DigiLand

DigiLand

Begriffe & Literatur

HomeBegriffe & Literatur

Begriffsdefinitionen

Smart Farming

Smart Farming umfasst Pflanzenbauwissenschaft, Personalwesen, Personaleinsatz, Einkauf, Risikomanagement, Lagerhaltung, Logistik, Wartung, Marketing und Ertragsberechnung in einheitlichen Systemen. Eine grundlegende Technologie für Smart Farming sind Ortungssysteme wie das Global Positioning System (GPS), das eine Zuordnung der Daten zu einem Bereich auf dem Acker oder zur Bestimmung der aktuellen Position der Landwirtschaftsmaschinen auf dem Feld oder eines Tieres im Stall ermöglichen. Neben Präzision und Effizienz verfolgt Smart Farming im Kern eine Optimierung von Abläufen und vorausschauende Planung (Bittner et al., 2016).

Farm Management Information System

Ein Farm Management Information System (FMIS) gehört grundsätzlich zu den Management-Informationssystemen, welches Landwirtschaftsbetriebe bei der Durchführung verschiedener Aufgaben unterstützt. Diese Unterstützung reicht von der betrieblichen Planung über die Durchführung bis hin zur Dokumentation der durchgeführten Feldarbeit (Burlacu et al., 2016).

Precision Agriculture

Precision Agriculture ist eine von vielen modernen Anbaumethoden, welche die Produktion von Landwirtschaftsgütern effizienter gestalten. Die Landwirtschaftsbetriebe sind dadurch in der Lage große Felder zu bewirtschaften und durch den Einsatz falsche Produktanwendungen zu reduzieren sowie eine Effizienzsteigerung von Ernte und Betrieb zu erreichen. Precision Agriculture basiert auf unterschiedlichen Technologien für eine moderne und wirksamere Landwirtschaft (Soils Matter, 2015). Precision Agriculture steht weiter für den Einsatz von automatisch gesteuerten Landmaschinen, welche auf Basis von Boden- und Felddaten, Luftaufnahmen sowie historischen Daten die Landwirtschaftsfläche bewirtschaftet (Bittner et al., 2016).

Big Data

Big Data stellt eine Informationsressource dar, welche für die Umwandlung der Daten in auswertbare Informationen erfordert wird. Im Allgemeinen ist es ein Begriff für Datensätze, die so groß oder komplex sind, dass traditionelle Datenverarbeitungsanwendungen unzureichend sind. Durch ein hohes Volumen, Geschwindigkeit und Vielfalt von Datenerhebungen wird so ein enormer Datenbestand (engl. Big Data) generiert. Diese Datengrundlage wird mithilfe von spezifischen Technologien, Techniken und Analysemethoden untersucht und Erkenntnisse für den individuellen Anwendungsfall abgeleitet (Wolfert et al., 2017).

Regulatoren

Skandale in der Lebensmittelbranche und die Globalisierung der Nahrungsmittelproduktion haben öffentliche und private Standards für Lebensmittelsicherheit und Qualität zur Folge. Regulatoren geben die Rahmenbedingungen vor, damit ein angemessener Qualitäts- und Sicherheitsmittelstandard erzielt wird. Die Einhaltung dieser regulierenden Vorschriften muss dann auf Unternehmensebene umgesetzt werden (Henson & Hooker, 2001).

Rückverfolgbarkeit

Die Rückverfolgbarkeit von Lebensmitteln ist Teil des Logistikmanagements, das angemessene Informationen über ein Lebensmittel erfasst, speichert und weiterleitet. Die Rückverfolgbarkeit beinhaltet die Ermittlung (engl. Tracking) und Verfolgung (engl. Tracing) von Produkten und die damit verbundenen Informationen der Produktgeschichte entlang der gesamten Lebensmittelkette (Bosona & Gebresenbet, 2013). Die Rückverfolgbarkeit ist in allen Produktions-, Verarbeitungs- und Vertriebsstufen sicherzustellen (Europäische Behörde für Lebensmittelsicherheit [EFSA], 2002).

Transparenz

Transparenzsysteme ermöglichen einerseits Informationen innerhalb eines Unternehmens einzusehen und andererseits Daten zur Gewährleistung der Transparenz mit anderen Parteien entlang der Wertschöpfungskette zu teilen (Kassahun et al., 2016). Die Forderung nach Transparenz kann auf diversen Ebenen aufkommen. Diese Forderung kann vom Verbraucher, mit dem Wunsch mehr über die Nahrung zu wissen, von den Gesundheits- und Sicherheitsbehörden im Lebensmittelsektor zur Einsicht relevanter Informationen oder von den Unternehmen zur Verbesserung und Optimierung interner Prozesse ausgehen.

Literatur

Prozessanalysen & Technologieradar

Aiello, Giuseppe; Enea, Mario; Muriana, Cinzia (2015): The expected value of the traceability information. In: European Journal of Operational Research 244 (1), S. 176–186. DOI: 10.1016/j.ejor.2015.01.028.

Aivazidou, Eirini; Tsolakis, Naoum; Iakovou, Eleftherios; Vlachos, Dimitrios (2016): The emerging role of water footprint in supply chain management: A critical literature synthesis and a hierarchical decision-making framework. In: Journal of Cleaner Production, S. 1018–1037. DOI: 10.1016/j.jclepro.2016.07.210.

Ampatzidis, Yiannis; Tan, Li; Haley, Ronald; Whiting, Matthew D. (2016): Cloud-based harvest management information system for hand-harvested specialty crops. In: Computers and Electronics in Agriculture, S. 161–167. DOI: 10.1016/j.compag.2016.01.032.

Atilio de Frias, J.; Luo, Yaguang; Kou, Liping; Zhou, Bin; Wang, Qin (2015): Improving spinach quality and reducing energy costs by retrofitting retail open refrigerated cases with doors. In: Postharvest Biology and Technology, S. 114–120. DOI: 10.1016/j.postharvbio.2015.06.016.

Aung, Myo Min; Chang, Yoon Seok (2014): Traceability in a food supply chain: Safety and quality perspectives. In: Food Control, S. 172–184. DOI: 10.1016/j.foodcont.2013.11.007.

Bosona, Techane; Gebresenbet, Girma (2013): Food traceability as an integral part of logistics management in food and agricultural supply chain. In: Food Control 33 (1), S. 32–48. DOI: 10.1016/j.foodcont.2013.02.004.

Brindley, Clare; Oxborrow, Lynn (2014): Aligning the sustainable supply chain to green marketing needs: A case study. In: Industrial Marketing Management 43 (1), S. 45–55. DOI: 10.1016/j.indmarman.2013.08.003.

Dabbene, Fabrizio; Gay, Paolo; Tortia, Cristina (2014): Traceability issues in food supply chain management: A review. In: Biosystems Engineering, S. 65–80. DOI: 10.1016/j.biosystemseng.2013.09.006.

Dong, Xin; Vuran, Mehmet C.; Irmak, Suat (2013): Autonomous precision agriculture through integration of wireless underground sensor networks with center pivot irrigation systems. In: Ad Hoc Networks 11 (7), S. 1975–1987. DOI: 10.1016/j.adhoc.2012.06.012.

Ellickson, Paul B. (2006): Quality competition in retailing: A structural analysis. In: International Journal of Industrial Organization 24 (3), S. 521–540. DOI: 10.1016/j.ijindorg.2005.10.002.

Fountas, S.; Carli, G.; Sørensen, C.G.; Tsiropoulos, Z.; Cavalaris, C.; Vatsanidou, A. et al. (2015): Farm management information systems: Current situation and future perspectives. In: Computers and Electronics in Agriculture, S. 40–50. DOI: 10.1016/j.compag.2015.05.011.

Fountas, S.; Sorensen, C.G.; Tsiropoulos, Z.; Cavalaris, C.; Liakos, V.; Gemtos, T. (2015): Farm machinery management information system. In: Computers and Electronics in Agriculture, S. 131–138. DOI: 10.1016/j.compag.2014.11.011.

Fritz, Melanie; Hausen, Tobias (2009): Electronic supply network coordination in agrifood networks Barriers, potentials, and path dependencies. In: International Journal of Production Economics 121 (2), S. 441–453. DOI: 10.1016/j.ijpe.2007.02.025.

Pomar, J.; Pomar, C. (2005): A knowledge-based decision support system to improve sow farm productivity. In: Expert Systems with Applications 29 (1), S. 33–40. DOI: 10.1016/j.eswa.2005.01.002.

Galloway, Laura; Sanders, John; Deakins, David (2011): Rural small firms’ use of the internet: From global to local. In: Journal of Rural Studies 27 (3), S. 254–262. DOI: 10.1016/j.jrurstud.2011.05.005.

Gertsis, Athanasios; Fountas, Dimitrios; Arpasanu, Ionel; Michaloudis, Masianos (2013): Precision Agriculture Applications in a High Density Olive Grove Adapted for Mechanical Harvesting in Greece. In: Procedia Technology, S. 152–156. DOI: 10.1016/j.protcy.2013.11.021.

Girgenti, Vincenzo; Peano, Cristiana; Baudino, Claudio; Tecco, Nadia (2014): From “farm to fork” strawberry system: Current realities and potential innovative scenarios from life cycle assessment of non-renewable energy use and green house gas emissions. In: Science of The Total Environment, S. 48–53. DOI: 10.1016/j.scitotenv.2013.11.133.

Kaloxylos, Alexandros; Eigenmann, Robert; Teye, Frederick; Politopoulou, Zoi; Wolfert, Sjaak; Shrank, Claudia et al. (2012): Farm management systems and the Future Internet era. In: Computers and Electronics in Agriculture, S. 130–144. DOI: 10.1016/j.compag.2012.09.002.

Kaloxylos, Alexandros; Groumas, Aggelos; Sarris, Vassilis; Katsikas, Lampros; Magdalinos, Panagis; Antoniou, Eleni et al. (2014): A cloud-based Farm Management System: Architecture and implementation. In: Computers and Electronics in Agriculture, S. 168–179. DOI: 10.1016/j.compag.2013.11.014.

Kaloxylos, Alexandros; Wolfert, J.; Verwaart, Tim; Terol, Carlos Maestre; Brewster, Christopher; Robbemond, Robbert; Sundmaker, Harald (2013): The Use of Future Internet Technologies in the Agriculture and Food Sectors: Integrating the Supply Chain. In: Procedia Technology, S. 51–60. DOI: 10.1016/j.protcy.2013.11.009.

Kruize, J.W.; Wolfert, J.; Scholten, H.; Verdouw, C.N.; Kassahun, A.; Beulens, A.J.M. (2016): A reference architecture for Farm Software Ecosystems. In: Computers and Electronics in Agriculture, S. 12–28. DOI: 10.1016/j.compag.2016.04.011.

Larsen, Hogne Nersund; Solli, Christian; Pettersena, Johan (2012): Supply Chain Management – How can We Reduce our Energy/Climate Footprint? In: Energy Procedia, S. 354–363. DOI: 10.1016/j.egypro.2012.03.035.

Lehmann, Richard J.; Reiche, Robert; Schiefer, Gerhard (2012): Future internet and the agri-food sector: State-of-the-art in literature and research. In: Computers and Electronics in Agriculture, S. 158–174. DOI: 10.1016/j.compag.2012.09.005.

Liopa-Tsakalidi, Aglaia; Tsolis, Dimitrios; Barouchas, Pantelis; Chantzi, Athanasia-Eleftheria; Koulopoulos, Athanasios; Malamos, Nikolaos (2013): Application of Mobile Technologies through an Integrated Management System for Agricultural Production. In: Procedia Technology, S. 165–170. DOI: 10.1016/j.protcy.2013.11.023.

Mangina, Eleni; Vlachos, Ilias P. (2005): The changing role of information technology in food and beverage logistics management: beverage network optimisation using intelligent agent technology. In: Journal of Food Engineering 70 (3), S. 403–420. DOI: 10.1016/j.jfoodeng.2004.02.044.

McCown, R.L. (2012): A cognitive systems framework to inform delivery of analytic support for farmers’ intuitive management under seasonal climatic variability. In: Agricultural Systems 105 (1), S. 7–20. DOI: 10.1016/j.agsy.2011.08.005.

Nash, Edward; Dreger, Frank; Schwarz, Jürgen; Bill, Ralf; Werner, Armin (2009): Development of a model of data-flows for precision agriculture based on a collaborative research project. In: Computers and Electronics in Agriculture 66 (1), S. 25–37. DOI: 10.1016/j.compag.2008.11.005.

Nikkilä, Raimo; Seilonen, Ilkka; Koskinen, Kari (2010): Software architecture for farm management information systems in precision agriculture. In: Computers and Electronics in Agriculture 70 (2), S. 328–336. DOI: 10.1016/j.compag.2009.08.013.

Saak, Alexander E. (2016): Traceability and reputation in supply chains. In: International Journal of Production Economics, S. 149–162. DOI: 10.1016/j.ijpe.2016.04.008.

Sørensen, C.G.; Fountas, S.; Nash, E.; Pesonen, L.; Bochtis, D.; Pedersen, S.M. et al. (2010): Conceptual model of a future farm management information system. In: Computers and Electronics in Agriculture 72 (1), S. 37–47. DOI: 10.1016/j.compag.2010.02.003.

Sorescu, Alina; Frambach, Ruud T.; Singh, Jagdip; Rangaswamy, Arvind; Bridges, Cheryl (2011): Innovations in Retail Business Models. In: Journal of Retailing 87, S3-S16. DOI: 10.1016/j.jretai.2011.04.005.

Steinberger, Georg; Rothmund, Matthias; Auernhammer, Hermann (2009): Mobile farm equipment as a data source in an agricultural service architecture. In: Computers and Electronics in Agriculture 65 (2), S. 238–246. DOI: 10.1016/j.compag.2008.10.005.

Subramanian, Nachiappan; Gunasekaran, Angappa (2015): Cleaner supply-chain management practices for twenty-first-century organizational competitiveness: Practice-performance framework and research propositions. In: International Journal of Production Economics, S. 216–233. DOI: 10.1016/j.ijpe.2014.12.002.

Suprem, Abhijit; Mahalik, Nitaigour; Kim, Kiseon (2013): A review on application of technology systems, standards and interfaces for agriculture and food sector. In: Computer Standards & Interfaces 35 (4), S. 355–364. DOI: 10.1016/j.csi.2012.09.002.

Universität Hohenheim; Landwirtschaftlicher Hochschultag (2014): Von Precision zu Smart Farming. Herausforderungen und Potenziale. Unter Mitarbeit von Susanne Mezger. Schwäbisch Gmünd: LEL (Landinfo, 2014, Ausg. 2).

Winkler, Thomas; Schopf, Kerstin; Aschemann, Ralf; Winiwarter, Wilfried (2016): From farm to fork – A life cycle assessment of fresh Austrian pork. In: Journal of Cleaner Production, S. 80–89. DOI: 10.1016/j.jclepro.2016.01.005.

Wognum, P.M.; Bremmers, Harry; Trienekens, Jacques H.; van der Vorst, Jack G.A.J.; Bloemhof, Jacqueline M. (2011): Systems for sustainability and transparency of food supply chains – Current status and challenges. In: Advanced Engineering Informatics 25 (1), S. 65–76. DOI: 10.1016/j.aei.2010.06.001.

Xing, Ke; Qian, Wei; Zaman, Atiq Uz (2016): Development of a cloud-based platform for footprint assessment in green supply chain management. In: Journal of Cleaner Production, S. 191–203. DOI: 10.1016/j.jclepro.2016.08.042.

Yoo, Chul Woo; Parameswaran, Srikanth; Kishore, Rajiv (2015): Knowing about your food from the farm to the table: Using information systems that reduce information asymmetry and health risks in retail contexts. In: Information & Management 52 (6), S. 692–709. DOI: 10.1016/j.im.2015.06.003.

Zheng, Lihua; Li, Minzan; Wu, Caicong; Ye, Haijian; Ji, Ronghua; Deng, Xiaolei et al. (2011): Development of a smart mobile farming service system. In: Mathematical and Computer Modelling 54 (3), S. 1194–1203. DOI: 10.1016/j.mcm.2010.11.053.

Zhong, Ray Y.; Newman, Stephen T.; Huang, George Q.; Lan, Shulin (2016): Big Data for supply chain management in the service and manufacturing sectors: Challenges, opportunities, and future perspectives. In: Computers & Industrial Engineering. DOI: 10.1016/j.cie.2016.07.013.

Zhou, Maosen; Dan, Bin; Ma, Songxuan; Zhang, Xumei (2016): Supply chain coordination with information sharing: The informational advantage of GPOs. In: European Journal of Operational Research. DOI: 10.1016/j.ejor.2016.06.045.

S. Liaghat and S.K. Balasundram (2010): A Review: The Role of Remote Sensing in Precision Agriculture. In: American Journal of Agricultural and Biological Sciences 5 (1): 50-55

T. Lewis (1998): Evolution of fram management information systems. In: Comupters and Electronics in Agriculture 19 (1998) S.233-248

N. Zhang, M. Wang, N.Wang (2002): Precision Agriculture – a worldwide overview. In: Computers and Electronics in Agriculture (2002) 36 S.113-132 

M.Paustian, L. Theuvsen (2016): Adoption of precision agriculture technologies by German crop farmers. In: Precision Agric (2017) 18 S.701-716 DOI: 10.1007/s11119-016-9482-5

R. N. Sahoo (2012): Application of remote sensing and GIS in Precision Farming. Online: https://pdfs.semanticscholar.org/d8a7/68c720c2dc01030a4ee654558d9240465d89.pdf (01.04.2018)

J. Stafford (2000): Implementing Precision Agriculture in the 21st Century. Online: https://www.sciencedirect.com/science/article/pii/S0021863400905778 (31.03.2018)

R. Grisso, M. Alley, P. McClellan, D. Brann, S. Donohue (2009): Precision Farming: A Comprehensive Approach. Online: http://pubs.ext.vt.edu/content/dam/pubs_ext_vt_edu/442/442-500/442-500_pdf.pdf (01.04.2018)

Jacques Trienekens, PeterZuurbier (2008): Quality and safety standards in the food industry, developments and challenges. In: International Journal of Production Economicsm S. 107-122. DOI: 10.1016/j.ijpe.2007.02.050

Linda Fulponi (2006): Private voluntary standards in the food system: The perspective of major food retailers in OECD countries. In: Food Policy, S. 1-13. DOI: 10.1016/j.foodpol.2005.06.006

Spencer Henson and Neal H. Hooker (2001): Private sector management of food safety: public regulation and the role of private controls. In: The International Food and Agribusiness Management Review S. 7-17. DOI: 10.1016/S1096-7508(01)00067-2

LuisRuiz-Garcia, Loredana Lunadei (2011): The role of RFID in agriculture: Applications, limitations and challenges. In: Computers and Electronics in Agriculture S. 42-50. DOI: 10.1016/j.compag.2011.08.010

Leena Kumari, K. Narsaiah, M.K. Grewal, R.K. Anurag (2015): Application of RFID in agri-food sector. In: Trends in Food Science & Technology S. 144 – 161. DOI: 10.1016/j.tifs.2015.02.005

Arthur P.J. Mol (2014): Governing China’s food quality through transparency: A review. In: Food Control S. 49-56. DOI: 10.1016/j.foodcont.2014.02.034

Kalfagianni Agni (2006): Transparency in the food chain: policies and politics. ISBN: 9036523249

Gerhard Schiefer and Jivka Deiters (2013): Challenges and Experiences. In Transparency for Sustainability in the Food Chain S. 21 – 65. DOI: 10.1016/B978-0-12-417195-4.00004-7

A.Kassahun, R.J.M.Hartog, B.Tekinerdogana (2016): Realizing chain-wide transparency in meat supply chains based on global standards and a reference architecture S. 275 – 291. DOI: 10.1016/j.compag.2016.03.004

Kruize, J. W. (2017). Advancement of farming by facilitating collaboration: reference architectures and models for farm software ecosystems. Wageningen University.

Verdouw, C. N., Robbemond, R. M., & Wolfert, J. (2015). ERP in agriculture: Lessons learned from the Dutch horticulture. Computers and Electronics in Agriculture, 114, 125-133.

Wolfert, S., Ge, L., Verdouw, C., & Bogaardt, M. J. (2017). Big data in smart farming–a review. Agricultural Systems, 153, 69-80.

Kamilaris, A., Kartakoullis, A., & Prenafeta-Boldú, F. X. (2017). A review on the practice of big data analysis in agriculture. Computers and Electronics in Agriculture, 143, 23-37.

Fountas, S., Wulfsohn, D., Blackmore, B. S., Jacobsen, H. L., & Pedersen, S. M. (2006). A model of decision-making and information flows for information-intensive agriculture. Agricultural Systems, 87(2), 192-210.

Prototypen

Ansatz zur Erstellung einer Ertragsprognose

  • Opti-cal Survey Equipment, Parrot Bluegrass Fields UAV, 20.02.2020, surveyequipment.com/parrot-bluegrass-fields-uav;
  • PNGWAVE, Bright Brain Logo, 27.02.2020, pngwave.com/png-clip-art-ohonk;
  • GetDrawings, Light Rain Weather, 27.02.2020, getdrawings.com/rain-weather-icon;
  • OnlineWebFonts, Material Timer, 27.02.2020, onlinewebfonts.com/icon/146884;