Daten- und Systemintegration im Precision Livestock Farming mit Serviceorientierten Architekturen und Semantischen Technologien

Innerhalb der Wertschöpfungskette Ferkelerzeugung – Mast – Schlachthof existieren mehrere Informationsquellen und -senken die bislang technisch nur eingeschränkt vernetzt sind. Derzeit werden im InfrAgrar-Projekt Methoden und Ansätze entwickelt, die Verknüpfung bestehender Systeme auf Basis von semantischen Technologien und serviceorientierten Architekturen zu vereinfachen. Kern hierbei ist der „virtuelle Bauernhof“, der in Komponenten an verschiedenen Stellen verteilt lauffähig ist und Kommunikation über ontologiegesteuerte Schnittstellen realisiert. 1 Einleitung und Problemstellung Neben den klassischen Produktionsfaktoren Arbeit, Boden, Kapital und Rechten gewinnt Information in der Landwirtschaft zunehmend an Bedeutung als Faktor, der den unternehmerischen Erfolg eines Betriebes bestimmt. Daten werden zwar an einer Vielzahl von Stellen – z. B. durch Sensoren oder durch Anbieter im Internet – bereitgestellt, dennoch handelt es sich dabei um Informationsinseln, die bislang in nur geringem Maß sinnvoll zur Ableitung von Handlungsempfehlungen verknüpft werden können. Im Rahmen des Projektes InfrAgrar werden derzeit Methoden und Technologien entwickelt, die am Beispiel der Domäne Mastschweinehaltung die Verknüpfung von im Stall erhobenen Daten mit weiteren Daten, die von außerhalb des Betriebes oder aus anderen Betriebszweigen stammen und derzeit in verschiedenen Standards, unstrukturierten Formaten oder Dokumenten geliefert werden, ermöglicht. Ziel dabei ist es, Daten anwendungsfallunabhängig zugänglich zu machen. Es wird also nicht lediglich ein einziges Anwendungsszenario betrachtet sondern versucht, grundlegende Spezifikationen zu schaffen, die es erlauben, an verschiedenen Stellen in vernetzten Systemen gespeicherte Daten in unterschiedlichem Kontexten und für individuelle Fragestellungen zu nutzen. 2 Material und Methoden Eine Hauptkomponente der Entwicklungen ist eine Ontologie der Domäne Mastschweinehaltung. Eine Ontologie ist nach Gruber eine explizite Spezifikation einer Konzeptualisierung eines Anwendungsbereichs [Gr92]. Wichtige Konzepte – wie beispielsweise Begriffe einer Domäne, Objekte oder weitere Datenentitäten – und deren Relationen werden dabei identifiziert und in formaler Form, d. h. maschinenlesbar, festgehalten. Diese explizite Formulierung geht hierbei über das Spezifizieren von Syntax oder Datenstrukturen – wie es z. B. aus der Erstellung formaler Sprachen (z. B. Programmiersprachen oder Markup Languages) oder der Modellierung von Datenbanken und Anwendungen (objektorientierte Modellierung, Entity-Relationsship-Diagramme) bekannt ist – hinaus und versucht durch graphenbasierte Technologien auch die Semantik, also die Bedeutung der Konzepte zugänglich zu machen. Betrachtet wird die Wertschöpfungskette von der Ferkelerzeugung über die Mast bis zum Schlachthof. Technologien, die hierbei eingesetzt werden sind sowohl der Resource Description Framework (RDF, [KC04]) des World Wide Web Consortium als auch Topic Maps, die als ISO-Norm 13250 von der International Standards Organization gepflegt werden [ISO03]. Dabei werden sogenannte RDF Schemas [BG04] entwickelt, die sich mit bestehenden RDFModellen für die Landwirtschaft – insbesondere agroRDF [Ma10, MSK11] – integrieren lassen. Mittels Topic Maps wird versucht, spezielle Funktionalitäten zu realisieren, die sich in RDF nur über zusätzliche Hilfskonstrukte oder weniger intuitiv implementieren lassen (z. B. Typisierung von Resourcen). Bei der Modellierung wird kein vordefinierter Anwendungsfall mit bekannten Akteuren und Datenflüssen herangezogen, sondern alle relevanten Objekte sowie deren Eigenschaften und Beziehungen innerhalb der Domäne berücksichtigt. Dies schließt beispielsweise Tiere (in verschiedenen Stufen der Entwicklung), Gebäude und Anlagen, Futter-, Arzneiund Betriebsmittel etc. mit ein. Um die Kernkonzepte und Relationen zu identifizieren, wird zurückgegriffen auf eine Reihe von implizit in Dokumenten, IT-Standards und Anwendungen existierenden Modellen. Relevante Klimaparameter oder einige Stammdaten des Tieres werden beispielsweise aus dem Agricultural Data Element Dictionary des ISOagriNet-Standards [ISO07], der zunehmend Verbreitung in der Vernetzung von Anlagen im Stall findet, abgeleitet. Außerdem werden öffentlich zugängliche Dokumente (mit teilweise gesetzlich geregeltem Informationsinhalt) der Registrierungsbehörden für Tierarzneimittel und Futtermittel und Laborberichte zu Futtermittelanalysen o.ä. sowie Schlachtberichte berücksichtigt. Auf Seite existierender Anwendungen in Versuchsställen stehen Datenbankexporte zur Verfügung. Als experimentelle Infrastruktur wird der Versuchsstall der Universität Hohenheim auf dem Unteren Lindenhof genutzt. Außerdem stehen Ergebnisse aus anderen Projekten zur Verfügung, die in die Modellierung einfließen. Gegebene Modelle werden über die übergreifende Domänenontologie verknüpft, wo notwendig werden entsprechende, formale Mappings erstellt. Im Anschluss werden Demonstratoren erstellt, die Kontextunabhängigkeit und Flexibilität des ontologiebasierten Ansatzes aufzeigen (s. Abschnitt „4 Ausblick“). 3 Ergebnisse und Diskussion Aus Sicht der Datenmodellierung mussten sehr unterschiedliche Repräsentationen von Informationen in der Ontologie berücksichtigt werden. Einerseits müssen komplexe Dokumente wie Arzneimittelbeipackzettel und andere zusammenfassende Berichte sowie deren Inhalte in der Ontologie eingeordnet sein. Diese sollen in Diensteinfrastrukturen später ad hoc mit semantischen Strukturen angereichert werden. Auf der anderen Seite des Spektrums stehen Messdaten von Sensoren in den unterschiedlichsten Ausprägungen, die meist fest definiert und immer in denselben Strukturen ausgeliefert werden. Diese bilden z. B. die Grundlage für Aussagen über das Stallklima und Futterkonsum der Tiere. Die Beziehung zu den Tieren wird in der Regel über den Standort abgeleitet, weil man derzeit noch nicht von einer Einzeltiererkennung bei Mastschweinen ausgehen darf. Eine lückenlose Dokumentation von Zuund Abgängen in einzelnen Stufen ist daher für die Zuordnung unabdingbar. Ein Schwerpunkt ist der Umgang mit unterschiedlichen Methoden der Datenbereitstellung aus dem Bereich des Semantic Web. Um Wiederverwendbarkeit von allen Dienstleistungsanbietern ohne Einschränkung gewährleisten zu können, mussten bestehende Formate und Datenstandards – die gegebenenfalls verlustfrei ineinander umgewandelt werden müssen – in das Konzept miteingebunden werden. Einige Lösungen zu Detailfragen stehen zum jetzigen Zeitpunkt noch aus. So gibt es für die Repräsentation physikalischer Größen als Produkt von Wert und Einheit mehrere Möglichkeiten, die für eine automatisierte Weiterverarbeitung jeweils eigene Vorund Nachteile aufweisen. Auch stößt der Einsatz von Hilfskonstrukten wie z.B. "Blank Nodes" in RDF bei der Konvertierung und komplexeren Datenbankabfragen auf Grenzen.