Zimpel, TobiasRiekert, MartinHoffmann, ChristaWild, AndreaGandorfer, MarkusMeyer-Aurich, AndreasBernhardt, HeinzMaidl, Franz XaverFröhlich, GeorgFloto, Helga2020-03-042020-03-042020978-3-88579-693-0https://dl.gi.de/handle/20.500.12116/31924Landwirte in der Schweinehaltung sehen sich zunehmend einem Spannungsfeld zwischen der Wirtschaftlichkeit sowie stetig steigenden Tierwohlanforderungen ausgesetzt. In Anbetracht der Wirtschaftlichkeit spielt die Einstufung des Schlachtkörpers durch den Magerfleischanteil in die jeweilige Handelsklasse (S, E, U, R, O, P) für die Vergütung eine entscheidende Rolle. Zudem impliziert eine niedrige Handelsklasse eine Gefährdung des Tierwohls. So kann eine niedrige Handelsklasse ein Indikator für ein Untergewicht des Tieres sein. Diese Arbeit nutzt Maschinelle Lernverfahren (ML) zur Prognose der Handelsklasse. Der Datensatz umfasst über 57.000 Schweine und 14 Indikatoren der Säugephase. Der zentrale Beitrag ist ein ML-Modell zur Prognose der Handelsklasse während der Säugephase. Gegenüber dem Mehrheitsvotum wird die Genauigkeit um 12,21 % erhöht, ausgehend von einer Genauigkeit der Prognose der Handelsklasse von 68,77 %. Somit hilft der Beitrag, die Wirtschaftlichkeit von Betrieben nachhaltig zu verbessern und Abweichungen zur angestrebten Handelsklasse zu erkennen.deMaschinelle LernverfahrenHandelsklasseTierwohlfrühzeitige PrognoseText/Conference Paper1617-5468