Der Eber Nummer 719f steht auf, geht zur Tränke, trinkt zwölf Sekunden und kehrt an seinen Platz zurück. Im Vorbeilaufen nutzt er die Gelegenheit und beisst dem Eber c29e ins Ohr. Eine Kamera registriert dabei jede Bewegung, ein Computerprogramm vergleicht sie mit tausenden anderen Datenpunkten. Eine künstliche Intelligenz (KI) trifft Aussagen darüber, wer Täter und wer Opfer ist.

In George Orwells bekanntem Roman «1984» steht «Big Brother» für die totale Überwachung und Kontrolle der Gesellschaft. Darum geht es aber hier nicht, sondern um das bessere Verständnis tierischen Verhaltens für die Zucht.

Der Schweinestall wird zum Datendschungel

Bilder und Sensoren im Stall sind keine Zukunftsmusik mehr. In grossen Mastbetrieben im Ausland ist das bereits heute Realität. Kameras erfassen, welche Schweine fressen, trinken oder sich bewegen. Die Daten helfen schon heute, Arbeitszeit zu sparen oder auffälliges Verhalten mit einem Frühwarnsystem zu erkennen.

Einen Schritt weiter geht ein Pilotprojekt der Suisag, das in Zusammenarbeit mit dem niederländischen Startup Serket durchgeführt wird. Ziel ist nicht die Krankheitsüberwachung, sondern die Zucht: Die KI erkennt Aktivität und aggressives Verhalten wie Ohr- oder Schwanzbeissen. Damit sollen Zuchtentscheidungen auf objektiven Daten basieren, die bisher kaum messbar waren. Verantwortlich für das Projekt bei der Suisag sind Thomas Flatau im Bereich IT und Zuchtexperte Henning Luther. Sie wollen die Frage beantworten, ob aggressives Verhalten züchterisch relevant ist. Doch wie funktioniert das Ganze?

Big Brother sieht jedes Schwein: So funktioniert das System

Vortrag zum Thema an der Tier & Technik

«Künstliche Intelligenz im Stall und in der Schweinezucht»

Wann: 21.02.2026, 12 bis 12.45 Uhr
Wo: Foyer St. Galler Kantonalbank Halle B, Forum
Referent: Hening Luther, Leiter Zuchtprogramme und Exportmanager bei der Suisag AG

Mehr Informationen

Die technische Umsetzung ist vergleichsweise simpel: Jeder Eber erhält eine UHF-Ohrmarke (Ultra High Frequency), die ähnlich wie ein kontaktloser Kreditkartenchip funktioniert. Sie wird erst aktiv, wenn ein Lesegerät in der Nähe ist. Die Ohrmarke sendet dann eine individuelle Identifikationsnummer. Beim UHF-Chip funktioniert die Erkennung auf ein bis zwei Meter Reichweite, statt nur auf wenige Zentimeter wie bei der Kreditkarte. Die Antenne ist in der Bucht neben der Tränke angebracht.

Jede Bucht ist mit zwei Kameras ausgestattet, deren Bilder zusammengeführt und per Glasfaser an einen kleinen Server im Stall übertragen werden. Dort verarbeitet eine leistungsstarke Grafikkarte die Daten in Echtzeit. Grafikkarten können viele Zahlen gleichzeitig verarbeiten, ähnlich wie ein grosses Team von Helfern. Sie sind daher für die schnelle Bildauswertung deutlich effizienter als herkömmliche Prozessoren. Aus den Bildern werden zahlreiche Parameter ausgelesen, die zur Interpretation in eine Datenwolke geschickt werden. Die KI der Firma Serket wertet die Parameter anschliessend aus. Dadurch bleiben die Videoaufnahmen im Stall und werden weder gespeichert noch weitergegeben – nur die Parameter werden analysiert. «Das ist sehr wichtig betreffend Datenschutz, denn niemand soll die Mitarbeiter im Stall sehen und was sie machen. Nur das Verhalten der Tiere soll automatisch ausgewertet werden», erklärt Henning Luther.

So einfach die Hardware mit Kameras, UHF-Chip, Antenne und Server auch ist, so kompliziert ist es, dem Computerprogramm beizubringen, was es sieht.

Blick hinter die Kulissen: Wie KI Verhalten im Stall analysiert

Die KI kann nicht direkt sehen. Sie erkennt in Videoaufnahmen lediglich die einzelnen Bildpunkte (Pixel) und muss daraus ein Schwein interpretieren. Im Fachjargon wird dieser Vorgang Computer Vision (CV) genannt. Übrigens können auch wir Menschen nicht einfach so «sehen»: Das Bild in unserem Kopf ist ebenfalls eine Interpretation des Lichts, das auf unsere Netzhaut trifft.

Um die Daten einfacher verarbeiten zu können, wird jedes Tier zu einer Art Strichmännchen reduziert. Kopf, Maul, Beine und Ringelschwanz sind dabei klar markiert. Futter- und Tränkestellen sind zuvor festgelegt, sodass die KI vier Grundverhalten unterscheiden kann:

  1. Fressen (Kopf am Fresstrog)
  2. Trinken (Kopf am Trinknippel)
  3. Aktiv (Tier bewegt sich)
  4. Inaktiv (Tier liegt still)

Für Züchter interessant wird es bei den Interaktionen zwischen den Ebern. Die KI erkennt drei aggressive Verhaltensmuster: Ohrbeissen, Schwanzbeissen und Kampf.

Das Grundproblem ist dabei, genau zu bestimmen, welches Schwein Opfer und welches Täter ist – besonders beim Kampf, ähnlich wie bei Kindern auf dem Schulhof: Wer hat angefangen?

Die derzeit grösste Herausforderung in dem Projekt ist es, die zwölf Eber in der Bildauswertung jederzeit korrekt zu identifizieren. Die Serket-Software erkennt die einzelnen Schweine automatisch auf dem Bild und vergibt dem Schwein eine «Pseudo-ID» (z. B. Schwein A oder Schwein B). Wenn das Schwein sich bewegt, verfolgt die Software die einzelnen Tiere im Bild. Die Pseudo-ID bleibt so bei diesem Tier. Aber wer ist denn nun Schwein A und wer Schwein B?

Dazu müssen die Schweine in den ersten Tagen an der UHF-Antenne vorbeilaufen, dann lernt die Software, dass Schwein A z. B. die UHF-Nummer 1234 hat. In der Suisag-Datenbank sind die UHF-Nummern jedes Prüftiers abgespeichert und dadurch ist auch die offizielle Tier-ID (Nummer und Zeichen) des Ebers bekannt.

«Die Software musste mehrfach angepasst werden, dieses Pilotprojekt ist bisher unser komplexestes», so Thomas Flatau. Die Validierungen zeigen den Fortschritt: Im März 2025 war die Leistung der KI noch unzureichend, im Juni schon sehr gut, und die dritte Validierung vom Dezember 2025 wird derzeit ausgewertet.

[IMG 2]

Vom Versuchsstall zur Zukunft der Schweinezucht

Ohne KI müssten Züchter viele Stunden im Stall stehen, um das Verhalten der Tiere zu beobachten – praktisch unmöglich. Mit dem Pilotprojekt wird das nun anders in der Praxis: Die KI erfasst Verhaltensmuster und Aggressionen zwischen den Tieren, die sich bisher kaum haben messen lassen.

Die Daten eröffnen neue Möglichkeiten: Züchter könnten fundierte Entscheidungen für die Zucht treffen und verhaltensauffällige oder aggressive Eber ausselektieren. Das Pilotprojekt zeigt, wie moderne Technik klassische Arbeitsweisen ergänzt und effizienter macht.

Langfristig soll das Projekt ausgeweitet werden: Nach der erfolgreichen Erprobung in vier Buchten müsste die Technik dann in allen 36 Buchten der Eberaufzucht installiert werden. Ein Jahr lang sollen dann Daten von rund 1000 Ebern erfasst werden, um zu prüfen, ob aggressives Verhalten überhaupt erblich ist. Die Signalwirkung reicht über die Schweiz hinaus: Weitere Prüfanlagen, etwa in Bayern, könnten das System übernehmen, sobald die Ergebnisse vorliegen. So könnte KI künftig eine zentrale Rolle in der modernen Schweinezucht spielen.

Für aggressive Tiere wie den Eber 719f sind das schlechte Nachrichten. Sollte das Projekt gute Ergebnisse erzielen, würde er künftig von der Zucht ausgeschlossen.

Aggressive Schweine erkennen und handeln

Schwanzbeissen tritt häufig auf, wenn Mastschweine gestresst sind. Risikofaktoren sind u. a. zu kleine Platzverhältnisse, grosse Gruppen, gesundheitliche Probleme oder unzureichende Beschäftigungsmöglichkeiten. Auch ein suboptimales Stallklima, schlechte Wasserqualität oder Krankheiten erhöhen das Risiko für Schwanzläsionen.

Vorbeugung
Ausreichend Platz, angepasste Gruppengrössen, restriktive Fütterung, abwechslungsreiches Beschäftigungsmaterial (Stroh, Holz, Spielzeug) und regelmässige Kontrolle von Wasser und Gesundheit verringern Stress und Verletzungsrisiko.

Kurzfristige Massnahmen
Auffällige Tiere sofort separieren und Stallklima sowie Beschäftigung überprüfen. Hält das Problem länger als ein paar Tage an, fachliche Beratung oder den Tierarzt hinzuziehen.

Langfristige Massnahmen
Platzangebot und Buchtenstruktur optimieren, Beschäftigung und Gesundheitsüberwachung verbessern, externe Beratung oder Kameras nutzen, um Probleme frühzeitig zu erkennen.

Quelle: Agroscope Transfer, 359, 2021: Schwanzläsionen bei Mastschweinen: Entwicklung im Verlauf der Mast und Risikofaktoren.