Warum Futter überformuliert wird
Rationen für Milch- und Mastrinder werden auf Nährstoffbasis formuliert: Die Bedarfssysteme der National Academies drücken den Bedarf des Tieres als Rohprotein, Faserfraktionen, Stärke und Energie aus, und die Komponenten werden so gewählt, dass sie diese Nährstoffe zu den geringsten Kosten liefern [1][2]. In der Futtermittelindustrie unterliegen die deklarierten Inhaltsstoffe eines Mischfutters zudem der amtlichen Kontrolle; die Referenzverfahren — unter anderem Ofentrocknung für die Feuchte und Kjeldahl für das Rohprotein — sind in Anhang III der Verordnung (EG) Nr. 152/2009 der Kommission festgelegt [3].
Die Rohstoffe entsprechen jedoch nicht dem, was in der Formulierungstabelle steht. Buckmaster und Muller wandten eine Unsicherheitsanalyse auf Totalmischrationen an und stellten fest, dass die Unsicherheit der Nährstoffgehalte der Komponenten den größten Beitrag zur Gesamtunsicherheit der vorgelegten Ration leistete; auch die Trockenmasse des Grundfutters und die Mengen nährstoffdichter Komponenten trugen wesentlich bei [4]. Wer einen deklarierten Mindestgehalt nicht unterschreiten darf und den heutigen Proteingehalt des Sojaextraktionsschrots im Silo nicht kennt, gibt eine Sicherheitsmarge der teuren Komponente hinzu. Diese Marge ist der „Giveaway“: bezahltes, aber nicht benötigtes Protein, Fett oder Energie — und genau die Größe, die eine Messung im Werk verringern soll.
Woher die Variabilität kommt
St-Pierre und Weiss zerlegten die Varianz von Nährstoffdaten aus kommerziellen Milchviehbetrieben in Betriebs-, Tag-zu-Tag-, Probenahme- und Analysenkomponenten und fanden, dass allein die Probenahme je nach Nährstoff und Silagetyp 30 bis 81 % der betriebsinternen Varianz von Silagen ausmachte und dass Probenahme- und Analysenvarianz zusammen rund 40 bis 70 % der betriebsinternen Varianz von Totalmischrationen ergaben [5]. Ihr Fazit: Daten aus einer Einzelprobe sind nicht sehr zuverlässig [5]. Für ein Werk bedeutet das, dass ein Laborergebnis je Rohstoffpartie eine schwache Grundlage für eine Formulierungsentscheidung ist: Ein Teil dessen, was wie eine Veränderung des Rohstoffs aussieht, ist Probenahmerauschen. Um den Giveaway zu verringern, braucht es daher mehr Messungen statt einer einzigen präziseren, und Ergebnisse, die vorliegen, bevor der Rohstoff dosiert wird, nicht erst nach dem Versand der Charge.
Was NIR in Futterkomponenten und Mischfutter misst
Die Nahinfrarotspektroskopie wird seit einem halben Jahrhundert für die Futterzusammensetzung eingesetzt. Norris et al. nahmen Reflexionsspektren von 87 gemahlenen Grundfutterproben auf, erreichten mit bis zu neun Wellenlängen einen Korrelationskoeffizienten von 0,99 für Rohprotein und sagten eine unabhängige Hälfte des Probensatzes mit einem Standardfehler von ±0,95 % für Rohprotein vorher [6]. Givens und Deaville gaben einen Überblick über die beiden folgenden Jahrzehnte NIRS in der Tierernährung, einschließlich Grundfutter und anderer Futtermittel [7], und ISO 12099 enthält heute Leitlinien für die Anwendung der NIR auf Futtermittel und Getreide, einschließlich der Validierung gegen die Referenzmethoden [8].
Simmler et al. erstellten 30 PLS-Modelle an 1.437 Referenzproben von Geflügelfutter, Mais, Weizen, Soja und DDGS und fanden, dass die meisten Modelle für Protein, Fett und Feuchte auf unabhängigen Daten ein RPD über 3 erreichten, während die meisten Modelle für Faser, wasserlösliche Kohlenhydrate und Asche 2 überschritten; die Heterogenität des Materials bestimmte das Ergebnis mit [9]. Die Studie betraf Geflügelfutter, doch die Komponenten überschneiden sich mit Kraftfuttern für Wiederkäuer, und die Rangfolge entspricht der Physik: Protein, Fett und Wasser absorbieren im Nahinfrarot stark, während Faser und Asche indirekt und weniger präzise vorhergesagt werden.
NIR bei der Annahme und am Mischer
Zwei Messpunkte setzen direkt am Giveaway an. Bei der Annahme wird jede Lieferung von Proteinschrot, Getreide oder Nebenprodukt gescannt, bevor sie ins Silo gelangt, sodass die Formulierung mit der gemessenen Zusammensetzung der Partie statt mit einem Tabellenwert arbeitet. Am Mischer wird das ausgetragene Futter mit dem Formulierungsziel abgeglichen. Fernández-Ahumada et al. wandten für intakte fertige Mischfutter entwickelte NIR-Gleichungen auf Proben aus der Mischstufe an und erhielten Vorhersagen, die denen für das Endprodukt sehr ähnlich waren (Rohprotein 15,65 % am Mischer gegenüber 15,87 % im Endprodukt; Rohfaser 7,69 % gegenüber 8,02 %); sie folgerten, dass NIR in dieser Stufe praktikabel ist, weil Korrekturen noch vor Fertigstellung der Charge möglich sind [10]. Eine Kalibrierung auf ein Prozessgerät zu übertragen, ist eine eigene Aufgabe: Dieselbe Gruppe zeigte, dass eine spektrale Standardisierung zwischen einem Laborgerät und einem Diodenarray-Prozessgerät den Standardfehler der Vorhersage erheblich verringerte, eine akzeptable Genauigkeit aber erforderte, dass das endgültige Modell Spektren beider Geräte enthielt [11].
Eine Einschränkung sollte im Blick bleiben. Die Mischgenauigkeit wird üblicherweise mit einem Tracer geprüft und als Variationskoeffizient über Proben einer Charge angegeben; Clark et al. fanden, dass Rohprotein ein schlechter Tracer ist, weil viele Komponenten Protein beisteuern, und nur synthetische Aminosäuremarker erreichten in ihren Versuchen einen Variationskoeffizienten unter 10 % [12]. Rubio et al. verglichen Inline-NIR mit Tracermethoden in Broilerfutter und fanden, dass der Variationskoeffizient sowohl von der Mischzeit als auch von der Methode abhing [13]. Ein NIR-Proteinwert am Mischerausgang ist daher eine Kontrolle von Makrozusammensetzung und Dosierung, kein Ersatz für einen Tracertest der Verteilung von Mikrokomponenten. Daraus ergeben sich drei Praktiken:
- Jede Rohstoffpartie messen, nicht jeden Rohstoff. Die Probenahme ist eine wesentliche Varianzkomponente [5]; mehrere Teilproben je Lieferung, deren Mittelwert der Formulierung zugrunde gelegt wird, erlauben es, die Sicherheitsmarge mit belastbaren Zahlen zu verringern.
- Die Referenzmethoden eingebunden lassen. NIR-Kalibrierungen werden auf Grundlage der Verfahren der Verordnung 152/2009 [3] erstellt und, wie in ISO 12099 beschrieben [8], regelmäßig gegen diese geprüft.
- Die Prozesskalibrierung auf dem Prozessgerät validieren. Labormodelle lassen sich nicht unverändert auf einen Inline-Sensor übertragen [11].
Wo USTECH ansetzt
Bei der Annahme und in der Endkontrolle wird der At-line-Analysator USTECH MasterLine17EC für Rohstoffe, Tierfutter und Grundfutter eingesetzt. Am Mischerauslauf werden die Inline-NIR-Analysatoren ProLine17EC und ProLine17ECS an Schurren und Förderern montiert, und ProChem übergibt ihre Ergebnisse für Dashboards, Alarme und Sollwertanpassungen an das PLC- oder SCADA-System. Kalibrierungen werden in der Chemometrie-Suite caliX entwickelt und gepflegt, mit der von ISO 12099 geforderten Validierung gegen Referenzanalysen [8]. Wie weit sich die Sicherheitsmarge einer bestimmten Ration verringern lässt, hängt von Rohstoffen, Referenzdaten und Probenahmeschema im jeweiligen Werk ab und wird in einer Machbarkeitsstudie mit Ihren eigenen Proben ermittelt.
Quellen
- [1] National Academies of Sciences, Engineering, and Medicine (2021). Nutrient Requirements of Dairy Cattle: Eighth Revised Edition. The National Academies Press, Washington, DC. doi:10.17226/25806
- [2] National Academies of Sciences, Engineering, and Medicine (2016). Nutrient Requirements of Beef Cattle: Eighth Revised Edition. The National Academies Press, Washington, DC. doi:10.17226/19014
- [3] Commission Regulation (EC) No 152/2009 of 27 January 2009 laying down the methods of sampling and analysis for the official control of feed, Annex III (methods of analysis to control the composition of feed materials and compound feed). Official Journal of the European Union, L 54, 26.2.2009 (as amended). eur-lex.europa.eu/eli/reg/2009/152/oj
- [4] Buckmaster, D.R., Muller, L.D. (1994). Uncertainty in nutritive measures of mixed livestock rations. Journal of Dairy Science, 77(12), 3716–3724. doi:10.3168/jds.S0022-0302(94)77316-1
- [5] St-Pierre, N.R., Weiss, W.P. (2015). Partitioning variation in nutrient composition data of common feeds and mixed diets on commercial dairy farms. Journal of Dairy Science, 98(7), 5004–5015. doi:10.3168/jds.2015-9431
- [6] Norris, K.H., Barnes, R.F., Moore, J.E., Shenk, J.S. (1976). Predicting forage quality by infrared reflectance spectroscopy. Journal of Animal Science, 43(4), 889–897. doi:10.2527/jas1976.434889x
- [7] Givens, D.I., Deaville, E.R. (1999). The current and future role of near infrared reflectance spectroscopy in animal nutrition: a review. Australian Journal of Agricultural Research, 50(7), 1131–1145. doi:10.1071/AR98014
- [8] ISO 12099:2017. Animal feeding stuffs, cereals and milled cereal products — Guidelines for the application of near infrared spectrometry. ISO, Geneva. iso.org/standard/67352.html
- [9] Simmler, M., Ishizaki, K., Mulloni, A., Abbate, R., Juste, A., Sroka, A. (2025). Enabling precision feeding: A novel micro-NIRS system for rapid on-site analysis of the nutritional composition of poultry feed and feed ingredients. Smart Agricultural Technology, 12, 101220. doi:10.1016/j.atech.2025.101220
- [10] Fernández-Ahumada, E., Guerrero-Ginel, J.E., Pérez-Marín, D., Garrido-Varo, A. (2008). Near infrared spectroscopy for control of the compound-feed manufacturing process: mixing stage. Journal of Near Infrared Spectroscopy, 16(3), 285–290. doi:10.1255/jnirs.789
- [11] Fernández-Ahumada, E., Garrido-Varo, A., Guerrero, J.E., Pérez-Marín, D., Fearn, T. (2008). Taking NIR calibrations of feed compounds from the laboratory to the process: calibration transfer between predispersive and postdispersive instruments. Journal of Agricultural and Food Chemistry, 56(21), 10135–10141. doi:10.1021/jf801881n
- [12] Clark, P.M., Behnke, K.C., Poole, D.R. (2007). Effects of marker selection and mix time on the coefficient of variation (mix uniformity) of broiler feed. Journal of Applied Poultry Research, 16(3), 464–470. doi:10.1093/japr/16.3.464
- [13] Rubio, A.A., Conrad, S., Juzaitis-Boelter, C., Wishon, C.R., Fahrenholz, A.C. (2023). The impact of marker selection, in-line near-infrared spectroscopy (NIR), and feed mix time on the coefficient of variation (mix uniformity), body weight uniformity and broiler growth performance during the starter, grower, and finisher periods. Poultry Science, 102(12), 103109. doi:10.1016/j.psj.2023.103109