In my first study farmers were surveyed, who use an automated activity monitoring (AAM) system for the detection of estrus. The objective of this study was to gain an overview of current management practices for of estrus detection and to learn more about the practical aspects. The farmers were surveyed about the influences on animal environment, business processes, methods of estrus detection before and after installing the AAM, handling and overall impression of efficiency. Overall, 94.1% of surveyed managers were satisfied with the AAM and almost all of them (94.5%) would install the system again. The results show that the AAM represents a well accepted system with the potential to reduce the time required for estrus detection and the administration of hormones. In the second trial the objective was to validate the AAM and compare its efficiency to estrus detection by visual observation (VO). More specifically the efficiency and accuracy of AAM Systems were identified and the reproductive performance of cows by AAM or VO or one of the two methods (EOM) compared. In total 1,004 potential cycles were analyzed from 348 cows. Estrus detection rate (EDR) were calculated for 21 d after the voluntary waiting period (VWP + 21), 42 d (VWP + 42), and 63 d (VWP + 63). In the time period VWP + 21 (P> 0.05) the EDR differed barely between AAM (42.1%) and VO (37.3%) – but the EDR of EOM differed (56.3%, p <0.05) significantly. The estrus detection by AAM achieved an efficiency (number of correctly recognized estrues / total number of cycles * 100) of 35.6% and an accuracy (number of the estruses / (number of true + false the estruses correctly identified) * 100) of 83.8%, Visual observation (VO) led to an efficiency of 34.3% and an accuracy of 75.1%. The pregnancy rate was 200 DIM with AAM (66.8%) and EOM (68.8%) and with VO (57.1%, p <0.05). From AAM system recognized cows (P <0.05) showed a 1.37 times higher Risk to conceive than cows that were detected by VO (P <0.05). The results show that an automated activity monitoring system can support estrus detection in dairy cows. However, the exclusive use of such a system can not be recommended.
In der ersten Studie wurden Landwirte befragt, die für zur Erkennung der Brunst das auf automatisierte Aktivitätsbeobachtung (AAM) basierende System „Heatime“ nutzen. Das Ziel dieser Studie war es, einen Überblick über die üblichen Methoden der Brunsterkennung zu gewinnen und mehr über die praktischen Aspekte des Systems zu erfahren. Hierbei wurden die Landwirte nach den Einflüssen auf Tierumgebung, betriebliche Abläufe, Methoden der Brunsterkennung vor und nach der Installation von AAM, Handhabung und Gesamteindruck zur Effizienz befragt. Insgesamt waren 94,1% der befragten Betriebsleiter mit AAM zufrieden und fast alle von ihnen (94,5%) würden das System erneut installieren. Die Ergebnisse zeigen, dass AAM eine gut akzeptierte Hilfe bei der Brunsterkennung darstellt mit dem Potenzial, die benötigte Zeit für die Brunsterkennung sowie möglicherweise die Verabreichung von Hormonen zu reduzieren. In unserer zweiten Studie war es das Ziel, AAM in Bezug auf die Brunsterkennung bei Milchkühen zu bewerten. Genauer gesagt wurde Effizienz und Genauigkeit des AAM-Systems ermittelt und die Reproduktionsleistung der Kühe durch AAM oder visuelle Beobachtung (VO) oder eine der beiden Methoden (EOM) miteinander verglichen. Insgesamt wurden 1.004 potenzielle Zyklen von 348 Kühen analysiert. Brunsterkennungsraten (EDR) wurden für 21 d nach der freiwilligen Wartezeit (VWP + 21), 42 d (VWP + 42), und 63 d (VWP + 63) berechnet. Die Brunsterkennungsraten haben sich im Zeitraum VWP + 21 (P> 0,05) kaum zwischen AAM (42,1%) und VO (37,3%) unterschieden – jedoch wurde bei der Kombination beider Methoden ein deutlich höherer Wert festgestellt: EOM (56,3%, p <0,05). Die Brunsterkennung durch AAM erreichte einen Wirkungsgrad (Zahl der richtig erkannten Brunsten / Gesamtzahl der Zyklen * 100) von 35,6% und eine Genauigkeit (Anzahl der Brunsten / (Anzahl echte + falsche Brunsten richtig erkannt) * 100) von 83,8%. Die visuelle Beobachtung (VO) führte zu einem Wirkungsgrad von 34,3% und einer Genauigkeit von 75,1%. Die Trächtigkeitsrate bei 200 DIM war mit AAM (66,8%) und EOM (68,8%) höher als mit VO (57,1%, p <0,05). Vom AAM-System erkannte Kühe (P<0,05) zeigten eine 1,37 mal höhere Trächtigkeitswahrscheinlichkeit als Kühe die durch VO festgestellt wurden (P <0,05). Die Ergebnisse zeigen, dass ein automatisiertes Aktivitätsbeobachtung-System die Brunsterkennung bei Milchkühen unterstützen kann. Die ausschließliche Verwendung eines solchen Systems kann jedoch nicht empfohlen werden.