Forschen für Tierwohl und Umwelt
Konzepte der Nutztierhaltung sollen die drei Säulen der Nachhaltigkeit - Umwelt, Soziales und Ökonomie - integrieren. Während in der Gesellschaft der Wunsch nach mehr Tierwohl und mehr Umweltschutz wächst, müssen gleichzeitig die ökonomischen Überlebensnotwendigkeiten der Landwirte berücksichtigt werden. Dazu müssen innovative Verfahren Eingang in die Praxis finden.
Wir richten deshalb unsere anwendungsorientierte Grundlagenforschung in der Tierhaltung im Sinne des One Health-Ansatzes auf die Verbesserung von Tierwohl, Haltungsumwelt, Tier- und Umweltschutz sowie auf die Wettbewerbsfähigkeit der Landwirtschaft aus. Unsere Ziele sind: objektive Tierwohlstandards, flexible und regional angepasste Konzepte zur Lösung von Umweltkonflikten, transparente Tierhaltung, Akzeptanz beim Verbraucher und regionale Wertschöpfung.
Unsere Forschung in diesem Programmbereich befasst sich insbesondere mit digitalen Verfahren des Monitorings von Tierwohl, Stallklima und Emissionen sowie mit der Bewertung von Tierhaltungssystemen, insbesondere in frei belüfteten und neuen Haltungssystemen. Wir erarbeiten Grundlagen zur Entstehung und Ausbreitung von gasförmigen Emissionen und erregerbelasteten Partikeln sowie zur Risikominimierung der Ausbreitung von multiresistenten Erregern.
Der ATB-Grenzschicht-Windkanal bietet umfängliche Möglichkeiten zur Untersuchung von Umströmungs- und Ausbreitungsvorgängen an landwirtschaftlichen Gebäuden sowie von Durchströmungs- und Lüftungsvorgängen innerhalb der Gebäude. Das detaillierte Verständnis auf Prozessebene fließt ein in Modellierungsansätze mit dem Ziel, Emissionen neuer Haltungssysteme abzuschätzen und Möglichkeiten für geringe Emissionen in tierfreundlichen Stallungen zu finden.
Wir verstehen Tierhaltung als Bestandteil kreislauforientierter Agrarsysteme und integrieren unsere Forschung in das holistische, bioökonomische Konzept des Leibniz-Innovationshofs, der aktuell am Standort Groß Kreutz etabliert wird.
Digitales Monitoring des Tierwohls
Wir entwickeln und erproben den Einsatz nicht-invasiver Sensoren zur tierindividuellen Erfassung von Stress und Gesundheit. In diesem Kontext analysieren wir bei verschiedenen Tierarten und Haltungssystemen tierindividuelle Indikatoren wie Aktivität, Atmungsrate, Körpertemperatur und Leistung zusammen mit stallklimatischen Parametern, zunehmend mit Hilfe von Data Science, künstlicher Intelligenz und Sensorfusion. Ziel ist die Entwicklung von automatischen Entscheidungsunterstützungs- und Steuerungseinheiten auf der Basis von tierbezogenen Indikatoren. Frühwarnsysteme sollen Landwirte dabei unterstützen, Tiergesundheit und Tierwohl nachhaltig zu verbessern.
Stallklima und Emissionen
Wir forschen an der Entwicklung von Algorithmen zur effizienten Messung, Charakterisierung und Modellierung der Dynamik von umwelt- und klimaschädlichen und/oder gesundheitsrelevanten Schadstoffen sowie zur Eindämmung von Infektionen und antimikrobiellen Resistenzen (AMR). Im Rahmen unseres Drei-Säulen-Modells verbinden wir Messungen in verschiedenen realen Haltungssystemen mit physikalischer und mathematischer Modellierung zu einem Gesamtsystem. Die hier erarbeiteten Lösungen sollen die Resilienz landwirtschaftlicher Betriebe stärken und zur Energieeffizienz, der Abkehr von fossilen Rohstoffen und zur Emissionsminderung beitragen.
Eindämmen von Infektionen und Antibiotikaresistenzen
Unsere Arbeiten folgen dem One Health-Ansatz und zielen auf Präventions- und Kontrollmaßnahmen gegen die Ausbreitung von Zoonosen, Infektionskrankheiten und Antibiotikaresistenzen im Tierhaltungssektor. Wir untersuchen beispielsweise den Einfluss von Futtermittelzusätzen und verbesserten Hygienemaßnahmen in der Schweinehaltung, die Wirksamkeit verschiedener Wirtschaftsdüngerbehandlungen und Parametervariationen auf die Reduzierung von AMR-Bakterien in der Geflügelhaltung und entwickeln ein Frühwarnmodell für Mastitis in der Milchviehhaltung.
Bewertung von Tierhaltungssystemen
Unser Ziel ist es, für eine nachhaltige Tierproduktion Stoffkreisläufe zu schließen, die Stickstoffeffizienz zu verbessern, THG-Emissionen zu reduzieren sowie individuelle, regionale und flexible Konzepte für zirkuläre Agrar- und Ernährungssysteme zu entwickeln. Hierfür nutzen wir Methoden der Modellierung, Systemanalyse und multikriteriellen Bewertung einschließlich der Quantifizierung von Trade-offs und Synergien. Die Ergebnisse fließen sowohl ein in betriebliche Entscheidungshilfesysteme und Vorschläge zur Bestandsverbesserung als auch in Emissionsmodelle für die Analyse länderspezifischer Szenarien und Inventare. Ebenfalls arbeiten wir in diesem Bereich eng mit internationalen Gremien bei IPCC, UNECE und FAO zusammen.
Zu allen Mitarbeiter*innen des Programmbereichs
Aktuelles
Forschungsprojekte
-
Antimikrobielle Resistenzen (AMR) wurden von den Vereinten Nationen als eine der sechs globalen, neu auftretenden Umweltherausforderungen identifiziert. Die Tierhaltung ist ein wichtiges Reservoir und Quelle für AMR-Bakt…
-
DairyPathS hat das Ziel, den agroökologischen Wandel in der europäischen Milchwirtschaft voranzutreiben. Treibhausgas- und Ammoniakemissionen, Nährstoffverluste, Bodenschäden und Wasserverschmutzung sowie der Rückgang de…
-
Angesichts des stetig steigenden weltweiten Fleischkonsums und der wachsenden Zahl von Nutztieren stellen durch Wirtschaftsdünger verbreitete Antibiotikaresistenzen (AMR) ein zunehmendes Problem dar, das die Gesundheit v…
-
Im Projekt AirBarn sollen Aerosole in und aus Tierställen als potenzielle Gefahrenquelle für luftübertragene Krankheitserreger untersucht werden. Die wissenschaftliche Studie findet im Rahmen des Leibniz-Forschungsverbun…
-
Alle Projekte aus dem Programmbereich
Publikationen aus dem Programmbereich
- Kirsch, K.; Strutzke, S.; Klitzing, L.; Pilger, F.; Thöne-Reinecke, C.; Hoffmann, G. (2026): Validation of a Time-Distributed residual LSTM-CNN and BiLSTM for equine behavior recognition using collar-worn sensors. Computers and Electronics in Agriculture. (231): p. 109999. Online: https://doi.org/10.1016/j.compag.2025.109999 1.0
- Akhtari, H.; Navid, H.; Ghaffarnezhad, A.; Shamshiri, R. (2026): A comparative study of deep learning-based models for broiler body segmentation. Signal, Image and Video Processing. : p. 75. Online: https://doi.org/10.1007/s11760-025-05088-2 1.0
- Alexandropoulos, E.; Anestis, V.; Rychla, A.; Dragoni, F.; Salazar, F.; O´Brien, D.; Bartzanas, T.; Amon, B. (2026): Understanding Stakeholder Perspectives on Decision Support Tools for Managing Emissions on Livestock Farms. Frontiers in Animal Science. (7): p. 0. Online: https://doi.org/10.3389/fanim.2026.1814387 1.0
- Chen, L.; Thormann, L.; Amon, T.; Yi, Q.; Janke, D. (2026): Boundary layer wind tunnel measurement datasets of airflow study in an asymmetric naturally ventilated livestock building. Data in Brief. (65): p. 112592. Online: https://doi.org/10.1016/j.dib.2026.112592 1.0
- Chen, L.; Thormann, L.; Amon, T.; Yi, Q.; Wu, W.; Janke, D. (2026): CFD-informed sensor placement optimization for predicting local mean age of air in naturally ventilated livestock buildings. Smart Agricultural Technology. (August): p. 102319. Online: https://doi.org/10.1016/j.atech.2026.102319 1.0
- Alexandropoulos, E.; Anestis, V.; Dragoni, F.; Mavromatis, A.; Hutchings, N.; Tsiplakou, E.; Amon, B.; Bartzanas, T. (2026): Optimizing Farm-Scale Emission Estimation: A Prototype Decision Support Tool for Livestock Systems. AgriEngineering. (8 (8)): p. 309. Online: https://doi.org/10.3390/agriengineering8080309 1.0
- Chen, L.; Doumbia, E.; Bidaralli, A.; Alaei, A.; Yi, Q.; Janke, D.; Amon, T.; Hempel, S. (2026): Sensitivity of air exchange rate and airflow pattern to incoming wind angle in a naturally ventilated dairy barn under varying convection flow regimes. Computers and Electronics in Agriculture. (250): p. 111982. Online: https://doi.org/10.1016/j.compag.2026.111982 1.0
- Jaleta, M.; Junker, V.; Hölzel, C.; Zentek, J.; Amon, T.; Nübel, U.; Kabelitz, T. (2026): Antimicrobial resistance genes in weaned pigs: quantitative abundance and group dynamics assessed by qPCR. Veterinary Microbiology. (12): p. 0. Online: https://doi.org/10.3389/fvets.2025.1709227 1.0
- Rychla, A.; Diaz de Otálora Aguirre, X.; Dragoni, F.; Fratczak-Müller, J.; Kieronczyk, M.; Méndez Reyes, D.; Suchowska-Kisielewicz, M.; Winiwarter, W.; Amon, B. (2026): Profiles of small-scale dairy farms assessed by socioeconomic and farm management practices: a case study from Poland. Scientific Reports. (16): p. 20216. Online: https://doi.org/10.1038/s41598-026-49554-4 1.0
- Sejian, S. (2026): Changes in leukocyte indices of Holstein cows under prolonged heat stress conditions. Tropical Animal Health and Production. (58): p. 0. Online: https://doi.org/10.1007/s11250-026-04910-4 1.0
Alle Publikationen aus dem Programmbereich