Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Einleitung Kapitel lesen Erstes Kapitel lesen

2023 | OriginalPaper | Buchkapitel

3. Technologieperspektive

verfasst von : Thomas Herlitzius, Patrick Noack, Jan Späth, Roland Barth, Sjaak Wolfert, Ansgar Bernardi, Ralph Traphöner, Daniel Martini, Martin Kunisch, Matthias Trapp, Djamal Guerniche, Daniel Eberz-Eder, Julius Weimper, Katrin Jakob

Erschienen in: Handbuch Digital Farming

Verlag: Springer Berlin Heidelberg

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Zusammenfassung

Die Geschichte von Landtechnikentwicklung zeigt einen Wandel zu methodisch – analytischen Vorgehensweisen. Trotzdem sind die vielfältigen Stoffgesetze noch unzureichend erforscht. Entwicklungsziel war und ist die fortwährende Erhöhung der Produktivität. Neu ist die Motivation zu nachhaltigeren Produktionsweisen. In den kommenden zwanzig Jahren werden sich Maschinenkonzepte in Richtung hochautomatisierter, flexibel und kollaborativ – teilautonom einsetzbarer Gerätesysteme verändern und so der direkte Zusammenhang zwischen Produktivität und Größe einer Maschine an Bedeutung verlieren.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Framework für die digitale Transformation des Agrarökosystems
Nächstes Kapitel Agronomische Perspektive
Fußnoten
1
Bei der robotergestützten Prozessautomatisierung geht es also nicht um Roboter, sondern nur um Software.
 
Literatur
[5st21]
[ABL17]
[ABB+19]
Adams, C., Bassham, C., Benoit, F., Bull, B., Chan, C., Ganssle, C., DiMatteo, B., Hyatt, T., Hyland, S., Kono, N., Padmanabha, K., & Palczynski, N. (2019). Farmwave white paper. https://​www.​farmwave.​io/​whitepaper. Zugegriffen: 10. Aug. 2020.
[ADM+2020]
Atreya, M., Dikshit, K., Marinick, G., Nielson, J., Bruns, C., & Whiting., G. L. (2020). Poly(lactic acid)-based ink for biodegradable printed electronics with conductivity enhanced through solvent aging. ACS Applied Materials & Interfaces Interfaces, 12(20), 23494–23501.
[Adv21]
[ADS19]
[ADS21]
[AEF21]
[Aer20]
[Agc20]
[AgG21]
AgGateway. A global, non-profit organization with the mission to develop the resources and relationships that drive digital connectivity in global agriculture and related industries. www.​aggateway.​org. Zugegriffen: 10. Dez. 2023.
[Agr20a]
[Agr20b]
[Ail20]
[AlO21]
[Aja19]
[Ama20]
[Amd20]
[Ara20]
[ATL21]
ATLAS project that will build an open, distributed and extensible data Interoperability Network, based on a microservice architecture which will offer a high level of scalability from a single farm to a global community. www.​atlas-h2020.​eu. Zugegriffen: 10. Dez. 2023.
[Bat19]
[Bay21]
[BBB+13]
Bauer, M., Boussard, M., Bui, N., Carrez, F., Jardak, C., De Loof, J., Magerkurth, C., Meissner, S., Nettsträter, A., & Olivereau, A. (2013). Deliverable D1. 5 – Final architectural reference model for the IoT v3.0. Internet of things architecture (IOT-A).
[Ber10]
[BFM05]
[BG14]
[Bit20a]
[Bit20b]
[BKA13]
Bangert, W., Kielhorn, A., Albert, R. F. A., Biber, P., & Grzonka, S. (2013). „Field-robot-based agriculture“, in Land.Technik, AgEng.
[Ble21]
[Blo20]
[BME20]
[Böt13]
Böttinger, S. (2013). Stand und Tendenzen der Mähdrusch-Entwicklung, in VDI-MEG Kolloquium Mähdrescher 12./13. September 2013. Hohenheim.
[Böt15]
Böttinger, S. (2015). Mähdrescher. Jahrbuch Agrartechnik, 27, 158–170.
[BPS+08]
Bray, T., Paoli, J., Sperberg-Mc- Queen, C. M., Maler, E., & Yergeau, F. (2008). „Extensible Markup Language (XML) 1.0 (Fifth Edition)“, World Wide Web Consortium (W3C). http://​www.​w3.​org/​TR/​xml/​. Zugegriffen: 10. Dez. 2023.
[Bra17]
[Bro21a]
[Bro21b]
[BRS19]
Brynjolfsson, E., Rock, D., & Syverson, C. (2019). Artificial Intelligence and the Modern Productivity Paradox: A Clash of Expectations and Statistics. In The Economics of Artificial Intelligence: An Agenda, Agrawal, Gans, and Goldfarb.
[BSW+05]
Blackmore, S., Stout, B., Wang, M., & Runov, B. (2005). Robotic agriculture – the future of agricultural mechanization? In Fifth European Conference on Precision Agriculture.
[Bur19]
[Cal20]
Callaway, E. (2020). „It will change everything’: DeepMind’s AI makes gigantic leap in solving protein structures. Nature, 588(10), 203.CrossRef
[Cap20]
[Car21]
[CBR+20]
[CDC+17]
Cooper, K. B., Durden, S. L., Cochrane, C. J., Monje, R. R., Dengler, R. J., & Baldi, C. (2017). Using FMCW doppler radar to detect targets up to the maximum unambiguous range. IEEE Geoscience and Remote Sensing Letters, 14(3), 339–343.
[CIA+19]
Cui, S., Alfaro Inocente, E. A., Acosta, N., Keener, H. M., Zhu, H., & Ling, P. P. (2019). Development of fast E-nose system for early-stage diagnosis of aphid-stressed tomato plants. Sensors (Basel), 19(16), 3480. https://​doi.​org/​10.​3390/​s19163480.
[CIV+18]
Cantera, J. M., J. S. Issa, van der Vlugt, P., Klaeser, S., Bartram, T., Kassahun, A., Neira, I., & Milin, T. (2018). D3.3 Opportunities and barriers in the present regulatory situation for system development, in: IoF2020 (Hrsg.), IoF2020 project deliverables.
[Cla20]
[COD+19]
Coupé., Yoon Mi Oh, Dediu, D., & Pellegrino, F. (2019). Different languages, similar encoding efficiency: Comparable information rates across the human communicative niche. Science Advances, 5(9). https://​doi.​org/​10.​1126/​sciadv.​aaw2594. Zugegriffen: 10. Dez. 2023.
[Cro20a]
[Cro20b]
[Cro21]
[CSM+13]
[CZM+19]
Cubuk, E. D., Zoph, B., Mane, D., Vasudevan, V., & Le, Q. V. (2019). Autoaugment: Learning augmentation strategies from data. In Proceedings of the IEEE conference on computer vision and pattern recognition (S. 113–123).
[D97]
DIN 9684-1:1997-02. (1997). Landmaschinen und Traktoren – Schnittstellen zur Signalübertragung – Part 1: Punkt-zu-Punkt-Verbindung. Beuth Verlag GmbH.
[DDK+20]
[Dee21]
[DEM21]
The DEMETER project is a large-scale deployment of farmer-driven, interoperable smart farming-IoT (Internet of Things) based platforms, delivered through a series of 20 pilots across 18 countries (15 EU countries). www.​h2020-demeter.​eu. Zugegriffen: 10. Dez. 2023.
[DFH+19]
Dörr, J., Fairclough, B., Henningsen, J., Jahić, J., Kersting, S., Mennig, P., & Scholten-Buschhoff, F. (2019). Scouting the autonomous agricultural machinery market, IESE Report Nr. 041.19/E. Kaiserslautern.
[DIN19]
DIN EN ISO 18497:2019-08. Agricultural machinery and tractors – Safety of highly automated agricultural machines – Principles for design (ISO 18497:2018). Beuth
[DJi20]
[DLG18]
DLG e. V. 2018. „Digitale Landwirtschaft – Chancen. Risiken. Akzeptanz. Ein Positionspapier der DLG“. DLG e. V. (Hrsg.).
[DLR21a]
[DLR21b]
[DLR21c]
[Dom15]
Pedro Domingos. The master algorithm. Basic Books, 2017.
[Dra20]
[Dro20a]
[Dro20b]
[E20]
[EKB23]
Eberz-Eder, D., Kuntke, F., Brill, G., Bernardi, A., Wied, C., Nuderscher, P., & Reuter, C. (2023). Prototypische Entwicklungen zur Umsetzung des Resilient Smart Farming (RSF) mittels Edge Computing. 43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme. Bonn: Gesellschaft für Informatik e. V. PISSN: 1617-5468. ISBN: 978-3-88579-724-1. pp. 309–314. Osnabrück. 13.–14. Februar 2023.
[Elm02]
Elmenreich, W. (2002). An introduction to sensor fusion. Vienna University of Technology, Austria, 502, 1–28.
[Eth20]
[Eym19]
[Fao21a]
[Fao21b]
[Fel20]
[Fen20]
[FHSR+20]
Feng, D., Haase-Schütz, C., Rosenbaum, L., Hertlein, H., Glaeser, C., Timm, F. et. al., & Dietmayer, K. (2020). Deep multi-modal object detection and semantic segmentation for autonomous driving: Datasets, methods, and challenges. IEEE Transactions on Intelligent Transportation Systems.
[FIP21]
[FKS+09]
Friedrich, J., Kuhrmann, M., Sihling, M., & Hammerschall, U. (2009). Das v-modell xt, 1–32. Springer.
[Foo21]
[Fre18]
[FRK+15]
Fehrmann, J., Ruckelshausen, A., Keicher, R., & Weidig, K. (2015). Autonomer Plantagen-Pflegeroboter für den Obst-und Weinbau. ATZoffhighway, 8(3), 32–43.
[FSA17]
Feth, P., Schneider, D., & Adler, R. (2017, September). A conceptual safety supervisor definition and evaluation framework for autonomous systems. In International conference on computer safety, reliability, and security (S. 135–148). Springer.
[GAI21]
[Gan19]
[GAP16]
Gandhi, N., Armstrong, L. J., & Petkar, O. (2016). Predicting rice crop yield using bayesian networks. In: 2016 International Conference on Advances in Computing, Communications and Informatics (ICACCI), Jaipur, (S. 795–799).
[GB07]
Griepentrog, H-W., & Blackmore, B. S. (2007). Autonomous crop establishment and control systems. In Ikke angivet VDI Verlag GmbH.
[GGA+07]
González-Jiménez, J., Galindo, C., Arevalo, V., & Ambrosio, G. (2007). Applying image analysis and probabilistic techniques for counting olive trees in high-resolution satellite images. In Advanced Concepts for Intelligent Vision Systems, Lecture Notes in Computer Science, Hrsg. J. Blanc-Talon, W. Philips, D. Popescu, P. Scheunders, 4678. Springer. https://​doi.​org/​10.​1007/​978-3-540-74607-2_​84.
[Gia04]
Giachetti, R. E. (2004). A framework to review the information integration of the enterprise. International Journal of Production Research, 42(6), 1147–1166.CrossRef
[Git21]
[GLK+15]
[GLK+15] Giraldo, J. P., Landry, M. P, Kwak, S.-Y., Jain, R. M., Wong, M. H., Iverson1, N. M., Ben-Naim, M., & Strano, M. S. (2015). A ratiometric sensor using single chirality near-infrared fluorescent carbon nanotubes: Application to in vivo monitoring. Small, 11(32), 3973–3984.
[Glo20]
[GMU+17]
Gaus, C., Minßen, T., Urso, L., de Witte, T., & Wegener, J. (2017). Mit autonomen Landmaschinen zu neuen Pflanzenbausystemen. Abschlussbericht FKZ 2814NA012. Braunschweig: BMEL (BÖLN).
[Gof21]
[Gra20]
[Gro20]
[Gru93]
[GS12]
Glaessgen, E. H., & Stargel, D. S. (2012). The digital twin paradigm for future NASA and U.S. air force vehicles. In 53rd Struct. Dyn. Mater. Conf. Special Session: Digital Twin.
[GS121]
A not-for-profit organisation that develops and maintains global standards for business communication. www.​gs1.​org. Zugegriffen: 10. Dez. 2023.
[Gus20]
[Hal20]
[Hee13]
[Hel20]
[HF17]
Herlitzius, T., & Fehrmann, J. (2017). Gutachten Stand und Tendenzen der Roboteranwendungen im Bereich der Pflanzen- und Tierproduktion. Wissenschaftlicher Dienst des Deutschen Bundestages.
[HKP+12]
[HSJ+20]
[HTA+15]
[Hua20]
[IDS21]
The International Data Spaces Association (IDSA) is on a mission to create the future of the global, digital economy with International Data Spaces (IDS), a secure, sovereign system of data exchange in which all participants can realize the full value of their data. www.​internationaldat​aspaces.​org. Zugegriffen: 10. Dez. 2023.
[IEC19]
IEC TS 62998-1:2019 Safety of machinery – Safety-related sensors used for the protection of persons. VDE.
[Illi19]
[Inn21]
[IOF21]
[IoT21]
[IoT21] The IoT Catalogue: The one-stop-source for Internet of Things (IoT) knowledge, innovations and technologies, aiming to help IoT stakeholders (developers, integrators, advisors, end-users, etc.) to take the most advantage of the Internet of Things for the benefit of society, businesses and individuals. https://​www.​iot-catalogue.​com/​. Zugegriffen: 10. Dez. 2023.
[IS09]
[Isi21]
[ISO95]
Internationale Organisation für Normung. (1995). ISO-11787: Achinery for agriculture and forestry – Data interchange between management computer and process computers – Data interchange syntax.
[ISO00]
Internationale Organisation für Normung. (2000). ISO-11788: Electronic data interchange between information systems in agriculture – Agricultural data element dictionary.
[ISO07]
Internationale Organisation für Normung. (2007). ISO-17532: Stationary equipment for agriculture – Data communications network for livestock farming.
[ISO17]
[ISO19]
Internationale Organisation für Normung. (2019). ISO-11783: Tractors and machinery for agriculture and forestry – Serial control and communications data network.
[JHS+18]
Junginger, A., Hanselmann, M., Strauss, T., Boblest, S., Buchner, J., & Ulmer H. (2018). Unpaired high-resolution and scalable style transfer using generative adversarial networks. arXiv preprint 7 arXiv:​1810.​05724.
[Joh20]
[JWS19]
Jakobs, S., Weber, A., & Stapp, D. (2019). Zuverlässige Objekterkennung für autonome mobile Arbeitsmaschinen. ATZheavy duty, 12(2), 46–51.CrossRef
[KBK+09]
Kok, J. N., Boers, E. J., Kosters, W. A., Van der Putten, P., & Poel, M. (2009). Artificial intelligence: Definition, trends, techniques, and cases. Artificial intelligence, 1, 1–20.
[KBS+13]
Karner, J., Baldinger, M., Schober, P., Reichl, B., & Prankl, H. (2013). Hybridsysteme für die Landtechnik. Agricultural Engineering, 68(1), 22–25.
[KGS+14]
Kaloxylos, A., Groumas, A., Sarris, V., Katsikas, L., Magdalinos, P., Antoniou, E., Politopoulou, Z., Wolfert, S., Brewster, C., Eigenmann, R., & Maestre Terol, C. (2014). A cloud-based Farm Management System: Architecture and implementation. Computers and Electronics in Agriculture, 100, 168–179.
[Kli20]
[KM13]
Krieter, J., & Miekley, B. (2013). Perspektiven sensorgestützter Expertensysteme in der Tierhaltung. In Steuerungselemente für eine nachhaltige Land- und Ernährungswirtschaft – Stand und Perspektiven. KTBL-Tage. KTBL-Schrift Nr. 500 (S. 100–107). Kuratorium für Technik und Bauwesen in der Landwirtschaft e. V.
[Kni20]
[Kol20]
[KPV+19]
Koppelmäki, K., Parviainen, T., Virkkunen, E., Windquist, E., Schulte, R. P. O., & Helenius, J. (2019). Ecological intensification by integrating biogas production into nutrient cycling: Modeling the case of Agroecological Symbiosis. Agricultural Systems, 170, 39–48. https://​doi.​org/​10.​1016/​j.​agsy.​2018.​12.​007.
[KSS11]
Stockach, K. K., & Soucek, R. (2011). Geschichte der Landtechnik. In R. M. H.-H. Harms (Hrsg.), Jahrbuch Agrartechnik, 23. DLG Verlag.
[Kuh19]
Kuhwald, M. (2019). Detection and modelling of soil compaction of arable soils: From field survey to regional risk assessment. Dissertation for the award of the doctorate of the Faculty of Mathematics and Natural Sciences of the Christian-Albrechts-Universität zu Kiel. Kiel.
[KWS+16]
Kruize, J., Wolfert, J., Scholten, H., Kassahun, A., & Beulens, A. (2016). A reference architecture for farm software ecosystems. Computers and Electronics in Agriculture, 125, 12–28.
[KVR+09]
Klappstein, J., Vaudrey, T., Rabe, C., Wedel, A.,& Klette, R. (2009, January). Moving object segmentation using optical flow and depth information. In Pacific-Rim symposium on image and video technology (S. 611–623). Springer.
[KZS15]
Koch, G., Zemel, R., & Salakhutdinov, R. (2015). Siamese neural networks for one-shot image recognition. Proceedings of the 32 nd International Conference on Machine Learning, Lille, France, JMLR: W&CP volume 37
[Lat20]
[LM20]
Lorenz, F., & Münchhoff, K. (2015). Teilflächen bewirtschaften: Schritt für Schritt. DLG-Verlag.
[Lop20]
[Lora20]
[Mar19a]
[Mar19b]
[Mar20a]
[Mar20b]
[Mar20c]
[Mar20d]
[Mar20e]
[Mic20]
[Mon20]
[MSP15]
Martin, B., Maflin Shaby, S., & Godwin Premi, M. S. (2015). Studies on acoustic activity of red palm weevil the deadly pest on coconut crops. Procedia Materials Science, 10, 455–466.CrossRef
[Nev21]
[Noa18]
Noack, S. 2018. Precision farming – smart farming – digital farming: Grundlagen und Anwendungsfelder. Wichmann.
[NS56]
[Obo21]
[OGC21]
[Ogc21]
[One20]
[Paq19]
[Per20]
[PH14]
Porter, M. E., & Heppelmann, J. E. (November 2014). How smart, connected products are transforming competition. Harvard Business Review, 2014, 65–88.
[Phe20]
[PL17]
Pedersen, S. M., & Lind, K. M. (2017). Precision agriculture: Technology and economic perspectives. Springer International Publishing.
[Pla20]
[Por12]
[Pra20]
[Pre20]
[Psi20]
[PYC+17]
Poulton, C. V., Yaacobi, A., Cole, D. B., Byrd, M. J., Raval, M., Vermeulen, D., & Watts, M. R. (2017). Coherent solid-state LIDAR with silicon photonic optical phased arrays. Optics letters, 42(20), 4091–4094.
[Ran20]
[Red20]
[Reg21]
[REK+2022]
Reuter, C., Eberz-Eder, D., Kuntke, F., & Trapp, M. (2022a). RSF-Lab’22: Resilient Smart Farming Laboratory: Für eine widerstandsfähige und in-telligente Landwirtschaft. In D. Demmler, D. Krupka, & H. Federrath (Hrsg.), INFORMATIK 2022 (S. 931–934). Gesellschaft für Informatik.https://​doi.​org/​10.​18420/​inf2022_​78.
[RKT+2022]
Reuter, C., Kuntke, F., Trapp, M., Wied, C., Brill, G., Müller, G., Steinbrink, E., Franken, J., Eberz-Eder, D., Schneider, W. (2022b). AgriRegio: Infrastruktur zur Förderung von digitaler Resilienz und Klimaresilienz im ländlichen Raum am Beispiel der Pilotregion Nahe-Donnersberg. In D. Demmler, D. Krupka, & H. Federrath (Hrsg.), INFORMATIK 2022 (S. 961–972). Gesellschaft für Informatik. https://​doi.​org/​10.​18420/​inf2022_​81.
[Rie11]
Ries, E. 2011. The lean startup: How today’s entrepreneurs use continuous innovation to create radically successful businesses. Currency.
[RKS+20]
Kuntke, F., Reuter, C., Schneider, W., Eberz, D., & Bernardi, A. (2020). Die GeoBox-Vision: Resiliente Interaktion und Kooperation in der Landwirtschaft durch dezentrale Systeme. In C. Hansen, A. Nürnberger, & B. Preim (Hrsg.), Mensch und Computer 2020 – Workshopband. Gesellschaft für Informatik e. V. https://​doi.​org/​10.​18420/​muc2020-ws117-407.
[RNT97]
Resch, H. N., Nette, T., & Trapp, M. (1997). GIS zur Unterstützung des „Precision Farming“ – Kostenoptimierung und Trinkwasserschutz-. Geo-InformationsSysteme (GIS) 3, 10–13.
[Rob20]
[Ros58]
Rosenblatt, F. (1958). The perceptron: A probabilistic model for information storage and organization in the brain. Psychological review, 65(6), 386.CrossRef
[Rou20]
[RS18]
Rissola, G., & Sörvik, J. (2018). Digital innovation hubs in smart specialisation strategies. Publications Office of the European Union.
[RSE+18]
[SAE20]
[Sag20]
[SAH21]
SmartAgriHubs is a European-funded project that aims to realise the digitalisation of European agriculture by fostering an agricultural innovation ecosystem dedicated to excellence, sustainability and success. www.​smartagrihubs.​eu. Zugegriffen: 10. Dez. 2023.
[SAM15]
[SCK18]
[Sem20]
[Sen20]
[Sfs20]
[She20]
[Shu20]
[Sin20]
[Sla2020]
[SLS+93]
Schmidt, F., Lütticken, R., Steckel, T., & Resch, H. N. (1993). In Anwenderorientierte Weiterentwicklung von Informations- und Kommunikationsstrukturen in der Landwirtschaft. In E. Schulze, Bs Petersen, & H. Geidel (Hrsg.), (S. 197–200). Referate der 14. GIL.
[Sml19]
[Sol20]
[SR14]
[STK+18]
[Swa20]
[SWC17]
Sun, Y., Wang, J., & Cheng, S. (2017Dec). Discrimination among tea plants either with different invasive severities or different invasive times using MOS electronic nose combined with a new feature extraction method. Computers and Electronics in agriculture., 143, 293–301. https://​doi.​org/​10.​1016/​j.​compag.​2017.​11.​007
[TDS+20]
Trapp, Matthias, Marc Deubert, Lucas Streib, Björn Scholz-Starke, Martina Roß-Nickoll, und Andreas Toschki. 2020. Simulating the Effects of Agrochemicals and Other Risk-Bearing Management Measures on the Terrestrial Agrobiodiversity: The RISKMIN Approach. In Landscape Modelling and Decision Support, Innovations in Landscape Research, Springer. (Hrsg.) W. Mirschel, V. Terleev, K. O. Wenkel. Cham. https://​doi.​org/​10.​1007/​978-3-030-37421-1_​23.
[Tec19]
[Ter20]
[Tev20]
[The21]
[Thü20]
[Tra03]
Trapp, M. (2003). Geodatenmanagement zur standortangepassten Ressourcenoptimierung in der Landwirtschaft, Trierer Bodenkundliche Schriften, Bd 6, ISBN: 3-9807099-5-7.
[Tri20]
[TTK13]
Trapp, M., Tintrup, G. gen. Suntrup, & Kotremba, C. (2013). Auswirkungen des Klimawandels auf die Landwirtschaft und den Weinbau in Rheinland-Pfalz. In Schlussberichte des Landesprojekts Klima- und Landschaftswandel in Rheinland-Pfalz (KlimLandRP], (Hrsg). RHEINLANDPFALZ, KOMPETENZZENTRUM FÜR KLIMAWANDELFOLGEN, 170. Teil 3, Modul Landwirtschaft
[UB15]
adelphi/PRC/EURAC. (2015). Vulnerabilität Deutschlands gegenüber dem Klimawandel, Umweltbundesamt, Climate Change 24/2015.
[UN15]
Vereinte Nationen. (2015). Transforming our world: The 2030 agenda for sustainable development. Resolution of the general assembly dated 25 Sept. 2015, A/RES/70/1.
[Uni21]
[Urs20]
[Usp18]
[USW+17]
Underwood, J., Wendel, A., Schofield, B., & McMurray, L. (2017). Efficient in-field plant phenomics for row-crops with an autonomous ground vehicle. Field Robotics, 34(6), 1061–1083.
[WET+22]
Wald, L., Eberz-Eder, D., Trapp, M., Weimper, J., & Kuhl, M. (2022). Smart Soil Information for Farmers (SoFI) – Öffentliche Bereitstel-lung von Mess- und Simulationsdaten der Bodenfeuchte in der GeoBox-Infrastruktur, 42.GIL-Jahrestagung: Informatik in der Land-, Forst- und Ernäh-rungswirtschaft, (S. 79–84). Gesellschaft für Informatik e. V.
[WUH+17]
Wegener, J. K., Urso, L.-M., Hörsten, D. v., Minßen, T.-F., & Gaus, C.-C.. (2017). Neue Pflanzenbausysteme entwickeln – welche innovativen Techniken werden benötigt? Landtechnik, 72(2).
[Val20]
[Van20]
[Ver20]
[VHS06]
Vierboom, C., Härlen, I., & Simons, J. (2006). Akzeptanz organisatorischer und technologischer Innovationen in der Landwirtschaft bei Verbrauchern und Landwirten, 21. Schriftenreihe Organisatorische und technologische Innovationen in der Landwirtschaft.
[Vis20]
[VST+19]
Verdouw, C., Sundmaeker, H., Tekinerdogan, B., Conzon, D., & Montanaro, T. (2019). Architecture framework of IoT-based food and farm systems: A multiple case study. Computers and Electronics in Agriculture, 165, 104939.
[VWB+16]
Verdouw, C., Wolfert, J., Beulens, A., & Rialland, A. et al. (2016). Virtualization of food supply chains with the internet of things. Journal of Food Engineering, 176, 128–136.
[VWB+17]
Verdouw, C.N., Wolfert, S., Beers, G., Sundmaeker, H., & Chatzikostas, G. (2017). IOF2020: Fostering business and software ecosystems for large-scale uptake of IoT in food and farming, in The International Tri-Conference for Precision Agriculture in 2017, Hrsg. W. Nelson, 7. Hamilton.
[W13]
[Wef20]
[WDA+16]
[WGK+17]
Wong, M. H., Giraldo, J. P, Kwak, S.-Y, Koman, V. B, Sinclair, R., Lew, T. T. S, Bisker, G., Liu, P., & Strano, M. S. (2017). Nitroaromatic detection and infrared communication from wild-type plants using plant nanobionics. Nature Materia, 16(2), 264–272.
[Wil20]
[Wit19]
de Witte, T. (2019). Wirtschaftliche Perspektiven autonomer Kleinmaschinen im Ackerbau. Journal für Kulturpflanzen, 71(4), 95–100.
[WMB19]
Wolfert, S., Mira da Silva, L., Beers, G., Pompeu Pais, D., Anda Agarte, J., Lora Lozano, M., & Molina Sanz, N. (2019). SmartAgriHubs. Connecting the dots to foster the digital transformation of the European agri-food sector – highlighting the Portuguese innovation ecosystem. Cultivar, 16, 45–53.
[WAG14]
Wolfert, J., Sørensen, C.G., & Goense, D. (2014). A future internet collaboration platform for safe and healthy food from farm to fork. In Global Conference (SRII), 2014 Annual SRII, 266–273. San Jose, CA, USA: IEEE.
[WVV+10]
Wolfert, J., Verdouw, C. N., Verloop. C.M., & Beulens, A. J. M. (2010). Organizing information integration in agri-food – a method based on a service-oriented architecture and living lab approach. Computers and Electronics in Agriculture, 70(2), 389–405.
[WWB+19]
Wang, Y. (Emma), Wei, G.-Y, & David Brooks. 2019. Benchmarking TPU, GPU, and CPU platforms for deep learning. 7 arXiv:​1907.​10701v4 [cs.LG].
[Xar20]
[Xar21]
[Xco21]
[Zha15]
Zhang, Q. (2015). Precision agriculture technology for crop farming. CRC Press.CrossRef
[You18]
[Zep20]
ZEPP, Informationssystem Integrierte Pflanzenproduktion e. V. (ISIP). (2020). Julius Kühn-Institut, John Deere European Technology Innovation Center (ETIC), Kuratorium für Technik und Bauwesen in der Landwirtschaft e. V. (KTBL). In S. Estel, K. Albrecht, C. Federle, B. Golla, B. Kleinhenz, D. Martini, A. Aurelia Maria Moanţă, Z. Perić, T. Riedel, & M. Röhrig (Hrsg.), Hangneigungsauflagen sicher einhalten, Rheinische Bauernzeitung (S. 24–25).
[ZSJ+10]
[Zog09]
[ZYX19]
Metadaten
Titel
Technologieperspektive
verfasst von
Thomas Herlitzius
Patrick Noack
Jan Späth
Roland Barth
Sjaak Wolfert
Ansgar Bernardi
Ralph Traphöner
Daniel Martini
Martin Kunisch
Matthias Trapp
Djamal Guerniche
Daniel Eberz-Eder
Julius Weimper
Katrin Jakob
Copyright-Jahr
2023
Verlag
Springer Berlin Heidelberg
Buch
Handbuch Digital Farming

Print ISBN: 978-3-662-67085-9

Electronic ISBN: 978-3-662-67086-6

Copyright-Jahr: 2023

DOI
https://doi.org/10.1007/978-3-662-67086-6_3

    Premium Partner

    Bildnachweise