Skip to main content Skip to main navigation

Projekt

prospective.HARVEST

Methoden und Technologien zur Unterstützung einer vorausschauenden Planung und Steuerung kooperativer landwirtschaftlicher Prozesse am Beispiel der Silomaisernte

Methoden und Technologien zur Unterstützung einer vorausschauenden Planung und Steuerung kooperativer landwirtschaftlicher Prozesse am Beispiel der Silomaisernte

  • Laufzeit:

Unter dem Dach des DFKI Kompetenzzentrums Smart Agriculture Technologies (CC-SaAT), gemeinsam von den DFKI Fachbereichen Robotics Innovation Center (RIC) und Agenten und Simulierte Realität (ASR), ging kürzlich erneut ein angewandtes Landwirtschaftsprojekt des DFKI an den Start.

Ziel des Verbundprojekts ist die Realisierung einer prototypischen Infrastruktur komplementärer Dienste zur vorausschauenden Unterstützung landwirtschaftlicher Prozesse am Beispiel der Silomaisernte. Verfügbare aber bislang nicht oder nur in anderen Anwendungskontexten genutzte Daten werden erschlossen und den Akteuren mittels interoperabler Dienste bereitgestellt. Diese Daten stammen aus Farm-Managementsystemen, den Maschinen selbst, öffentlichen (Geo-)Informationsinfrastrukturen (z.B. Copernicus) oder anderen unternehmensexternen Quellen (z.B. Abreifekarten oder Ernteprognosen).

Der Forschungsbereich ASR bringt seine Expertise insbesondere in den Bereichen der Logistik und dem Einsatz von Agententechnologien in dienstorientierten Architekturen ein. Dies beinhaltet zum einen die Steuerung von Logistikprozessen als auch das Zusammenspiel zwischen diesen Technologien und Prozessmodellierungs- und Prozessausführungswerkzeugen. Konkret wird im Teilprojekt “Vorausschauende Einsatzplanung” ein System spezifiziert, implementiert und evaluiert, das eine Ernteprozesskette für die Silomaisernte basierend auf Abreife, Biomasse, Befahrbarkeit, verfügbaren Ressourcen und Entfernungen abbildet.

Kontakt ASR: Dr. Klaus Fischer

Partner

CLAAS E-Systems KGaA mbH & Co KG, CLAAS Selbstfahrende Erntemaschinen GmbH, 365 Farmnet GmbH & Co KG, green spin GmbH, Hochschule Bochum, 52° North Initiative for Geospatial Open Source Software GmbH

Fördergeber

OEZG - Bundesministerium für Ernährung und Landwirtschaft

OEZG - Bundesministerium für Ernährung und Landwirtschaft
Bundesanstalt für Landwirtschaft und Ernährung

Bundesanstalt für Landwirtschaft und Ernährung
Projektträger Bundesanstalt für Landwirtschaft und Ernährung

Projektträger Bundesanstalt für Landwirtschaft und Ernährung

Projektbilder

© CLAAS KGaA mbH

Vorausschauende Maisernte

Publikationen zum Projekt

Arne de Wall; Christian Danowski-Buhren; Andreas-Wytzisk-Arens; Kai Lingemann; Santiago Focke Martínez

In: Lecture Notes in Informatics (LNI). Gesellschaft für Informatik in der Land-, Forst- und Ernährungswirtschaft (GIL-2020), February 17-18, Weihenstephan, Germany, Köllen Druck & Verlag GmbH, 2020.

Zur Publikation

Juan Carlos Saborio; Joachim Hertzberg

In: Proceedings of the 10th International Conference on Agents and Artificial Intelligence. International Conference on Agents and Artificial Intelligence (ICAART-2018), 10th, January 16-18, Funchal, Madeira, Portugal, Pages 85-93, Vol. 2, ISBN 978-989-758-275-2, Scitepress, Setúbal, Portugal, 2018.

Zur Publikation