PhD Projekt

Die Effizienz landwirtschaftlicher Produktionsprozesse zu steigern und gleichzeitig negative Umweltauswirkungen zu verringern wird sowohl für die globale als auch die lokale Ebene gefordert. In die Digitalisierung und Automatisierung im Agrarsektor werden diesbezüglich hohe Erwartungen gesetzt, ohne dass ausreichende Erfahrungen und Ergebnisse zur objektiven Bewertung vorliegen würden. Die mit der Digitalisierung verbundene automatische Datenerfassung könnte jedoch gleichzeitig helfen, eventuell positive Prozessänderungen zu quantifizieren und auszuwerten. Darüber hinaus könnten diese Daten automatisiert verarbeitet werden, um eine kontinuierliche Nachhaltigkeitsbewertung von Technologien und Prozessen zu erreichen.

Durch eine umfassende Ökobilanz (Life Cycle Assessment, LCA) sollen die möglichen Auswirkungen der Digitalisierung im Agrarsektor anhand mehrerer Praxisbeispiele und damit Primärdaten von Prozessketten abgebildet werden. Diese werden unter Nutzung der Vorteile der Digitalisierung optimiert und mit etablierten Verfahren verglichen, um Stärken und Schwächen für ausgewählte Wirkungskategorien wie CC, Biodiversität, Eutrophierung oder Versauerung zu bewerten. Neben der Bewertung von Umweltaspekten werden erste Schritte unternommen, um die Umweltbilanz mit wirtschaftlichen Aspekten (Life Cycle Costing, LCC) und Social Life Cycle Assessment (SLCA) zu kombinieren.

Die zu untersuchten Prozessketten werden sich auf die Themenfelder „Automatisierte Lenksysteme für Traktoren“, „Agri-Photovoltaik“ und „Sensorgestützte Überwachung in der Tierhaltung“ fokussieren. Die Ergebnisse können damit zur Optimierung der landwirtschaftlichen Produktionsprozesse unter besonderer Berücksichtigung des Klimawandels, aber auch anderer Auswirkungen sowie zur Information der Interessengruppen und zur Beratung der Erzeuger genutzt werden.

Chancen und Risiken der Digitalisierung und Automatisierung von landwirtschaftlichen Produktionsprozessen können anhand von belastbaren Daten analysiert und hinsichtlich mehrerer Umweltindikatoren bewertet werden. Die methodische Erweiterung um LCC und SLCA eröffnen die Möglichkeit weitere Forderungen entsprechend des GSDR 2019 aufzugreifen.

 Publikationen:

• Medel-Jiménez, F., Gronauer, A., Barta, N., Krexner, T., Neugschwandtner, R., Kral, I., 2022. Partial budgeting for acquiring and operating a ground-based optical crop sensor for variable rate nitrogen application. Die Bodenkultur: Journal of Land Management, Food and Environment, pp. 123-132. https://doi.org/10.2478/boku-2021-0013
• Holzinger, A., Saranti, A., Angerschmid, A., Retzlaff, C.O., Gronauer, A., Pejakovic, V., Medel-Jimenez, F., Krexner, T., Gollob, C., Stampfer, K. Digital Transformation in Smart Farm and Forest Operations Needs Human-Centered AI: Challenges and Future Directions. Sensors. https://doi.org/10.3390/s22083043

• Medel-Jiménez, F., Piringer, G., Gronauer, A., Barta, N., Neugschwandtner, R.W., Krexner, T., Kral, I., 2022. Modelling soil emissions and precision agriculture in fertilization life cycle assessment – A case study of wheat production in Austria. Journal of cleaner production 380(ISSN: 0959-6526)

• Kayad, A., Sozzi, M., Paraforos, D.S., Rodrigues, F.A., Cohen, Y., Fountas, S., Francisco, M.-J., Pezzuolo, A., Grigolato, S., Marinello, F., 2022. How many gigabytes per hectare are available in the digital agriculture era? A digitization footprint estimation. Computers and electronics in agricultur, 189