Schwanzverletzungen bei Mastschweinen stellen Landwirte bezüglich Tierwohl und Wirtschaftlichkeit vor große Herausforderungen. Im EIP- Projekt „Zucht für unkupierte Schweine und ein vermindertes Risiko gegen Schwanzverletzungen (GenEthisch)“ wurden die Hilfsmerkmale Schwanzlänge (SL) und Teilverlust des Schwanzes (TV), auf Eignung für eine Selektion auf weniger Schwanzverletzungen untersucht. An 2640 Schlachtkörpern aus fünf Populationen (Deutsches Edelschwein (DE), Deutsche Landrasse (DL), Piétrain (Pi), Zweirassenkreuzung (Pi*DE), Dreirassenkreuzung (Pi*(DE*DL)) wurde die SL gemessen und ein TV (ja/nein) erfasst. Ein lineares gemischtes Modell untersuchte die SL (Gruppe mit und Gruppe ohne TV), für den TV kam ein Schwellenwertmodell zum Einsatz. Für Pi*(DE*DL) wurden Varianzkomponenten geschätzt. SL mit TV sind signifikant kürzer als SL ohne TV, bei steigender Streuung. Über alle Populationen zeigen 51% der Tiere einen Teilverlust. Die Heritabilitäten der Dreirassenkreuzungstiere betragen für die SL ohne TV 0,47 ± 0,07 bzw. mit TV 0,51 ± 0,07, für den TV 0,29 ± 0,06. Ob sich die SL und ein TV als Hilfsmerkmal für eine Selektion gegen Schwanzverletzungen eignen, kann nicht abschließend beantwortet werden. Eine Selektion auf SL ist möglich, allerdings sind damit einhergehende Nebeneffekte, wie Einbußen im Wachstum und die Zunahme von Anomalien, kritisch zu beurteilen. Der TV als Hilfsmerkmal in der Selektion für robuste Schweine mit intakten Schwänzen kann in der Zuchtarbeit genutzt werden, wobei die Ursache für Verluste (z.B. direkt durch Beißen oder indirekt durch das Entzündungs- und Nekrosesyndrom beim Schwein (SINS)) unklar bleibt.

Die Genotyp-Imputation stellt eine kosteneffiziente Methode dar, um die Dichte genomischer Daten zu erhöhen und somit die Leistungsfähigkeit genomischer Analysen zu verbessern. Aufgrund der eingeschränkten Verfügbarkeit von Informationen und Ressourcen zur Imputation von Pferden umfasste die Zielsetzung der hier dargestellten Dissertation die Entwicklung eines Referenzpanels und die Optimierung der Imputation von Warmblutpferden. Auf dieser Grundlage wurde eine große Kohorte deutscher Warmblutpferde auf Sequenzebene imputiert und der daraus resultierende Datensatz für verschiedene genomische Analysen verwendet. Im Rahmen genomweiter Assoziationsstudien konnten assoziierte Genom​regionen für eine Vielzahl von Exterieurmerkmalen ermittelt und potenzielle Kausalvarianten für das Stockmaß identifiziert werden. Die vorgestellte Dissertation leistet somit einen Beitrag zur Optimierung der Genotyp-Imputation bei Pferden und trägt darüber hinaus zur Aufklärung des bisher unzulänglich untersuchten genomischen Hintergrundes des Exte​rieurs und besonders des Stockmaßes beim Pferd bei.

KIs sind heute schon fast allgegenwärtig, und in der Debatte um die Zukunft der Nutztierhaltung ist das Tierwohl ein zentrales Thema. Was läge da näher, als die beiden zusammenzubringen? In diesem Referat wird zunächst das Konzept des Tierwohls beleuchtet, und dann die möglichen Lösungen durch KIs erörtert. Der Fokus liegt dabei auf dem potentiellen Nutzen von Lautanalysen zum Tierwohl-Monitoring in der Schweinehaltung.

Die Entwicklung großer Sprachmodelle (Large Language Models, LLMs) und generativer Künstlicher Intelligenz hat in den vergangenen Jahren einen fundamentalen technologischen Wandel eingeleitet, der zunehmend auch die Tierzucht erfasst. Während traditionelle Zuchtverfahren auf klassischen statistischen Modellen und klar definierten Merkmalen basieren, ermöglichen moderne KI Systeme die Integration heterogener Datenquellen sowie die Automatisierung komplexer Analyse und Entscheidungsprozesse. Es werden die Funktionsweisen von LLMs, deren Trainingsverfahren sowie zentrale Konzepte wie Prompting, Halluzinationen und Retrieval Augmented Generation (RAG) erläutert. Des weiteren erfolgt eine Differenzierung zwischen reaktiven Assistenzsystemen und sogenannten proaktiven KI Agenten Systemen, wobei deren jeweilige Charakteristika und Einsatzbereiche dargestellt werden. Anhand von automatisierter Dokumentenverarbeitung, sprachbasierter Datenerfassung und bildbasierter Phänotypisierung mittels Vision Language Models wird das praktische Potenzial der Technologie aufgezeigt. Dabei werden sowohl auf die Chancen wie Effizienzsteigerung und präzisere Datenanalyse als auch Risiken wie begrenzte Wiederholbarkeit, Datenschutzfragen und mangelnde Explainability eingegangen. Als Lösungsansatz wird das Human in the Loop Konzept vorgestellt, das menschliche Expertise mit KI Automatisierung kombiniert.

Die Nutztierhaltung steht vor tiefgreifenden Herausforderungen, darunter die Notwendigkeit, Tierwohl, Umweltgerechtigkeit, wirtschaftliche Tragfähigkeit und gesellschaftliche Akzeptanz miteinander zu verbinden. Künstliche Intelligenz (KI) bietet hierbei transformative Potenziale, um diese komplexen Anforderungen zu bewältigen. Dieser Artikel beleuchtet die Chancen und Grenzen des Einsatzes von KI in der Nutztierhaltung, strukturiert entlang ​einer Datenpipeline, die von der Datenaufnahme über die Datenauswertung bis zur Ergebnisinterpretation reicht. Es wird detailliert dargestellt, wie KI-Methoden in der automatisierten Datenerfassung, wie Bild- und Soundanalysen, die Tierüberwachung präziser und effi​zienter gestalten können. Weiterhin wird die Rolle von KI bei der Auswertung großer, heterogener Datensätze mittels Maschinellem Lernen und Prozess Mining zur Erkennung komplexer Verhaltensmuster diskutiert. Ein zentraler Fokus liegt auf dem Vergleich der Erkennungsleistung zwischen menschlichen Beobachtern und KI-Systemen, wobei die Vorteile der kontinuierlichen, objektiven KI-Überwachung hervorgehoben werden. Schließlich werden die Herausforderungen des „Black Box“-Problems in der KI erörtert und die Bedeutung der erklärbaren KI (XAI) für Vertrauen, Akzeptanz und ethische Implikationen in kritischen Anwendungen in der Nutztierhaltung dargelegt. Der Artikel schließt mit einem Ausblick auf Forschungs-, Lehr- und Praxisperspektiven, die die Notwendigkeit interdisziplinärer Zusammenarbeit und die Überwindung von Datenintegrationsbarrieren betonen.