Tierarztkosten, den Arbeitskosten und den Kosten durch verworfene Milch aufgrund von Antibiotikabehandlung (BERRY et al., 2007, p. 23).
Als Durchschnitt ergibt sich aus den Gesamtkosten jeder Erkrankung ein Durchschnittswert von 111,11 €. Dabei wird angenommen, dass pro Jahr bei 3 % der Kühe schwere Lahmheiten auftreten (BERRY et al., 2007, p. 24).
Dieser Wert bildet nur die direkten Kosten ab, die indirekten Kosten bleiben unberücksichtigt. Deshalb empfehlen die Autoren die Kosten mindestens zu verdoppeln, da nach Esslemont and Kossaibati (ESSLEMONT AND KOSSAIBATI, 2002) die direkten Kosten 41 % der Gesamtkosten ausmachen.
Für die Berechnung in diesem Tool werden Kosten von 271,00 € für die Kosten lahmer Kühe angenommen. Dies beinhaltet direkte und indirekte Kosten.
Im Verhältnis zu den ökonomischen Auswirkungen von Fruchtbarkeitsproblemen und Eutererkrankungen ist die der Klauengesundheit geringer, der Einfluss auf das Tierwohl aber höher (MORE et al., 2010, p. 203).
Das Wohlbefinden der Tiere wird durch Lahmheit aufgrund starker Schmerzen verringert (VEISSIER et al., 2017, p. 748).
Eine vergleichsweise geringe ökonomische Bedeutung von Lahmheit im Vergleich zu Mastitiden beschreibt auch Walter. Die Kosten für Mastitis werden in Abhängigkeit der
