KI im Schweinestall: Computer Vision erkennt stressbedingte Verhaltensänderungen

Das Verhalten von Schweinen liefert wichtige Hinweise auf Tiergesundheit und Wohlbefinden. Moderne Kamerasysteme in Verbindung mit Computer Vision und maschinellem Lernen könnten solche Veränderungen künftig kontinuierlich und automatisiert erfassen.

Forscher aus der Republik Korea und Bangladesch entwickelten ein System zur Erkennung stressorspezifischer Verhaltensabweichungen. Untersucht wurden wachsende Schweine unter verschiedenen Umwelt- und Gesundheitsbedingungen. Dabei wurden unter anderem Fress-, Trink-, Liege- und Stehverhalten computergestützt erfasst. Food & Agribusiness

Stress verändert das Verhalten deutlich

Die Tiere wurden unter fünf unterschiedlichen Bedingungen beobachtet: Normalbedingungen, Hitzestress, Hitzestress in Kombination mit mangelhafter Belüftung, Hitzestress in Kombination mit einer Salmonella-Typhimurium-Infektion sowie einer Erholungsphase nach Hitzestress.

Dabei zeigten sich charakteristische Veränderungen: Unter Hitzestress verbrachten die Schweine mehr Zeit mit Liegen und Trinken, während Stehen und Fressen abnahmen. Bei zusätzlicher schlechter Belüftung verstärkten sich insbesondere Liege- und Trinkverhalten.

Bei der Kombination von Hitzestress und Salmonella-Typhimurium-Infektion ging die Fressaktivität weiter zurück und die Liegezeiten nahmen zu. In der Erholungsphase stiegen Aktivität sowie Fress- und Trinkverhalten wieder an. Food & Agribusiness

Maschinelles Lernen soll Abweichungen erkennen

Die Wissenschaftler prüften verschiedene Verfahren des maschinellen Lernens. Ein Decision-Tree-Modell schnitt bei der Unterscheidung zwischen normalem und auffälligem Verhalten besonders gut ab. Bei der Differenzierung mehrerer Stresszustände erreichte Extreme Gradient Boosting (XGBoost) insgesamt die höchste Leistung, zeigte jedoch Schwächen bei kleineren bzw. spezifischeren Gruppen während Infektions- und Erholungsphasen. Food & Agribusiness

AVA meint

Für die Nutztierpraxis ist weniger entscheidend, welcher Algorithmus letztlich eingesetzt wird. Interessant ist vielmehr die Perspektive: Verhaltensänderungen könnten automatisiert erkannt werden, bevor sie bei der routinemäßigen Tierkontrolle offensichtlich werden.

Computer Vision ersetzt dabei weder die sorgfältige Tierbeobachtung durch den Landwirt noch die tierärztliche Diagnostik. Als zusätzliches Frühwarnsystem könnte die Technik jedoch helfen, auffällige Tiere oder Bestände schneller zu identifizieren und gezielt genauer zu untersuchen.

Damit passt die Entwicklung zu einem zentralen Gedanken moderner Bestandsbetreuung: Probleme möglichst früh erkennen und Ursachen abstellen, bevor aus ersten Veränderungen manifeste Erkrankungen werden.

Quelle: Food & Agribusiness / Pig Progress, 25.09.2026; zugrunde liegende wissenschaftliche Studie bei ScienceDirect. Food & Agribusiness
Originalbeitrag bei Food & Agribusiness / Pig Progress