Logo des Repositoriums

Auflistung nach Autor:in "Lingemann, Kai"

1 - 9 von 9
  • Zeitschriftenartikel
    3D-Roboterkartenbau in Osnabrück
    (KI - Künstliche Intelligenz: Vol. 24, No. 3, 2010) Hertzberg, Joachim; Lingemann, Kai; Lörken, Christopher; Nüchter, Andreas; Stiene, Stefan; Wiemann, Thomas
    Seit Herbst 2004 existiert die Arbeitsgruppe „Wissensbasierte Systeme“ am Institut für Informatik der Universität Osnabrück. Ein Langfristziel der Arbeitsgruppe besteht darin, Schlussfolgerungs- und Planungsverfahren der KI für den Einsatz online und onboard auf mobilen Robotern einsetzbar zu machen. Ein daraus abgeleitetes Arbeitsthema ist der Bau von semantischen Roboterkarten basierend auf 3D-Laserscans bei 6-dimensionalen Scanposen. Wir geben einen Überblick über die wichtigsten Ergebnisse dazu und über unsere Perspektive dieses Themas für die Zukunft.
  • Konferenzbeitrag
    Architektur einer offenen Software-Plattform für landwirtschaftliche Dienstleistungen
    (Informatik in der Land-, Forst- und Ernährungswirtschaft 2017, 2017) Stiene, Stefan; Scheuren, Stephan; Günther, Martin; Lingemann, Kai; Lauer, 
Andreas; Bernardi, Ansgar; Hertzberg, Joachim
    Die Digitalisierung hat die Landwirtschaft verändert beim üblichen Betrieb von Höfen, bei der Steuerung von Maschinen der Stallund Landtechnik und bei der Erbringung von Dienstleistungen. Zur Verwaltung und Verarbeitung der Daten gibt es eine gewachsene Infrastruktur von Softwaresystemen diverser Anbieter, die jeweils Ausschnitte der Wertschöpfungskette behandeln. Diese Heterogenität erschwert derzeit den Aufbau optimaler Wertschöpfungsketten und Entwicklung, Angebot und Nachfrage neuer Dienstleistungen darin. Der Schutz der Hoheit an Betriebsdaten und der Schutz personenbezogener Daten im Prozess sind besonders am Übergang zwischen Teilsystemen aktuell nicht immer sichergestellt. Dieses Papier stellt die Architektur einer offenen Plattform zur integrierten, skalierbaren, vernetzten und sicheren Repräsentation, Kommunikation und Bearbeitung von Daten und Diensten im Umfeld von Landwirtschaftsbetrieben vor. Damit vernetzen sich Akteure der landwirtschaftlichen Wertschöpfungskette, um Dienste, Anforderungen und Daten gezielt und selektiv zu teilen und sicher auszutauschen. Dabei können sie ihre vorhandenen Maschinen und Informationssysteme weiter nutzen.
  • Konferenzbeitrag
    Auf dem Weg zu einem Entscheidungsunterstützungs-system zur Pflege und Ernte von Grünlandflächen
    (42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Tieben, Christoph; Reuter, Tobias; Nahrstedt, Konstantin; Kraatz, Franz; Lingemann, Kai; Trautz, Dieter; Jarme, Thomas; Hertzberg, Joachim
    Zur Bewirtschaftung von Grünlandflächen müssen eine Vielzahl an Parametern und Regularien berücksichtigt werden, um Entscheidungen für geeignete Pflegemaßnahmen oder Ernte­termine zu treffen. Um diese Entscheidungsfindung zu unterstützen, schlagen wir ein regelbasiertes Inferenzsystem vor. Dieses bildet automatisch Schlussfolgerungen auf Basis von modelliertem Expertenwissen und rechtlichen Regeln sowie Daten aus Bonituren, drohnengestützten Bildauf­nahmen und externen Quellen, wie Wetterprognosen, ab. Die geschlussfolgerten Empfehlungen umfassen Maßnahmen wie Düngung und Erntetermin, abhängig vom Nutzungsziel, betrieblichen Gegebenheiten und weiteren Parametern. Das so entstandene Entscheidungsunterstützungssystem wurde exemplarisch mit Handlungsempfehlungen von Experten unter realen Bedingungen getestet.
  • Konferenzbeitrag
    Digitaler Experte im Stall: ein Expertensystem am Beispiel des Eutergesundheitsmanagements
    (42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Kammler, Paula; Heidemann, Christian; Lingemann, Kai; Morisse, Karsten
    Die tierschonende Bekämpfung von multiresistenten Keimen verlangt in der Veterinärmedizin ein Umdenken. Im Kontext der Milchviehhaltung bietet gerade das Trockenstellen ein großes Potenzial, den Antibiotika-Einsatz zu reduzieren. Um dabei nicht die Gesundheit der Einzeltiere und der Herde insgesamt zu gefährden, ist eine zuverlässige und frühzeitige Identifizierung der Risikotiere für Eutergesundheitsprobleme notwendig. Das hier vorgestellte Expertensystem soll Landwirte dabei unterstützen und ihnen eine nachvollziehbare Handlungs­empfehlung auf Einzeltierebene präsentieren. Hierzu werden sowohl bereits standardmäßig erfasste Daten als auch speziell dafür bereitgestellte Daten und Untersuchungen genutzt. Zudem erfüllt das Expertensystem die im Nachfolgenden beschriebenen, aus dem Nutzungskontext ermittelten Anforderungen, wie z. B. die Nachvollziehbarkeit der bereitgestellten Empfehlung und die Erweiter­barkeit des Wissens im System durch neue Forschungserkenntnisse im Eutergesund­heits­management.
  • Konferenzbeitrag
    Evaluation of a decision support system for the recommendation of pasture harvest date and form
    (43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Reuter, Tobias; Saborío Morales, Juan Carlos; Tieben, Christoph; Nahrstedt, Konstantin; Kraatz, Franz; Meemken, Hendrik; Hünker, Gerrit; Lingemann, Kai; Broll, Gabriele; Jarmer, Thomas; Hertzberg, Joachim; Trautz, Dieter
    The task of generating automatic recommendations of pasture harvest date and form was previously addressed through a knowledge-based decision support system (DSS). The system follows expert rules and exploits data such as the weather history and forecast, the growth stage of grass and legumes, plant height and crude fibre content. In this paper, we present the results of our evaluation of this DSS on 26 fields in West and Northwest Germany. We compared the suggestions made by the DSS with the decisions of expert farmers and obtained an accuracy of R²=0.746 and RMSE=7.83 days. The best results occurred for intensively managed fields for dairy cows, with an R² of 0.891 and RMSE of 3.20 days. We conclude our DSS and its underlying methodology have the potential to support farmers and secure high-quality fodder.
  • Konferenzbeitrag
    prospective.HARVEST – Optimizing Planning of Agricultural Harvest Logistic Chains
    (40. GIL-Jahrestagung, Digitalisierung für Mensch, Umwelt und Tier, 2020) de Wall, Arne; Danowski-Buhren, Christian; Wytzisk-Arens, Andreas; Lingemann, Kai; Focke Martinez, Santiago
    The research and development project “prospective.HARVEST” aims at optimizing the process chain of silo maize harvesting, based on a predictive approach using prognosis data. New methods and tools have been developed utilizing remote and in-situ (geo-) data from a variety of data sources in order to enable farmers to optimize their logistic chains. Optimizations are computed as recommendations on several layers of the harvest process, from monitoring the crop over planning the inter-field and in-field coordination of harvesters and transport vehicles up to the surveillance and dynamic replanning of the ongoing harvest execution.
  • Konferenzbeitrag
    Towards a flexible hybrid planner for machine coordination in arable farming
    (Informatik in der Land-, Forst- und Ernährungswirtschaft 2016, 2016) Stock, Sebastian; Lingemann, Kai; Stiene, Stefan; Hertzberg, Joachim
    In this paper we propose a new approach to coordinate multiple machines in the grain harvesting process, based on meta-constraint reasoning. This way we obtain more flexible plans that can be adapted at execution time. As an example scenario we focus on silage maize harvesting. We argue that more sophisticated flexible planning mechanisms are needed in order to obtain flexible plans that can be adapted at runtime to changing parameters such as yield per area.
  • Konferenzbeitrag
    USARSIM – Game-Engines in der Robotik-Lehre
    (Informatk 2005. Informatik Live! Band 1, 2005) Hertzberg, Joachim; Lingemann, Kai; Nüchter, Andreas
    In der Lehre zum Thema Wissensbasierte Robotik verwenden wir seit Kurzem den Robotersimulator USARSIM, der weltweit im Kontext der RoboCup Rescue Real Robot Liga eingesetzt wird. Wir stellen den Lehr-Kontext vor, in dem wir arbeiten, skizzieren den Simulator und beschreiben seine Einbindung in unsere Lehre. Unsere Erfahrungen bezüglich der Motivation der Studierenden und ihrer Leistungen der Verwendung des Simulators sind sehr positiv.
  • Konferenzbeitrag
    Wissensverarbeitung in der Landwirtschaft mit regelbasierten Inferenzsystemen und Begründungsverwaltung
    (41. GIL-Jahrestagung, Informations- und Kommunikationstechnologie in kritischen Zeiten, 2021) Niemann, Nils; Tieben, Christoph; Lingemann, Kai; Hertzberg, Joachim
    In der modernen landwirtschaftlichen Praxis existieren eine große Menge an Expertenwissen sowie Informationen und Regularien zu komplexen Prozessen, welche ein Landwirt zur Entscheidungsfindung berücksichtigen muss. Durch ein regelbasiertes Inferenzsystem, welches die Möglichkeit bietet, Wissen zu modellieren und automatisch Schlussfolgerungen zu ziehen und bei Bedarf zurückzuziehen, sollen die Landwirte bei dessen Anwendung unterstützt werden.