Logo des Repositoriums

Auflistung nach Autor:in "Weckesser, Fabian"

1 - 2 von 2
  • Konferenzbeitrag
    Entscheidungsunterstützung durch Datenvernetzung
    (40. GIL-Jahrestagung, Digitalisierung für Mensch, Umwelt und Tier, 2020) Weckesser, Fabian; Hartmann, Anja; Beck, Michael; Peisl, Sebastian
    Der Bayerischen Landwirtschaft stehen eine Vielzahl von Informationen zur Verfügung, welche als Basis für fundierte Entscheidungen im landwirtschaftlichen Produktionsprozess dienen. Um diese Fülle an Information gebündelt und fachlich sinnvoll verknüpft für Landwirte und Berater verfügbar zu machen, wird eine digitale Wissensbasis, als Grundlage für eine bessere Ausnutzung von Effizienzsteigerungspotenzialen im Pflanzenbau, entwickelt. Die Modellierung der Daten-konzepte in OWL-Ontologien und die Datenhaltung in RDF-Graphdatenbanken bilden die Basis für ein unabhängiges Expertennetzwerk. Am Fallbeispiel Stickstoffdüngung im Winterweizen entstehen unter Einbeziehung von realen Betriebsdaten erste Bausteine dieser Wissensbasis.
  • Konferenzbeitrag
    Wissensbasierte digitale Unterstützung in der Pflanzenbauberatung
    (39. GIL-Jahrestagung, Digitalisierung für landwirtschaftliche Betriebe in kleinstrukturierten Regionen - ein Widerspruch in sich?, 2019) Nafissi, Anahita; Weckesser, Fabian; Kessler, Ingmar; Rickert, Markus; Pfaff, Matthias; Peisl, Sebastian; Beck, Michael
    Obwohl die Landwirtschaft schon immer technologische Neuerungen in der Produktion einsetzt, ist gerade die landwirtschaftliche Beratung bisher noch verhältnismäßig wenig digitalisiert. Oft ist es gängige Praxis für Landwirte und Berater, gesetzliche Regelungen, Fachliteratur und Betriebsdaten in Papierform nachzuschlagen und in unstrukturierten, digitalen Dokumenten einzutragen. Zur Unterstützung der Landwirte und der Pflanzenbauberatung wird ein Entscheidungshilfesystem entwickelt, welches die Beratung in der Landwirtschaft digital unterstützen und erleichtern soll, indem es aktuelles Fach- und Expertenwissen sowie individuelle Betriebsdaten abruft, aufbereitet und zweckgebunden auswertet. Dafür ist es notwendig, das entsprechende Fachwissen aus vielfältigen heterogenen Datenquellen in einer einheitlichen Wissensbasis verfügbar zu machen. Der hier beschriebene Ansatz verwendet Semantic-Web-Technologien wie OWL-Ontologien und SPARQL-Abfragen, um diese Daten hinsichtlich ihrer Bedeutung, d. h. semantisch, zu modellieren und abzufragen.