image
image
Ergebnisse aus der Tierzucht
Schriftenreihe der Sächsischen Landesanstalt für Landwirtschaft
Heft 8/2007
Sächsische Landesanstalt für Landwirtschaft

Ergebnisse aus der Tierzucht

Inhaltsverzeichnis
Rinderzucht
Carina Kehr, Dr. Ralf Fischer, Kati Fiedler, Dr. Uwe Bergfeld, Dr. Michael Klunker;
Sächsische Landesanstalt für Landwirtschaft
Analyse genetischer Einflussfaktoren auf Gesundheitsmerkmale beim Milchrind
und Ableitung züchterischer Maßnahmen
1
Simone Herziger, Hartmut Berger; Sächsischer Landeskontrollverband e.V.;
Dr. Ralf Fischer, Dr. Uwe Bergfeld; Sächsische Landesanstalt für Landwirtschaft
Erarbeitung von Nutzungsstrategien tierbezogener Daten in der Milchwirtschaft
in Sachsen
83
Schweinezucht
Karin Müller, Dr. Ulf Müller, Felicitas Gschwender, Dr. Uwe Bergfeld;
Sächsische Landesanstalt für Landwirtschaft
Analyse züchterischer Maßnahmen zur Verbesserung der Fruchtbarkeit beim
Schwein
115
Schafzucht
Dr. Fouad Rikabi, Dr. Ulf Müller, Dr. Uwe Bergfeld;
Sächsische Landesanstalt für Landwirtschaft
Entwicklung eines Verfahrens zur Zuchtwertschätzung für kleine Wiederkäuer
145
Dr. Regina Walther, Rainer Thiele; Sächsische Landesanstalt für Landwirtschaft
Hanno Franke; Sächsischer Schaf- und Ziegenzuchtverband e.V.
Entwicklung von Resistenzprogrammen für die Schafrassen in Sachsen - eine
Querschnittstudie in Sachsen
172
Pferdezucht
Kira Kultus, Dr. Ralf Fischer, Dr. Matthias Karwath;
Sächsische Landesanstalt für Landwirtschaft,
Dr. Yanka Tsvetanova; Bundesforschungsanstalt für Landwirtschaft
Entwicklung eines Zucht- und Informationssystems für die sächsische Pferde-
zucht
191

 
Sächsische Landesanstalt für Landwirtschaft
1
Schriftenreihe, Heft 8/2007
Analyse genetischer Einflussfaktoren auf Gesundheitsmerkmale beim Milchrind und Ablei-
tung züchterischer Maßnahmen
Carina Kehr, Dr. Ralf Fischer, Kati Fiedler, Dr. Uwe Bergfeld, Dr. Michael Klunker;
Sächsische Landesanstalt für Landwirtschaft
Inhalt
1
Einleitung und Problemstellung
2 Literatur
2.1
Zucht auf funktionale Merkmale
2.2 Klauenerkrankungen
2.3 Fruchtbarkeitsstörungen
2.4 Eutererkrankungen
2.5 Stoffwechselerkrankungen
2.6
Beziehungen zwischen Erkrankungen
2.7 Persistenz
2.8
Züchterische Verbesserung bei Kälberverlusten (Totgeburten)
3
Material und Methode
3.1
Auswahl der Testbetriebe
3.2 Datenerfassung
3.3 Datentransfer
3.4 Plausibilitätskriterien
3.5
Datenqualität und -quantität
3.6 Erkrankungen
4
Ergebnisse und Diskussion
4.1
Schätzung genetischer Parameter für das Auftreten Klinischer Mastitis (CM)
4.2
Schätzung genetischer Parameter für weitere Gesundheitsmerkmale
4.3
Vergleichende Parameterschätzungen
4.4
Schätzung genetischer Parameter für die Zuchtwertschätzung
4.5
Routinemäßige Zuchtwertschätzung für Gesundheitsmerkmale
5 Zusammenfassung und Schlussfolgerungen
6 Literaturverzeichnis
Anlage

Sächsische Landesanstalt für Landwirtschaft
2
Schriftenreihe, Heft 8/2007
1
Einleitung und Problemstellung
In den letzten Jahren ist das Leistungsniveau in der Milchrinderhaltung enorm gestiegen. Das hatte
zur Folge, dass bestimmte funktionale Merkmale, insbesondere Gesundheitsmerkmale, diesem
Trend nicht gefolgt sind und sich gegenwärtig bedenkliche Probleme im Bereich der Nutzungsdauer
bzw. vorzeitiger Abgänge durch Krankheiten abzeichnen. Neben den zweifelsfrei noch bestehen-
den Mängeln im Management einiger Betriebe ist die Verschlechterung in diesen Merkmalen auch
ein züchterisches Problem. In vorherigen Projekten wurden die Voraussetzungen für die Erfassung
von Gesundheitsdaten geschaffen. Im vorliegenden Projekt sollen in enger Zusammenarbeit mit
dem Sächsischen Rinderzuchtverband e. G. diese Merkmale züchterisch nutzbar gemacht werden.
Dies soll in Form der Schätzung genetischer Parameter für bestimmte Gesundheitsmerkmale und
durch die Entwicklung von Zuchtwertschätzverfahren für die Prädisposition für bestimmte Krankhei-
ten erfolgen. Datengrundlage bilden 13 Testbetriebe mit reichlich 8 000 Herdbuchkühen.
Folgende Projektschwerpunkte wurden ausgearbeitet:
Analyse und Optimierung des Datenbestandes und der Datenerfassung
Literaturzusammenstellung zur Methodik der Analyse und Auswertung von Gesundheits-
merkmalen
Auswertung betriebsspezifischer Daten für Rückkopplung zu den Testbetrieben
Aufbau eines Datenbanksystems für Gesundheitsmerkmale unter Einbeziehung aller vor-
handenen Daten aus dem Herdbuch, den Daten aus den Testherden, der Donorenteststa-
tion und der ELP-Station des SRV
Varianzanalytische Untersuchungen und Schätzung genetischer Parameter und Entwick-
lung von Zuchtwertschätzmodellen für ausgewählte Merkmale auf der Basis von BLUP-
Tiermodellen
Entwicklung von Routineanalysen und -auswertungen einschließlich einer Zuchtwert-
schätzung für Krankheitsprädispositionen
2 Literatur
Eine ausführliche Literaturzusammenstellung für funktionale Merkmale in der Milchrindzucht wurde
in einem Vorgängerprojekt von F
IEDLER ET AL (2004) erarbeitet und ist als Anlage ergänzend beige-
fügt. Aus diesem Grund wird unter Punkt 2 nur auf aktuelle Literaturwerke eingegangen.
2.1
Zucht auf funktionale Merkmale
In den letzten Jahren ist das Leistungsniveau in der Milchrinderhaltung enorm angestiegen. Das
hatte zur Folge, dass bestimmte funktionale Merkmale, insbesondere Gesundheitsmerkmale, die-
sem Trend nicht gefolgt sind und sich gegenwärtig bedenkliche Probleme im Bereich der Nut-
zungsdauer bzw. vorzeitiger Abgänge durch Krankheiten abzeichnen. Neben der Optimierung im

Sächsische Landesanstalt für Landwirtschaft
3
Schriftenreihe, Heft 8/2007
Management der Betriebe ist die Verbesserung dieser Merkmale auch ein züchterisches Anliegen.
In Tabelle 1 sind Beispiele für funktionale Merkmale mit Bewertung, Erfassungsmöglichkeit und He-
ritabilitäten dargestellt.
Tabelle 1:
Beispiele für Merkmale, welche teilweise noch nicht bei der Schätzung ge-
netischer Parameter beachtet werden (M
ARK ET AL., 2005)
Merkmal
Bewertung
Erfassungsmöglichkeit
Heri-
tabilität
Persistenz
Höherer Anteil an Raufutter in der
Ration, Korreliert positiv mit Ge-
sundheit
Aufzeichnen der Tagesge-
melke nötig,
0,2
Body Condition
Score (BCS)
Menge an Energiereserven im Ver-
lauf der Laktation, positiv korreliert
mit Gesundheit, Fruchtbarkeit und
Fleischproduktion
Klassifizierer 0,2
Fütterungseffizienz,
Produktivität
Berührt die Kosten direkt und we-
sentlich
Aufnahme von Konzentratfut-
ter bei Einzelfütterung; teuer;
nicht ausreichend; z.B. auf
Bullenteststationen; Körper-
masse der Tiere
0,4
Klinische Erkran-
kungen
Behandlungskosten, Mehrarbeits-
zeit und Milchverluste sind sehr
teuer
Tierarzt oder Landwirt
< 0,1
Leitfähigkeit
Korreliert mit der Eutergesundheit
Online; Messgerät; benötigt
Moderner Melkstand
0,3
Locomotion
Wichtig bei Weidegang und in
Laufställen, korreliert mit Langle-
bigkeit
Klassifizierer, Raum- und
Zeitraubend
0,1
Melkbarkeit
Melkverhalten
Elektronisch oder durch
Landwirt
0,1
Aktivität (allgemein) Zeigt Brunstgeschehen an
Pedometer
Temperatur (Milch) Indikator für Fieber oder Brunst
Online; benötigt modernen
Melkstand
Progesteron
Korreliert mit Fruchtbarkeit
Teuer, eingeschränkte Be-
nutzung
0,2
Dabei könnten einige Merkmale stark zur Minimierung der Kosten im Stall beitragen. Ein Beispiel,
in welchem Rahmen die Kosten bei bestimmten Erkrankungen ausfallen, zeigt Tabelle 2. Diese Er-
gebnisse wurden durch W
INCKLER (2005) von KOSSAIBATI ET AL. (1997) übernommen.

Sächsische Landesanstalt für Landwirtschaft
4
Schriftenreihe, Heft 8/2007
Tabelle 2:
Anfallende Kosten im Erkrankungsfall (KOSSAIBATI ET AL., 1997 ÜBERNOMMEN
VON
WINCKLER, 2005)
Euro je Erkrankungsfall
direkt
indirekt
Gesamt
Akute Mastitis
durchschnittlich
170
91
261
gering 114 - 114
schwer 297 220 517
Lahmheit durchschnittlich 133 219 352
Sohlengeschwür 170 390 560
Infektiöse Zwischen-
klauenfäule
83 78 161
2.2 Klauenerkrankungen
Die wirtschaftliche Bedeutung von Klauenerkrankungen ist unbestritten. Klauen- und Gliedmaßen-
probleme stehen als Ursache für unfreiwillige Abgänge an dritter Stelle hinter Fruchtbarkeitsprob-
lemen und Eutererkrankungen. Für die züchterische Bearbeitung der Klauengesundheit stehen
zurzeit nur die Trachtenhöhe als direktes Merkmal sowie die anderen Fundamentmerkmale als indi-
rekte Kriterien zur Verfügung.
Bei F
IEDLER ET AL. (2004) wurden durch die Literaturrecherche Heritabilitäten von 0,01 bis 0,22 für
alle Klauenerkrankungen, 0,01 bis 0,13 für Klauenrehe, 0,02 bis 0,22 für Rusterholz’sches Sohlen-
geschwür, 0,04 bis 0,09 für Mortellaro und 0,02 bis 0,27 für Ballenfäule zusammengestellt. Für die
Wertung dieser Werte sind die unterschiedlichen Autoren, Rassen, Laktationen, Datenumfang und
verwendeten Methoden und Modelle zu beachten.
In zwei unabhängig voneinander durchgeführten Studien wurde umfangreiches Datenmaterial zu
Klauenerkrankungen ausgewertet. Die Daten für Halle wurden durch den Klauenpfleger René Pijl
erfasst und für Göttingen standen die Daten von der Genossenschaft der Klauenpfleger eG Sach-
sen, erfasst in 9 ostdeutschen Großbetrieben, zur Verfügung (S
WALVE & KÖNIG, 2004): Die Erkran-
kungshäufigkeiten in diesen Studien sind in Tabelle 3 dargestellt. Dabei wurden nur die Erkrankun-
gen an den Hintergliedmaßen ohne Unterscheidung ob links oder rechts betrachtet.

Sächsische Landesanstalt für Landwirtschaft
5
Schriftenreihe, Heft 8/2007
Tabelle 3:
Erkrankungshäufigkeit in den Projekten Halle und Göttingen (SWALVE & KÖ-
NIG
, 2004)
Diagnosi
n
Frequenz (%)
Projekt Halle (13 333 Befunde von 6 819 Kü-
hen)
Alle Diagnosen außer Rotation
7.230
54,0 %
Klauenrehe 4.387 32,9 %
Mortellaro 2.219 16,6 %
Klauenfäule 1.951 14,6 %
Weiße Linie Defekt (WLD)
1.341
10,2 %
Rotation 1.691 12,7 %
Projekt Göttingen (5 634 Kühe)
Alle Diagnosen
1.809
34,0 %
Sohlengeschwür 840 14,9 %
Wanderkrankungen 542 9,6 %
Limax 344 6,1 %
Mortellaro 681 12,1 %
Weiterhin wurden die Merkmale genetisch analysiert und die Beziehungen zur Milchleistung unter-
sucht. Die geschätzten Heritabilitäten liegen bei beiden Projekten zwischen 7 und 12 %. In fast al-
len Fällen sind die einzelnen Klauenerkrankungen untereinander positiv korreliert, dass heißt, tritt
bei einer Kuh z.B. Sohlengeschwür auf, so ist diese mit größerer Wahrscheinlichkeit eher prädesti-
niert für eine weitere Klauenerkrankung als das bei einer gesunden Kuh der Fall wäre. In Tabelle 4
sind die aktuellen Heritabilitäten aus den zwei Projekten dargestellt.
Tabelle 4:
Erblichkeiten für Klauenerkrankungen und Produktionsmerkmale (Diagonale)
sowie genetische Korrelationen zwischen den Merkmalen (S
WALVE & KÖNIG,
2004)
Projekt Halle
Merkmal
Klauenrehe
Rotation
WLD
Klauenf.
Mortellaro
MM-HA
1)
Klauenrehe
0,12
-0,56 +0,38 +0,15 -0,04 -0,09
Rotation
0,09
-0,39 -0,24 -0,30 -0,06
WLD
0,07
-0,12 -0,09 +0,07
Klauenfäule
0,07
+0,61 +0,36
Mortellaro
0,11
-0,16

Sächsische Landesanstalt für Landwirtschaft
6
Schriftenreihe, Heft 8/2007
Projekt Göttingen
Merkmal
Mortellaro
Sohleng.
Wandläsion
Limax
MM-GÖ
2)
SCS
3)
Motellaro
0,07
+0,56 +0,34 +0,69 +0,24 +0,15
Sohlengeschwür
0,09
+0,44 +0,50 +0,06 +0,28
Wandläsion
0,10
+0,67 +0,27 +0,19
Limax
0,12
+0,34 +0,15
Milch-kg
0,28
+0,20
SCS
0,09
1)
MM-HA: Milchmenge laut Definition Halle = Erstlaktationsleistung
2)
MM-GÖ: Milchmenge laut Definition Göttingen = Durchschnitt der Probegemelke 1 und 2
3)
SCS = Somatic Cell Score (transformierter Zellgehalt)
Die Korrelation zwischen Hinterbeinwinkelung und Sohlengeschwür wird mit r
g
= -0,29 angegeben.
Das heißt, je steiler der Hinterbeinwinkel desto empfänglicher ist das Tier für Sohlengeschwür. Ta-
belle 5 zeigt ein Szenario zur Verbesserung der Klauengesundheit. Welches Merkmal erbringt den
größten Selektionserfolg am Beispiel des Sohlengeschwürs? K
ÖNIG ET AL. (2005) zeigt weiterhin,
das die Nutzung des direkten Merkmals Sohlengeschwür einen dreifach höheren Selektionserfolg
erzielt als das indirekte Merkmal Hinterbeinwinkelung.
Tabelle 5:
Korrelation zwischen Index und aggregiertem Genotyp (r
TI
) und Selektionser-
folg für eine Selektionsrunde mit unterschiedlichen Zuchtszenarien (section
intensity = 1) (K
ÖNIG ET AL., 2005)
Index-Quelle
Zuchtziel
r
TI
Selektionserfolg (Erkrankungs-
Auftreten pro Generation)
Hinterbeinwinkelung Sohlengeschwür 0,239 0,041
Sohlengeschwür Sohlengeschwür 0,723 0,122
Hinterbeinwinkelung
und Sohlengeschwür
Sohlengeschwür 0,731 0,124
Zusammenfassend stellt S
WALVE & KÖNIG (2004) UND KÖNIG ET AL. (2005) die Ergebnisse folgender-
maßen dar:
Die ermittelten Heritabilitäten um 10 % lassen grundsätzlich züchterische Möglichkeiten im
Bereich der Klauengesundheit zu.
Die Selektionswürdigkeit von Merkmalen wird maßgeblich von der Erfassungsgenauigkeit
bestimmt. Dies scheint bei den Klauenerkrankungen gegeben zu sein.
Für eine Einbindung in Zuchtprogramme wäre es wichtig, Klauenerkrankungen bzw. Klau-
enschnitte bei den Töchtern der Testbullen zu dokumentieren.
Eine Konzentration der Nachkommenprüfung in wenigen speziell ausgewählten Testher-
den könnte finanzielle und organisatorische Hindernisse umgehen.

Sächsische Landesanstalt für Landwirtschaft
7
Schriftenreihe, Heft 8/2007
Zur Verbesserung des Fundaments wird hauptsächlich die lineare Beschreibung von
Hilfsmerkmalen genutzt. Eine direkte Erfassung der Klauenerkrankungen könnte einen
größeren Zuchtfortschritt erbringen.
Weitere Einflussfaktoren auf die Klauengesundheit neben der Haltung, der Fütterung und der Zucht
sind nach B
ALLHEIMER (2004):
Laktationsstadium: Stress nach der Geburt, zum Zeitpunkt der Laktationsspitze sowie das
die Tiere in dieser Zeit tragend werden (Daten von R. Pijl: zwischen dem 80. und 120.
Laktationstag)
Jahreszeit: im Januar bis Mitte Juni erkrankten die meisten Tiere, Ursachen dafür liegen
bei den nicht immer optimalen Stallverhältnissen zu dieser Jahreszeit, zu dieser Zeit kalb-
ten die meisten Tiere.
Alter: je älter das Tier, desto größer ist die Wahrscheinlichkeit einer Klauenerkrankung.
Bei Mortellaro zeigte sich der Trend anders. Hier gingen die Erkrankungsfälle zurück.
Vermutet wird eine gebildete Resistenz gegen Mortellaro.
2.3 Fruchtbarkeitsstörungen
Für die Fruchtbarkeitsstörungen wurden Heritabilitäten von 0,02 bis 0,10 bei Ovarzysten, von 0,01
bis 0,04 bei der Nachgeburtsverhaltung, von 0,02 bis 0,04 bei Metritis/ Endometritis und 0,09 bei
Anöstrie/ Azyklie nachgewiesen.
In Tabelle 6 ist die Häufigkeit des Auftretens von Fruchtbarkeitserkrankungen bei unterschiedlichen
Autoren und Datenumfang aufgezeigt. HERINGSTAD ET AL. (2005) wertete in seinen Untersuchungen
zum Einfluss der Laktation ein Datenmaterial aus den Jahren 1978 bis 1998 aus. Die Frequenzun-
terschiede zwischen den Laktationen zeigen eine etwas höhere Anfälligkeit bei der Nachgeburts-
verhaltung mit steigender Laktation.

Sächsische Landesanstalt für Landwirtschaft
8
Schriftenreihe, Heft 8/2007
Tabelle 6:
Mittlere Frequenz bei Fruchtbarkeitsstörungen
Quelle
Erkrankung
Laktation
Anzahl Tiere Frequenz
(%)
Heritabilität
HERINGSTAD ET AL.
(2005)
Nachgeburts-
verhaltung
1 372.227 2,6 0,08
2 247.692 3,4 0,08
3 147.051 4,3 0,08
ZWALD ET AL. (2004A) Ovarialzysten
alle
65.080
8,0
0,05
1 0,08
Metritis (mit Nach-
geburtsverh.)
alle 97.316 21,0 0,07
1 0,08
In der Literatur von HERINGSTAD ET AL. (2005) ergaben sich Heritabilitäten von 0,08 (SF ≤ 0,01) in
der ersten, zweiten und dritten Laktation. Dabei wurden Erkrankungsfälle in den ersten 5 Laktati-
onstagen einbezogen. Der genetische Vergleich über die Jahre (1978 bis 1998) zeigte keine Ver-
besserung der Resistenz im Merkmal Nachgeburtsverhaltung in der Norwegian Red Cow Populati-
on.
Z
WALD ET AL. (2004A) ermittelte Heritabilitäten für das Auftreten von Ovarialzysten von 0,08 für die
erste Laktation und 0,05 für alle Laktationen. Bei Metritis (mit Nachgeburtsverhaltung) lagen diese
Schätzwerte bei 0,08 bzw. 0,07.
2.4 Eutererkrankungen
Mastitis
Eutererkrankungen sind nach wie vor eines der Hauptgesundheitsprobleme in den Milchviehbe-
ständen. Jede Mastitis verursacht erhebliche wirtschaftliche Einbußen durch steigende Behand-
lungskosten, sinkende Milchleistung oder durch den frühzeitigen Abgang der betroffenen Kühe aus
der Herde. In den skandinavischen Ländern wird seit 1978 die Klinische Mastitis in allen Betrieben
erfasst und geht in die Zuchtwertschätzung als direktes Merkmal für die Eutergesundheit mit ein. In
diesen Fällen ist es wichtig, eine ausgereifte Methodik und ein klar definiertes Merkmal für die ge-
netische Schätzung zu haben.
Aus der Literaturrecherche von Fiedler u. a. (2004) gehen Heritabilitäten von 0,01 bis 0,20 je nach
Modell und Datenmaterial hervor. Neuere Literaturwerte sind in Tabelle 7 zusammengefasst. In Ta-
belle 7 ist die Häufigkeit des Auftretens sowie die Heritabilitäten von Klinischer Mastitis bei unter-
schiedlichen Autoren und Datenumfang aufgezeigt. Trat in der ersten Laktation Klinische Mastitis
bei 16 % der Tiere auf, so stieg der Anteil in der zweiten und dritten Laktation auf 20 bzw. 24 % an
(Heringstad et al., 2005). Die Heritabilitäten lagen in der ersten Laktation bei 0,08 (0,005), in der

Sächsische Landesanstalt für Landwirtschaft
9
Schriftenreihe, Heft 8/2007
zweiten und dritten bei 0,07 (0,005 – 0,006). Es wurde ein Schwellenwertmodell zur Berechnung
der Heritabilitäten genutzt.
Tabelle 7:
Mittlere Frequenzen und Heritabilitäten bei Eutererkrankungen
Quelle
Erkrankung
Laktation
Anzahl
Tiere
Frequenz
(%)
Heritabilitäten
HERINGSTAD ET AL.
(2005)
Klinische Mastitis
1 372.227 15,8 0,08
2 247.692 19,8 0,07
3 147.051 24,2 0,07
KOIVULA ET AL. (2005) Klinische Mastitis 1 77.518 11,8 0,02
2 35.080 14,9 0,02
ZWALD ET AL. (2004A) Klinische Mastitis alle 105.029 20,0 0,09
1 0,10
K
OIVULA ET AL. (2005) zeigt eine Häufung des Auftretens Klinischer Mastitiden in den ersten 8 Wo-
chen nach der Kalbung (Tabelle 8). Das heißt, etwa die Hälfte der erkrankten Tiere erkrankt zu Lak-
tationsbeginn. Die Frequenzen bei diesem Datenmaterial sind in Tabelle 8 dargestellt und liegen
etwas niedriger als bei H
ERINGSTAD ET AL. (2005).
Tabelle 8:
Verteilung des Auftretens der Klinischen Mastitis nach der Abkalbung (K
OI-
VULA
et al., 2005)
Erste Laktation
Zweite Laktation
Wochen nach
Kalbung
n
%
n
%
1 bis 8
5458
52,8
2806
45,6
9 bis 16
980
9,5
928
15,1
17 bis 24
842
8,1
666
10,8
25 bis 32
713
6,9
468
7,6
33 bis 40
567
5,5
356
5,8
41 bis 48
816
7,9
450
7,3
> 49
967
9,4
479
7,8
Die Heritabilitäten bei KOIVULA ET AL. (2005) lagen für Klinische Mastitis mit 0,02 (0,003 – 0,004) in
der ersten und der zweiten Laktation sehr niedrig. Hier wurde ein Mehrmerkmals-Vatermodell ge-
nutzt (REML, DMU). Diese Ergebnisse zeigen, dass mit dem Schwellenwertmodell höhere Heritabi-
litäten zu schätzen sind.

Sächsische Landesanstalt für Landwirtschaft
10
Schriftenreihe, Heft 8/2007
In einer Arbeit von NEGUSSI (2005) wurden genetische Schätzungen und Restkorrelationen zwi-
schen Klinischer Mastitis, SCS und Produktionsmerkmalen mit Hilfe eines Linearen (LM) und eines
Schwellenwertmodells (SWM) berechnet. Klinische Mastitis wurde als kontinuierliches Merkmal im
Linearen Modell und als binäres (0/1) Merkmal im Schwellenwertmodell im Zeitraum von 7 Tagen
vor und 150 Tagen nach der Kalbung betrachtet. Die Produktionsmerkmale waren Milch-, Eiweiß-
und Fettleistung während einer Laktationslänge von 305 Tagen. Das Datenmaterial beläuft sich auf
119.000 erstlaktierenden Ayrshire-Kühen. Es wurden alle Väter einbezogen, die mindestens 20
Töchter vorweisen konnten. Die Heritabilitäten für Klinische Mastitis lagen bei 0,02 (LM) und 0,061
(SWM). Für SCS lagen die Heritabilitäten bei beiden Modellen bei 0,123 und die genetischen Kor-
relationen bei 0,63. Z
WALD ET AL. (2004A) ermittelte Heritabilitäten für Mastitis von 0,10 für die erste
Laktation und 0,09 für alle Laktationen.
Bei einer Untersuchung zur subklinischen Mastitis mit Erregerspezifikation konnten Heritabilitäten
von 0,051 (0,029) für Milchprobe mit Befund, 0,066 für das Auftreten von Koagulase negative
Staphylokokken (CNS) und 0,030 (0,034) für den Befund mit Staphylokokkus aureus geschätzt
werden (S
CHAFBERG ET AL., 2005). Bakteriologische Untersuchungen von Milchproben zeigen eine
Infektion an. Dieses gilt bei subklinischer Mastitis vor allem bei dem Erregernachweis von CNS.
Somatische Zellzahl
Die Heritabilitäten für SCS liegen bei K
OIVULA ET AL. (2005) bei 0,07 in der ersten bzw. 0,08 in der
zweiten Laktation. Genetische Korrelationen zwischen Klinischer Mastitis und SCS werden in die-
ser Literaturquelle mit 0,59 in der ersten bzw. 0,69 in der zweiten Laktation angegeben. Diese ho-
hen positiven Beziehungen zwischen Mastitis und SCS zeigen, dass beide Merkmale ein Ausdruck
für die Eutergesundheit sind. So würde die Nutzung beider Merkmale in der Zuchtwertschätzung zu
genaueren Zuchtwerten für die Mastitisresistenz führen.
Forschungsarbeiten an HF-Kühen in Kroatien durch M
IJIC ET AL. (2004) zeigen einen Zusammen-
hang zwischen der Milchflusskurve und der Anzahl somatischer Zellen. Die kleinste Anzahl somati-
scher Zellen in der Milch wurde während der kurzen Dauer der Anstiegsphase (<= 0,40min) und
dem hohen Quotienten zwischen der Plateau- und der Dauer der Abstiegsphase (> 1,20) nachge-
wiesen. Die ermittelten Korrelationskoeffizienten zeigen, dass sich durch züchterische Maßnah-
men, einige Melkeigenschaften verbessern ließen, wobei mit einer Verlängerung der Plateauphase
bei gleichzeitiger Verkürzung der Anstiegs- und Abstiegsphase (r = -0,25 und -0,27), sich die An-
zahl somatischer Zellzahl verringern ließe. Eine Berücksichtung des erwünschten Milchflusskur-
venverlaufes bei der Selektion der Bullenväter und Bullenmütter könnte zu einer Reduzierung der
somatischen Zellzahl sowie zur Verbesserung der Eutergesundheit beitragen.

Sächsische Landesanstalt für Landwirtschaft
11
Schriftenreihe, Heft 8/2007
2.5 Stoffwechselerkrankungen
Zusammenstellungen aus der Literaturrecherche von F
IEDLER ET AL.(2004) ergaben Heritabilitätss-
chätzungen von 0,00 bis 0,39 für Klinische Ketose, von 0,00 bis 0,04 bei Gebärparese und von
0,00 bis 0,51 für Labmagenverlagerung. Neuere Schätzungen für Stoffwechselerkrankungen folgen
in diesem Abschnitt und liegen im Durchschnitt etwas höher als aus älteren Literaturquellen.
In Tabelle 9 ist die Häufigkeit des Auftretens von Stoffwechselerkrankungen und die Heritabilitäten
bei unterschiedlichen Autoren und Datenumfang aufgezeigt.
Tabelle 9:
Mittlere Frequenzen und Heritabilitäten bei Stoffwechselerkrankungen
Quelle
Erkrankung
Laktation
Anzahl Tiere
Frequenz
(%)
Heritabilität
HERINGSTAD ET AL.
(2005)
Gebärparese 1 372.227 0,1 0,09
2 247.692 1,9 0,11
3 147.051 7,9 0,13
Ketose 1 372.227 7,5 0,14
2 247.692 13,0 0,16
3 147.051 17,2 0,15
ZWALD ET AL. (2004A) Labmagen-
verlagerung
alle 75.252 3,0 0,18
Ketose alle 52.898 10,0 0,15
H
ERINGSTAD ET AL. (2005) wertete in seinen Untersuchungen zum Einfluss der Laktation ein Daten-
material aus den Jahren 1978 bis 1998 aus. Die Frequenzunterschiede zwischen den Laktationen
zeigen eine sehr viel höhere Anfälligkeit bei der Gebärparese mit zunehmender Laktationsnummer.
Ähnlich verhält es sich bei der Ketose. Die Heritabilitäten für Gebärparese steigen im Verlauf der
Laktationsnummer von 0,09 (0,021) über 0,11 (0,013) bis auf 0,13 (0,011) in der dritten Laktation
an. Bei Ketose liegt der höchste genetische Einfluss in der zweiten Laktation mit h² = 0,16 (0,009)
vor. In der Ersten ist h² =0,14 (0,008) und in der Dritten ist h² = 0,15 (0,010). Z
WALD ET AL. (2004A)
ermittelte Heritabilitäten für das Auftreten von Labmagenverlagerung von 0,18 für die erste Laktati-
on und 0,15 für alle Laktationen. Bei Ketose lagen diese Schätzwerte bei 0,11 bzw. 0,06.
2.6 Beziehungen zwischen Erkrankungen
H
ERINGSTAD (2005) untersuchte die genetischen Korrelationen zwischen dem Auftreten von Klini-
scher Mastitis, Gebärparese, Ketose sowie dem Nachgeburtsverhalten über und innerhalb der ers-
ten drei Laktationen. Die engste Beziehung wurde zwischen Gebärparese und Ketose (0,19 bis
0,40) und die geringste zwischen Gebärparese (-0,10 bis 0,21) oder Ketose (-0,05 bis 0,07) und
Nachgeburtsverhalten.

Sächsische Landesanstalt für Landwirtschaft
12
Schriftenreihe, Heft 8/2007
ZWALD ET AL. (2004B) analysierte an einem sehr umfangreichen Datenmaterial in den USA Korrela-
tionen zwischen verschiedenen Erkrankungen. Die Datenerfassung erfolgte durch die Betriebe sel-
ber. In Tabelle 10 sind die Heritabilitäten und genetischen Korrelationen dargestellt.
Tabelle 10:
Heritabilitäten (Diagonale) und genetische Korrelationen (unter der Diago-
nalen) für verschiedene Erkrankungen (Z
WALD et al., 2004b)
Labmagen-
verlagerung
Ketose
Mastitis
Lahmheit
Ovarial-
zysten
Metritis
Labmagen-
verlagerung
0,14 ± 0,03
0,45 ± 0,16
0,08 ± 0,17
0,07 ± 0,14
0,17 ± 0,27
0,08 ± 0,14
Ketose
0,06 ± 0,02
0,17 ± 0,21
0,19 ± 0,21
0,42 ± 0,23
0,17 ± 0,20
Mastitis
0,09 ± 0,01
0,20 ± 0,20
0,11 ± 0,22
-0,01 ± 0,15
Lahmheit
0,04 ± 0,01
0,16 ± 0,27
0,07 ± 0,20
Ovarial-
zysten
0,04 ± 0,01
0,03 ± 0,26
Metritis
0,06 ± 0,01
Eine enge Korrelation mit r
g
= 0,45 liegt zwischen Labmagenverlagerung und Ketose sowie mit r
g
=
0,42 zwischen Ketose und Ovarialzysten vor. Korrelationen im Bereich von r
g
= 0,16 bis r
g
= 0,20
liegen bei Mastitis und Lahmheit, bei Ketose und Lahmheit sowie Lahmheit und Ovarialzysten vor.
2.7 Persistenz
In einer Untersuchung von H
ARDER ET AL. (2005) wurde der Einfluss der Persistenz während der
Laktation auf das Erkrankungsgeschehen bei HF Tieren ausgewertet. Unter Persistenz versteht
man die Fähigkeit der Kuh, die Milchleistung über den Verlauf der Laktation hinweg auf einem be-
stimmten Niveau zu halten. Eine hohe Persistenz bewirkt daher einen flacheren Verlauf der Lakta-
tionskurve. Das Leistungsmaximum verläuft etwas niedriger, was sich positiv auf die Trächtigkeits-
rate zu diesem Zeitpunkt auswirkt. Es wurden genetische Korrelationen zwischen der Persistenz
der Milchleistung, des Fett- und Eiweißertrages, der Energie und das Auftreten von Eutererkran-
kungen, Stoffwechsel-, Fruchtbarkeit- und Klauen- und Gliedmaßenerkrankungen geschätzt. Die
These, dass durch eine gute Persistenz weniger Gesundheitsprobleme aufgrund geringerer Stoff-
wechselbelastung zu Beginn der Laktation auftreten würden, bestätigt sich nur teilweise. Es zeigt
sich eine signifikant positive Korrelation zwischen der Persistenz für Milchleistung und des Fett-
und Eiweißertrages zu Klauen- und Gliedmaßenerkrankungen. Dagegen treten negative genetische
Korrelationen zwischen den Persistenzmerkmalen und Stoffwechselerkrankungen auf. Demnach
scheint es fraglich, Persistenz als Merkmal für die Verbesserung der Gesundheitsmerkmale in der
Zuchtwertschätzung einsetzen zu können.

Sächsische Landesanstalt für Landwirtschaft
13
Schriftenreihe, Heft 8/2007
2.8
Züchterische Verbesserung bei Kälberverlusten (Totgeburten
)
Hohe Schwer- und Totgeburtenraten wirken sich negativ auf die Wirtschaftlichkeit in der Milchvieh-
haltung aus. Folgen daraus können den Totalverlust des Kalbes, Tierarztkosten, Arbeitszeit, erhöh-
tes Risiko von Gesundheits- und Fruchtbarkeitsstörungen, den Abgang der Kuh und eine Leis-
tungsminderung umfassen.
S
TEINBOCK ET AL. (2005) werteten ein Datenmaterial von 800.000 Erstlaktierenden und 670.000
Zweitlaktierenden Kühen hinsichtlich Totgeburt und Kalbeverlauf aus. Für das Merkmal Totgeburt
wurde eine Heritabilität von nur 0,035 in der ersten Laktation und 0,025 in der zweiten Laktation
geschätzt. Beim Kalbeverlauf lagen die Schätzungen bei h² = 0,023 für den direkten Effekt und bei
h² = 0,008 bis 0,021 für den maternalen Effekt. Die genetischen Korrelationen zwischen erster und
zweiter Kalbung lagen bei 0,8. Somit können die zwei Laktationen als das gleiche Merkmal ange-
sehen werden.
S
TAMER ET AL. (2005) analysierten den Einfluss der Tragezeit auf die Totgeburtenrate und den ge-
störten Geburtsverlauf. Die Heritabilitäten wurden mit einem Mehrmerkmalsmodell unter Nutzung
von REML geschätzt. Die Heritabilitäten und genetischen Korrelationen sind in Taebell 11 darge-
stellt.
Tabelle 11:
Heritabilitäten (Diagonale) und genetische Korrelationen (unter der Diago-
nalen) für die Kalbemerkmale (S
TAMER ET AL., 2005)
(1)
(2)
(3)
(4)
(1) Geburtsverlaufsstörungen
0,06
(2) Totgeburt
0,26
0,02
(3) Tragezeit
0,33
0,12
0,67
(4) Geburtsgewicht
0,68
0,33
0,47
0,62
Die Ergebnisse in Tabelle 11 zeigen hohe Heritabilitäten bei der Tragezeit und beim Geburtsge-
wicht, aber keine klaren Zusammenhänge zum Geburtsverlauf und den Totgeburten.
3 Material und Methode
3.1
Auswahl der Testbetriebe
Weil die Prüfung funktionaler Merkmale Teil eines Testherdensystems des SRV sein soll, wurden
die Untersuchungen auf die Betriebe konzentriert, die bereit waren, ein vertragsgebundenes Projekt
zur Einführung eines Testherdensystems zu unterstützen. In enger Zusammenarbeit mit dem
Sächsischen Rinderzuchtverband e.G. wurde in Vorgängerprojekten eine Checkliste für potentielle
Testbetriebe entworfen. Insgesamt 95 sächsische Herdbuchbetriebe wurden auf diese Weise zu ih-
rer Eignung und Bereitschaft zur vertraglichen Bindung geprüft.

Sächsische Landesanstalt für Landwirtschaft
14
Schriftenreihe, Heft 8/2007
Folgende Anforderungen werden an die vertraglich gebundenen Testherden gestellt:
MLP-Mitglied und Mitgliedschaft im Herdbuch
Betriebsgröße > 50 Kühe bzw. mind. 20 Test-EB pro Jahr
Mindestanforderung bzgl. Leistung: 210 Eiweiß-kg in der 1. Laktation
Nutzung aller Zweitkalbskühe für Test-Anpaarungen und bis zu 30 % der Färsen
Abnahme der vom Zuchtverband vorgegebenen Bullen und Sicherung der zufälligen An-
paarung der Testbullen; keine Vorselektion der zur Testanpaarung vorgesehenen weibli-
chen Tiere
Sicherung eines Besamungszeitraumes je Testbulle von maximal 2 Monaten
Minimierung der Selektion weiblicher Testbullenkälber von der Geburt bis zur tragenden
Färse (max. 20 %)
Minimierung der Abgänge bis zum 240. Laktationstag (< 30 %)
Mitarbeit bzw. Unterstützung bei der zusätzlichen Datenerhebung und Vorbereitung der
Tiere (Klassifizierung, Fotografieren, Schauvorbereitung)
Nutzung der vorgegebenen Herdenmanagementprogramme für die zusätzliche Datener-
hebung und Pflege der entsprechenden Dateien (z.B. Gesundheit)
Teilnahme an den einschlägigen Tilgungsprogrammen zur Sicherung einer hohen Tierge-
sundheit
Mitarbeit der Tierärzte bei der korrekten Diagnosestellung und Dokumentation
Möglichkeit zur Erfassung der täglichen Milchmengen
Von den angeschriebenen Betrieben wurden 12 Betriebe zur Mitarbeit am Testherdenprojekt ge-
wonnen. Das LVG Köllitsch gilt dabei als Referenzbetrieb. In den Betrieben stehen ca. 8.400 aktive
Herdbuchkühe (Ø 646 Tiere je Betrieb von 80 bis 1.800) mit etwa 4.500 Testanpaarungen. Die
durchschnittliche 305-Tage-Leistung in den Testbetrieben liegt zwischen 8.000 und mehr als
10.000 kg Milch pro Kuh.
In den Vorgängerprojekten wurden folgende Bedingungen für die Datenerfassung und den rei-
bungslosen Datentransfer in den Betrieben geschaffen, die auch im laufenden Projekt noch intensiv
genutzt werden.
Einrichtung des Herdenmanagementprogrammes Herde-Windows der Firma DSP Agro-
soft Paretz
Kopplung von Melkprozessor und Herdenmanagementprogramm zum täglichen Transfer
der Milchmengen
Entwurf eines praktikablen betrieblichen Diagnoseschlüssels
Schaffung der Voraussetzungen für eine vierzehntägige Datenübergabe an die LfL (Mo-
dem, Einrichten eines e-mail-Programmes)
Schaffung von Möglichkeiten zur Erfassung der Geburtsgewichte bei Kälbern

Sächsische Landesanstalt für Landwirtschaft
15
Schriftenreihe, Heft 8/2007
3.2 Datenerfassung
Gesundheitsmerkmale
Im Rahmen dieses Testherdenprogramms erfassen die Betriebe bei Vorliegen klinischer Symptome
alle anfallenden tierärztlichen Erkrankungsdiagnosen im Herdenmanagementprogramm. Seitdem
die Betriebe verpflichtet sind, alle Arzneimittelanwendungen zu dokumentieren, verbessert sich die
Datenqualität bei den Gesundheitsmerkmalen stetig. Um eine möglichst einheitliche Erfassung von
Erkrankungen in den Testherden zu realisieren, wurden die züchterisch und ökonomisch bedeut-
samsten Krankheiten des Rindes aus den Krankheitskomplexen Klauen/ Gliedmaßen, Euter, Käl-
berkrankheiten, Stoffwechsel, Fruchtbarkeit und Verhaltensstörungen definiert. Diese wurden mit
einer Tierärztin (U
LLRICH 2006) herausgesucht und im Rahmen eines Ländertreffens der Landesan-
stalten Thüringen, Mecklenburg-Vorpommern und Sachsen sowie der Universität Kiel noch einmal
eingegrenzt (ein Beispiel ist in Tabelle 12). Die Zuordnung aller Staufenbielschlüssel zu den defi-
nierten Erkrankungen erfolgte in HERDE (Beispiel in Tabelle 13).
Die festgelegten Erkrankungen sind von allen Betrieben als „kleinster gemeinsamer Nenner der
Krankheitserfassung“ im HERDE-Programm mit dem betriebsindividuellen Diagnoseschlüssel zu
dokumentieren. Eine stärkere Untergliederung, beispielsweise nach Euterhälften ist den Betrieben
dabei freigestellt. Einige aufgeführte Erkrankungen sind Untergruppen zu den bereits zugeordneten
Erkrankungen. Beispielsweise ist in unserer Zuordnung die Gebärmutterhalsentzündung der En-
dometritis zuzuordnen, in den festgelegten Mindeststandards ist diese jedoch separat aufgeführt.
Eine konsequente Schulung über die Erfassung dieser Merkmale erscheint damit schwierig, da ei-
ne gültige Zuordnung in beiden Kategorien möglich ist. Trotzdem ist eine Beschränkung auf den
angeführten Mindeststandard zu empfehlen und dieser wurde auch bereits in den Betrieben umge-
setzt. Ein Beispiel für die beschriebene Doppelung findet sich in der Tabelle 12 und Tabelle 13. Zu
beachten ist, dass die Anzahl der Tiere in beiden Tabellen differiert, da einige Tiere in mehreren
Unterschlüsseln auftauchen in der Zusammenfassung jedoch nur einmal.

Sächsische Landesanstalt für Landwirtschaft
16
Schriftenreihe, Heft 8/2007
Tabelle 12:
Beispiel für die Zuordnung einzelner Staufenbielschlüssel zu den Erkran-
kungen
Zuordnung
Staufenbiel-
Schlüssel
Erkrankung
Anzahl Tiere
Fr3 2.01.07. Gebärmutterhals 31
2.01.07.01.
Entzündung des Gebärmutterhals
4
2.01.08.
Uterus / Gebärmutter
41
2.05.01.
Uterus / Gebärmutter
1
2.05.01.01.
Gebärmutterschleimhautentzündung
3076
2.05.01.01.01.
E1 Endometritis catarrhalis
585
2.05.01.01.02.
E2 Endometritis mukopurulenta
2105
2.05.01.01.03.
E3 Endometritis purulenta
2325
2.05.01.01.04.
E4 Pyometra
968
Tabelle 13:
Bespiel für festgelegte Mindeststandards im Bereich der Fruchtbarkeit
Fruchtbarkeit
Gebärmutterhalsentzündung (Cervicitis)
2.01.07.01.
(Fr3)
4
Endometritis (Gebärmutterschleimhaut)
Siehe Tabelle 12
Fr3
7090
Weil der betriebseigene Schlüssel zum größten Teil zwischen den Betrieben unterschiedlich codiert
ist, wurde eine Möglichkeit gefunden, einen exakten und über alle Betriebe gleichen Schlüssel hin-
ter die jeweiligen Betriebsschlüssel zu hinterlegen (Beispiel siehe Abbildung 2). Die Betriebe kön-
nen ihren gewohnten Diagnoseschlüssel weiter verwenden, dafür fällt die Umschlüsselung in einer
Access-Datenbank weg.
Die Dokumentation für die betriebseigenen Diagnoseschlüssel sind unter HERDE
Service
Einrichten
Schlüssel zu finden (Abbildung 1).

image
Sächsische Landesanstalt für Landwirtschaft
17
Schriftenreihe, Heft 8/2007
Abbildung 1:
Pfad für das Eingeben der Diagnoseschlüssel
Die Erkrankungsdiagnosen sind in die Komplexe Diagnose Euter, Diagnose Bewegungsapparat,
Diagnose Fruchtbarkeit, Diagnose Kälberkrankheiten, Diagnose Infektion/ Seuchen, Diagnose
sonstige, Diagnose Stoffwechsel und Diag. Symptome/ Sonst. Stör. eingeteilt (Abbildung 2). Die
Diagnosen teilen sich in fest vergebene Diagnoseschlüssel und betriebsindividuell erweiterbare Di-
agnoseschlüssel ein. Die fest vergebenen Schlüssel können nur durch DSP Agrosoft verändert
werden. Die betriebsindividuellen zusätzlichen Schlüssel wurden durch den Betrieb ergänzt und
sind in allen Betrieben anders definiert. Wichtig ist, dass keine Löschung bzw. Überschreibung der
Schlüsselnummern („Nummer“) oder eine inhaltliche Textänderung („Text“) vorgenommen wird, da
dann die Zuordnung für zurückliegende Datensätze verloren geht. Ein Neuanlegen ist hingegen
möglich. Im Projekt wurde der Staufenbiel-Code („Zentraler Diagnoseschlüssel Rind“) für alle Diag-
nosen in den Betrieben zugeordnet.

image
Sächsische Landesanstalt für Landwirtschaft
18
Schriftenreihe, Heft 8/2007
Abbildung 2: Erkrankungskomplexe (links) und Erkrankungsdiagnosen (rechts) in HER-
DE
In HERDE ist der vollständige Diagnoseschlüssel hinterlegt, so dass es möglich ist, den Staufen-
biel-Schlüssel sofort zuzuordnen, falls eine neue Diagnose angelegt werden soll (Abbildung 3).
Alle relevanten betriebsindividuellen Schlüssel sind also eindeutigen Staufenbielkennzeichnungen
zuzuordnen. Wie in Abbildung 2 dargestellt, können unterschiedliche betriebliche Schlüssel jedoch
auch identischen Staufenbiel-Kodes zugeordnet werden, so dass auch eine betrieblich stärkere Un-
terteilung der Erkrankungen (z.B. nach Euterhälften oder wie im Beispiel nach Auftreten des Gelb-
körpers am Ovar) bzw. auch ein Eintragen an mehreren Stellen möglich ist.

image
Sächsische Landesanstalt für Landwirtschaft
19
Schriftenreihe, Heft 8/2007
Abbildung 3: Ausführlicher Staufenbielschlüssel, der als Diagnoseschlüssel Rind in
HERDE hinterlegt ist
Eine Unterscheidung zwischen Diagnosen und Behandlungen ist bis zum derzeitigen Versionstand
in HERDE nicht möglich. Eine Trennung ist aber bereits mit der Firma DSP Agrosoft besprochen
worden und soll auch in der nächsten Programmversion umgesetzt sein.
Die gewünschte Erfassung aller „Konsensmerkmale“ kann nur über eine enge Zusammenarbeit mit
den Betrieben erfolgen. Dazu bedarf es einen routinemäßigen Kontakt um einen Abgleich zwischen
den betriebsindividuellen Schlüsseln auf den inhaltlich richtigen Staufenbiel-Kode zu ermöglichen,
was eine Neuanlage von Schlüsseln in den Betrieben einschließt. Weiterhin ist eine ständige Er-
folgskontrolle notwendig, ob die Krankheiten auch in der erwünschten Qualität erfasst werden, not-
wendige Analysen der teils unterschiedlichen Erkrankungshäufigkeiten zwischen den Betrieben
sind dazu vorzubereiten und wurden im Projektzeitraum durchgeführt. Dazu wurden in der Vergan-
genheit diverse Gespräche mit den verantwortlichen Tierärzten bzw. Stallverantwortlichen geführt.
Ein weiterer Ausbau der Betreuung und evtl. einer gemeinsamen Schulung zur Erkennung und Ab-
grenzung von Erkrankungen ist bei einer Erweiterung der Testherden aber dringend geboten.
Geburtsverlauf und Geburtsstörungen
Neben den Erkrankungen ist der Geburtsverlauf genau zu erfassen. Die Erfassung des Kalbever-
laufs erfolgt nach dem ADR-Schlüssel, wobei dieser im Oktober 2005 in der Definition der Katego-
rien geändert wurde. Diese Unterschiede in der Merkmalsdefinition sind bei Auswertungen unbe-
dingt zu beachten. Der aktuell angewendete Schlüssel ist in der Tabelle 14 dargestellt.

Sächsische Landesanstalt für Landwirtschaft
20
Schriftenreihe, Heft 8/2007
Tabelle 14:
Erfassungsschlüssel für den Kalbeverlauf (ADR, 10/ 2005)
Klasse
Bewertung
Interpretation
0
keine Angabe
nicht beobachtet bzw. keine Angabe verfügbar
1
leicht
ohne Hilfe oder Hilfe nicht nötig, Nachtabkalbung
2
mittel
ein Helfer oder leichter Einsatz mechanische Zughilfe
3
schwer
mehrere Helfer, mechanische Zughilfe und/oder Tierarzt
4 Operation Kaiserschnitt, Fetotomie
Geburtsgewichte
Neben der Erfassung der Erkrankungen sind die Geburtsgewichte der Kälber zu ermitteln und bei
der Geburtsmeldung im HERDE-Programm einzugeben. Nur wenige Betriebe wiegen alle Kälber
konsequent und nutzen diese Daten für ihr betriebliches Management. Vier Betriebe wiegen alle
Kälber routinemäßig seit vielen Jahren. In einem weiteren Betrieb werden die Geburtsgewichte
aufgrund jahrelanger Erfahrungen der Betriebsleiterin als Kälberhändlerin geschätzt. Eine Unter-
scheidung der Einzelwerte nach gewogen oder geschätzt ist nicht möglich, weil jedoch nur ein Be-
trieb schätzt, sind alle anderen Werte Wägungen.
3.3 Datentransfer
Die betrieblichen Daten werden manuell erfasst und in das Herdenmanagementprogramm einge-
geben bzw. automatisch über die angegebenen Prozessrechner eingespielt. Die täglichen Milch-
mengen werden über einen täglichen Datentausch zwischen Melkprozessor und HERDE-
Programm überspielt. Die Daten der Milchleistungsprüfung und Veränderungen in den Tierbe-
standsdaten werden per Modem über den LKV Sachsen aktualisiert. Weiterhin liefert das VIT halb-
jährlich eine Datei mit den Stammdaten der aktiven Tiere an die Betriebe, somit wird eine Fehler-
korrektur in den Abstammungsdaten möglich.

Sächsische Landesanstalt für Landwirtschaft
21
Schriftenreihe, Heft 8/2007
Abbildung 4:
Datenfluss vom Betrieb zur Datenbank der LfL
Aufgrund begrenzter Speicherkapazitäten bei der LfL in Köllitsch wurde von der Firma Data-
Service-Paretz (DSP) ein Datenauszugsmodul zum selektiven Auslesen betrieblicher Daten aus
dem Herdenmanagementprogramm HERDE-Windows programmiert, welches den 14-tägigen Da-
tentransfer per Internet ermöglicht. Auch Korrekturen der betrieblichen Daten durch das Personal
werden über dieses Datenauszugsmodul mit in die Datenbank übernommen. Dieser Datenauszug
aus dem Herdenmanagementprogramm beinhaltet Informationen zum Bestand, der Besamung, der
Kalbung, zu den Erkrankungsdiagnosen, der Milchleistungsprüfung, der täglichen Milchmenge und
der hochgerechneten 100 bzw. 305-Tage-Leistung.
Ab Februar 2006 wird der Datenfluss über das Datenauszugsmodul eingestellt und es erfolgt je-
weils vor der Zuchtwertschätzung (dreimal im Jahr) eine Komplett-Datensicherung von HERDE in
allen Testbetrieben. Grund für den nur noch dreimaligen Datentransfer zur LfL ist der Wegfall der
Täglichen Milchmengen. Die Melkbarkeit sowie die Täglichen Milchmengen werden über das Pro-
jekt „Nutzungsstrategien Tierbezogener Daten in der Milchwirtschaft in Sachsen“ dokumentiert und
bearbeitet. Im weiteren Verlauf dieses Projektes erhält die LfL die gewünschten Daten aus HERDE
über einen Datenbankauszug vom LKV. Sobald dieser Datentransfer von den Testbetrieben über
den LKV zur LFL intakt ist, entfällt das Holen der Komplett-Datensicherungen aus den Betrieben.
Melkprozessor
(Alpro, Westfalia, Impulsa)
Herdenmanagementprogramm
HERDE
WINDOWS
Tierarzt
Personal
VIT
LKV
Datenauszugs-
modul
SQL-Datenbank der LfL
Testbetrieb
e - mail
Täglicher
Datentausch

Sächsische Landesanstalt für Landwirtschaft
22
Schriftenreihe, Heft 8/2007
3.4 Plausibilitätskriterien
Die vorgeschlagenen Plausibilitätskriterien aus F
IEDLER ET AL. (2004) wurden in diesem Projekt ü-
bernommen und weiter ergänzt. Die Anwendung dieser Kriterien in der Datenbank soll unplausible,
fehlerhafte oder unvollständige Datensätze sperren. Die Sperrung dieser Datensätze erfolgt in den
Tabellen auf der SQL-Datenbank. Dazu wurde eine neue Spalte (dirty) eingeführt, welche den binä-
ren Fehlercode enthält. Je nach Aufgabenstellung können dann flexibel Datensätze, die bestimm-
ten Prüfbedingungen unterliegen, ignoriert werden. Zur Veranschaulichung der Vorgehensweise
wird im Folgenden ein Beispiel dargestellt.
Datensperrung:
Tabellen updaten: jedem Plausibilitätskriterium wird ein Binär-Code (Bsp.: 2
1
= 2, 2
2
= 4,
2
3
= 8 usw.) zugeordnet:
Bei fehlerfreien Datensätzen steht in der Spalte „dirty“ eine 0 (Tabelle 15: DS 6).
Bei fehlerhaften Datensätzen mit einem Fehler steht der jeweilige Code in der Spalte „dir-
ty“ (Tabelle 15: DS 1 und DS 2).
Bei fehlerhaften Datensätzen mit mehr als einem Fehler werden die zutreffenden Codes
aufaddiert (Abbildung 5 Bsp.: Code 40
Fett<1,5 oder >8,5 & Laktose<3,0 oder >7,0)
(Tabelle 15: DS 3 bis DS 5)
Tabelle 15:
Beispiel Binär-Code
Prüfkriterien
MKG = 0
MKG
<2,0 oder
>90,0
Fett
<1,5 oder
>8,5
Eiweiß
<1,5 oder
>8,5
Laktose
<3,0 oder
>7,0
Prüfspalte „dirty“
Code
2
1
=
2
2
2
=
4
2
3
=
8
2
4
=
16
2
5
=
32
DS 1
1 0 0 0 0
2
DS 2
0 1 0 0 0
4
DS 3
0 1 1 0 0
4 + 8 =
12
DS 4
0 0 1 1 1
8 + 16 + 32 =
56
DS 5
0 1 0 1 0
4 + 16 =
20
DS 6
0 0 0 0 0
0
DS = Datensatz
0 = Prüfkriterium trifft nicht zu
1 = Prüfkriterium trifft zu
Mit Hilfe eines Perl-Skripts wurde die Datenaufbereitung mit dem Programmpaket R (R
DEVELOP-
MENT
CORE TEAM, 2005) bei Nutzung einer PostgreSQL Datenbank unter Linux durchgeführt.

image
Sächsische Landesanstalt für Landwirtschaft
23
Schriftenreihe, Heft 8/2007
Zur Rückmeldung an die Betriebe und zur inhaltlichen Datenbankkontrolle werden dann Reports
erstellt. Ein Beispiel ist in Abbildung 5 dargestellt. Hier werden die Codes je Tabelle und Betrieb in
einem Diagramm aufgeschlüsselt dargestellt. Zusätzlich wird die Anzahl Datensätze und die Feh-
lerrate angegeben.
Weitere Plausibilitätskriterien können jederzeit ohne viel Aufwand ergänzt werden. In der Tabelle
MLP werden ADR-Richtlinien zur Prüfung der Plausibilität eingesetzt.
Abbildung 5:
Beispiel aus dem Fehlerreport: MLP Betrieb X
3.5 Datenqualität und
–quantität
Datenmaterial
Im folgenden Abschnitt wird der Umfang des Datenbestandes vorgestellt. Dabei sind nur die Da-
tensätze berücksichtigt, die sich auf die Jahre nach 2002 beziehen sowie nur die Tiere, welche
nach dem 01.01.2002 abgekalbt haben. Warum in Betrieb 7 nur wenige Datensätze vorhanden
sind, muss nochmals abgeklärt werden. Es scheint derzeitig Probleme mit der Datensicherung in
Betrieb 7 zu geben, so dass nach einer Umstellung der Programmversionen hier nicht mehr alle
Tiere erfasst werden.
Code 2
MKG = 0 (Trockensteher)
Code 4
MKG < 2,0 oder > 90,0
Code 8
Fett < 1,5 oder > 8,5
Code 12
MKG < 1,5 oder > 90,0 & Fett < 1,5 oder > 8,5
Code 16
Eiweiß < 1,5 oder > 8,5
Code 24
Fett < 1,5 oder > 8,5 & Eiweiß < 1,5 oder > 8,5
Code 32
Laktose < 3,0 oder > 7,0
Code 40
Fett < 1,5 oder > 8,5 & Laktose < 3,0 oder > 7,0
Betrieb X

Sächsische Landesanstalt für Landwirtschaft
24
Schriftenreihe, Heft 8/2007
Tabelle 16:
Übersicht zum Datenbestand (alle Datensätze)
Bestand
Besamung
Kalbung
Krank
MLP
305d Leis-
tung
Be-
trieb
DS
TZ
DS
TZ
DS
TZ
DS
TZ
DS
TZ
DS
TZ
1 4432 4432 27331 2161 4432 2323 99272 2289
11668
2 2248 13634 2323
2 281 281 1544 145 281 157 2548 147 6416 145 960 180
3 3895 3895 23038 1912 3895 2045 100380 2038 97136 1975 12040 2045
4 3222 3222 21124 1651 3222 1810 109481 1772 70986 1699 9823 1808
5 1828 1828 11001 939 1828 1016 30890 989 42764 990 5228 1016
6 1039 1039 6510 560 1039 593 26136 586 25874 562 3053 599
7 30 30 113 29 30 30 397 29 87 23 819 320
8 3263 3263 22827 1778 3263 1866 80334 1841 77416 1763 9289 1866
9 2819 2819 16552 1320 2819 1422 52847 1371 73147 1384 9209 1438
10 1173 1173 6254 611 1173 658 19154 648 28186 639 3607 658
11 1174 1174 4916 632 1174 676 12724 662 22696 655 3452 676
12 8677 8677 45283 4306 8677 4656 528610 4643
15874
8 4298 27238 4656
13 4264 4264 25275 2161 4264 2310 202778 2284
10286
9
2236 12659 2310
Sum-
me
3609
7
3609
7
21176
8
1820
5
3609
7
1956
2
126555
1
1929
9
82300
7
1861
7
11101
1
1989
5
DS = Datensatz
TZ = Tierzahl
3.6 Erkrankungen
Umfang und Analyse der Erkrankungsdaten
Die Dokumentation der Erkrankungen im Herdenmanagement wird von den Stallleitern bzw. den
betriebseigenen Tierärzten durchgeführt.
Tabelle 17 zeigt eine Übersicht zum Datenumfang hinsichtlich der Anzahl der Erkrankungsdiagno-
sen in den einzelnen Betrieben. Auch hier wurden wieder nur die Tiere berücksichtigt, welche nach
dem 01.01.2002 abgekalbt haben. Weiterhin ist in der Tabelle das Verhältnis der erkrankten Tiere
zu den abgekalbten Tieren berechnet.

Sächsische Landesanstalt für Landwirtschaft
25
Schriftenreihe, Heft 8/2007
Tabelle 17:
Übersicht zum Datenumfang der Erkrankungen (von den Behandlungen und
Tieren sind Datensätze ohne Staufenbielschlüssel bzw. mit „9.“ ausge-
schlossen
)
Betrieb
Erkrankungen
gesamt
Anzahl erkrank-
ter Tiere
Anzahl Tiere ge-
samt
Anteil der Tiere,
die erkrankt sind
(%)
1 42.885 2.018 2.323 86,9
2 446 85 157 54,1
3 34.203 1.878 2.045 91,8
4 52.520 1.630 1.810 90,1
5 14.251 883 1.016 86,9
6 14.047 553 593 93,3
7 128 21 30 70,0
8 26.479 1.706 1.866 91,4
9 32.986 1.204 1.422 84,7
10 9.617 585 658 88,9
11 4.548 533 676 78,9
12 101.485 4.261 4.656 91,5
13 92.970 2.156 2.310 93,3
gesamt 426.565 17.513 19.562 89,5
Tabelle 18 zeigt die Anzahl der erkrankten Tiere in den verschiedenen Erkrankungskomplexen in-
nerhalb der einzelnen Betriebe. Ein Tier kann dabei mehrfach enthalten sein, wenn es verschiede-
nen Erkrankungsdiagnosen unterlag.
Tabelle18:
Übersicht zum Datenumfang der Erkrankungen nach Erkrankungskomple-
xen (von den Behandlungen und Tieren sind Datensätze ohne Staufen-
bielschlüssel bzw. mit „9.“ ausgeschlossen)
Anzahl der erkrankten Tiere je Erkrankungskomplex
Betrieb
SO
SW
KL
GL
FR
EU
1 470 372 756 87 1.351 1.473
2 22 5 5 45 33
3 412 399 657 186 1.039 1.004
4 691 525 1.102 77 1.105 1.068
5 104 64 278 54 762 532
6 87 259 255 138 512 277
7 10 1 4 1 18 7
8
680
580
293
110
1.489
1.310
9 117 14 12 188 1.028 733
10 145 105 420 285 443 275
11 20 39 46 12 306 424
12 1.290 740 2.939 1.336 2.608 2.369
13 195 1.007 975 747 1914 1.179
gesamt 4.243 4.110 7.742 3.221 12.620 10.684
SO = Sonstige
SW = Stoffwechsel KL = Klauen
GL = Gliedmaßen FR = Fruchtbarkeit EU = Euter

Sächsische Landesanstalt für Landwirtschaft
26
Schriftenreihe, Heft 8/2007
In Abbildung 6 ist der Anteil der Einzelbehandlungen nach Krankheitskomplexen und Laktation zu-
sammengefasst. Auch hier sind nur die Behandlungen berücksichtigt, die nach dem Abkalbetermin
01.01.2002 liegen. Stoffwechsel- (SW) und Eutererkrankungen (EU) nehmen mit der Laktations-
nummer leicht zu, Gliedmaßenerkrankungen (GL) und Fruchtbarkeits- und Geburtsstörungen (FR)
gehen anteilmäßig zurück. Die Häufigkeit der Klauenerkrankungen (KL) ist unabhängig von der
Laktationsnummer. Zu bedenken ist, dass der Anteil an Stoffwechselerkrankungen wahrscheinlich
höher liegt, da Tiere mit schweren SW-Störungen oft ohne eine dokumentierte Behandlungsdiag-
nose abgehen. Den größten Behandlungsanteil mit ca. 40 % zeigen die Eutererkrankungen.
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
1 2345> 5
Laktation
Häufigkeit (%)
SO
SW
KL
GL
FR
EU
Abbildung 6:
Anteil der Erkrankungskomplexe im Verlauf der Laktationen
Für die folgenden Auswertungen stand ein Datenmaterial von 35.553 Kalbungen (1. bis 6. Laktati-
on) aus den Jahren 2002 bis 2005 zur Verfügung. Die Verteilung der Kalbungen über die Laktation
ist in Abbildung 7 aufgeführt.

Sächsische Landesanstalt für Landwirtschaft
27
Schriftenreihe, Heft 8/2007
Anzahl Kalbungen nach Laktationen (ab 2002)
13136
9300
6622
3806
1884
806
0
2000
4000
6000
8000
10000
12000
14000
12345 6
Laktation
A n zahl K a lbungen
Abbildung 7:
Datenmaterial
Abbildung 8 bis Abbildung 11 zeigen die Erkrankungsfrequenzen bei einzelnen Erkrankungskom-
plexen. Ziel war es, eventuelle Unterschiede im zeitlichen Auftreten der Erkrankungen zu beschrei-
ben. Dabei ist zu beachten, dass in diesem Verlauf auch schon Selektionsmaßnahmen infolge von
Erkrankungen oder ähnlichem enthalten sind. Weiterhin sind zwei Drittel der Daten aus den ersten
beiden Laktationen und die Repräsentanz der Informationen ab der vierten Laktation auf Grund der
Besetzungszahlen fraglich. Zu beachten ist auch, dass die durchschnittliche Nutzungsdauer nur
noch 24,5 Monate bzw. 1,9 Laktationen in Sachsen beträgt (L
KV 2006).
Für die Merkmale klinische und subklinische Mastitis hat dsp Agrosoft die Diagnoseschlüssel in
HERDE falsch zugeordnet, was zur Folge hat, dass der Anteil klinischer Mastitiden im Verhältnis zu
subklinischen zu hoch ausfällt. Das hat auch Auswirkungen auf die Zuchtwertschätzung. Die Fehl-
zuordnung wird mit dem neuen Update für HERDE geändert, welches bisher jedoch noch nicht vor-
liegt. Die Erkrankungshäufigkeiten für die Mastitiden sind in der Abbildung 8 dargestellt, sollen aber
auf Grund der Zuordnungsfehler nicht weiter besprochen werden.

Sächsische Landesanstalt für Landwirtschaft
28
Schriftenreihe, Heft 8/2007
Anteil der Kühe mit mindestens einer
Erkrankung in der Laktation
0,0%
5,0%
10,0%
15,0%
20,0%
25,0%
30,0%
35,0%
40,0%
45,0%
1 2 34 56
Laktation
Anteil in Prozent
Mastitis klinisch
Mastitis subkl.
Abbildung 8:
Erkrankungsfrequenz Klinische und Subklinische Mastitis
Die Erkrankungsfrequenz für Gebärparese steigt mit der Laktationsnummer stark an (Abbildung 9).
Sind in der ersten Laktation nur 1% der Tiere betroffen, so liegt die Frequenz in der 6. Laktation bei
17%. Dieser Anteil korreliert auch gut mit den Nachgeburtsverhalten (siehe Abbildung 11) was ja
häufig eine Folgeerscheinung der Gebärparese ist.
Auch H
ERINGSTAD ET AL. (2005) finden für die ersten drei Laktationen einen deutlichen Anstieg der
Erkrankungsfrequenz für Gebärparese von 0,1 über 1,9 zu 7,9, was den vorliegenden Daten sehr
gut entspricht. Für Ketose ermitteln die Autoren ebenfalls einen Anstieg, welcher jedoch in der Hö-
he (7,5 – 17,2) deutlich über den hier gefundenen Werten liegt. Z
WALD ET AL. (2004A) ermitteln für
letztere Erkrankung über alle betrachteten Laktationen Frequenzen von 10%.

Sächsische Landesanstalt für Landwirtschaft
29
Schriftenreihe, Heft 8/2007
Anteil der Kühe mit mindestens einer
Erkrankung in der Laktation
0%
2%
4%
6%
8%
10%
12%
14%
16%
18%
123456
Laktation
Anteil in Prozent
Ketose
Gebärparese
Darmerkrankungen/ Durchfall
Abbildung 9:
Erkrankungsfrequenz Stoffwechselkomplex
Das Auftreten der Klauenerkrankungen ist in Abbildung 10 abgebildet. Dabei steigt die Frequenz im
Verlauf der Laktationsnummern an: bei Sohlengeschwür und Ballen- und Klauenfäule um 10%. Bei
Panaritium und Klauenwanderkrankungen zeigt sich dieser Trend nicht.
Im Bereich der Klauenerkrankungen ermitteln S
WALVE UND KÖNIG (2004) im Schnitt ihrer Analyse
von Daten der Lohmener Klauenpflegergenossenschaft 15% Erkrankungshäufigkeiten für das Soh-
lengeschwür unabhängig von der betrachteten Laktation.

Sächsische Landesanstalt für Landwirtschaft
30
Schriftenreihe, Heft 8/2007
Anteil der Kühe mit mindestens einer
Erkrankung in der Laktation
0%
5%
10%
15%
20%
25%
1 2345 6
Laktation
Anteil in Prozent
Panaritium
Sohlengeschwür
Klauen- und Ballenfäule
Klauensohle/-wand
Abbildung 10:
Erkrankungsfrequenz Klauenerkrankungen
In Abbildung 11 ist die Erkrankungsfrequenz für den Komplex der Fruchtbarkeitsstörungen darge-
stellt. Endometritis kommt bei ca. 22 bis 25 % der Tiere in allen Laktationen vor. Zu beachten ist,
dass dies häufig eine Folge der ebenfalls dargestellten Erkrankungen Nachgeburtsverhalten und
Puerperalstörung ist. Der gegenläufige Trend zwischen den möglichen Ursachen Nachgeburtsver-
halten und Puerperalstörung ist so allerdings nicht erklärbar (U
LLRICH 2006). Eine deutliche laktati-
onsabhängige Erkrankungsfrequenz zeigt auch nur das Nachgeburtsverhalten.
Für Metritis einschließlich Nachgeburtsverhalten sowie Ovarialzysten stellen Z
WALD ET AL. (2004A)
Frequenzen der Erkrankungshäufigkeit dar und ermitteln Werte von 21 bzw 8 %. Eine Steigerung
des Symptoms Nachgeburtsverhalten über die Laktationen zeigen H
ERINGSTAD ET AL. (2005), wobei
die Autoren auf deutlich geringere Frequenzen (2,6 – 4,3) kommen.
Über 15 % der Tiere haben Diagnosen bei Anöstrie, Azyklie und Zyklusstörungen. Wobei ein leich-
ter Rückgang in den höheren Laktationen sicher auf das für Selektionsentscheidungen größere Re-
levanz in diesem Merkmal zu suchen ist.
Insgesamt gibt es für die hier dargestellten Erkrankungen große Unterschiede zwischen den Be-
trieben. Generell spiegeln diese Zahlen die nicht so optimalen Fruchtbarkeitskennzahlen in man-
chen Betrieben wider.

Sächsische Landesanstalt für Landwirtschaft
31
Schriftenreihe, Heft 8/2007
Anteil der Kühe, die mindestens einmal
während der Laktation erkrankt sind
0%
5%
10%
15%
20%
25%
30%
1 23456
Laktationsnummer
Anteil in Prozent
Endometritis
Anöstrie/ Azyklie/ Zyklusst.
Ovarialzysten
Nachgeburtsverhaltung
Puerperalstörungen
pers. Gelbkörper
Abbildung 11:
Erkrankungsfrequenz Fruchtbarkeitsstörungen
Zur Veranschaulichung der Probleme in der Datenqualität sind in Tabelle 19 betriebliche Unter-
schiede beim Auftreten von Erkrankungen aus dem Komplex der Fruchtbarkeit dargestellt. Als
Merkmale wurden hier die für eine mögliche Zuchtwertschätzung geeigneten Merkmale tiefer ana-
lysiert.
Es zeigen sich hier teilweise erhebliche Unterschiede in den Frequenzen, wie bereits im vorherigen
Abschnitt erwähnt. Besonders deutlich wird dies auch in den Merkmalen Puerperalstörung und per-
sistierender Gelbkörper. Als Ursache haben zum Einen einige Betriebe tatsächlich bei bestimmten
Erkrankungen weniger Probleme als andere, auf der anderen Seite bestehen weiterhin noch Prob-
leme bei der genauen Dokumentation der Diagnosen. Dies ist auch ein erhebliches Problem für die
Zuchtwertschätzung für diese Merkmale, worin auch die Begründung für deren Ausschluss liegt.

Tabelle19:
Erkrankungsfrequenz der ausgwählten Erkrankungskomplexe in den einzelnen Betrieben (n = Anzahl Tiere; n krank = Anzahl
mind. einmal erkrankter Tiere; in % = Erkrankungsfrequenz)
Betrieb Lakt.
Endometritis
Anöstrie/ A-
zyklie/ Zyklusst.
Ovarialzysten
Nachgeburts-
verhaltung
Puerperal-
störung
Geburts-
störungen
pers. Gelbkör-
per
n
n krank
in %
n krank
in %
n krank
in %
n krank
in %
n
krank
in %
n
krank
in %
n
krank
in %
1
4.432 766 17,3% 1.00822,7% 186 4,2% 664 15,0% 1 0,0% 34 0,8% 1 0,0%
2
3.11 9 2,9% 1 0,0% 20 0,5% 21 0,5% 0 0,0% 3 0,1% 0 0,0%
3
3.895 658 16,9% 4 0,1% 6 0,1% 493 11,1% 56912,8% 57 1,3% 6 0,1%
4
3.222 1.286 39,9% 147 3,3% 149 3,4% 365 8,2% 351 7,9% 37 0,8% 2 0,0%
5
1.828 784 42,9% 66315,0% 228 5,1% 248 5,6% 0 0,0% 0 0,0% 5 0,1%
6
1.047 641 61,2% 339 7,6% 183 4,1% 202 4,6% 1 0,0% 27 0,6% 45110,2%
7
473 142 30,0% 268 6,0% 129 2,9% 36 0,8% 13 0,3% 24 0,5% 3 0,1%
8
3.263 727 22,3% 372 8,4% 399 9,0% 154 3,5% 2.03645,9% 56 1,3% 2 0,0%
9
2.306 26 1,1% 99722,5% 238 5,4% 240 5,4% 0 0,0% 13 0,3% 69 1,6%
10
1.173 284 24,2% 94 2,1% 99 2,2% 218 4,9% 43 1,0% 1 0,0% 0 0,0%
11
1.174 36 3,1% 2 0,0% 261 5,9% 138 3,1% 0 0,0% 2 0,0% 28 0,6%
12
8.677 2.376 27,4% 1.89242,7% 78117,6% 121 2,7% 7 0,2% 64 1,4% 0 0,0%
13
4.263 872 20,5% 1.12725,4% 73716,6% 470 10,6% 259 5,8% 106 2,4% 2.25350,8%
Mittel-
wert
2.774 662 23,8% 532 12,0% 263 5,9% 259 5,8% 252 5,7% 33 0,7% 217 4,9%

Sächsische Landesanstalt für Landwirtschaft
33
Schriftenreihe, Heft 8/2007
Daten der Lohmener Klauenpflegegenossenschaft
In vier Betrieben wird der Klauenschnitt durch die Lohmener Klauenpflegegenossenschaft durchge-
führt. Diese Klauenschnittbefunde werden in einer Datenbank in Lohmen dokumentiert. Für die
Jahre 2004 und 2005 wurden die Daten für diese vier Betriebe über Projektmittel beschafft. Eine
Übersicht über den Datenumfang in den vier Betrieben gibt die Tabelle 20. Insgesamt zeigt sich,
dass in den vier Betrieben 40 bis 60 % aller Tiere eine Diagnose aufwiesen.
Tabelle 20:
Übersicht zum Datenumfang der Klauenerkrankungen ab 2004
Betrieb
Erkrankungen
gesamt
Anzahl erkrank-
ter Tiere
Anzahl Tiere ge-
samt
Anteil der Tiere,
die erkrankt sind
(%)
3
2.151
740
1.368
54,1
4
3.099
396
965
41,0
6
991
179
365
49,0
11
1.193
244
393
62,1
gesamt
7.434
1.559
3.091
50,4
Die Abkürzungen der Erkrankungen sind einheitlich über die Betriebe. Die Legende in Tabelle 21
erklärt die Abkürzungen und ordnet den entsprechenden Staufenbielschlüssel zu.

Sächsische Landesanstalt für Landwirtschaft
34
Schriftenreihe, Heft 8/2007
Tabelle 21:
Legende und Schlüsselzuweisung für die Daten der Lohmener Klauenpfle-
ger
Abkürzung Erkrankung
Staufenbielschlüssel
1.1
RE Klauenrehe 1.10.06.09.
- 1.1.1
WLD
Weiße-Linie-Defekt
1.10.06.04.
- 1.1.2
WL
Wandläsion (Sohlenwandgeschwüre)
1.10.07.06.
- 1.1.3
DS
Doppelte Sohle
1.10.06.07.
1.2
BF Ballenhornfäule 1.10.07.09.
1.3
DID
Klauenfäule (D. interdigitalis)
1.10.07.11.
1.4
DD
Mortellaro (D. digitalis)
1.10.07.10.
1.5
PH Phlegmone 1.10.07.08.
- 1.5.1
ZP
Zwischenzehenphlegmone (Panaritium)
1.10.07.08.03.
- 1.5.2
SK
Schwellung des Kronsaums
1.10.07.08.01.
1.6
SG Sohlengeschwür 1.10.07.03.
- 1.6.1
STG
Steingalle (Druckstelle)
1.10.06.08.
- 1.6.2
RSG
Rusterholz’sches Sohlengeschwür
1.10.07.05.
- 1.6.3
SSG
Sohlenspitzengeschwür
1.10.07.04.
- 1.6.4
KSG
Klauensohlengeschwür in untypischer Lokalisa-
tion
1.10.07.03.
1.7
LI Limax (Tylom) 1.10.06.10.
1.8
HS Hornspalt
1.10.06.02.
1.9
B/S Besonderheiten/ Sonstiges 1.10.99.
Eine Übersichtsstatistik zu den Klauenbefunden ist in Tabelle 20 und Tabelle 22 dargestellt. Auffäl-
lig ist die dominierende Erkrankungsrate bei den Hinterklauen. In der Arbeit von S
WALVE & KÖNIG
(2004) wurden aus diesem Grund nur die Erkrankungen der Hintergliedmaßen, ohne Beachtung ob
linke oder rechte Hintergliedmaße, ausgewertet.

Sächsische Landesanstalt für Landwirtschaft
35
Schriftenreihe, Heft 8/2007
Tabelle 22:
Verteilung der Erkrankungen nach Betrieb und Klaue
Betrieb
hl
hr
vl
Vr
3
887
1.106 96 62
4
1.261
1.432 222 184
6
436
414 53 90
11
523
573 39 58
Summe
3.107
3.525 410 394
Anteile in %
41,8%
47,4% 5,5% 5,3%
89,2%
10,8%
hl = hinten links, hr = hinten rechts, vl = vorn links, vr = vorn rechts
Tabelle 23 zeigt eine Übersicht zum Auftreten von Klauenerkrankungen. Die Diagnose Wandläsion
(WL) wurde dabei am Häufigsten gestellt, gefolgt von Sohlengeschwür (SG) und Mortellaro (DD).
Tabelle 23:
Auftreten der Erkrankungen nach Betrieben und Diagnose
Erkrankung
Betrieb 3
Betrieb 4
Betrieb 6
Betrieb 11
Summe
B/S
7 35 17 28 87
BF
2 11 5 5 23
DD
540 232 104 116 992
DID
2 0 4 71 77
DS
154 1 1 0 156
HS
1 64 33 0 98
KSG
1 0 0 0 1
LI
65 71 29 6 171
PH
0 0 1 0 1
RE
201 136 5 1 343
RSG
404 303 139 83 929
SG
18 649 153 362 1.182
SK
0 10 13 60 83
SSG
36 1 99 34 170
STG
39 354 10 1 404
WL
536 783 367 338 2.024
WLD
2 63 1 0 66
ZP
96 385 12 88 581
In Tabelle 24 sind alle Diagnosen getrennt nach Position dargestellt. Steingalle (STG) tritt mit 33%
am Häufigsten an der Vorderklaue auf. Ballenfäule und Schwellung des Kronsaums folgen mit 26%
bzw. 20%, wobei bei den letzten beiden Erkrankungen ein geringer Datenbestand steht.

Sächsische Landesanstalt für Landwirtschaft
36
Schriftenreihe, Heft 8/2007
Tabelle 24:
Positionen der Erkrankungen
Erkrankung
hl
hr
vl
vr
Diagnose ist hinten
B/S
35 36 10 6 81,6%
BF
11 6 6 0 73,9%
DD
425 512 35 20 94,5%
DID
41 29 4 3 90,9%
DS
64 79 10 3 91,7%
HS
43 55 0 0 100,0%
KSG
0 1 0 0 100,0%
LI
78 89 4 0 97,7%
PH
0 0 0 1 0,0%
RE
167 144 18 14 90,7%
RSG
354 401 95 79 81,3%
SG
451 517 112 102 81,9%
SK
31 35 6 11 79,5%
SSG
67 80 8 15 86,5%
STG
117 153 65 69 66,8%
WL
897 1045 18 64 95,9%
WLD
43 18 3 2 92,4%
ZP
265 302 10 4 97,6%
Vergleich Klauenpflegerdaten zu HERDE-Daten
In Tabelle 25 sind prinzipielle Gemeinsamkeiten und Unterschiede zwischen Informationen der
Klauenpflegergenossenschaft im Vergleich zu den HERDE-Daten dargestellt. Der größte Unter-
schied liegt sicher in der regelmäßigen bzw. nur auf Erkrankung bezogenen Diagnose, wobei auch
bei den Klauenpflegerdaten keine NULL-Diagnosen enthalten sind. Insgesamt ist zu erwarten, dass
bei den Klauenpflegerdaten auch geringere Diagnosen eingehen, welche noch zu keiner Beein-
trächtigung der Kuh und somit auch zu keiner tierärztlichen Behandlung führen würde.
Tabelle 25:
Gemeinsamkeiten und Unterschiede zwischen Informationen der Klauen-
pflegergenossenschaft im Vergleich zu den HERDE-Daten
Klauenpflegergenossenschaft Loh-
men
Tierarzt
Wer? Klauenpfleger/ Klauenschneider Tierarzt
Wann?
Wo?
Regelmäßiger Klauenschnitt
Betriebe, welche bei der Klauenpfle-
gergenossenschaft sind
Bei Beschwerden/ Lahmheit
Alle Betrieb
Welche?
Routineschnitte und durch Klauen-
pfleger behandelbare Erkrankungen
Behandlungen mit Medikamenten-
gabe
Dokumentation
in HERDE?
Bis jetzt keine oder schlechte Erfas-
sung in HERDE
Eventuell Verbesserung eines Palm
Gute Erfassung in HERDE, da zum
Teil auch Medikamentengabe damit
verbunden ist

Sächsische Landesanstalt für Landwirtschaft
37
Schriftenreihe, Heft 8/2007
In der Tabelle 26 sind die Übereinstimmungen der Informationen aus dem HERDE-Programm mit
jenen der Klauenpfleger dargestellt. Es zeigt sich, dass besonders ein Betrieb die Daten sehr ge-
zielt in die HERDE-Managementsoftware überträgt.
Tabelle 26:
Übereinstimmende Informationen aus den Klauenpflegerdaten und den
HERDE-Daten geordnet nach Betrieb und Erfassungsjahr
Betrieb Erfassungsjahr Anzahl DS
A 2004 18
B 2005 409
C 2005 1.270
D 2004 79
E 2005 127
Berechnete Erkrankungstage
Weil die Anzahl der Behandlungen pro Erkrankung in den Betrieben unterschiedlich erfasst wird
und das Tier nicht wieder als „Gesund“ gemeldet wird, werden für die weiteren Auswertungen aus
den erfassten tierärztlichen Erkrankungsdiagnosen fiktive Erkrankungstage ermittelt. Dabei wird in
Abstimmung mit Fachtierärzten der Sächsischen Tierseuchenkasse und praktischen Tierärzten von
folgenden Erkrankungszeiträumen bei Vorliegen einer Diagnose ausgegangen:
Klauen- und Gliedmaßenerkrankungen (KL/ GL):
28 Tage
Eutererkrankungen (EU):
14 Tage
Stoffwechselstörungen (SW):
21 Tage
Fruchtbarkeits- und Geburtsstörungen (FR):
21 Tage (= 1 Zykluslänge)
Sonstige Erkrankungen (SO):
14 Tage
In diesen Zeiträumen werden alle Behandlungen mit der gleichen Diagnose als Nachbehandlung
betrachtet und somit zu einer Erkrankung zusammengefasst. Wurde das Tier nach der Hälfte die-
ses Zeitraumes wiederholt mit der gleichen Diagnose erfasst, so verlängerte sich die Erkrankungs-
dauer nochmals um die Hälfte. Wurde die Erkrankung nach Ablauf der genannten Fristen erneut
diagnostiziert, so zählt dies als neue Erkrankung.

Sächsische Landesanstalt für Landwirtschaft
38
Schriftenreihe, Heft 8/2007
Tabelle 27:
Berechnung des Erkrankungszeitraumes (= berechnete Erkrankungstage)
bei Klinischer Mastitis (= EU) während der ersten Laktation am Tier X
Diagnose
Erkran-
kungs-datum
Laktations-
tag
Berechnete
Erkrankungstage
Summe berechnete
Erkrankungstage
Mastitis klin.
15.01.2002
8
+ 14
14
Mastitis klin.
14.02.2002
38
+ 14
28
Mastitis klin.
15.02.2002
39
28
Mastitis klin.
23.02.2002
47
+ 7
35
Mastitis klin.
25.02.2005
49
35
Mastitis klin.
04.07.2005
178
+ 14
49
Die Tabelle 27 stellt das Tier X während der ersten Laktation dar. An dem jeweiligen Datum wurde
das Tier gegen klinische Mastitis behandelt. Insgesamt war das Tier X 49 Tage an klinischer Masti-
tis erkrankt.
4 Ergebnisse und Diskussion
Die Ergebnisse aus der Schätzung genetischer Parameter (Abschnitten 0 und 0) stellen abge-
schlossene Auswertungen dar, die zum jeweiligen Zeitpunkt der Datenaufbereitung durchgeführt
wurden. Demzufolge sind die einzelnen Datenumfänge und Statistiken nicht direkt miteinander ver-
gleichbar.
Schätzung genetischer Parameter für das Auftreten Klinischer Mastitis
(CM)
Milchkühe, die an Mastitis erkranken, verursachen Kosten bei der Milchproduktion durch Reduzie-
rung der Milchmenge, Einschränkung der technologischen Eignung der Milch, tierärztliche Behand-
lung, erhöhten Arbeitsaufwand und vorzeitigen Abgang.
Die Mastitisresistenz kann durch direkte Selektion mit Hilfe der Erfassung von Mastitis bzw. durch
indirekte Selektion mit Hilfe eines genetisch korrelierten Merkmals zu klinischer Mastitis (CM) ver-
bessert werden (Ø
DEGÅRD ET AL., 2003). In der Norwegischen Rinderzucht fließt seit 1978 das Auf-
treten von CM im Zeitraum von 15 Tagen vor der Abkalbung bis 120 Tagen nach der Abkalbung
während der ersten Laktation als binäres Merkmal direkt in die Zucht ein (HERINGSTAD ET AL., 2003).
Dagegen wird in Deutschland nur das Hilfsmerkmal SCS (Linear Somatic Cell Score) genutzt, weil
die Erkrankungsdiagnosen in den Betrieben nicht durchgängig dokumentiert werden. Eine systema-
tische und qualitativ hochwertige Merkmalserfassung wäre für eine Nutzung des Merkmals CM eine
zwingende Voraussetzung (S
IMIANER UND KÖNIG, 2002).
Das Ziel dieses Kapitels ist es, verschiedene Formen der Definition des Merkmals klinische Mastitis
mit Hilfe von quantitativen genetischen Analysen zu untersuchen. Der Schwerpunkt wurde auf den
Vergleich der Merkmalsdefinition als kontinuierliches und als binäres Merkmal gelegt. In der Litera-
Differenz
von
9 Tagen

Sächsische Landesanstalt für Landwirtschaft
39
Schriftenreihe, Heft 8/2007
tur werden zunehmend Krankheitsmerkmale aufgrund ihrer kategorischen Eigenschaft als binäres
Merkmal (ABDEL-AZIM UND BERGER, 1999) mit dem Schwellenwertmodell geschätzt, wobei im Ver-
gleich zu kontinuierlichen Merkmalen teilweise höhere h²-Werte ermittelt werden. Dabei werden in
Anbetracht eines häufig beschriebenen besseren Konvergenzverhaltens überwiegend Vatermodel-
le genutzt (H
ERINGSTAD, 1999; LUND ET AL., 1999). Zusätzlich wurde versucht, Aussagen zu geneti-
schen Korrelationen zu den Merkmalen SCS und Milchleistung zu treffen.
Material und Methoden
Eine Zuordnung der Staufenbielschlüssel zu diesem Merkmal ist in Tabelle 28 enthalten. Weiterhin
sind auch die bisher genutzten Schlüssel und deren Häufigkeit mit dargestellt. Es zeigt sich, dass in
den Testherden nur drei der möglichen Diagnosen auch umgesetzt sind. Die Anzahl der Diagnosen
stimmt nicht mit der für die Parameterschätzung überein, weil letztere einen bereits abgeschlosse-
nen Komplex darstellt. Sie gibt jedoch einen Überblick über die Relevanz der Diagnosen.
Tabelle 28:
Zuordnung der potenziellen Staufenbiel-Codes zu den ausgewählten Er-
krankungen sowie deren tatsächliche Nutzung im Material
Zuchtzielmerkmal Staufenbiel-Cod. Beschreibung
Anzahl
kl. Mastitis
1.13.01. Mastitis – deskriptiv 19.847
1.13.01.01. Eutersekretionsstörung
1.13.01.02.
Akute Mastitis mit Flockenbeimengungen
61.009
1.13.01.03.
Chronische Mastitis mit Flocken
2.246
1.13.01.04.
Mastitis mit Blutbeimengungen
1.13.01.05.
Mastitis mit faulenden Gewebe
1.13.01.06.
Mastitis mit Eiterbeimengungen
1.13.01.07.
Mastitis mit einer nichteitrigen Sekretver-
änderung
1.13.01.08.
Mastitis mit Knotenbildung
1.13.01.09. Mastitis phlegmonosa
Für die Auswertung der Erkrankungsdiagnosen der Klinischen Mastitis stand ein Datenmaterial von
6.851 Tieren (bei 305 Laktationstagen) der ersten Laktation mit einem Abkalbetermin zwischen
01/2000 und 04/2005 zur Verfügung. Das Leistungsniveau dieser 13 Testherden (ca. 8.400 aktive
Herdbuchtiere) liegt zwischen 8.000 und mehr als 10.000 kg Milch je Kuh und Jahr. Das Pedigree
enthält 24.304 Tiere mit 163 Vatertieren mit mindestens 5 bis 408 Nachkommen (Ø 16,7 NK) und
6.041 Muttertieren mit 1 bis 4 Nachkommen (Ø 1,1 NK). Es wurden nur Tiere mit einer Laktations-
länge von mindestens 120 bzw. 305 Tagen und einem Erstkalbealter (EKA) von 20 bis 40 Monaten
einbezogen. Milchleistungen unter 2,0 und über 99,0 kg sowie abgegangene Tiere bzw. Tiere mit
unvollständigen Laktationen bis Ende 04/2005 wurden ausgeschlossen. In den Betrieben wurden
alle tierärztlichen Diagnosen zur CM mit Tiernummer und Datum der Diagnose erfasst. Tabelle 29
gibt eine Übersicht zum Datenmaterial für die Parameterschätzung.

Sächsische Landesanstalt für Landwirtschaft
40
Schriftenreihe, Heft 8/2007
Tabelle 29:
Übersichtsstatistik zum Datenmaterial
Kalbe-
jahr
120d
n Tie-
re
305d
n Tie-
re
Mkg
1)
Zellzahl
2)
SCS
3)
CM
4)
120d
CM
4)
305d
bMT
5)
305d
2000
1.573
1.405
28,2 ± 4,4 179 ± 270 4,4 ± 1,71
5,8 %
10,9 %
2,2 ± 6,9
2001
1.709
1.549
28,2 ± 4,3 169 ± 236 4,4 ± 1,73
12,0 %
19,6 %
4,2 ± 9,7
2002
1.908
1.754
28,9 ± 4,3 165 ± 253 4,3 ± 1,78
17,2 %
25,1 %
5,4 ± 10,7
2003
1.335
1.282
29,0 ± 4,7 159 ± 254 3,9 ± 1,75
19,8 %
26,2 %
5,3 ± 9,8
2004
1.228
861
28,5 ± 5,0 174 ± 281 4,0 ± 1,73
15,9 %
23,5 %
4,4 ± 8,7
2005 262 -- -- -- -- 12,6 % -- --
Ge-
samt
8.015
6.851
28,6 ± 4,8 169 ± 256 4,2 ± 1,76
13,8 %
20,9 %
4,3 ± 9,4
1)
Mittleres MLP-Probegemelk (305 Laktationstage)
2)
Mittlerer Zellzahlgehalt der MLP (*1.000) (305 Laktationstage)
3)
Mittlerer Somatic Cell Score der MLP (305 Laktationstage)
4)
Anteil Kühe mit mind. einer Mastitisdiagnose in den ersten 120 bzw. 305 Laktationstagen
5)
mittlere berechnete Mastitiserkrankungstage in den ersten 305 Laktationstagen (siehe Text)
Die Berechnung des Merkmals „berechnete Mastitiserkrankungstage“ (
bMT-305
) wurde im Kapitel
0 beschrieben. Bei der statistischen Auswertung dieses Merkmals ergibt sich im Durchschnitt der
Population (gesunde und kranke Tiere), dass jedes Tier 4,3 Tage bei einer Standardabweichung
von 9,4 Tagen an CM erkrankte. Der Maximalwert betrug 112 Tage, dass heißt, ein Tier war wäh-
rend der ersten Laktation insgesamt 112 Tage an CM erkrankt. Für CM als binäres Merkmal erfolg-
te die Definition mit „0“ für gesund bzw. „1“ bei mindestens einer CM-Diagnose in den Zeiträumen
1. bis 120. (
MB-120
), 1. bis 305. Laktationstag (
MB-305
) und für 6 Laktationsabschnitte zu jeweils
50 Tagen (
MB-6
). Die Somatische Zellzahl wurde durch eine logarithmische Transformation zum
SCS (Linear Somatic Cell Score) umgewandelt. Für 120 bzw. 305 Laktationstage sowie die 50 Ta-
ge Abschnitte wurde jeweils der mittlere SCS und das mittlere MLP-Probegemelk (Mkg) genutzt.
Einbezogene fixe Effekte sind der Herde-Jahr-Saison-Effekt (HYS) unterteilt in 12 * 6 * 4 Klassen
sowie das EKA mit 6 Klassen zu je 100 Tagen. In Tabelle 30 sind die Modellvarianten dargestellt.

Sächsische Landesanstalt für Landwirtschaft
41
Schriftenreihe, Heft 8/2007
Tabelle 30:
Modellvarianten für die Schätzung der Heritabilitäten
1)
Nr.
Modelle
Merkmal
HYS (F) EKA (F)
Tier- bzw. Vater
(A)
pue (R)
e (R)
I
EMM
kontinuierlich
x
X
x
--
x
II
EMM
binär
x
X
x
--
x
III
WHM binär x X x x x
IV
MMM kontinuierlich x X x -- x
1)
EMM = Einmerkmalsmodell; WHM = Wiederholbarkeitsmodell; MMM = Mehrmerkmalsmodell; e =
Resteffekt; R = zufälliger Effekt; F = fixer Effekt; A = additiv genetischer Effekt mit Verwandtschaft;
pue = permanenter Umwelteffekt
Für die Untersuchungen kam das Programmpaket ASReml (G
ILMOUR ET AL., 2002) zur Anwendung.
Für das binomial verteilte Merkmal diente die Logit-Funktion als Link-Funktion.
Ergebnisse und Diskussion
In Tabelle 31 sind die Parameterschätzergebnisse aus den Einmerkmalsmodellen für die Merkmale
des Komplexes CM dargestellt. Die Heritabilitäten fallen insgesamt sehr niedrig aus. Die Einbezie-
hung der Laktationszeiträume von 120 bzw. 305 Tagen zeigen keinen großen Unterschied. Die h²-
Werte für das Merkmal MB-6 liegen bei einem hohen Umwelteffekt sehr niedrig. Die Heritabilitäten
der Merkmalsdefinitionen binär und Summentage liegen bei 0,05, geringer fallen die Schätzwerte
bei kontinuierlicher Betrachtung des binär codierten Merkmals aus. Bei dem Vergleich von Tier-
und Vatermodell fällt auf, dass die Heritabilitäten sowie der Standardfehler beim Vatermodell gene-
rell höher liegen als beim Tiermodell. Eine Ursache kann neben der ungenaueren Schätzung auch
in der Vervierfachung der additiv-genetischen Vatervarianz zur Errechnung der Heritabilitäten lie-
gen. Der enorme Sprung des Tiermodells bei Merkmal MB-6 zum Vatermodell bedarf weiterer Un-
tersuchung.
Tabelle 31:
Heritabilitäten und Standardfehler für die verschiedenen Einmerkmalsmo-
delle
Merkmal
Modell
Tiermodell
Vatermodell
h² (± SE
)
pue
h² (± SE
)
pue
MB-120 I
0,012
(± 0,011)
--
0,024
(± 0,016)
--
MB-305 I
0,023
(± 0,015)
--
0,059
(± 0,025)
--
MB-120 II
0,044
(± 0,026)
--
0,051
(± 0,038)
--
MB-305 II
0,049
(± 0,023)
--
0,091
(± 0,042)
--
MB-6
III
0,005
(± 0,012)
0,19 (± 0,018)
0,053
(± 0,024)
0,18 (± 0,015)
bMT-305 I
0,050
(± 0,021)
--
0,064
(± 0,026)
--

Sächsische Landesanstalt für Landwirtschaft
42
Schriftenreihe, Heft 8/2007
Die beiden folgenden Tabelle 32 und Tabelle 33 zeigen die Ergebnisse der Schätzung mit dem
Zweimerkmalsmodell für das Merkmal bMT-305 und SCS bzw. Mkg.
Tabelle 32:
Heritabilitäten (Diagonale), SE
und genetische Korrelationen für bMT-305
und SCS
Tabelle 33:
Heritabilitäten (Diagonale), SE
und die genetische Korrelation für bMT-305
und Mkg
Die h²-Werte für das Merkmal bMT-305 und SCS sind im Vergleich zum Einmerkmalsmodell nahe-
zu identisch. Die Ergebnisse für Mkg waren im Einmerkmalsmodell höher (um 0,3). Die Heritabilitä-
ten für SCS liegen deutlich niedriger (um 0,05) als in der Literatur angegeben wird (h² = 0,1 bis
0,2). Ebenfalls im unteren Bereich der Erwartungswerte liegen die Schätzwerte für Mkg (0,2). Die
genetische Korrelation der Merkmale bMT-305 zu SCS ist nahe 1, d.h., die beiden Merkmale be-
schreiben den gleichen genetischen Hintergrund. Dieser Wert erscheint extrem hoch und muss in
weiteren Analysen überprüft werden. In der Literatur zeigen sich für diese Parameter sehr unter-
schiedliche Ergebnisse (r
G
= 0,37/ 0,84). Die genetische Korrelation zwischen bMT-305 und Mkg
liegt im mittleren positiven Bereich.
Schlussfolgerung
Ein binäres Merkmal für CM als kontinuierliches Merkmal auszuwerten, erbringt keine interpretier-
baren Ergebnisse. Hingegen erscheint das Merkmal „berechnete Erkrankungstage“ als kontinuierli-
ches Merkmal zur Erfassung der Klinischen Mastitis geeignet. Es werden vergleichbare Schätzwer-
te wie bei einem binären Merkmal unter Nutzung eines Schwellenwertmodells ermittelt. Weitere
Vorteile dieses Merkmals sind zum einen, dass keine anderen Lösungsstrategien notwendig sind
und zum anderen ein höherer Informationsgehalt aufgrund einer quantitativen Komponente in die
Schätzung mit einfließt.
Merkmal
Modell
Tiermodell
Vatermodell
bMT-305 SCS bMT-305 SCS
bMT-305
IV
0,034
(± 0,017)
0,973
(± 0,155)
0,049
(± 0,001)
0,990
(± 0,000)
SCS IV
0,049
(± 0,019)
0,036
(± 0,001)
Merkmal
Modell
Tiermodell
Vatermodell
bMT-305 Mkg bMT-305 Mkg
bMT-305 IV
0,044
(± 0,019)
0,517
(± 0,190)
0,043
(± 0,022)
0,432
(± 0,215)
Mkg IV
0,192
(± 0,033)
0,181
(± 0,040)

Sächsische Landesanstalt für Landwirtschaft
43
Schriftenreihe, Heft 8/2007
4.2 Schätzung genetischer Parameter für weitere Gesundheitsmerkmale
Material und Methode
Für die Schätzung des Erblichkeitsgrades (Heritabilität = h²) wurde das Merkmal „berechnete Er-
krankungstage“ (Kapitel 0) genutzt. Gesunde Tiere gehen mit 0 Erkrankungstagen ein. Untersucht
wurden Gliedmaßenphlegmone, Sohlengeschwür, Mortellaro (= Digitale dermatitis) und Panaritium.
Bei den Fruchtbarkeitsstörungen wurden genetische Parameter für Zyklusstörungen (Azyklie, A-
nöstrie, Periodizitätsstörungen und Ovulationsanomalien), Endometritis (E. catarrhalis, E. mukopu-
rulenta, E. muco-purulenta sive purulenta und Pyometra) und Ovarzysten (Follikel-Theka-Zysten,
Follikel-Lutein-Zysten und Kleinzystische Degeneration) geschätzt.
Eine Zuordnung des entsprechenden Staufenbiel-Codes zu den Erkrankungen und deren aktuellen
Besetzungszahlen findet sich in Tabelle 34, wobei auch hier die unterschiedliche Anzahl zum Mate-
rial für die Parameterschätzung zu erwähnen ist.
Tabelle 34:
Zuordnung der potenziellen Staufenbiel-Codes zu den ausgewählten Er-
krankungen sowie deren tatsächliche Nutzung im Material
Zuchtzielmerkmal Staufenbiel-Cod. Beschreibung
Anzahl
Zyklusst.
2.05.02. Ovarien
72
2.05.02.01. Zyklusstörungen 1.058
2.05.02.01.01.
Brunstlosigkeit auf Gr. inakt. Eierst.
9.514
2.05.02.01.02. Brunstlosigkeit aktiv
8.353
2.05.02.01.03.
Periodizitätsstörungen des Zyklus
2.05.02.01.03.01. Verkürzte Brunstintervalle
2.05.02.01.03.02. Verlängerte Brunstintervalle
2.05.02.01.03.03. Unregelmäßige Brunstintervalle
52
2.01.09.
Aufhängung der Eierstöcke
2.01.09.01.
Entzündung der Eierstocksaufhängung
4
2.01.10. Eierstöcke 1
2.05.02.01.05. Andere Zyklusstörungen
282
2.05.02.02. Dauerbrünstigkeit
2.05.02.03. Vermännlichung
2.05. Sterilität
2.05.02.06. Eierstocksrückbildung
2.05.02.07. Eierstocksentartung 50
2.05.03. Sterilitätsuntersuchung
2.05.04. Sterilitätsbehandlung
Endometr.
2.05.01.
Uterus / Gebärmutter
3
2.05.01.01. Gebärmutterschleimhautentzündung 9.616
2.05.01.01.01.
E1 Endometritis catarrhalis
990
2.05.01.01.02.
E2 Endometritis mukopurulenta
3.574
2.05.01.01.03.
E3 Endometritis purulenta
4.525
2.05.01.01.04. E4 Pyometra
1.643
2.01.07. Gebärmutterhals 41
2.01.07.01.
Entzündung des Gebärmutterhals
5

Sächsische Landesanstalt für Landwirtschaft
44
Schriftenreihe, Heft 8/2007
Zuchtzielmerkmal Staufenbiel-Cod. Beschreibung
Anzahl
2.01.08.
Uterus / Gebärmutter
55
Zysten
2.05.02.04. Blasige Eierstocksentartung 4.080
2.05.02.04.01. Follikel-Theka-Zysten
2.242
2.05.02.04.02. Follikel-Lutein-Zysten
79
2.05.02.04.03. Kleinzystische Degeneration
49
2.05.02.01.04. Ovulationsanomalien
2.05.02.01.04.01. Verzögerte Ovulation
1.641
2.05.02.01.04.02. Anovulatorische Brunst
Mortellaro
1.10.07.10. Mortellaro, "Erdbeerkrankheit 6.188
Panaritium
1.10.07.07. Zwischenklauennekrose
1.10.07.08.
Bindegewebsentzündung im Bereich…
12.059
1.10.07.08.01. Kronensaumpanaritium
2
1.10.07.08.02. Ballenpanaritium
1.10.07.08.03. Zwischenklauenpanaritium
6
Sohlengeschw.
1.10.07.01.
Umschriebene eitrige Klauenlederhaut
1.849
1.10.07.02. Ausgebreitete eitrige Klauenlederhaut
1.10.07.03. Sohlengeschwür 171
1.10.07.04. Sohlenspitzengeschwür 60
1.10.07.05. Rusterholz'sches Sohlengeschwür 14.956
1.10.06.08. Steingalle
2.057
Ziel dieser ersten Analyse war es, eine Begrenzung der Erfassungsdauer sowie den Einfluss unter-
schiedlicher Covariablen zu prüfen. Dazu wurde das Datenmaterial auf den Zeitraum von 01/2000
bis 12/2004 begrenzt. Untersucht wurden Tiere der ersten Laktation:
Anzahl Tiere:
17.083
Anzahl Väter:
1.191
(Ø 14,3 bei 1 – 153 Nachkommen)
Anzahl Mütter:
13.325 (Ø 1,3 bei 1 – 4 Nachkommen)
In Tabelle 35 sind die berechneten durchschnittlichen Erkrankungstage je Kuh und Zeitraum in der
ersten Laktation dargestellt. Im Durchschnitt war jedes Tier während einer Laktationslänge von 305
Tagen 2,8 Tage an Sohlengeschwüren erkrankt. Die Erkrankungstage lagen zwischen 0 und ma-
ximal 225 Tagen, das heißt, ein Tier war bis zu 225 Tagen an Sohlengeschwüren erkrankt. Ähnlich
hoch sehen die durchschnittlichen Erkrankungstage bei den Zyklusstörungen und der Endometritis
aus. Die Berechnung der berechneten Erkrankungstage erfolgte nach der Beschreibung in Kapitel
„Berechnete Erkrankungstage“ (Kapitel 0).

Sächsische Landesanstalt für Landwirtschaft
45
Schriftenreihe, Heft 8/2007
Tabelle 35:
Übersichtsstatistik zur durchschnittlichen Erkrankungsdauer (berechnete
Erkrankungstage) bei 100 und 305 Tagen
Merkmal
100 Tage
MW ± s (min – max) in Ta-
gen
305 Tage
MW ± s (min – max) in Tagen
Klauen- und Gliedmaßen:
Phlegmone
0,15
± 1,25 (0 – 30)
0,78
± 4,81 (0 – 120)
Sohlengeschwür
0,13
± 0,89 (0 – 30)
2,84
± 11,72 (0 – 225)
Mortellaro
0,11
± 0,56 (0 – 30)
0,70
± 4,60 (0 – 90)
Panaritium
0,26
± 2,21 (0 – 30)
1,98
± 8,59 (0 – 135)
Fruchtbarkeitsstörungen:
Zyklusstörungen
0,21
± 1,56 (0 – 32)
2,87
± 10,89 (0 – 200)
Endometritis
0,24
± 1,75 (0 – 32)
3,63
± 10,63 (0 – 158)
Ovarzysten --
0,98
± 5,19 (0 – 116)
MW = Mittelwert; s = Standardabweichung; min = Minimum; max = Maximum
Die Schätzung der Heritabilitäten erfolgte mittels REML-Methode mit dem Programmpaket VCE 5.1
(K
OVAC UND GROENEVELD, 2003). Für die Analyse wurden die folgenden Effekte in unterschiedlicher
Formulierung einbezogen:
Herde * Jahr * Saisoneffekt (fix)
Erstkalbealter (als Covariable oder Gruppiert (6 Gruppen))
die bereits absolvierte Laktationslänge
additiv genetischer Effekt des Tieres
Der Herde-Jahr-Saison-Effekt geht als fixer Effekt ein und unterteilt sich in 13 x 5 x 4 Klassen, das
sind 13 Betriebe, 5 Jahre (2000 bis 2004) und 4 Saisonabschnitte (1: Dezember bis Februar, 2:
März bis Mai, 3: Juni bis August, 4: September bis November). Der Effekt der Laktationslänge (ma-
ximal 100 bzw. 305 Tage) wurde als Kovariable behandelt.
Ergebnisse und Diskussion
Die Ergebnisse der Parameterschätzung des Modells mit zwei Covariablen (EKA und Laktations-
länge) sind in Tabelle 36 aufgeführt.

Sächsische Landesanstalt für Landwirtschaft
46
Schriftenreihe, Heft 8/2007
Tabelle 36:
Heritabilitäten für das Merkmal „berechnete Erkrankungstage“
Merkmal
100 Tage
h² ± s
305 Tage
h² ± s
Klaue- und Gliedmaßen:
Phlegmone
0,000
± 0,003
0,046
± 0,009
Sohlengeschwür
0,000
± 0,000
0,066
± 0,010
Mortellaro
0,009
± 0,003
0,003
± 0,003
Panaritium
0,008
± 0,004
0,030
± 0,007
Fruchtbarkeitsstörungen:
Zyklusstörungen
0,020
± 0,008
0,022
± 0,007
Endometritis
0,000
± 0,000
0,022
± 0,007
Ovarzysten --
0,013
± 0,006
H² = Heritabilität; s = Standardfehler
Insgesamt sind die Ergebnis aus allen Modellvarianten sehr ähnlich. Die Heritabilitäten liegen bei
einer Laktationslänge von 100 Tagen größtenteils niedriger als bei 305 Tagen. Bei einer Laktations-
länge von 305 Tagen sind die Heritabilitäten von Klauen- und Gliedmaßenerkrankungen in einem
Bereich von 0,003 bei Mortellaro und 0,066 bei Sohlengeschwür angesiedelt. In der Literatur wer-
den höhere h²-Werte von 0,04 bis 0,09 für Mortellaro (über alle Laktationen) und Sohlengeschwür
angegeben. Der Vergleich ist schwierig, da einige der in der Literatur aufgeführten Untersuchungen
auf der direkten Beurteilung der Klaue bei krankhaften Veränderungen beruhen und andere aus-
schließlich auf der Diagnose durch Tierärzte und Landwirte basieren.
Die Heritabilitäten für Fruchtbarkeitsstörungen liegen bei dieser Auswertung zwischen 0,013 und
0,022 bei 305 Laktationstagen. Für das Merkmal Ovarzysten konnten für die ersten 100 Laktati-
onstage keine Erkrankungsfälle dokumentiert werden, da das Auftreten dieser Erkrankung erst
nach 100 Tagen untersucht wird.
Die Formulierung des Erstkalbealters als Covariable (lineare Regression) oder als fixer Effekt in
Gruppen erbrachte keine Unterschiede in den Parameterschätzern und sollte in Anbetracht einer
möglicherweise besseren Anpassung an die wahren Gegebenheiten (keine Sprünge zwischen be-
nachbarten Klassen) als Covariable genutzt werden. Eine Einbeziehung der Laktationslänge er-
brachte ebenfalls keine Unterschiede in den Schätzern. Eine Analyse der Höhe dieser Regression
auf die Zielvariable ergaben in allen Fällen nur extrem niedrige Regressoren, wobei hier auch nega-
tive Werte vorkamen, was bedeuten würde, dass mit steigenden Laktationstagen die Anzahl er-
krankter Tage abnimmt, was eher schwierig zu interpretieren ist. Insgesamt erscheint diese Infor-
mation als Effekt also vernachlässigbar. Dieses Verhalten liegt wahrscheinlich auch an der wesent-
lich größeren Anzahl bereits abgeschlossener Laktationen, so dass bei gleichmäßiger Verteilung
nicht abgeschlossener Laktationen über die Väter es hier auch zu keinen bedeutenden Verschie-

Sächsische Landesanstalt für Landwirtschaft
47
Schriftenreihe, Heft 8/2007
bungen in der Zuchtwertschätzung kommen dürfte. Dieser Effekt soll für die Zuchtwertschätzung
daher zunächst nicht berücksichtigt werden, eine weitere Analyse steht aber noch aus.
4.3 Vergleichende Parameterschätzungen zwischen Daten der Klauenpflegergenossen-
schaft und HERDE Daten
Grundlage für diese Untersuchung bilden die Daten der Lohmener Klauenpflegergenossenschaft
wie sie im Abschnitt 0 dargestellt sind. Es wurden die Merkmale ausgesucht, welche auch in den
Krankheitsbefunden in den Testbetrieben dokumentiert sind und für eine Zuchtwertschätzung ge-
nutzt werden. Das sind die Merkmale:
Mortellaro
Panaritium und
Sohlengeschwür.
Zum Vergleich der Informationsmengen und Aussagefähigkeit der Daten für eine Parameter- und
Zuchtwertschätzung wurden diese wie folgt unterteilt:
wie für Zuchtwertschätzung
Beschränkt auf die Betriebe mit Daten der Klauenpfleger
nur Klauenpflegerdaten
Dabei ist der direkte Vergleich der Nutzung von HERDE-Daten zu Klauenpflegerdaten bei den letz-
ten beiden Gruppen möglich, weil es sich um dieselben Tiere handelt. Hier werden ähnliche Ergeb-
nisse erwartet, da einige Betriebe die Informationen der Klauenpfleger in Ihre Managementpro-
gramme einpflegen.
Die Beschreibung für die einzelnen Datensätze ist in den Tabelle 37 bis Tabelle 40 aufgeführt. Da-
bei gehen in die Zuchtwertschätzung 36.061 Datensätze ein, beschränkt auf die Betriebe der Klau-
enpflegergenossenschaft verbleiben noch 9.338 Datensätze.
Tabelle 37:
Datenmaterial wie für die Zuchtwertschätzung (HERDE). Mittelwerte,
Spannweiten, Anzahl Datensätze und Tiere für die ausgewählten Merkmale
(Datensätze gesamt: 36.061)
Merkmal
MW (s)
Spannweite
Datensätze
Tiere
Mortellaro
1,6 ( 7,5 )
0 – 112
2775
2224
Panaritium
2,1 ( 8,0)
0 – 126
2978
2610
Sohlengeschwür
3,2 ( 12,4 )
0 – 238
6421
4493

Sächsische Landesanstalt für Landwirtschaft
48
Schriftenreihe, Heft 8/2007
Tabelle 38:
Datenmaterial nur der Betriebe für welche auch Klauenpflegerdaten vorlie-
gen (HERDE). Mittelwerte, Spannweiten, Anzahl Datensätze und Tiere für die
ausgewählten Merkmale (Datensätze gesamt: 9.338)
Merkmal
MW (s)
Spannweite
Datensätze
Tiere
Mortellaro
1,1 ( 6,0 )
0 – 112
286
266
Panaritium
2,2 ( 8,3)
0 – 126
616
547
Sohlengeschwür
4,0 ( 15,3 )
0 – 238
791
638
Tabelle 39:
Datenmaterial der Klauenpflegergenossenschaft. Mittelwerte, Spannweiten,
Anzahl Datensätze und Tiere für die ausgewählten Merkmale
Merkmal
MW (s)
Spannweite
Datensätze
Tiere
Mortellaro
2,3 ( 9,4 )
0 – 126
596
529
Panaritium
1,1 ( 6,5)
0 – 126
274
264
Sohlengeschwür
3,9 ( 14,9 )
0 – 252
802
704
Tabelle 40:
Ergebnisse der Parameterschätzung für alle drei Teildatensätze
Mortellaro
Panaritium
Sohlengeschwür
h
2
0,0418
0,0254
0,0434
0,0047 0,0048 0,0054
p
2
0,0889 0,0633 0,0656
0,0057 0,0061 0,0060
Mortellaro
Panaritium
Sohlengeschwür
h
2
0,0499
0,0200
0,0528
0,0061 0,0085 0,0108
p
2
0,0075 0,0936 0,0584
0,0022 0,0118 0,0125
Mortellaro
Panaritium
Sohlengeschwür
h
2
0,0469
0,0109
0,0329
0,0095 0,0060 0,0083
p
2
0,0646 0,0621 0,0550
0,0118 0,0106 0,0107
Die Parameterschätzer zeigen bei diesem insgesamt geringen Niveau kaum Unterschiede bei der
Nutzung verschiedener Informationen. Das gilt sowohl für den direkten Vergleich zwischen Klauen-
pflegerdaten und HERDE-Daten als auch bei Verwendung nur eines Teildatensatzes.

Sächsische Landesanstalt für Landwirtschaft
49
Schriftenreihe, Heft 8/2007
Es werden keine höheren Heritabilitäten bei der Verwendung von Klauenpflegerdaten im Vergleich
zu Managementdaten ermittelt. Was eine absolute Notwendigkeit der Verwendung von Klauenpfle-
gerinformationen nicht ersehen lässt. Trotzdem erscheint eine Kombination beider Informations-
quellen bzw. ein konsequentes Einpflegen der Daten in die Managementprogramme angeraten.
4.4
Schätzung genetischer Parameter für die Zuchtwertschätzung
Aufgrund dieser Voruntersuchungen (Kapitel 4.1 bis 4.3) wurde dann für ausgewählte Merkmale ei-
ne Parameterschätzung durchgeführt, die Grundlage der Entscheidung auf Aufnahme in eine routi-
nemäßige Zuchtwertschätzung in der AG Rind war. Die Merkmalsauswahl erfolgte nach Erfassbar-
keit, Besetzungszahlen im Material sowie ökonomischer Relevanz. Der Materialumfang für diese
Untersuchung ist wiederum größer, was auch an der Einbeziehung der höheren Laktationen liegt.
Das Material lässt sich wie folgt beschreiben:
Daten seit 2000
13 Betriebe (Testherden)
22.125 Datensätze in 12 Laktationen
10.174 Tiere mit Leistungen
1.283 Väter ( 1 – 1.012 Datensätze; Clown; 1 – 391 Tiere )
8.755 Mütter ( 1 – 10 Datensätze; 1 - 6 Tiere )
30.210 Tiere im Pedigree
In der Tabelle 41 sind einige statistische Maßzahlen für das Material enthalten.
Tabelle 41:
Statistische Maßzahlen für das Material der Parameterschätzung
Avg (s)
Spannweite
Datensätze
Tiere
Frequenz
Mastitis
4,3 ( 9,7 )
0 – 126
12330
9315
0,56
Gebärparese
0,9 ( 4,5 )
0 – 94,5
2079
1727
0,09
Mortellaro
1,3 ( 6,7 )
0 – 120
1197
979
0,05
Panaritium
2,6 ( 10,1)
0 – 180
2891
2572
0,13
Sohlengeschwür
3,2 (12,3 )
0 – 225
5516
4017
0,25
Endometritis
4,0 ( 11,7)
0 – 178,5
6596
5847
0,30
Geburtsstörung
0,4 ( 4,7 )
0 – 220,5
519
497
0,02
Puerperalstörung
0,3 ( 2,2 )
0 – 52,5
612
574
0,03
Zyklusstörung
4,4 ( 13,2 )
0 – 210
5055
4589
0,23
Ovariarzysten
1,6 ( 6,8 )
0 – 105
2208
2090
0,10

Sächsische Landesanstalt für Landwirtschaft
50
Schriftenreihe, Heft 8/2007
Die 15 häufigsten Väter im Material der Testherden sind in Tabelle 42 dargestellt.
Tabelle 42:
Die am häufigsten genutzten Bullen in den derzeitigen Testherden
Name
Nummer
Anzahl DS
Anzahl Tiere
CLOWN 830122 1012 391
PRETIN 830156 755 331
LEW 830096 462 188
DOWIN 830236 380 208
ILIUS 830183 353 150
GANWIND 830195 331 135
PRESTO 830139 309 124
JAZZMAN 504489 298 95
NOAH 501428 290 107
MANAT 830287 281 169
LELY 501405 260 81
SLOGAN 501579 257 117
TONI 830158 235 99
LUNAX 830265 235 143
BIPS ET
392006
228
77
Das zugrunde liegende Modell entspricht dem der Zuchtwertschätzung:
y = Xb + Za + Zp + e
y
- Vektor der Beobachtungswerte
X
- Designmatrix zur Verknüpfung der Beobachtungswerte mit den fixen Effekten
b
- Vektor der fixen Effekte und Covariablen, in diesem Falle zusammengesetzt aus
Herde * Jahr * Saison, Laktationsnummer sowie der Covariablen Erstkalbealter
bzw. Zwischenkalbezeit getestet innerhalb der ersten bzw. folgenden Laktationen
als lineare Regression
Z
- Designmatrix zur Verknüpfung der Beobachtungswerte mit den zufälligen Effekten
a
- Vektor der zufälligen Effekte, in diesem Falle der additiv genetischen Effekte der
Tiere
p
- Vektor der zufälligen Effekte, in diesem Falle eines permanenten Umwelteffektes
für die Leistungswiederholungen
e
- Vektor der zufälligen Resteffekte
Die ermittelten Parameter befinden sich in der Tabelle 43.

Sächsische Landesanstalt für Landwirtschaft
51
Schriftenreihe, Heft 8/2007
Tabelle 43:
Ermittelte Parameter (Heritabilität h
2
und permanenter Umwelteffekt p
2
) für
die ausgewählten Merkmale (Standardfehler der Schätzer unter diesen)
Mastitis
Gebärparese
Mortellaro
Panaritium
Sohlengesch.
h
2
0,0432 0,0116 0,0459 0,0490 0,0432
0,0074 0,0035 0,0064 0,0074 0,0083
p
2
0,0641 0,0476 0,0880 0,0447 0,0641
0,0083 0,0053 0,0076 0,0081 0,0074
Endometritis Geburtsst. Puerperalst Zyklusst Zysten
h
2
0,0166 0,0085 0,0592 0,0316 0,0100
0,0038 0,0062 0,0059 0,0057 0,0047
p
2
0,0314 0,0240 0,0000 0,0350 0,0481
0,0080 0,0105 0,0000 0,0086 0,0082
Die Erblichkeitsgrade liegen im erwarteten niedrigen Bereich zwischen 1 und 6 %. Die Schätzer für
den permanenten Umwelteffekt der Wiederholungen im Zielmerkmal liegen meist in einer ähnlichen
Größenordnung.
In der Literatur angegebenen Heritabilitäten liegen bei Gesundheitsmerkmalen zwischen 0 und 10
Prozent. Die Milchleistungsmerkmale liegen im Gegensatz dazu bei 20 bis 60 Prozent. In die
Zuchtwertschätzung gehen seit Jahren Fruchtbarkeitsmerkmale (Kalbeverlauf, Non-Return-Rate)
mit niedrigem Erblichkeitsgrad von ca. 5 Prozent ein. In den meisten skandinavischen Ländern
werden trotz der geringen Heritabilitäten durch eine relativ große Anzahl von Nachkommen
brauchbare Zuchtwerte für Gesundheitsmerkmale ermittelt (P
HILIPSSON, 1995). In Schweden wer-
den daher 130 bis 150 Nachkommen pro Testbulle geprüft. Eine weitere Voraussetzung für eine
Zucht auf Gesundheitsmerkmale ist eine systematische und qualitativ hochwertige Merkmalserfas-
sung (S
IMIANER UND KÖNIG, 2002).
Für die weitere genetische Analyse der sächsischen Milchrindpopulation in Bezug auf die Gesund-
heitsmerkmale müssen die Datenqualität und die Modelle für die Parameterschätzung weiter opti-
miert werden. Durch weitere Plausibilitätskriterien müssen unwahrscheinliche Daten von der Aus-
wertung ausgeschlossen werden. Andere Ursachen für geringe Heritabilitäten können der tatsäch-
lich geringe genetische Anteil oder eine ungenaue Merkmalsdefinition und eine daraus resultieren-
de unterschiedliche Merkmalserfassung sein. Dieses Problem wird nur bei eindeutig zu diagnosti-
zierenden Erkrankungen minimiert.

Sächsische Landesanstalt für Landwirtschaft
52
Schriftenreihe, Heft 8/2007
4.5
Routinemäßige Zuchtwertschätzung für Gesundheitsmerkmale
Eine routinemäßige Zuchtwertschätzung soll dreimal jährlich zu den Terminen der offiziellen
Zuchtwertschätzung des VIT durchgeführt werden. Als Merkmal dienen die berechneten Erkran-
kungstage aus den dokumentierten tierärztlichen Erkrankungsdiagnosen (wie im Abschnitt 0 be-
schrieben). Aufgrund der Besetzungszahlen, den Problemen in der eindeutigen Erfassung des
Merkmals zwischen den Betrieben und der ermittelten Erblichkeitsgrade werden nach Abstimmung
in der AG Rind für die routinemäßige Zuchtwertschätzung die folgenden Merkmale genutzt:
Klinische Mastitis
Mortellaro
Panaritium
Sohlengeschwür
Endometritis
Zyklusstörungen und
Zysten
Die Veröffentlichungsgrenze liegt bei mindestens 30 Nachkommen in den Testherden.
Für die Zuchtwertschätzung wurde das folgende Modell genutzt:
y = Xb + Za + Zp + e
y
- Vektor der Beobachtungswerte
X
- Designmatrix zur Verknüpfung der Beobachtungswerte mit den fixen Effekten
b
- Vektor der fixen Effekte und Covariablen, in diesem Falle zusammengesetzt aus
Herde * Jahr * Saison, Laktationsnummer sowie der Covariablen Erstkalbealter
bzw. Zwischenkalbezeit getestet innerhalb der ersten bzw. folgenden Laktationen
als lineare Regression
Z
- Designmatrix zur Verknüpfung der Beobachtungswerte mit den zufälligen Effekten
a
- Vektor der zufälligen Effekte, in diesem Falle der additiv genetischen Effekte der
Tiere
p
- Vektor der zufälligen Effekte, in diesem Falle eines permanenten Umwelteffektes
für die Leistungswiederholungen
e
- Vektor der zufälligen Resteffekte
Die unterstellten genetischen Parameter, welche ebenfalls mit dem dargestellten Modell ermittelt
wurden, befinden sich in Tabelle 44.

Sächsische Landesanstalt für Landwirtschaft
53
Schriftenreihe, Heft 8/2007
Tabelle 44:
Für die Zuchtwertschätzung genutzte genetische Parameter
Varianz-
komponenten
Mastitis Mortellaro Panaritium
Sohlen-
geschwür
Endo-
metritis
Zyklus-
störungen
Zysten
Add. Genet.
6,585
1,799
4,448
5,309
1,821
4,644
0,434
Perm. Umwelt
5,007
3,449
4,061
7,879
3,447
5,133
2,091
Rest 87,26 33,97 82,34 109,7 104,7 136,0 40,95
Die Zuchtwerte werden für die Komplexe Euter, Klauen, Fruchtbarkeit sowie zu einem Gesamt-
zuchtwert zusammengefasst. Die Wichtung ist in Tabelle 45 dargestellt.
Tabelle 45:
Wichtung der Einzelmerkmale zu Komplexen
Merkmale
Mastitis
Mortellaro
Panaritium
Sohlen-
geschwür
Endo-
metritis
Zyklus-
störungen
Zysten
Euter 1
Klauen 1 1 1
Fruchtbarkeit
2 1 1
Gesamt 1 1 1 1 2 1 1
Die Darstellung erfolgt mit einem Mittelwert von 100 für alle Bullen mit Nachkommen und einer ge-
netischen Standardabweichung von 12 Punkten. Werte über 100 sind in züchterischer Hinsicht als
positiv zu bewerten, also als geringere Prädisposition für die entsprechende Krankheit.
5
Zusammenfassung und Schlussfolgerungen
Neben der etablierten, erfolgreichen züchterischen Bearbeitung des Leistungsniveaus bei den
Milchkühen, rückt aufgrund des ständig zunehmenden Preisdruckes auf die Milcherzeuger die
züchterische Verbesserung funktionaler Merkmale, insbesondere der Gesundheitsmerkmale, im-
mer mehr in den Vordergrund.
Anliegen dieses Projektes war es, ausgewählte Gesundheitsmerkmale durch Schätzung geneti-
scher Parameter und der Entwicklung eines Zuchtwertschätzverfahrens für die Prädisposition be-
stimmter Krankheiten zu untersuchen. In vorherigen Projekten wurden die Voraussetzungen für die
Erfassung von Gesundheitsdaten geschaffen. Grundlage der Untersuchungen bildeten 13 Testbe-
triebe mit mehr als 8.000 Herdbuchkühen und einem durchschnittlichen Leistungsniveau von 8.000
bis mehr als 10.000 kg Milch. Der Auswertungszeitraum für die Voruntersuchungen ging von 2000
bis 2005.
Für die Definition des Zuchtwertschätzmodells wurden in ersten Untersuchungen genetische Para-
meter mit verschiedenen Merkmalsdefinitionen, Laktationszeiträumen und Covariablen für Erkran-

Sächsische Landesanstalt für Landwirtschaft
54
Schriftenreihe, Heft 8/2007
kungen aus den Komplexen Klauen, Euter, Fruchtbarkeit und Stoffwechsel geschätzt. Als geeigne-
tes Merkmal stellten sich die „berechneten Erkrankungstage“ als kontinuierliches Merkmal bei einer
Laktationslänge von 305 Tagen heraus. Gesunde Tiere gehen mit Null Erkrankungstagen in die Be-
rechnung ein.
Darauf aufbauend wurden für das Datenmaterial (ab 2000) von 22.125 Datensätzen (max. 12 Lak-
tationen) genetische Parameter hinsichtlich des Auftretens von Klinischer Mastitis (KM), Gebärpa-
rese (GP), Mortellaro (ML), Panaritium (PN), Sohlengeschwür (SG), Endometritis (EM), Geburtsstö-
rungen (GS), Puerperalstörungen (PS), Zyklusstörungen (ZS) und Zysten (Z) geschätzt. Die durch-
schnittlichen Erkrankungstage je Tier und Laktation lagen zwischen 0,3 (bei PS) und 4,4 (bei ZS)
Tagen, die Erkrankungsfrequenz zwischen 2% (bei GS) und 56% (bei KM) und die Heritabilitäten
(h²) zwischen 0,01 (bei GS, Z, GP) und 0,06 (bei PS). Bei KM, ML, PN und SG lagen die Heritabili-
täten (h²) im erwartet niedrigen Bereich von 0,04 bis 0,05.
Aufgrund der Erfassbarkeit, der Besetzungszahlen im Material und der ermittelten Erblichkeitsgrade
wurden folgende Erkrankungen in eine routinemäßige Zuchtwertschätzung für Gesundheitsmerk-
male integriert:
Klinische Mastitis,
Mortellaro,
Panaritium,
Sohlengeschwür,
Endometritis
Zyklusstörungen und Zysten.
6 Literaturverzeichnis
A
BDEL-AZIM, G.A.; BERGER, P.J. (1999): Properties of threshold model predictions. J. Anim. Sci.
77:582-590.
B
ALLHEIMER, A.E. (2004): Was macht die Klauen wirklich krank?, top agrar 7/ 2004, R20-R24
F
IEDLER, K., KLUNKER, M., FISCHER, R., MÜLLER, U. (2004): Entwicklung und Erprobung eines Prüf-
systems für funktionale Merkmale für die Milchrindzucht im Freistaat Sachsen, Abschluss-
bericht
G
ILMOUR, A.R., B.R. CULLIS, S.J. WELHAM AND R. THOMPSON. (2000). ASREML Reference Manual.
NSW Agriculture, Orange Agric. Inst. Orange, Australia.
H
ARDER, B.; BENNEWITZ, J.; HINRICHS, D.; KALM, E. (2005): Does persistency of lactation influence the
disease liability in German Holstein dairy cattle?, 56
th
EAAP meeting, session CG2.9
HERINGSTAD, B.; KLEMETSDAL, G.; RUANE, J. (1999): Clinical mastitis in Norwegian cattle: frequency,
variance components and genetic correlation with protein yield. J. Dairy Sci. 82: 1325-
1330.
H
ERINGSTAD, B.; REKAYA, R.; GIANOLA, D.; KLEMETSDAL, G.; WEIGEL, K. A. (2003): Genetic change for
clinical mastitis in norwegian cattle: a threshold model analysis. J. Dairy Sci. 86: 369-375.

Sächsische Landesanstalt für Landwirtschaft
55
Schriftenreihe, Heft 8/2007
HERINGSTAD, B.; CHANG, Y.M.; GIANOLA, D.; KLEMETSDAL, G. (2005) Genetic Analysis of Clinical Mas-
titis, Milk Fever, Ketosis, and Retained Placenta in Three Lactations of Norwegian Red
Cows, J. Dairy Sci. 88:3273-3281
K
OIVULA, M.; MÄNTYSAARI, E.A.; NEGUSSIE, E.; SERENIUS, T. (2005): Genetic and Phenotypic Rela-
tionsships Among Milk Yield and Somatic Cell Count Before and After Clinical Mastitis; J.
Dairy Sci. 88:827-833
K
ÖNIG, S.; SHARIFI, A.R.; WENTROT, H.; LANDMANN, D.; EISE, M.; SIMIANER, H. (2005): Genetic Parame-
ters of Claw and Foot Disorders Estimated with Logistic Models, J. Dairy Sci. 88:3316-
3325
K
OVAC, M.; GROENEVELD, E. (2003): VCE-5 User’s Guide and Reference Manual, Version 5.1
LUND, M.; JENSEN, J.; PETERSEN, P. (1999): Estimation of genetic and phenotypic parameters for
clinicalmastitis, somatic cell score, production deviance and protein yield in dairy cattle us-
ing Gibbs sampling. J. Dairy Sci. 82: 1045-1100.
M
ARK, T.; JAKOBSEN, J.H.; JOIJANI, H.; FIKSE, W.F.; PHILPSSON, J. (2005): International Trends in Re-
cording and Genetic Evaluation of Functional Traits in Dairy Cattle, 56
th
EAAP meeting,
2005 Uppsala, Schweden, Session CG 2.1
MIJIC, P.; KNEZEVIC, I.; DOMACINOVIC, M. (2004): Connection of milk flow curve to the somatic cell
count in bovine milk, Arch. Tierz., Dummerstorf 47 (2004) 6, 551-556
N
EGUSSIE, E.; STRANDÉN, I.; MÄNTYSARRI, E. (2005): Threshold and linear model estimates of genetic
and residual correlations between CM, SCC and production traits, 56th EAAP meeting,
session CG2.5
Ø
DEGÅRD, J.; KLEMETSDAL, G.; HERINGSTAD, B. (2003): Genetic improvement of mastits resistance:
Validation of somatic cell score and clinical mastitis as selection criteria. J. Dairy Sci. 86:
4129-4136.
P
HILIPSSON, J. (1995): Züchtung auf Gesundheit am Beispiel Skandinavien – erfolgreiche Koopera-
tion von Landwirt, Tierarzt, MLP und Zuchtorganisationen. Züchtungskunde 67, 454 – 460
P
HILIPSSON, J. (2000): Strategien zur Verminderung von Kälberverlusten (Totgeburten) Züchtungs-
kunde 72 (2000), 440 – 449
R
DEVELOPMENT CORE TEAM (2005): R: A Language and Environment for Statistical Computing Vi-
enna, Austria (ISBN 3-900051-07-0)
S
CHAFBERG, R.; ROSNER, F.; ANACKER, G.; SWALVE, H.H. (2005): Genetic analysis of cases of sub-
clinical mastitis, 56
th
EAAP meeting, session CG2.6
SIMIANER, H., KÖNIG, S. (2002): Ist Zucht auf Krankheitsresistenz erfolgreich ? Vortrag Jahrestagung
DGFZ/GFT 17.09.02
S
TAMER, E.; JUNGE, W.; BRADE, W.; KALM, E. (2005): Gestation length for genetic evaluation of calv-
ing traits in dairy cattle, 56th EAAP meeting, session CG2.21
S
TEINBOCK, L.; JOHANSSON, K.; NÄSHOLM, A.; BERGLUND, B.; PHILIPSSON, J. (2005): Genetic Evaluation
of Stillbirth and Calving Difficulty in Swedish Red and White Dairy Cattle, 56
th
EAAP meet-
ing, session CG2.10

Sächsische Landesanstalt für Landwirtschaft
56
Schriftenreihe, Heft 8/2007
SWALVE, H. H.; KÖNIG, S. (2004): Klauenschnittbefunde für die Zucht nutzen?, Milchrind 3/ 2004, 42-
45
ULLRICH, E. (2006): persönliche Mitteilung
W
INCKLER, C. (2005): New behaviour based developments to collect health information in dairy cat-
tle farming, 56
th
EAAP meeting, Session M 6.2
ZWALD, N.R.; WEIGEL, K.A.; CHANG, Y.M.; WELPER, R.D.; CLAY, J.S. (2004A): Genetic Selection for
Health Traits Using Producer-Recorded Data. I. Incidence rates, heritability Estimates, and
Sire Breeding Values, J. Dairy Sci. 87:4287-4294
Z
WALD, N.R.; WEIGEL, K.A.; CHANG, Y.M.; WELPER, R.D.; CLAY, J.S. (2004B): Genetic Selection for
Health Traits Using Producer-Recorded Data. II. IGenetic Correlations, Disease Probali-
ties, and Relationships with Existing Traits, J. Dairy Sci. 87:4295-4302
Internet:
http://www.klauenpflege.ch/media/pdf/Bericht_Schweizer_Bauer_Herbst_2005.pdf

Sächsische Landesanstalt für Landwirtschaft
57
Schriftenreihe, Heft 8/2007
Anlage
Literaturstudie zu genetischen Einflussfaktoren auf Gesundheitsmerkmale beim Milchrind
Kati Fiedler, Carina Kehr, Dr. Ralf Fischer, , Dr. Michael Klunker, Dr. Uwe Bergfeld
Inhalt
1 Funktionale Merkmale generell
2
Klauen- und Gliedmaßenerkrankungen
3
Eutergesundheit, somatischer Zellgehalt
4 Fruchtbarkeitsstörungen
5 Stoffwechselstörungen
6 Literaturverzeichnis
1 Funktionale Merkmale generell
Die Wirtschaftlichkeit der Milchproduktion wird bestimmt durch Produktionsmerkmale und funktiona-
le Merkmale. Neben der deutlichen Milchleistungssteigerung in den letzten 10 Jahren ist ein negati-
ver Trend bei den funktionalen Merkmalen zu beobachten. Das manifestiert sich in steigender Tot-
geburtenrate, hohen Aufzuchtverlusten, Fruchtbarkeitsproblemen und erhöhter Anfälligkeit der Tie-
re gegenüber Mastitis, Fundaments- und Stoffwechselerkrankungen (LKV
SACHSEN, JAHRESBERICHT
2002).
Durch die derzeitige Milchkontingentierung und niedrige Preise für Milch und Schlachtvieh sinkt der
Grenznutzen einer weiteren Milchleistungssteigerung (M
ACK, 1996), während funktionale Merkmale
an Bedeutung gewinnen. Auch aus Tierschutz- (Tierschutz als Staatsziel im Grundgesetz) und
Verbraucherschutzgründen (Produkthaftungsgesetz) erscheint eine stärkere Selektion auf Funktio-
nalität sinnvoll (B
ANOS, 1999; DISTL, 2001).
Der Begriff „funktionale Merkmale“ umfasst nach S
WALVE (2003) alle Merkmale, die zur Kostenmi-
nimierung auf der Input-Seite der Produktion beitragen oder die sich positiv auf die Vermarktungs-
möglichkeiten tierischer Produkte auswirken. Nach G
ROEN (1997) zählen darunter die Zuchtleistung
(Besamungserfolg, Kalbeverhalten, Kälberverluste), Merkmale der Gesundheit und Vitalität (insbe-
sondere die Anfälligkeit gegenüber Mastitis, Stoffwechselstörungen und Fundamentsproblemen),
die Melkbarkeit und die Nutzungsdauer.
Auch Erbfehler, Missbildungen und das Futteraufnahmevermögen werden den funktionalen Merk-
malen zugeordnet. D
ISTL (2001) bringt mit der Zucht auf funktionale Merkmale eine verminderte An-
fälligkeit gegenüber Krankheiten, die Verringerung von Produktionsverlusten, die Erhöhung der
Leistungsstabilität der Tiere, Tierschutzaspekte und die Verbesserung der Qualität und Verbrau-
cherakzeptanz tierischer Produkte in Verbindung. Eine Übersicht zu den Selektionsmerkmalen in
der Milchrindzucht ist in Abbildung 12 abgebildet.

Sächsische Landesanstalt für Landwirtschaft
58
Schriftenreihe, Heft 8/2007
Abbildung 12:
Selektionsmerkmale in der Milchviehzucht (verändert nach BERGFELD &
KLUNKER, 2002)
Nach SWALVE (1999) wird die Selektionswürdigkeit eines Merkmals bestimmt durch:
die ökonomische Bedeutung des Merkmals
die Erfassbarkeit (gemessen am Erfassungsaufwand und der Messgenauigkeit bzw. Wie-
derholbarkeit)
den Erblichkeitsgrad
die genetische Variation in der Population und
den bestehenden genetischen Korrelationen zu anderen Produktions- bzw. funktionalen
Merkmalen oder zu leicht erfassbaren Hilfsmerkmalen.
Ökonomische Bedeutung
Grundsätzlich wirkt sich jede Krankheit negativ auf Milchleistung und Fruchtbarkeit aus. Tabelle 46
zeigt die Verluste in Litern pro Tag über die gesamte Laktation für ausgewählte Erkrankungen.
Exterieur
Milchleistungs-
merkmale
Funktionale Merkmale
Zuchtleistung
Zellzahl
Widerstands-
fähigkeit
Futteraufnahme
Futterverwert-
ung
Persistenz
Erkrankungs-
häufigkeit
Nutzungs-
dauer
Melkbarkeit
Fruchtbarkeit
Erstkalbealter
Anzahl Kalbun-
gen
Anzahl lebend
geborener Kälber
ZKZ
Kalbeverhalten
Geburtsgewicht
Kalbeverlauf
Milchmenge
Fettmenge
Eiweißmenge
Fettgehalt
Eiweißgehalt
Gesundheit,
Effizienz
Abgangs-
risiko
Durchschnitt-
liches Minuten-
gemelk
Milchfluss-
parameter

Sächsische Landesanstalt für Landwirtschaft
59
Schriftenreihe, Heft 8/2007
Tabelle 46:
Einfluss ausgewählter Krankheiten auf die Milchleistung (FOURCHION et al.
1999, zitiert bei EVANS, 2003)
Krankheit
Verlust/ Tag [l]
Geburtsstörungen 0,5 – 2,3
Totgeburt 0,7 – 1,3
Nachgeburtsverhalten 0,5 – 2,3
Gebärmutterentzündung 0,5 – 2,3
Ketose 0,7 – 1,3
Labmagenverlagerung 0,8 – 2,5
Lahmheit 0,7 – 1,3
Die wirtschaftlichen Gewichte für Gesundheitsmerkmale sind aufgrund von zahlreichen Einflussfak-
toren schwierig abzuleiten. Während K
ADARMIDEEN & SIMM (2002) die Kosten für einen Mastitisfall
mit einem Gegenwert von 1.150 kg Milch bewerteten, quantifizierte NIELSON ET AL. (2002) die Kos-
ten nur mit 40 kg Milch. REINSCH (1995) berechnete sowohl für die Leistungsmerkmale als auch für
ausgewählte Gesundheitsmerkmale ökonomische Gewichte in Abhängigkeit vom Quotenpreis.
Während die Eiweißleistung sechs- bis siebenmal wichtiger ist als die Fettleistung, erreichen einige
Gesundheitsmerkmale einen ähnlichen Stellenwert wie die Fettleistung. Neben der ökonomischen
Bedeutung der Krankheiten, sollten auch Tierschutz- und Verbraucherschutzaspekte bei der Be-
wertung Berücksichtigung finden (D
ISTL, 2001).
Erfassbarkeit
Während Leistungsmerkmale über die Milchleistungsprüfung fast flächendeckend erfasst werden,
gibt es für die Erfassung funktionaler Merkmale nur wenige Ansätze in Deutschland (D
ISTL, 1991;
SCHOMAKER, 2001; JUNGE & STAMER, 2003). Einzelmerkmale wie Abgangsursachen und der Ge-
burtsverlauf werden mit unzureichender Genauigkeit erfasst. Tierärztliche Diagnosen und Behand-
lungen werden nur auf betrieblicher Ebene für den Arzneimittelnachweis dokumentiert und sind für
züchterische Auswertungen bisher kaum nutzbar.
Aufgrund des hohen zeitlichen und finanziellen Erfassungsaufwandes für funktionale Merkmale ist
auch zukünftig keine flächendeckende Leistungsprüfung realisierbar. Somit wird die Prüfung funkti-
onaler Merkmale in Stationen (Bullenmutterprüfstationen, Eigenleistungsprüfstationen für Jungbul-
len) sowie in vertraglich gebundenen Praxisbetrieben (Testherden für Prüfbullentöchter) zuneh-
mend an Bedeutung gewinnen (B
ERGFELD & KLUNKER, 2002).
Voraussetzung für eine effektive Erfassung funktionaler Merkmale sind nach S
CHOMAKER (2001)
möglichst große Herden, die Nutzung automatischer Milchmengenmessgeräte sowie die Arbeit mit
einem Herdenmanagementprogramm (D
ISTL, 1991). Weiterhin sollten eine große Bereitschaft zur
Zusammenarbeit und die weitreichende Überlassung von Produktionsdaten von Seiten der Betriebe

Sächsische Landesanstalt für Landwirtschaft
60
Schriftenreihe, Heft 8/2007
unter Berücksichtigung des Datenschutzes gewährleistet sein. Die züchterische Bearbeitung funkti-
onaler Merkmale erfordert neben der kontinuierlichen Datenerfassung die genaue Definition bzw.
Abgrenzung der Einzelmerkmale (DISTL, 1991; BANOS, 1999; KELTON ET AL., 1998). BANOS (1999)
schlägt Definitionen für eine zentrale, einheitliche Erfassung funktionaler Merkmale vor. Auch zur
Überwachung infektiöser Tierseuchen und zur Kontrolle des Einsatzes von Medikamenten ist der
Aufbau einer zentral organisierten Krankheitserfassung wie in Skandinavien und Israel sinnvoll
(D
ISTL, 2001).
Erblichkeit, genetische Variation
Die Heritabilitäten für Krankheitsanfälligkeit bzw. Krankheitsresistenz sind aufgrund des großen
Einflusses von Haltung und Management sehr gering (SWALVE, 2003). Eine der Hauptursachen da-
für ist nach S
IMIANER & KÖNIG (2002) der permanente Selektionsdruck, der gegen die Krankheitsan-
fälligkeit wirkt. Hinzu kommt, dass verschiedene Umweltfaktoren, wie der Infektionsdruck bzw. die
Haltung und Fütterung die Ausprägung verschiedener funktionaler Erkrankungen begünstigen. Der
hohe Umwelteinfluss führt zu einer großen phänotypischen Variation in der Ausprägung funktiona-
ler Erkrankungen in der Population.
Nach P
HILIPPSON (2000) ist die züchterische Bearbeitung funktionaler Merkmale aufgrund der gro-
ßen Variation in der Population trotz geringer Heritabilität erfolgreich. Allerdings sind aufgrund der
geringen Erblichkeit höhere Nachkommenzahlen für eine hohe Sicherheit der Zuchtwerte erforder-
lich (P
HILIPPSON, 1995). In Skandinavien werden deshalb 150 bis 200 Töchter pro Prüfbulle erzeugt
und geprüft.
Genetische Beziehungen zu anderen Merkmalen
Zahlreiche wissenschaftliche Untersuchungen aus Skandinavien bestätigen ungünstige genetische
Korrelationen zwischen den Produktionsmerkmalen und funktionalen Merkmalen (M
ÄNTHYSAARI &
GRÖHN, 1991; URIBE ET AL., 1995, VAN DORP ET AL., 1998). SIMIANER ET AL. (1991) schätzten an nor-
wegischen Daten mit mehr als 200.000 Beobachtungen eine genetische Korrelation von r
g
= 0,47
zwischen der Milchmenge und der Anfälligkeit für klinische Mastitis. Die genetische Beziehung zwi-
schen Milchmenge und der Ketoseanfälligkeit lag bei r
g
= 0,66. Ursache für diese ungünstigen ge-
netischen Beziehungen ist häufig die Konkurrenz zwischen „Leistung“ und „Fruchtbarkeit“ um limi-
tierende Nahrungsenergie, Makro- oder Mikronährstoffe. P
HILIPPSON (1995) berechnete an schwe-
dischen Holstein Frisian eine Korrelation von r
g
= -0,37 zwischen der Eiweißleistung und der weibli-
chen Fruchtbarkeit, die Korrelationen zwischen Milchleistung und Mastitis bzw. zu anderen Krank-
heiten lag bei r
g
= -0,21 und r
g
= -0,32. Aufgrund des bestehenden Merkmalsantagonismus zu den
Leistungsmerkmalen zieht die alleinige Leistungsselektion einen stetigen Anstieg der Krankheitsan-
fälligkeit nach sich (R
EINSCH, 1995). Deshalb sollten Produktionsmerkmale und funktionale Merkma-
le im Zuchtwert kombiniert werden. Bei der Indexberechnung sind auch nicht-ökonomische Motive,
wie z.B. Tierschutz, Verbraucherschutz und das Image der landwirtschaftlichen Produkte mit einzu-
beziehen (S
IMIANER & KÖNIG, 2002).

Sächsische Landesanstalt für Landwirtschaft
61
Schriftenreihe, Heft 8/2007
Nutzung neuer Selektionsstrategien
Gesundheitsmerkmale bieten sich für eine markergestützte Selektion an. Die Gründe dafür liegen
in:
niedriger Heritabilität
aufwändiger bzw. später Merkmalserfassung
erschwerter bzw. unmöglicher züchterische Nutzung nach der ZWS (bei Krankheiten,
Missbildungen)
früher Selektionsmöglichkeit bei geschlechtsgebundenen Merkmalen.
Durch die intensive Forschung auf diesem Gebiet sowohl in der Humanmedizin als auch in der Ve-
terinärmedizin konnten bereits für verschiedene Erbkrankheiten beim Rind, z.B. BLAD, DUMPS
und CVM direkte und indirekte molekulargenetische Nachweismethoden entwickelt werden (HARLI-
ZIUS
, 1995). Auch die Erkennung heterozygoter Anlageträger wird dadurch ermöglicht. Im Bereich
der Markergestützten Selektion konzentriert sich die Suche nach nutzbaren QTL bisher weitestge-
hend auf die Milchleistungsmerkmale, wobei bereits erste Markergenorte für Exterieurmerkmale,
Abkalbeeigenschaften und für die Zellzahl gefunden wurden (G
RUPE, 1996; THALLER ET AL., 2003;
KÜHN ET AL., 2003).
2
Klauen- und Gliedmaßenerkrankungen
Uneingeschränkte Bewegungsfähigkeit der Milchkühe ist die Voraussetzung für eine effiziente
Milchproduktion unter den heutigen modernen Haltungsbedingungen.
Dennoch entstehen der deutschen Milchviehhaltung jährlich Millionenverluste durch Klauen- und
Gliedmaßenerkrankungen. Die Verluste setzen sich aus folgenden Einzelkomponenten zusammen:
Tierarztkosten, Milchverlust durch Sperrzeiten, Milchverlust durch Abfall der Laktationsleistung, er-
höhter Betreuungsaufwand, Abmagerung und erhöhte Remontierungskosten. Die hohe arbeitswirt-
schaftliche Belastung bei sinkendem AK-Besatz und zunehmenden Bestandsgrößen und die Kos-
ten für Sekundärerkrankungen (Ketose, Fruchtbarkeitsstörungen usw.) sind kaum zu quantifizieren.
Klauenerkrankungen stellen mit 15,1% neben Eutererkrankungen und Fruchtbarkeitsstörungen ei-
ne der drei Hauptabgangsursachen in Sachsen dar (LKV-B
ERICHT, 2002).
Zur Verbesserung der Klauengesundheit bieten sich mehrere Ansatzmöglichkeiten. Neben den
Umwelt- und Haltungsbedingungen spielen das Betriebsmanagement und die Zucht eine wichtige
Rolle. Züchter beobachten immer wieder gehäufte Klauenprobleme bei Nachzuchten einzelner Bul-
len bzw. Blutlinien. Rassen wie Brown Swiss und Jersey weisen im Vergleich zu Deutschen Hol-
stein wesentlich weniger Klauenerkrankungen auf.

Sächsische Landesanstalt für Landwirtschaft
62
Schriftenreihe, Heft 8/2007
Zur Selektion auf bessere Klauengesundheit werden derzeit drei Ansätze verfolgt.
Die erste Möglichkeit ist die direkte Erfassung von Klauenerkrankungen in den Produkti-
onsbetrieben. Für tierzüchterische Auswertungen sind dabei jedoch kontinuierlich erhobe-
ne Klauenbefunde einer großen Tierzahl über einen möglichst langen Zeitraum erforder-
lich (BAUMGARTNER, 1988).
Weiterhin ist es möglich durch die Nutzung von objektiv erfassbaren Klauenparametern
(z.B. Dorsalwandlänge, Klauenhärte) mit enger Korrelation zu bestimmten Klauenerkran-
kungen das Merkmal Klauengesundheit nachhaltig in der Population zu verbessern (A
NA-
CKER
& RIEHMER, 1996). Das Bestimmen der Klauenabmessungen ist mit hohem Aufwand
verbunden und erfordert die Fixierung des Tieres. Unter Feldbedingungen ist dieses Ver-
fahren kaum durchführbar. DISTL (1999) weißt jedoch darauf hin, dass sich der Aufwand
für die Merkmalserfassung um das 10- bis 15-fache verringert, wenn die Klauenmaße in
der Eigenleistungsprüfung der Bullen ermittelt werden, wobei die Erfassung der Klauen-
maße der Töchter entfällt. Aufgrund von hohen genetischen Korrelationen zwischen Vor-
der- und Hintergliedmaßen ist nach H
AMANN & DISTL (2001) das Messen an einem Vorder-
bein ausreichend. Nach BLOWEY (1998) weisen viele Faktoren der Klauenform relativ hohe
Heritabilitäten auf. Vor allem Tiere mit langen Klauen, flachen Trachten und geringem
Dorsalwandwinkel sollten nicht zur Zucht verwendet werden.
Bisher wird die Klauen- und Gliedmaßenqualität in der Zuchtwertschätzung nur über die li-
nearen Exterieurmerkmale Trachtenhöhe, Hinterbeinwinkel, Hinterbeinstellung und
Sprunggelenksqualität im Relativzuchtwert Exterieur (RZE) berücksichtigt.
Nach F
ATEHI ET AL. (2003) wird die Frequenz von Klauenerkrankungen primär durch die Haltungs-
bedingungen bestimmt. Die Bedeutung der einzelnen Umweltfaktoren auf die Inzidenzrate spezifi-
scher Klauenerkrankungen ist jedoch in der Literatur umstritten.
Art der Aufstallung: Neben der Bewegungsfläche spielt die Gestaltung der Bodenoberflä-
che eine wichtige Rolle (BAUMGARTNER, 1988). Hierbei sind vor allem die Trittsicherheit
und das Verhältnis von Hornwachstum zu Hornabrieb von großer Bedeutung. Nach M
C
DANIEL ET AL. (1982) hat weniger die Aufstallungsform sondern vielmehr die Feuchtigkeit im
Stall und damit verbunden der Infektionsdruck pathogener Keime großen Einfluss auf die
Klauengesundheit.
Gestaltung des Liegeplatzes, Dauer der Liegezeiten
Herde/Gruppengrößen, Leistungsniveau (B
AUMGARTNER, 1988)
Fütterung: Die Fütterung wirkt in zweifacher Hinsicht auf die Klauengesundheit ein. Über-
oder Unterversorgung mit bestimmten Futterinhaltsstoffen (Eiweiß, Energie, Rohfaser,
Spurenelemente, Vitamine…) oder toxische Substanzen bewirken direkt Hornbildungsstö-
rungen an der Klauenlederhaut. Außerdem können verschiedene Futterbestandteile z.B.
freier Ammoniak aus Silagen von außen negativ auf das Klauenhorn einwirken (C
ASSELL,
1996; MC DANIEL ET AL., 1982).

Sächsische Landesanstalt für Landwirtschaft
63
Schriftenreihe, Heft 8/2007
Klauenpflege: Regelmäßige funktionelle Klauenpflege (zwei- bis dreimal pro Jahr), prophy-
laktische Klauenbäder und frühe Behandlung von Erkrankungen reduziert das Auftreten
von Klauenerkrankungen nachweislich (BOETTCHER ET AL., 1998, MANSKE ET AL., 2002).
Jahreszeitliche und klimatische Einflüsse: Die Auswirkungen jahreszeitlicher Effekte sind
sowohl von der Art der Stallbelüftung als auch von der Durchführung eines Weideaustrie-
bes abhängig. Während im Winter die Zahl der Klauenerkrankungen ansteigt, wirkt sich
der Weidegang positiv auf die Klauengesundheit aus (B
AUMGARTNER, 1988).
Aber auch innerhalb einer Tiergruppe unter gleichen Haltungsbedingungen findet man eine erhebli-
che Variation in der Ausprägung der Klauen und dem Vorkommen von Klauenerkrankungen. Als
tierindividuelle Einflussfaktoren gelten nach B
AUMGARTNER (1988):
Alter des Tieres (SMIT ET AL., 1986)
Laktationsstadium
Gewicht des Tieres
Individuelle Beinstellung
Bewegungsaktivität, Verhalten, Rang in der Herde
Rasse (J
AKOB, 1996)
Abkalbezeitpunkt/ Abkalbemonat (D
ISTL, 1990).
Eine langfristige und nachhaltige Verbesserung der Fundamentsqualität in der Rinderpopulation ist
nur dann erreichbar, wenn die Selektion zu einer geringeren Anfälligkeit gegenüber Klauen- und
Gliedmaßenerkrankungen, bei vertretbarem Aufwand für die Klauenpflege, zu einer hohen funktio-
nellen Nutzungsdauer und hoher Lebensleistung führt.
Zahlreiche Autoren ermittelten eine positive Beziehung zwischen Fundamentsmerkmalen und der
Nutzungsdauer (B
AUMGARTNER ET AL., 1990; BROTHERSTONE & HILL, 1991; CHOI & MC DANIEL, 1993;
VUKASINOVIC, 1995). Nachteilig wirken sich nach DISTL (1995) die geringe Wiederholbarkeit infolge
des großen Beurteilereinflusses und die geringen Heritabilitäten für Klauenerkrankungen auf den
Selektionserfolg aus.
Aus verschiedenen wissenschaftlichen Untersuchungen geht hervor, dass die Innenklaue der Vor-
dergliedmaßen und die Außenklaue der Hintergliedmaßen die genetisch fixierten Klaueneigen-
schaften am deutlichsten widerspiegeln (B
AUMGARTNER, 1988). Ergebnisse von RAVEN (1971) und
die von anderen Autoren berechneten steigenden Heritabilitäten mit zunehmendem Alter der Tiere,
steigende Asymmetrien zwischen den Klauen einer Gliedmaße erhärten diese Aussage (H
AHN ET
AL
. 1984, MC DANIEL ET AL., 1982).
Tabelle 47 gibt die Heritabilitäten für verschiedene Klauenerkrankungen wider. Zwischen den Heri-
tabilitätsschätzwerten sind teilweise große Unterschiede zu beobachten. Das ist damit zu begrün-
den, dass in einigen Untersuchungen die Klauen direkt auf krankhafte Veränderungen untersucht

Sächsische Landesanstalt für Landwirtschaft
64
Schriftenreihe, Heft 8/2007
wurden, während andere sich ausschließlich auf die Dokumentation und Behandlung akuter Er-
krankungsfälle von Tierärzten bzw. Landwirten berufen.
Tabelle 47:
Material, Heritabilitäten (h²), Standardfehler (SE
h
2
), Schätzmethode, Modell
und berücksichtigter additiv-genetischer Effekt für das Auftreten von ver-
schiedenen Klauenerkrankungen
Literaturquelle
Tiermaterial
Me-
thode
Modell-
typ
SE
h
2
genet. Ef-
fekt
Autoren
Jahr
Rasse
Lakt.
N
Klauenerkrankungen allgemein
Lyons et al.
1991
Holstein
alle
11.008
B REML
linear
0,11
0,04
Vater
Pätsch 2002 HF, Sbt. alle 581 T REML linear 0,05 0,03 -
Boettcher et al. 1998 American. HF alle 1.624 B REML linear 0,10 0,04 Tier
linear*0,22 0,05 Tier
Klauenrehe
Huang & 1995 alle 3.821 B REML linear 0,14 Tier
Shanks
Ayshire, BS, HF,
Guernsey, Jersey
linear* 0,13 Vater
Pätsch 2002 HF, Sbt. alle 581 T REML linear 0,01 0,02 -
Rusterholzsches Sohlengeschwür
Huang & 1995 alle 3.821 B REML linear 0,03 - Tier
Shanks
Ayshire, BS, HF,
Guernsey, Jersey
655 B REML linear* 0,02 - Vater
Pätsch
2002 HF, Sbt
alle 581 T REML linear 0,02 0,02 Vater
Dermatitis Digitalis
Baumgartner 1988 Deut. Fleckvieh alle 1.938 T REML linear 0,08 0,06 Vater
Pätsch 2002 HF, Sbt. alle 581 T REML linear 0,04 0,02 -
Ballenfäule
Huang & 1995 alle 3.821 BREML linear 0,13 Vater
Shanks
Ayshire, BS, HF,
Guernsey, Jersey
655 BREML linear* 0,14 - Vater
Pätsch 2002 HF, Sbt. alle 581 TREML linear 0,02 0,02 -
* mit Schwellenwertmodell; B = Beobachtungen; T = Tiere
B
OETTCHER ET AL. (1998) beurteilten im Rahmen der Nachzuchtbeurteilung den Lahmheitsgrad von
1.342 Kühen subjektiv anhand einer Scala von 0 (keine Probleme) bis 4 (Laufunfähigkeit). Die er-
mittelten Heritabilitäten für dieses Merkmal lagen bei h² = 0.10 bei einem linearen Modell und bei h²
= 0,22 unter Nutzung eines Schwellenwertmodelles. Sie ermittelten negative Korrelationen zwi-
schen dem Lahmheitsgrad und dem Hinterbeinwinkel bzw. der Hinterbeinstellung von -0,6 bis -0,7.
Aber auch in dieser Untersuchung konnte ein hoher Einfluss der Klauenpflege auf den Lahm-
heitsgrad der Herde ermittelt werden.

Sächsische Landesanstalt für Landwirtschaft
65
Schriftenreihe, Heft 8/2007
HERNANDEZ ET AL. (2001) analysierten die Beziehung zwischen Klauenerkrankungen und Fruchtbar-
keitsstörungen. Mehr als 30% der untersuchten Tiere litten an Klauenerkrankungen, wobei Klauen-
läsionen die höchste Bedeutung hatten. Im Vergleich zu gesunden Tieren nahmen klauenkranke
Kühe im Mittel 40 Tage später auf und benötigten signifikant mehr Besamungen für eine erfolgrei-
che Trächtigkeit. Auch C
OLLICK ET AL. (1989) wiesen für lahme Tiere eine signifikant höhere Rastzeit
von bis zu 8 Tagen im Vergleich zu gesunden Herdengefährtinnen nach. Die Zeit von der Kalbung
bis zur Konzeption verlängerte sich um 14 Tage bei einem Erstbesamungserfolg von 46 % (gesun-
de Tiere: 56 %). Das Abgangsrisiko lag 11% höher als bei gesunden Tieren.
3
Eutergesundheit, Somatische Zellzahl
Eutererkrankungen verursachen neben Klauenerkrankungen mit die höchsten Kosten in der Milch-
viehhaltung und stellen die Hauptabgangsursache dar. Der durch Mastitiden verursachte Schaden
wird von WOLTER ET AL. (2002) auf 150 – 200 €/ Kuh/ Jahr geschätzt. Jährlich entstehen dadurch
den deutschen Milchbauern 1 Milliarde € Verlust allein durch den Krankheitskomplex Mastitis. Die
Verluste beinhalten bei klinischen Eutererkrankungen die Ablieferungssperre für die Milch behan-
delter Tiere, Medikamenten- und Tierarztkosten, Kosten für erhöhten Arbeitsaufwand und fehlende
Einnahmen aufgrund der dauerhaften Beeinträchtigung der Milchleistung. Kosten für die erhöhte
Bestandsergänzung und die Verschlechterung der Verarbeitungsfähigkeit der Milch wurden dabei
noch nicht berücksichtigt. S
CHALLENBERGER (2003) bezifferte die Folgekosten von Mastitiserkran-
kungen mit 665 € und 1300 kg Milchverlust pro euterkrankem Tier. Nach W
OLTER ET AL. (2002) sind
die Schäden durch subklinische Mastitis noch weitaus größer, da diese Mastitisform 20 bis 50 mal
häufiger auftritt als die klinische Form und meistens nicht erkannt und behandelt wird.
Die in zahlreichen Populationen ermittelten Merkmalsantagonismen zwischen Eutergesundheits-
merkmalen und Milchmengenmerkmalen lassen bei einer weiteren Milchleistungssteigerung in Zu-
kunft eine Zunahme von Erkrankungen erwarten (S
TRANDBERG & SHOOK, 1989). Weil aber steigende
Milchleistungen freie Selektionskapazitäten für sekundäre Merkmale ermöglichen, wird die Einbe-
ziehung der Eutergesundheit in die Zuchtwertschätzung zukünftig an Bedeutung gewinnen.
Für die züchterische Bearbeitung der Eutergesundheit stehen sowohl direkte als auch indirekte
Merkmale zur Verfügung. Direkt erfassbar sind der klinische und der bakteriologische Befund. Der
klinische Befund ist direkt verfügbar während der bakteriologische Befund eine Milchuntersuchung
erforderlich macht, welche erst im fortgeschrittenen Erkrankungsstadium ein Ergebnis liefert. Nach
B
ERGMANN (1985) sind Heritabilitätsschätzungen für bakteriologische Untersuchungen problema-
tisch, weil nur 30 % der klinischen Fälle bakteriologisch abgeklärt werden können.
Die indirekten Merkmale erfahren im Verlauf der Erkrankung eine Veränderung. Neben dem Zell-
gehalt werden auch die elektrische Leitfähigkeit und der Laktosegehalt der Milch beeinflusst (W
OL-
TER ET AL
., 2002). Im Gegensatz zu den direkten Merkmalen zeichnen sie sich durch eine kontinu-
ierliche Variation mit höheren Heritabilitätskoeffizienten aus. Allerdings ist die Festlegung des

Sächsische Landesanstalt für Landwirtschaft
66
Schriftenreihe, Heft 8/2007
Schwellenwertes für diese Merkmale problematisch. Er ist nach WOLTER ET AL. (2002) abhängig von
der genetischen Disposition des Tieres mit ihren systematischen Einflussfaktoren. Eine alleinige
Selektion auf niedrigen Zellgehalt würde nach STRANDBERG & SHOOK (1989) nicht nur Genotypen
mit einer geringen Erkrankungsrate bevorzugen, sondern auch Tiere mit niedriger zellulärer Abwehr
gegenüber Infektionen. Nach Möglichkeit sollten indirekte und direkte Merkmale zur Einschätzung
der genetischen Disposition kombiniert werden.
In Norwegen (S
OLBU, 1984), Finnland (SYVJÄRVI, 1987), Schweden und Israel (BAR-ANAN, 1984)
werden bereits klinische Mastitiserkrankungen im Selektionsindex für Bullen berücksichtigt. Dabei
wird eine hochwertige Merkmalserfassung durch Tierärzte in einer zentralen Datenbank mit einer
entsprechenden Gewichtung der Eutergesundheit im Zuchtziel kombiniert. Abbildung 13 zeigt die
Gewichtung von Eiweißgehalt, Fettgehalt, Fruchtbarkeit, Eutergesundheit und Euterform im finni-
schen Selektionsindex.
41%
13%
17%
13%
16%
FKg
EKg
FBK
EF
EG
Abbildung 13:
Gewichtung der Merkmale Eiweißgehalt (EKg), Fettgehalt (FKg), Fruchtbar-
keit (FBK), Eutergesundheit (EG) und Euterform (EF) im finnischen Selekti-
onsindex (SIMIANER & KÖNIG, 2002)
Die starke Gewichtung funktionaler Merkmale spiegelt sich in einem höheren Zuchtfortschritt in die-
sen Merkmalen wider. K
ÖNIG & SWALVE (2000) ermittelten das genetische Niveau im Merkmal so-
matischer Zellgehalt der Deutschen Holsteinpopulation im Vergleich zu Dänemark, Finnland und
Schweden (Abbildung 14). Hierbei bedeuten positive Werte, dass das skandinavische Land für das
Merkmal somatischer Zellgehalt ein höheres genetisches Niveau aufwies als Deutschland.

image
Sächsische Landesanstalt für Landwirtschaft
67
Schriftenreihe, Heft 8/2007
Abbildung 14:
Differenz der Holsteinzuchtwerte für das Merkmal somatischer Zellgehalt
zwischen Dänemark (DNK), Finnland (FIN) und Schweden (SWE) verglichen
mit Deutschland (DEU) (
SIMIANER & KÖNIG, 2002)
Nach NEERHOF ET AL. (2000) ist das Abgangsrisiko bei euterkranken Tieren um 1,69 Mal höher als
bei gesunden Kühen.
Systematische Einflussfaktoren auf die Eutergesundheit und die Zellzahl sind:
Herde (Fütterung, Vitaminversorgung (Vit. E, Selen), Haltungssystem, Melkverhalten,
Melktechnik, Melkhygiene, Herdengröße, Selektionsintensität, Leistungsniveau der Herde,
Weidegang, Kälber/ Jungviehaufzucht (Vertränken von Mastitismilch, gegenseitiges Be-
saugen…) (D
ISTL,1990, 1992))
Alter bzw. Laktationsnummer (Summierung von Melk- und Fütterungsfehlern, Fruchtbar-
keitsstörungen, Erkrankungen in früheren Laktationen, Abnutzung des Schließmuskels,
Infektionsstatus) (DISTL, 1992; GONYON ET AL., 1982; JAKOB, 1996, WELLER ET AL. 1992)
Euterqualität (Bodenabstand, Euterhöhe, Strichstellung, Zitzenform)
Jahreszeitliche Einflüsse (Witterung, Luftfeuchtigkeit, Futterwechsel) -> Kalbesaison bzw.
Abkalbemonat: gehäuftes Auftreten von Mastitiden im Winter (B
ARNOUIN & CHASSAGNE,
1998; LESCOURRET ET AL., 1995)
Erstkalbealter (EKA)
(ROGERS ET AL., 1995)
Herkunftsbetrieb (Zukaufstiere-Immunstatus) (F
UNKE, 1991)
Laktationstag/ Laktationsstadium (WELLER ET AL., 1992; ZHANG ET AL., 1994)
Melkfrequenz
Vater (R
OGERS ET AL., 1995)
Rasse (E
MANUELSON ET AL. 1988)

Sächsische Landesanstalt für Landwirtschaft
68
Schriftenreihe, Heft 8/2007
Tabelle 48:
Quelle, Tiermaterial und Heritabilitäten für Merkmale der Euterform
Quelle
Tierzahl
Merkmal
Heritabilität
SEYKORA & MC
DANIEL, 1986
5.934 – 11.449
Vorderstrichlänge
Vorderstrichdurchmesser
Rear udder clearance
For cleft depth
0,63
0,44
0,56
0,10
Nach POLITIEK (1981) ist die Eutergesundheit durch intensive Selektion auf Euterform und Zitzen-
platzierung nachhaltig zu verbessern. In Tabelle 48 sind Heritabilitäten für Euterformmerkmale dar-
gestellt.
Verschiedene Autoren weisen auf den genetischen Antagonismus zwischen der Milchleistung und
Eutererkrankungen hin (S
CHÖNMUTH ET AL. 1992).
Somatische Zellzahl
Als Milchzellen werden die körpereigenen (somatischen) Zellen in der Milch bezeichnet. Es handelt
sich dabei um Gewebszellen (Epithelzellen) und Abwehrzellen (polymorphkernige neutrophile Gra-
nulozyten, Makrophagen, Lymphozyten, Leukozyten). Die Bedeutung der somatischen Zellen liegt
in der Infektionsabwehr des Euters (Phagozytose). Bei Eutererkrankungen steigt der Milchzellge-
halt an, wobei vor allem der Anteil an Abwehrzellen stark zunimmt. Als physiologischer Normalbe-
reich für den Milchzellgehalt des Einzeltieres gelten nach derzeitigem Kenntnisstand bis zu 100.000
Zellen/ ml. Bei Überschreiten dieses Grenzwertes ändert sich bereits die kompositionelle Milchzu-
sammensetzung. Auch bei gesunden Kühen unterliegt der Milchzellgehalt geringen Schwankun-
gen. Eine Ausnahme davon bilden die Biestmilchphase und das Ende der Laktation mit deutlichem
Milchabfall, wo der Milchzellgehalt oft deutlich erhöht ist. Durch die Milchhygienerichtlinie
92/46/EWG der EU von 1993 ist ein Grenzwert von 400.000 Zellen/ ml für Konsummilch festge-
schrieben. Überschreitungen des Grenzwertes sind direkt finanziell wirksam, so dass die Zellzahl
ein direktes Qualitäts- und Bezahlungskriterium darstellt. Weitere Anforderungen an die Rohmilch-
qualität werden durch die Milchverordnung („Verordnung über Hygiene- und Qualitätsanforderun-
gen an Milch und Erzeugnisse auf Milchbasis“ – Neufassung vom 20.07.2000) und der Milchgüte-
verordnung („Verordnung über die Güteprüfung und Bezahlung der Anlieferungsmilch vom
09.07.1980 in der Fassung der 5. Änderungsverordnung vom 27.12.1993“) geregelt. E
MANUELSON
ET AL
. (1988) ermittelten genetische Beziehungen zwischen der Laktationszellzahl und der Anzahl
Mastitisbehandlungen von r
g
= 0,46 bis r
g
= 0,78. VAN DORP ET AL. (1998a) berechnete eine gene-
tische Korrelation zwischen dem SCS und der Mastitisfrequenz von 0,37, während J
UNGE & STAMER
(2003) deutlich höhere Korrelationen von 0,84 ermittelten. BROLUND (1985) berechnete eine Korre-
lation zwischen dem Zellgehalt und der Dauer bzw. Häufigkeit von subklinischen Mastitiden von r
g
=
0,6, wobei für eine genaue Einschätzung der Eutergesundheit mehrere Zellzahlmessungen erfor-
derlich sind. In israelischen Untersuchungen konnten WELLER ET AL. (1992) genetische Beziehun-
gen zwischen der Zellzahl und dem Auftreten bakterieller Infektionen von r
g
= 0,99 in einer Ver-

Sächsische Landesanstalt für Landwirtschaft
69
Schriftenreihe, Heft 8/2007
suchsherde nachweisen. Der Gehalt an somatischen Zellen pro ml Milch kann in absoluten Zahlen
dargestellt werden oder er wird logarithmisch transformiert zum Erreichen einer Normalverteilung.
Zur Verringerung der Varianz wird die somatische Zellzahl für Heritabilitätsschätzungen häufig als
Linear Somatic Cell Score (SCS) dargestellt.
SCS = log
2
(Zellzahl/ 100.000) + 3
Die Heritabilitäten für Eutererkrankungen (Tabelle 49) liegen um 0,05, allerdings besteht eine große
genetische Variation zwischen verschiedenen Bullennachkommenschaften. Die genetischen Korre-
lationen zwischen der Milchmenge und klinischer Mastitis sind sehr ungünstig (U
RIBE ET AL. 1995).
Die genetischen Korrelationen zwischen Eutererkrankungen und der Zellzahl liegen zwischen 0,5 –
0,84 (EMANUELSON ET AL., 1988, PÖSÖ & MANTYSAARI ET AL., 1995; JUNGE & STAMER, 2003). Als weite-
re Indikatoren für Mastitis werden die Euterqualität, bakteriologische Befunde, die Leitfähigkeit der
Milch und die Melkgeschwindigkeit bzw. andere Melkbarkeitsparameter genutzt.

Sächsische Landesanstalt für Landwirtschaft
70
Schriftenreihe, Heft 8/2007
Tabelle 49:
Material, Heritabilitäten (h
2
), Standardfehler (SE
h2
), Schätzmethode, Modell
und berücksichtigter additiv-genetischer Effekt für das Auftreten von Euter-
erkrankungen
Literaturquelle
Tiermaterial
Me-
thode
Mo-
dell-
typ
SE
h
2
genet.
Effekt
Autoren
Jahr Rasse
Lakt.
n
Lyons et al.
199
1
Holstein alle 11.008 B REML linear 0,14 0,05 Vater
Uribe et al.
199
5
Canadi-
an Hol-
stein
1 7.416 T REML linear0,15 0,02 -
Van Dorp et al.
199
8
Holstein 1 4.368 T REML linear 0,04 - Tier
Rupp & Boichard
199
9
French
Holstein
1 29.284 T REML linear0,02 0,02 Tier
Heringstad et al.
199
9
1 12.871 T REML linear*0,19 0,04 Vater
Heringstad et al.
199
9
1 1.743.224B REML linear0,04 - Vater
Kadarmideen et al. 200
0
Holstein 1 9.025 T MCMC linear*0,11 0,04 Vater
Hansen et al.
200
0
Danish
Holstein
1 999.639 T REML linear 0,04 0,004 Vater
Amin et al.
200
0
Ungar. 1 630 T REML linear0,09 0,01 Tier
HF
2 628 T REML linear0,11 0,01 Tier
3 628 T REML linear 0,19 0,02 Tier
* mit Schwellenwertmodell; B = Beobachtungen; T = Tiere
Bisher erfolgt nur eine indirekte Selektion gegen klinische und subklinische Mastitis unter Nutzung
der Somatischen Zellzahl, welche auch eine höhere Heritabilität als klinische Mastititiden aufweist
(Tabelle 50). J
UNGE & STAMER (2003) berechneten Heritabilitäten von 0,09 für Mastitisanfälligkeit
und 0,11 für SCS. Genauigkeitsberechnungen ergaben, dass bei einer zusätzlichen Berücksichti-
gung von Mastitiserkrankungen in Verbindung mit der Zellzahl die Genauigkeit der Zuchtwerte für
Eutergesundheit um 15 – 20% gegenüber der alleinigen Berücksichtigung der Zellzahl gesteigert
werden kann. Diese Ergebnisse decken sich mit Berechnungen von E
RIKSSON (1991) und PHI-
LIPSSON ET AL
. (1995) die ebenfalls Genauigkeitssteigerungen von 13 bis 21 % angaben.

Sächsische Landesanstalt für Landwirtschaft
71
Schriftenreihe, Heft 8/2007
Tabelle 50:
Material, Heritabilitäten (h²), Standardfehler (SE
h
2
), Schätzmethode, Modell
und berücksichtigter additiv-genetischer Effekt für die Zellzahl (SCS)
Literaturquelle
Tiermaterial
Me-
thode
Mo-
dell-
typ
SE
h
2
genet.
Effekt
Autoren
Jahr Rasse
Lakt.
n
Alle 440.558 B REML linear 0,16 - Tier
1 440.558 B REML linear 0,13 - Tier
Weller & Ezra
1997 Israeli
Holstein
2 440.558 B REML linear 0,13 - Tier
Rupp & Broichard 1999 French
Holstein
1 29.284 T REML linear 0,17 0,02 Tier
Weigel et al.
1999 Holstein
Alle 52.688 T
REML linear
0,11
-
Vater
Castillo-Juarez et
al.
2000 Holstein
1 248.230 T REML linear 0,10
-
Vater
B = Beobachtungen; T = Tiere
4 Fruchtbarkeitsstörungen
Die Problematik der züchterischen Bearbeitung von Fruchtbarkeitsmerkmalen liegt in der Vielzahl
genetischer und umweltbedingter Einflüsse. Fruchtbarkeit als Solche ist nicht direkt messbar. Be-
stimmbar ist nur das Ergebnis, das unter den zahlreichen Einflussfaktoren zustande kommt. Neben
den maternalen Effekten der Kuh (Konzeptionsfähigkeit) wirken sich die Einflüsse des Besamungs-
bullen (paternaler Einfluss, Befruchtungsfähigkeit) und die Überlebensfähigkeit des Embryos auf
die Fruchtbarkeitsleistung aus. Für die Zuchtwertschätzung sollten diese Einzelkomponenten
trennbar sein, um Zuchtwerte für die paternale und die maternale Fruchtbarkeit schätzen zu kön-
nen. Da das kaum möglich ist, wird die Überlebensfähigkeit des Embryos sowohl für die paternale
als auch für die maternale Komponente geschätzt.
Ovarzysten
Ovarzysten stellen die am häufigsten diagnostizierte gynäkologische Fruchtbarkeitsstörung in der
Milchviehzucht dar. Man spricht von Ovarzysten bei Vorhandensein großer Follikelstrukturen (>2,5
cm) an einem oder beiden Eierstöcken und Abwesenheit eines Gelbkörpers (H
OOIJER ET AL., 2000).
In der Praxis äußert sich diese Erkrankung in Form von Brunstlosigkeit, unregelmäßigen Zyklen
oder Dauerbrünstigkeit (Nymphomanie). Ursache sind häufig neuroendokrine Störungen infolge
des postpartalen Energiedefizites. In Tabelle 51 sind Heritabilitäten für das Auftreten von Ovar-
zysten dargestellt.

Sächsische Landesanstalt für Landwirtschaft
72
Schriftenreihe, Heft 8/2007
Tabelle 51:
Quelle, Tiermaterial, Modell und Heritabilität für das Merkmal Ovarzysten
Quelle
Modell
Rasse
Tierzahl
Heritabilität
VAN DORP et al. 1998
DISTL, 1991
HOOIJER et al. 2000
Linear
Schwellenmodell
Schwellenmodell
Holstein
Braunvieh
Holstein
4.368
3.740
15.562 (B)
0,02
0,028
0,102
HOOIJER ET AL. 2000 ermittelten signifikante Unterschiede in der Inzidenz von Ovarzysten zwischen
der ersten und folgenden Laktationen (5,89% versus 8,51%) und positive Korrelationen zur Milch-
leistung (Tabelle 52).
Tabelle 52:
Genetische Korrelationen zwischen den Produktionsmerkmalen und dem
Auftreten von Ovarzysten
Quelle
Merkmale
Genet. Korrelationen
HOOIJER et al. 2000
Milchleistung (kg) : Zysten
Fettleistung (kg) : Zysten
Eiweiß (kg) : Zysten
0,34
0,38
0,44
Nachgeburtsverhaltung
Von einer Nachgeburtsverhaltung spricht man, wenn die Nachgeburt oder Teile davon 24 Stunden
nach der Abkalbung noch nicht vollständig abgelöst sind. Nachgeburtsverhaltungen verursachen in
der Milchviehhaltung enorme ökonomische Verluste in Form von hohen Behandlungskosten, Milch-
verlusten, Fruchtbarkeitsstörungen und verlängerten Rastzeiten. L
ISSEMORE ET AL. (1997) beziffer-
ten die Kosten mit 285 $ pro Erkrankungsfall. Tabelle 53 gibt Literaturwerte zu Heritabilitätsschät-
zungen für das Merkmal Nachgeburtsverhaltung wider.
Tabelle 53:
Quelle, Modell, Tiermaterial und Heritabilität für das Merkmal Nachgeburts-
verhaltung
Quelle
Modell
Rasse
Tierzahl
Heritabilität
VAN DORP et al.
1998
DISTL, 1991
Linear
Schwellenmo-
dell
Holstein
Braun-
vieh
4.368
3.740
0,01
0,042
Metritis/Endometritis
Metritis beschreibt die Entzündung der gesamten Gebärmutter, während Endometritis eine Entzün-
dung der Gebärmutterschleimhaut ist. Das Hauptsymptom ist bei beiden Erkrankungen der eitrige
Ausfluss in unterschiedlichen Intensitätsstufen. Die Abgrenzung der beiden Erkrankungen ist sehr
schwierig allerdings sind mehr als 95 % der in der Praxis auftretenden Erkrankungsfälle der Endo-
metritis zuzuordnen. Tabelle 54 zeigt h²-Werte für das Auftreten von Metritis/ Endometritis.

Sächsische Landesanstalt für Landwirtschaft
73
Schriftenreihe, Heft 8/2007
Tabelle 54:
Quelle, Modell, Tiermaterial und Heritabilität für das Merkmal Metritis/ En-
dometritis
Quelle
Modell
Rasse
Tierzahl
Heritabilität
VAN DORP et al.
1998
DISTL, 1991
Linear
Schwellenmo-
dell
Holstein
Braunvieh
4.368
3.740
0,02
0,042
Anöstrie/ Azyklie
Anöstrische Tiere zeigen keinerlei Brunstsymptome. Allerdings kann diese Brunstlosigkeit krankhaf-
te Ursachen haben (Azyklie) z.B. Ovaraplasie, Ovarhypoplasie, Zysten oder persistierende Gelb-
körper oder nur nicht erkannt sein aufgrund von stiller Brunst (Anaphrodisie). D
ISTL (1991) schätzte
für dieses Merkmal einen h²-Wert von 0,09 (Tabelle 55).
Tabelle 55:
Quelle, Modell, Tiermaterial und Heritabilität für das Merkmal Anöstrie
Quelle
Modell
Rasse
Tierzahl
Heritabilität
DISTL, 1991
Schwellenmodell
Braunvieh
3.740
0,088
5 Stoffwechselstörungen
Klinische Ketose
M
ANTYSAARI ET AL. (1991) ermittelten eine Laktationsinzidenz von 0,05 % für Ketose an 28.277 Fin-
nish Ayrshire Kühen der ersten und zweiten Laktation. Die genetischen Korrelationen zwischen der
ersten und der zweiten Laktation lagen bei 0,64. Die genetische Analyse erfolgte mit einem 4
Merkmalsmodell, unter Berücksichtigung von Herde-Jahr, Erstkalbealter, Abkalbemonat, geneti-
scher Gruppe und dem Vatereffekt. In Tabelle 56 sind die in der Literatur angegebenen Heritabilitä-
ten zusammengestellt.
Tabelle 56:
Quelle, Tiermaterial und Heritabilität für klinische Ketosen
Quelle/Merkmal
Modell
Rasse
Tierzahl
Heritabilität
MANTYSAARI
et al. 1991
Linear, REML
Finnish Ayrs-
hire
28.277
0,07 – 0,09
URIBE et al.
1995
Linear, REML
Canad. Hol-
stein
7416 T
0,09
VAN DORP et
al. 1998
Linear Holstein
4.368
0,39

Sächsische Landesanstalt für Landwirtschaft
74
Schriftenreihe, Heft 8/2007
Fortsetzung Tabelle 56
Quelle/Merkmal
Modell
Rasse
Tierzahl
Heritabilität
KOCHNEV et al.
1998
Sibirische
Sbt.
0,186
DISTL, 1991
Schwellenwertmodell
Braunvieh
3.740
0,0175
DISTL, 2001
Schwellenwertmodell
Schwed.
RTB
650.000 0,0032
DOHOO &
MARTIN, 1984
Schwellenwertmodell HF 2.008 0,31
Gebärparese
U
RIBE ET AL. (1995) gibt in seinem Artikel eine Krankheitsrate von 6,8 % für Gebärparese über alle
Laktationen an. Die Erblichkeit lag bei 0,09. Die Produktionsmerkmale Milch (kg), Fett (kg) und Ei-
weiß (kg) zeigten eine negative genetische Korrelation zum Auftreten von Gebärparese. Bei der
Korrelation zur Milchleistung (kg) lag dieser Wert bei r
g
= -0,67. In Tabelle 57 sind weitere Heritabili-
täten für das Merkmal Gebärparese angegeben.
Tabelle 57:
Quelle, Tiermaterial und Heritabilität für Hypocalzämische Gebärparese
Quelle/Merkmal
Modell
Rasse
Tierzahl
Heritabilität
VAN DORP et
al.1998
Linear Holstein 4.368 0,04
DISTL, 1991
Schwellenwertmodell
Braunvieh
3.740
0,013
DISTL, 2001
Schwellenwertmodell
Schwed.
RTB
650.000 T
0,0028
Labmagenverlagerung (LMV)
WOLF ET AL. (2001) registrierten 151 Kühe mit LMV innerhalb eines Jahres in 160 Niedersächsi-
schen Milchviehbetrieben mit 9.314 Kühen (1,6 %). Mehr als 75% der Fälle traten innerhalb der
ersten 30 Laktationstage auf. Die linksseitige LMV wurde mit 74,8% aller Erkrankungsfälle wesent-
lich häufiger als die rechtsseitige LMV (25,2%) diagnostiziert. Im Modell wurden der Kalbemonat,
die Laktationsnummer, das Kalbealter, der Inzuchtgrad, der Kalbeverlauf, die Trächtigkeitsdauer,
Rasse und Geschlecht des Kalbes und der Vater des Kalbes berücksichtigt. Signifikante Effekte
wurden für den Vater des Kalbes, Zwillings- und Mehrlingsgeburten und den Herdeneffekt ermittelt.
Tabelle 58 zeigt die in der Literatur geschätzten Heritabilitäten für das Merkmal Labmagenverlage-
rung.

Sächsische Landesanstalt für Landwirtschaft
75
Schriftenreihe, Heft 8/2007
Tabelle 58:
Quelle, Tiermaterial und Heritabilität für das Merkmal Labmagenverlagerung
Quelle/Merkmal
Modell
Rasse
Tierzahl
Heritabilität
LMV rechts
WOLF et al. (2001)
Schwellenwertmodell
Linear REML
Holstein Frisian
Holstein Frisian
151
151
0,19
0,007
LMV links
WOLF et al. (2001)
Schwellenwertmodell
Linear REML
Holstein Frisian
Holstein Frisian
151
151
0,51
0,043
LMV
URIBE et al. 1995
VAN DORP et al.
1998
Linear, REML
linear
Canad. Holstein
Holstein
7.416
4.368
0,28
0,00
6 Literaturverzeichnis
A
BDEL-AZIM, G.A.; BERGER, P.J. (1999):
Properties of threshold model predictions. J. Anim. Sci. 77:582-590.
A
MIN, A., GERE, R., KISHK, W. (2000):
Additive genetic variance and covariance in some reproductive disorders in Hungarian Hol-
stein Frisian using multi-trait animal models. Arch. Tierz. Dummerstorf 43; 6: 573 – 581
A
NACKER, G., RIEHMER, K. (1996):
Die Möglichkeiten zur Einbeziehung funktionaler Merkmale zur Erhöhung der Aussagesi-
cherheit in die Leistungsprüfung und Zuchtwertschätzung von Bullen. Forschungsbericht der
Thüringer Landesanstalt für Landwirtschaft
B
ANOS, G. (1999):
From research to application: A summary of scientific developments and possible implemen-
tation to the genetic improvement for functional traits. Proceedings: International Workshop
on EU Concerted Action on Genetic Improvement of Funktional Traits in Cattle; Wageningen
1999
Bar-Anan, R. (1984): Continuous progeny testing, use and selection of proven bulls in Israel.
J. of the Scientific Agricultural Society of Finland 55/6, 489-495
B
ARNOUIN, J., CHASSAGNE, M. (1998):
Factors associated with clinical mastitis incidence in French dairy herds during late gestation
and early lactation. Vet. Res. 1998 Mar-Apr; 29 (2): 159 - 171
B
AUMGARTNER, C.F. (1988):
Untersuchungen über Klauenmaße als Hilfsmerkmale für die Selektion auf Klauengesund-
heit an Töchtergruppen von Deutschen Fleckviehbullen. Diss. (vet.med.) München

Sächsische Landesanstalt für Landwirtschaft
76
Schriftenreihe, Heft 8/2007
BAUMGARTNER, C.F., DISTL, O., KRÄUSSLICH, H. (1990):
Eignung von Indikatormerkmalen für die Zucht auf Klauengesundheit beim Deutschen
Fleckvieh. Züchtungskunde 62; 195-207
B
ERGFELD, U., KLUNKER, M. (2002):
Bedeutung funktionaler Merkmale in der Rinderzucht und Möglichkeiten für deren züchteri-
sche Verbesserung. Arch. Tierz. Dummerstorf 45 (2002), Sonderheft, 60 – 67
B
ERGMANN, A. (1985):
Wirkungsvollere Diagnostik mit Antibiogramm bei akuten Mastitiden. Monatsh. Vet.med. Je-
na 40, 118 – 120
B
LOWEY, R. (1998):
Klauenpflege bei Rindern und Behandlung von Lahmheit; Verlag Eugen Ulmer
Boettcher, P.J., Dekkers, J.C.M., Warnick, L.D., Wells, S.J. (1998):
Genetic Analysis of clinical lameness in dairy cattle. J. Dairy Sci. 81: 1148-1156
B
ROLUND, L. (1985):
Cell counts in bovine milk. Causes of variation and applicability for diagnosis of subclinical
mastitis. Acta Vet. Scand. Suppl. 80
B
ROTHERSTONE, S., HILL, W.G. (1991):
Dairy herd life in relation to linear type traits and production.2. Genetic analyses for pedigree
and nonpedigree cows. Anim. Prod. 53 (1991), 289-297
C
ASSELL, B.G. (1996):
Improved Foot Health: Genetic and Management
Implications.http://www.ext.vt.edu/pubs/dairy/404-235/404-235.html
C
ASTILLO-JUAREZ, H., OLTENACU, P.A., BLAKE, R.W., MCCULLOCH, C.E., CIENFUEGOS-RIVAS, E.G.
(2000):
Effect of herd environment on the genetic and phenotypic relationships among milk yield,
conception rate, and somatic cell score in Holstein cattle. J. Dairy Science 83 (4): 807 - 814
C
HOI, Y.S., MC DANIEL, B.T. (1993):
Heritabilities of measures of hooves and their relatio to Other traits of Holsteins. J. Dairy Sci.
76 (1993), 1989-1993
C
OLLICK, D.W., WARD, W.R., DOBSON, H. (1989):
Associations between types of lameness and fertility. Vet. Rec. 125 (5): 103 – 106
D
ISTL, O. (1990):
Zucht auf Widerstandsfähigkeit gegen Krankheiten beim Rind. Enke Verlag
D
ISTL, O. (1991):
Epidemiologic and genetic analysis of veterinary data of German Brown cattle. Berl. Münch.
Tierärztl. Wochenschrift 1991 Nov. 1 ; 104 (11); 375-383
D
ISTL, O. (1992):
Genetische Analyse von Krankheitshäufigkeiten mit dem Schwellenmodell bei südbayri-
schen Milchviehherden. Züchtungskunde 64, S. 1 – 19

Sächsische Landesanstalt für Landwirtschaft
77
Schriftenreihe, Heft 8/2007
DISTL, O. (1995):
Züchterische Verbesserung von Fundamentsmerkmalen und Klauengesundheit beim Rind.
Züchtungskunde 67 (6), 1995, S. 438-448
D
ISTL, O. (1999):
Zucht auf ein gesundes Fundament beim Milchrind. Züchtungskunde, 71 (1999), 446-458
DISTL, O. (2001):
Die Bedeutung von Gesundheitsmerkmalen in der Zucht von Milchrindern. Arch. Tierz.
Dummerstorf 44 (2001) 4; 365 – 380
D
OHOO, I.R., MARTIN, S.W. (1984):
Disease, production and culling in Holstein-Frisian cows; II. Age, season and sire effects.
Preventive Veterinary Medicine 2 (1984); 655 - 670
E
MANUELSON, U., DANELL, B., PHILIPSSON, J. (1988):
Genetic parameters for clinical mastitis, somatic cell counts on milk production estimated by
Multiple-Trait Restricted Maximum Likelihood. J. Dairy Sci. 71, 467-476
E
RIKSSON, J.A. (1991):
Mastitis in cattle. In: OWEN, J.B. & AXFORD, R.F.E.: Breeding for disease resistance in
farm animals. CAB International, Wallingford 394 - 411
F
ATEHI, J., STELLA, A., SHANNON, J.J., BOETTCHER, P.J. (2003):
Genetic parameters for feet and leg traits evaluated in different environments. J. Dairy Sci.
86, 661-666
F
OURCHION et al. (1999) zitiert bei Evans, E. (2003):
Auswirkungen von Stoffwechselstörungen auf die Fruchtbarkeit.Vortrag 7. Symposium „Füt-
terung und Management von Kühen mit hohen Leistungen“ 23.01.03 Neuruppin, Tagungs-
bericht 5 – 31
F
UNKE, U. (1991):
Genetische Analyse direkter Merkmale zur Selektion auf Verbesserung der Mastitisresistenz
beim Schwarzbunten Milchrind. Dissertation Berlin
Gilmour, A.R., B.R. Cullis, S.J. Welham and R. Thompson. (2000).
ASREML Reference Manual. NSW Agriculture, Orange Agric. Inst. Orange, Australia.
G
ONYON, D., EVERSON, D., CHRISTIAN, R. (1982):
Heritability of mastitis score in Pacific Northwest Dairy Herds. J. Dairy Sci. 65: 1269-1276
G
ROEN, A., STEINE, T., COLLEAU, J.J., PETERSEN, J., PRIBYL, J., REINSCH, N. (1997):
Economic values in dairy breeding, with special reference to functional traits. Report of an
EAAP-working group. Livestock Production Science 49 (1997), 1-21
G
RUPE, S. (1996):
Identifizierung von genetischen Markern für ausgewählte sekundäre Merkmale beim Rind.
Dissertation Rostock
H
AHN, M.V., MC DANIEL, B.T., WILK, J.C. (1984):
Genetic and environmental variation of hoof characteristics in Holstein cattle. J. Dairy Sci-
ence 67 (12): 2986-2998

Sächsische Landesanstalt für Landwirtschaft
78
Schriftenreihe, Heft 8/2007
HAMANN, H., DISTL, O. (2001):
Prediction of functional longevity for dairy cows by using foot quality traits in German Hol-
stein bulls. Proceedings of the 7
th
World Congress on Genetics Applied to Livestock Produc-
tion, Montpellier, France, 19.-23.08.02
H
ANSEN, M., LUND, M., SORENSEN, M., CHRISTENSEN, L. (2000):
Genetic Parameters of dairy character, protein yield, clinical mastitis, and other diseases in
the Danish Holstein Cattle; Poster presentation EAAP 2000, Session G 4.14 Abstract no.
366
H
ARLIZIUS, B. (1995):
Perspektiven der Zucht auf Gesundheit beim Milchrind mit Hilfe der Molekulargenetik.; Jah-
restagung der DGfZ Verden
H
ERINGSTAD, B.; KLEMETSDAL, G.; RUANE, J. (1999):
Clinical mastitis in Norwegian cattle: frequency, variance components and genetic correla-
tion with protein yield. J. Dairy Sci. 82: 1325-1330.
H
ERINGSTAD, B.; REKAYA, R.; GIANOLA, D.; KLEMETSDAL, G.; WEIGEL, K. A. (2003):
Genetic change for clinical mastitis in norwegian cattle: a threshold model analysis. J. Dairy
Sci. 86: 369-375.
H
ERNANDEZ, J., SHEARER, J.K., WEBB, D.W. (2001):
Effect of lameness on the calving-to-conception interval in dairy cows. J. Am. Vet. Med.
Assoc. 218 (10): 1611 – 1614
H
OOJER, G.A., LUBBERS, R.B.F., DUCRO, B.J., VAN ARENDONK, J.A.M., KAAL-LANSBERGEN, L.M.T.E.,
VAN DER LENDE, T. (2000):
Genetic parameters for cystic ovarian diseases in Dutch black and white dairy cattle. J.
Dairy Science 84: 286-291
H
UANG, Y., SHANKS, R. (1995):
Within herd estimates of heritabilities for six hoof
characteristics and impact of disper-
sion of discrete severity scores on estimates. Livestock Production Science 44: 107-114
J
AKOB, H. (1996):
Tierarztkosten beim Deutschen Fleckvieh und Deutschen Braunvieh – Variationsursachen,
Heritabilität und Beziehungen zur Milchleistung. Dissertation München
J
UNGE, W., STAMER, E. (2003):
Zucht auf funktionale Merkmale beim Milchrind. 3. Rinder-Workshop Uelzen 2003: 53-61
KADARMIDEEN, H., REKAYA, R., GIANOLA, D. (2000):
Genetic Analysis of Repeated Mastitis Episodes with Bayesian Longitudinal Threshold Mod-
els. 51. Annual Meeting of EEAP, August 2000, Session G 4.5
K
ADARMIDEEN, H. N., SIMM, G. (2002):
Selection responses expected from index selection including disease resistance, fertility and
longevity in cattle. 7
th
World Congress on Genetics Applied to Livestock Production
K
ELTON, D.F., LISSEMORE, K.D., MARTIN, R.E. (1998):

Sächsische Landesanstalt für Landwirtschaft
79
Schriftenreihe, Heft 8/2007
Recommendations for recording and calculating the incidence of selected clinical diseases
of dairy cattle. J. Dairy Science 81: 2502 - 2509
KOCHNEV, N.N., ERNST, L.K., PETUKHOV, V.L., ZHELTIKOV, A.I., NEZAVITIN, A.G., MARENKOV, V.G.
(1998):
Genetics of ketosis resistance in cattle. Genetika 2/1998; 34 (2): 285-289 Abstract
K
ÖNIG, S., SWALVE, H.H. (2000):
Nutzung der der Ergebnisse der Interbull-Zuchtwertschätzung zum Vergleich des geneti-
schen Niveaus von Ländern. Vortragstagung DGFZ/GFT Kiel 20./21.09.2000
K
OVAC, M.; GROENEVELD, E. (2003):
VCE-5 User’s Guide and Reference Manual, Version 5.1
Kühn, C., Bennewitz, J., Reinsch, N., Xu, N., Thomsen, H., Looft, C., Brockmann, G.A.,
Schwerin, M., Weimann, C., Hiendleder, S., Erhardt, G., Medjugorac, I., Förster, M., Brenig,
B., Reinhardt, F.,
R
EENTS, R., RUSS, I., AVERDUNK, G., BLÜMEL, J., KALM, E. (2003):
Quantitative trait loci mapping of functional traits in the German Holstein cattle population. J.
Dairy Science 86: 360 – 368
L
ESCOURRET, F., COULON, J.B., FAYE, B. (1995):
Predictive model of mastitis occurrence in the dairy cow. J. Dairy Science 78 (10): 2167 -
2177
L
ISSEMORE, K.D., KELTON, D.F., DEKKERS, J.C.M. (1997):
Recommendations for recording and presenting selected clinical diseases of dairy cattle.
Dairy Research Report University of Guelph;
http://cgil.uoguelph.ca/pub/97dairyres/97drepjcd.html
LKV Sachsen, Jahresberichte der Milchleistungsprüfung 2002/2003
L
UND, M.; JENSEN, J.; PETERSEN, P. (1999):
Estimation of genetic and phenotypic parameters for clinicalmastitis, somatic cell score, pro-
duction deviance and protein yield in dairy cattle using Gibbs sampling. J. Dairy Sci. 82:
1045-1100.
L
YONS, D., FREEMAN, A., KUCK, A. (1991):
Genetics of Health Traits in Holstein Cattle. J. Dairy Sci. 74, 1092-1100
M
ACK, G. (1996):
Wirtschaftlichkeit des züchterischen Fortschrittes in Milchviehherden – Gesamtbetriebliche
Analyse mit Hilfe eines simultan-dynamischen linearen Planungsansatzes. Dissertation
M
ANSKE, T., HULTGREN, J., BERGSTEN, C. (2002):
The effect of claw trimming on the hoof health of Swedish dairy cattle. Prev. Vet. Med. 54
(2):113 – 129
M
ANTYSAARI, E.A., GROHN, Y.T., QUAAS, R.L. (1991):
Clinical ketosis: phenotypic and genetic correlations between occurrences and with milk
yield. J Dairy Science 74 (11): 3985 - 3993
M
ÄNTYSAARI, E., A.., GRÖHN, J.T. (1991):

Sächsische Landesanstalt für Landwirtschaft
80
Schriftenreihe, Heft 8/2007
Clinical ketosis: phenotypic and genetic correlations between occurrences and with milk
yield. Journal of Dairy Science 74, 3985 – 3993
MC DANIEL, B.T., HAHN, M.V., WILK, J.C. (1982):
Floor surfaces and effect upon feet and leg soundness. Proceedings of the Symposium on
Management of Food Producing Animals. Purdue University, USA, Vol 2: 816; zitiert bei
Baumgartner (1988)
N
EERHOF, H.J., MADSEN, P., DURCOCQ, V.P., VOLLEMA, A.R., JENSEN, J., KORSGAARD, I.R. (2000):
Relationships between mastitis and functional longevity in Danish Black and White Dairy
cattle estimated using survival analysis. J. Dairy Science 83: 1064-1071
N
IELSEN, H.M., GROEN, A.F., OSTERGAARD, S., BERG, P. (2002):
A model for the derivation of economic values of production and functional traits in dairy cat-
tle. 7
th
World Congress on Genetics Applied to Livestock Production
ØDEGÅRD, J.; KLEMETSDAL, G.; HERINGSTAD, B. (2003):
Genetic improvement of mastits resistance: Validation of somatic cell score and clinical mas-
titis as selection criteria. J. Dairy Sci. 86: 4129-4136.
P
ÄTSCH, I. (2002):
Computergestütztes Zuchtmanagement der Milchrinderherde des Lehr- und Forschungsgu-
tes Ruthe. Diss. Med. vet. Hannover
P
HILIPSSON, J. (1995):
Züchtung auf Gesundheit am Beispiel Skandinavien – erfolgreiche Kooperation von Land-
wirt, Tierarzt, MLP und Zuchtorganisationen. Züchtungskunde 67, 454 – 460
P
HILIPSSON, J., RAL, G., BERGLUND, B. (1995):
Somatic cell count as a selection criterion for mastitis resistance in dairy cattle Livestock
Production Science 41: 195 - 200
P
HILIPSSON, J. (2000):
Strategien zur Verminderung von Kälberverlusten (Totgeburten) Züchtungskunde 72 (2000),
440 – 449
P
OLITIEK, R.D. (1981):
Does selection for characteristics of the udder, teats, ease of milking and udder health offer
any prospects of improvement resistance to mastitis? Tijdschr Diergeneeskd. 106 (11): 546
– 553 Abstract
P
ÖSÖ, J., MÄNTYSAARI, E.A. (1996):
Genetic relationship between udder health and milk yield in Finnish Ayrshire. 46
th
Annual
Meeting of EAAP, Prag 4. – 7.9.1995
R
AVEN, E.T.(1971):
Klauenpflege beim Rind; Universität Utrecht
R
EINSCH, N. (1995):
Züchterische Bedeutung der Gesunderhaltung. Jahrestagung der DGfZ 1995 Verden
R
OGERS, G.W., HARGROVE, G.L., COOPER, J.B. (1995):

Sächsische Landesanstalt für Landwirtschaft
81
Schriftenreihe, Heft 8/2007
Correlations among somatic cell scores of milk within and across lactations and linear type
traits of Jerseys. J. Dairy Science 78 (4): 914-920
RUPP, R., BOICHARD, S. (1999):
Genetic parameters for clinical mastitis, somatic cell score, production, udder type traits and
milking ease in first lactation Holsteins. J. Dairy Sci. 82: 2198 – 2204
S
CHALLENBERGER, E. (2003):
Wie kann die Eutergesundheit verbessert werden sowie Vorbeugung und Behandlungsal-
ternativen bei Färsenmastitis. SRV-Journal
www.srv.de
S
CHOMAKER, T. (2001):
Ansätze zur Entwicklung einer Leistungsprüfung für funktionale Merkmale beim Milchrind.
Dissertation Kiel
S
CHÖNMUTH, G., FUNKE, U., SEELAND, G. (1992):
Untersuchungen zur Heritabilität von direkten Eutererkrankungsmerkmalen und ihren Bezie-
hungen zwischen den Laktationen. Arch. Tierz. Dummerstorf 35 (½), 5 - 16
S
EYKORA, A.J., MCDANIEL, B.T. (1986):
Genetics statistics and relationships of teat and udder traits, somatic cell counts, and milk
production. J. Dairy Science 69 (9): 2395 – 2407
S
IMIANER, H., SOLBU, H., SCHAEFFER, L.R. (1991):
Estimated genetic correlations between disease and yield traits in dairy cattle. J. Dairy
Science 74, 4358 - 4365
S
IMIANER, H., KÖNIG, S. (2002):
Ist Zucht auf Krankheitsresistenz erfolgreich? Vortrag Jahrestagung DGFZ/GFT 17.09.02
S
MIT, H., VERBEEK, B., PETERSE, D., JANSEN, J., MCDANIEL, B., POLITIEK, R. (1986):
Genetic aspects of claw disorders, claw measurements and „type“ scores for feet in frisian
cattle. Livestock Production Science 15; 205 – 217
S
OLBU, H. (1984):
Disease recording in Norwegian dairy cattle. II. Heritability estimates and progeny testing for
mastitis, ketosis and “all diseases”. Zeitschrift für Tierzüchtung und Züchtungsbiologie
101/1, 51-58
S
TRANDBERG, E., SHOOK, G.E. (1989):
Genetic and economic responses to breeding programs that consider mastitis. J. Dairy
Science 72, 2136 – 2142
S
WALVE, H.H. (2003):
Züchtungsstrategien auf hohe Nutzungsdauer – Welche Möglichkeiten bieten sich? Rinder-
produktion 50/2003, 16 - 19
S
YVJÄRVI, J. (1987):
Genetic improvement of mastitis through selection – practical applications in Finland.
T
HALLER, G., KRAMER, W., WINTER, A., KAUPE, B., ERHARDT, G., FRIES, R. (2003):
Effects of DGAT1 variants on milk production traits in German cattle breeds. J. Animal Sci-
ence 81 (8); 1911-1918

Sächsische Landesanstalt für Landwirtschaft
82
Schriftenreihe, Heft 8/2007
URIBE, H., KENNEDY, B., MARTIN, S., KELTON, D. (1995):
Genetic parameters for common health disorders of Holstein cows. J. Dairy Sci. 78: 421-430
V
AN DORP, T., DEKKERS, J., MASTIN, S., NOORDHUIZEN, J. (1998a):
Genetic parameters for clinical mastitis, somatic cell score, production, udder type traits, and
milking ease in first lactation Holsteins. J. Dairy Sci. 81: 2264-2270
V
AN DORP, T.E., DEKKERS, J.C.M., MARTIN, S.W., NOORDHUIZEN, J.P.T.M. (1998):
Genetic parameters of health disorders and relationships with 305-day milk yield and con-
formation traits of registered Holstein cows. J. Dairy Science 81: 2264 - 2270
V
UKASINOVIC, N., MOLL, J., CASANOVA, L. (2001):
Implementation of a routine genetic evaluation for longevity based on survival analysis tech-
niques in dairy cattle populations in Switzerland. J. Dairy Science 84 (9): 2073 - 2080
W
EIGEL, K.A., REKAYA, R. (1999):
Genetic parameters for reproductive traits of Holstein cattle from California and Minnesota.
J. Dairy Science 83 (5): 1072 – 1080
W
ELLER, J. I., SARAN, A., ZELIGER, Y. (1992):
Genetic and environmental relationship among Somatic cell count, bacterial infection and
clinical mastitis. J. Dairy Science 75, 2532 - 2540
W
OLF, V., HAMANN, H., SCHOLZ, H., DISTL, O. (2001):
Influences on the occurrence of abomasal displacements in German Holstein cows. Dtsch.
Tierärztl. Wochenschrift 108 (10): 403 - 408
W
OLTER, W., KLOPPERT, B., CASTENEDA H.V., ZSCHÖCK, M. (2002):
Die Mastitis des Rindes – ein Kursbuch; Veröffentlichung des Staatl. Untersuchungsamtes
Hessen und der Universidad de Guadalajara (Mexiko)
Z
HANG, W.C., DEKKERS, J.C., BANOS, G., BURNSIDE, E.B. (1994):
Adjustment factors and genetic evaluation for somatic cell score and relationships with other
traits of Canadian Holsteins. J. Dairy Science 77 (2): 659 - 665

Sächsische Landesanstalt für Landwirtschaft
Schriftenreihe, Heft 8/2007
83
Erarbeitung von Nutzungsstrategien tierbezogener Daten in der Milchwirtschaft in Sachsen
Simone Herziger, Hartmut Berger; Sächsischer Landeskontrollverband e.V.
Dr. Ralf Fischer, Dr. Uwe Bergfeld; Sächsische Landesanstalt für Landwirtschaft
Inhalt
1
Einleitung und Problemstellung
2 Methodische Grundlagen, Literatur
3
Ergebnisse und Diskussion
3.1
Entwicklung eines alternativen Datenerfassungsverfahrens für Melkbarkeitsdaten
3.2
Modellentwicklung für ein Monitoringsystem
4
Integration des Testherdensystems in die Kommunikationsplattform lkv.net
5 Zusammenfassung
6 Literaturverzeichnis

Sächsische Landesanstalt für Landwirtschaft
Schriftenreihe, Heft 8/2007
84
1
Einleitung und Problemstellung
In den vergangenen Jahren war ein rasanter Anstieg des Milchleistungsniveaus zu verzeichnen.
Im MLP-Prüfjahr 2004/05 wurden im Mittel von 191.087 Milchkühen (A + B) aus 1.075 sächsi-
schen Betrieben bei einer MLP-Prüfdichte von 93,1 % 8375 kg Milch pro Kuh bei 4,16 % Fett
und 3,44 % Eiweiß ermittelt (VIT, 2005). Dieser Leistungszuwachs war jedoch begleitet von par-
tiell deutlichen Leistungseinschnitten in Reproduktion sowie Tiergesundheit mit deren vielfälti-
gen Wirkungsbeziehungen, wodurch die Ökonomie der Milchproduktion stark beeinträchtigt
werden kann. Daher sind mit ansteigendem Milchleistungsniveau zunehmende Anforderungen
an das Management der Milchproduktion unumgänglich. Dies erfordert im Rahmen der Mana-
gementhilfe bzw. der Entscheidungsunterstützung zunächst grundsätzlich eine genaue, effizien-
te und disziplinierte Datenerfassung bei den Beteiligten am Milchproduktionsprozess. Darauf
aufbauend ist die Notwendigkeit der Entwicklung von fachlich zweckmäßigen Verfahren der Da-
tenkopplung bzw. des Datentransfers sowie der Datenaufbereitung und –analyse dieser Daten-
fluten der verschiedenen Datenquellen in Verbindung mit adäquaten IT-Methoden gegeben, um
mittels komplex analysierter Datenstrukturen wertvolle Informationen für die betriebliche Ent-
scheidungsunterstützung sowie die Milchrindzucht liefern zu können.
Neben der Optimierung des betrieblichen Managements ist es auch ein züchterisches Anliegen,
den sich gegenwärtig abzeichnenden Produktivitätsverlusten der Milchkühe insbesondere hin-
sichtlich Reproduktionsleistung und Tiergesundheit, die mit dem ansteigenden Milchleistungsni-
veau einhergehen, entgegen zu wirken. Aus diesem Grunde konzentrieren sich die Zuchtziele
in der Milchrindzucht seit geraumer Zeit zunehmend intensiver auf den Bereich der sog. „Funk-
tionalen Merkmale“. Die züchterische Ausgangssituation der zur Beschreibung dieses Zucht-
ziels herangezogenen Merkmale ist diffizil. Daher wird diesbezüglich sowohl eine adäquate
Wichtung im Zuchtziel als auch die Nutzung molekulargenetischer Informationen, insbesondere
jedoch eine genauere und differenziertere Merkmalserfassung als erforderlich betrachtet, um
dieser Problematik begegnen zu können.
Die Generierung von Grundlagen für die Entwicklung von Nutzungsstrategien von Einzeltierda-
ten, welche mittels opportuner Datenaggregation und -erschließung mit vertretbarem Aufwand
eine geeignete Arbeitsgrundlage für die Anwendungsgebiete der Leistungsprüfung und Zucht-
wertschätzung sowie des betrieblichen Managements und des Beratungswesens schaffen, ist
Anliegen dieses Projekts. Die Erarbeitung von Lösungsansätzen zur Anwendung eines alterna-
tiven, automatisierten Verfahrens der Datenerfassung zur derzeitigen arbeits- und kosteninten-
siven Methodik der Melkbarkeitsprüfung zum Informationsgewinn für die Zuchtwertschätzung
Melkbarkeit, war wesentlicher Arbeitsschwerpunkt des Projektes. Diesbezüglich war zunächst
ein Verfahren der Bereitstellung von Melkprozessdaten zu generieren bzw. zu erproben. Dar-
über hinaus waren mittels der Analyse der aus der Software zum melktechnischen System aus-
gelesenen Melkprozessdaten methodische Grundlagen sowie inhaltliche Schwerpunkte der Da-
tenaufbereitung zu erarbeiten, um repräsentative, qualitativ hochwertige Melkbarkeitsdaten mit

Sächsische Landesanstalt für Landwirtschaft
Schriftenreihe, Heft 8/2007
85
Hilfe eines automatisierten Datenerfassungsverfahrens gewinnen zu können. Weiterhin soll im
Rahmen des Projektes die Entwicklung eines Beratungskonzeptes bzw. Monitoring-Systems auf
der Basis der tierbezogenen Daten vorangetrieben werden, mit dem Ziel der Bereitstellung zeit-
naher, komplexer Analysen und Auswertungen relevanter Produktionskennzahlen für das be-
triebliche Management sowie die produktionstechnische Beratung. Ein solches Monitoring-
System im Sinne eines entscheidungsunterstützenden Systems dient der Qualitätssicherung im
Rahmen betrieblicher Managementpläne sowie den veränderten, zunehmend anspruchsvollen
Managementerfordernissen aufgrund der Problematik der Produktion in physiologischen
Grenzbereichen. Weil die Effizienz des Testherdensystems neben einer präzisen Datenerfas-
sung beim Milcherzeuger nicht zuletzt von einer leistungsfähigen technologischen Lösung der
Datenbereitstellung und -verarbeitung abhängig ist, sollte in diesem Projekt auch die Generie-
rung relevanter Schnittstellen im Herdenmanagementsystem HerdeW forciert werden. Es müs-
sen Vorraussetzungen geschaffen werden, die Kommunikationslösung lkv.net des LKV in den
Systemaufbau des Testherdensystems zu implementieren, um aus dem Herdenmanagement-
system ausgelesene Daten transferieren zu können.
Der verwandte Datenpool umfasst einerseits verschiedene Melkprozessparameter und anderer-
seits Daten aus der MLP sowie der Rohmilch-Güteprüfung. Aus dem Herdenmanagementsys-
tem konnten wegen fehlender Schnittstellen keine Daten hinzugezogen werden. Bei den einzig
aus den Herdenmanagementsystemen zu gewinnenden Daten zum Fruchtbarkeitsgeschehen
sowie zur Tiergesundheit ist zu beachten, dass diese wegen deren anthropogener Datensug-
gestion sehr kritisch zu betrachten sind.
2
Methodische Grundlagen, Literatur
Im Laufe der Zeit veränderten sich die Anforderungen an die IT-basierte Managementunterstüt-
zung aufgrund der Ausweitung der verfügbaren Datenbasis, der massiven Veränderungen der
betrieblichen Rahmenbedingungen und der Marktsituation sowie der zunehmenden internen
und externen Anforderungen an Transparenz und Fundierung von Entscheidungen. Aus dieser
Problematik heraus erwuchs die Notwendigkeit integrierter Lösungsansätze, es entstand die
Begrifflichkeit Business Intelligence (BI). Unter BI wird ein integrierter, unternehmensspezifi-
scher, IT-basierter Gesamtansatz zur betrieblichen Entscheidungsunterstützung verstanden
(
KEMPER et al., 2004), welcher derzeit in der Landwirtschaft bzw. speziell im Bereich der Milch-
produktion kaum Anwendung findet bzw. dessen Entwicklung wenig forciert ist. Den Aufbau ei-
nes BI-Ansatzes, des sog. BI-Ordnungsrahmens, verdeutlicht Abbildung 1.

image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
Sächsische Landesanstalt für Landwirtschaft
Schriftenreihe, Heft 8/2007
86
HMS
Melkprozessor
Molkerei
Labor
Andere
Operative
Datenbestände
Core Data Warehouse, Data Marts,
Operational Data Store
Analysesysteme
(z.B. Data Mining)
Wissensmanagement
BI (Agrar)-Portal
Business (Agrar) Intelligence
Informations-
zugriff
Datenbereit-
stellung
Informations-
Generierung/
Speicherung/
Verteilung
Abbildung 1:
BI-Ordnungsrahmen
Grundlage jeder erfolgreichen Anwendung im BI-Umfeld sind konsistente, stimmige Daten, de-
ren Bereitstellung in aller Regel mittels sog. Data-Warehouse-Konzepte erfolgt. Data Warehou-
ses (DWH) sind auf internen operativen Systemen und externen Daten aufbauende logisch
zentralisierte dispositive Datenhaltungssysteme, die idealtypischerweise unternehmensweit als
einheitliche und konsistente Datenbasis, Analysen bzw. Managementunterstützungssystemen
dienen (
GABRIEL et al., 2000; MUKSCH UND BEHME, 2000). Sie bestehen aus Core Data Warehou-
ses und Data Marts, welche sich als themenbezogene, integrierte Datenhaltungen definieren,
bei denen das aus Managementsicht gewünschte, meist voraggregierte Datenmaterial dauer-
haft – also historienbildend – abgelegt wird. Der integrierte Datenpool des sog. Operational Da-
ta Store (ODS) beinhaltet als Vorstufe eines analytischen Data Warehouses aktuelle transakti-
onsorientierte, nicht historienbildende Daten aus verschiedenen operativen Quellsystemen und
stellt sie für spezielle Anwendungs- und Auswertungszwecke bereit (
INMON et al., 2000). Die Be-
füllung der DWH-Datenbank, die auch als Core Data Warehouse bezeichnet wird, erfolgt direkt
aus operativen internen und externen Quellsystemen. Zur Gewinnung dispositiver Datenhaltun-
gen ist ein Transformationsprozess (ETL) erforderlich, bei dem die an speziellen operativen
Anwendungsfeldern orientierten Daten in subjekt- bzw. themenorientierte Daten überführt wer-
den (Abbildung 2). Der Vorgang beinhaltet im Einzelnen die Teilprozesse der Filterung, der
Harmonisierung, der Aggregation sowie der Anreicherung. Das Core Data Warehouse (C-
DWH), welches nach dem ETL-Prozess sämtliche Daten für unterschiedlichste Auswertungs-
zwecke und zur Weitergabe an eine Vielzahl von Benutzern bereitstellt und bedarfsabhängig
aktualisiert wird, erfüllt die nachfolgend genannten Funktionen:

image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
Sächsische Landesanstalt für Landwirtschaft
Schriftenreihe, Heft 8/2007
87
Sammel- und Integrationsfunktion
(Aufnahme aller für Analysen relevanten Daten im Sinne eines logisch zentralen
Datenlagers)
Distributionsfunktion
(Versorgung aller nachgeschalteten Data Marts mit Daten)
Auswertungsfunktion
(direkte Verwendung als Datenbasis für Analysen unter Umgehung der Data Marts)
HMS
Melkprozessor
Molkerei
Labor
Andere
Belieferungsebene:
interne operative
Systeme und externe
Daten
Datenhaltungsebene
anwendungsbezogener
Data Marts
Transformationsebene:
Qualitätssicherung und
Vervollständigung
entkoppelter Daten
Anwendungsneutrale
Datenhaltungsebene,
Datenkonsolidierung,
kontrollierter
Datenhaushalt
Wertschöpfungskette
Core Data Warehouse
ETL-Prozess
Management
Beratung
ZWS
Andere
Data
Mart
Data
Mart
Data
Mart
Data
Mart
Abbildung 2:
Data-Warehouse-Architektur
Data Marts sind kleinere Datenpools mit einem hohen Grad an Anwendungsorientierung, die
gewöhnlich für einen spezifizierten Benutzerkreis bzw. für eine Aufgabe aufgebaut werden (Ab-
bildung 2). Ihre Daten werden in aller Regel aus dem C-DWH extrahiert. Auf die Phase der Da-
tenbereitstellung folgt ein systematischer, integrierter Analyseprozess, der darauf ausgerichtet
ist, (unbekannte) Beziehungsmuster im Datenbestand des DWH bzw. der Data Marts zu eruie-
ren und durch logische oder funktionale Beziehungszusammenhänge abzubilden (
BAUER UND
GUNZEL
, 2004; KEMPER et al., 2004; WIKIPEDIA, 2005b), das sog. Data Mining (WIKIPEDIA,
2005a). Je nach Aufgabenstellung wird dazu auf statistische Verfahren, künstliche Intelligenz,
maschinelles Lernen oder klassische Mustererkennung zurückgegriffen. Die darauf folgende
Phase beschäftigt sich mit der Kommunikation der Erkenntnisse und der Integration in das Wis-
sensmanagement (Abbildung 1). Die gewonnenen Erkenntnisse sollten verteilt und genutzt
werden, um Maßnahmen und Entscheidungen zu stützen sowie das generierte Wissen in Akti-
onen umzusetzen. Für den Zugriff auf die vielfältigen steuerungsrelevanten Informationen sind

Sächsische Landesanstalt für Landwirtschaft
Schriftenreihe, Heft 8/2007
88
komfortable Benutzerschnittstellen erforderlich. Dieser beschriebene IT-basierte Lösungsansatz
zur Datenverarbeitung fand Anwendung bei der Bearbeitung der Projektschwerpunkte.
3
Ergebnisse und Diskussion
3.1
Entwicklung eines alternativen Datenerfassungsverfahrens für Melkbarkeitsda-
ten
Insbesondere aufgrund der sich verändernden Finanzierungsmöglichkeiten in der Milchrind-
zucht und der verstärkten Konzentration auf die „Funktionalen Merkmale“, zu denen u.a. auch
der Komplex Melkbarkeit zählt, waren Überlegungen zur Generierung eines automatischen Da-
tenerfassungsverfahrens bezüglich der Melkbarkeitsprüfung unter Zuhilfenahme stationärer
Milchmengenmessgeräte sowie deren Technikanbindung vordergründiges Anliegen des Projek-
tes. Wegen dessen Verbreitung in Sachsen wurde zu diesem Zweck zunächst die Zusammen-
arbeit mit dem Melktechnikhersteller DeLaval gesucht und darauf beschränkt. Der Darstellung
von Lösungsansätzen zur Entwicklung und Anwendung eines automatisierten Datenerfassungs-
und Datenverarbeitungsverfahrens bezüglich Melkbarkeitsdaten soll ein kurzer Literaturüber-
blick zu dieser Thematik vorangehen.
Melkbarkeit im Literaturüberblick
Unter Melkbarkeit versteht man im Allgemeinen die Veranlagung einer Kuh, die Milch bei ord-
nungsgemäßem Melken schnell, gleichmäßig und vollständig abzugeben. Als Einflussfaktoren
auf die Melkbarkeit gelten insbesondere morphologische Parameter wie Zitzenlänge, Zitzen-
durchmesser bzw. –umfang, Wandstärke, Zitzenform und Kuppenformausbildung sowie die
Ausprägung des Strichkanals in seiner Länge, Breite und Form (
GEIDEL UND GRAFF, 2001). Wei-
terhin sind die Stärke des Leerungsreflexes (Melkbereitschaft), die Gemelksmenge, das Lakta-
tionsstadium, die Laktationsnummer, das Milchmengenmessgerät sowie melktechnische Fakto-
ren (v.a. Vakuum, Pulsfrequenz und -verhältnis) als wesentliche Einflussfaktoren auf die Melk-
barkeit zu benennen. Die quantitative Verfügbarkeit von Daten sowie die Datensicherheit be-
züglich der den Melkprozess bzw. die Melkbarkeit beschreibenden Parameter hängen einer-
seits von tierseitigen Faktoren und andererseits von technischen und menschlichen Einflüssen
ab.
Die Präzision der Bewertung der Melkbarkeit hängt im Wesentlichen von den in der Praxis ver-
fügbaren Methoden des Datengewinns ab. Diese reichen von einer rein subjektiven Beurteilung
der Melkbarkeit über eine Mengen- und Zeitbestimmung mittels verschiedener Messgeräte bis
zur exakten Bestimmung des kontinuierlichen Verlaufs des Milchflusses (
DUDA, 1995; VIT, 2004).
Zur Bewertung der Melkbarkeit hat sich in Deutschland das durchschnittliche Minutengemelk
(DMG) durchgesetzt (
DUDA, 1995), der Quotient aus der Melkdauer und der Gemelksmenge.
DUDA (1995) kritisiert, dass die Kenngröße DMG kaum Aussagen zum Milchabgabeverhalten lie-
fern kann, da die Struktur der einzelnen Gemelksphasen nur unzureichend Berücksichtigung
findet. Mit der Verwendung des DMG werden Unzulänglichkeiten bei der routinemäßigen Erfas-

Sächsische Landesanstalt für Landwirtschaft
Schriftenreihe, Heft 8/2007
89
sung der Melkdauer in Kauf genommen, die möglicherweise die vorhandenen Zusammenhänge
von Milchfluss und Eutergesundheit überdecken. Aufgrund des Zusammenhangs zwischen
Melkbarkeit und Eutergesundheit bzw. Arbeitswirtschaft ist die Melkbarkeit als Merkmalskom-
plex zu betrachten, der nur durch mehrere Kenngrößen ausreichend erfasst werden kann, zu-
mal die Verwendung des DMG bisher nur wenig zur züchterischen Verbesserung der Euterge-
sundheit beigetragen hat (
DUDA, 1995). Mittels des Milchmengenmessgerätes LactoCorder
®
können Milchflusskurven erstellt und damit detaillierte Informationen über das Milchabgabever-
halten von Kühen gewonnen werden. Wichtige Kenngrößen, die sich aus dem Milchfluss erge-
ben und geeignet sind die Melkbarkeit zu charakterisieren, sind der höchste Milchfluss, die
Dauer der Plateauphase, die Dauer der Abstiegsphase, die Dauer der Hauptgemelksphase und
die Nachgemelksmenge (
GÖFT et al., 1994). Der Einsatz des LactoCorder
®
hat sich allerdings
wegen des Kosten- und Arbeitsaufwandes in der Praxis nicht durchsetzen können.
Die züchterische sowie ökonomische Bedeutung der Beschaffenheit des Euters und der Melk-
barkeit ergibt sich aus deren Beziehung zu arbeitswirtschaftlichen Aspekten sowie der Euterge-
sundheit. Kühe mit größerem Strichkanaldurchmesser und schwachem Zitzenschließmuskel
können zwar aus arbeitswirtschaftlicher Hinsicht den Durchsatz am Melkstand erhöhen helfen,
zugleich wird jedoch auch das Eindringen von Mastitiserregern erleichtert und damit das Infekti-
onsrisiko erhöht. Hohe Spitzenmilchflussraten bedeuten aufgrund des damit verbundenen grö-
ßeren Strichkanaldurchmessers ein deutlich erhöhtes Risiko für Euterentzündungen (
GRINDAL
und HILLERTON 1991; GÖFT et al., 1994; GULYAS und IVANCSICS, 2001). Schwer melkende Kühe
hingegen sind infolge der Belastung des Eutergewebes einer möglichen Schädigung von
Schleimhaut und Schließmuskel ausgesetzt, was ebenso die Mastitisanfälligkeit steigert. Glei-
che Auswirkungen sind bei einer unausgeglichenen Viertelgemelksabgabe zu erwarten, insbe-
sondere wenn zum Ende des Melkprozesses einzelne Viertel bereits blindgemolken werden.
Bei einer derartigen Milchabgabe fördern vermehrt auftretende Lufteinbrüche zusätzlich die Ü-
bertragung von Erregern zwischen den Vierteln des Euters (
DUDA, 1995). Untersuchungen von
PERES-GUZMAN et al. (1986) ergaben, dass sowohl positive als auch negative Abweichungen des
DMG vom Mittelwert mit einer Verschlechterung der Eutergesundheit einhergehen, wodurch die
beschriebenen physiologischen Zusammenhänge Bestätigung finden. Schlussfolgernd daraus
gibt es einen hinsichtlich der Eutergesundheit optimalen mittleren Milchflussbereich, den
GÖFT
(1991) sowie GULYAS und IVANCSICS (2001) für den Parameter DMG mit 2,00 kg/min bis 4,00
kg/min angeben. Bezüglich des Kennwertes HMF geben GÖFT et al. (1994) eine Zielgröße von
3,00 kg/min bis 4,5 kg/min an. Weiterhin gilt ein kastenförmiger Verlauf der Milchflusskurve als
idealtypisch, welcher gekennzeichnet ist durch einen raschen Anstieg, ein konstantes Plateau
ohne extrem hohes Maximum sowie durch eine dichte Aufeinanderfolge des Milchflussendes
der einzelnen Euterviertel.

Sächsische Landesanstalt für Landwirtschaft
Schriftenreihe, Heft 8/2007
90
Zur Erzielung eines Zuchtfortschrittes bezüglich eines Merkmals ist neben der Kenntnis und Be-
rücksichtigung von Merkmalsbeziehungen sowohl eine ausreichend hohe Erblichkeit des betref-
fenden Merkmals als auch eine genügend hohe genetische Varianz erforderlich. Die beiden
letzteren Faktoren variieren in Abhängigkeit der wirkenden systematischen Einflüsse. Brade
(2005) gibt für das Merkmal DMG eine Heritabilität von h² = 0,28 an,
MÜLLER et al. (1997) schät-
zen die Erblichkeit des Parameters absolutes durchschnittliches Minutengemelk (ADMG) auf h²
= 0,09 – 0,15 und
DUDA (1995) die des HMF auf h² = 0,49. Die Erblichkeit der Melkbarkeitspa-
rameter liegt somit im unteren bis mittleren Bereich. Zudem weisen PEREZ-GUZMAN et al. (1986)
auf eine genügend hohe genetische Varianz hin, so dass eine züchterische Einflussnahme ge-
geben ist. Die Korrelation zwischen durchschnittlichem Minutengemelk und höchstem Milchfluss
wird von
GÖFT et al. (1994) mit einem Wert von r = 0,78 angegeben. In der Literatur ist mehrfach
die Aussage zu finden, dass der durchschnittliche sowie der höchste Milchfluss und die Melk-
dauer, die in engem Zusammenhang zur Milchleistung stehen, im Verlauf der Laktation sinken,
im Mittel mit der Laktationsnummer allerdings deutlich ansteigen.
Zuchtwertschätzung Melkbarkeit
In der Holstein-Zucht wird seit August 2004 durch den VIT zweimal jährlich (Februar und Au-
gust) eine Zuchtwertschätzung Melkbarkeit im Rahmen der Nachkommenschaftsprüfung durch-
geführt, welche in Sachsen derzeit nach der ADR-Empfehlung 3.3 durchgeführt wird (ADR,
1987) und bislang auf Messungen des durchschnittlichen Minutengemelks (DMG) in der ersten
Laktation (50. – 180. Laktationstag) basiert (VIT, 2004). Zukünftig wird der Prüfzeitraum für die
Melkbarkeitsprüfung der Nachkommen wahrscheinlich auf den Zeitraum vom 15. bis 250. Lakta-
tionstag ausgedehnt werden. Zur Prüfung wird das Melken in betriebsüblicher Weise durch das
gewohnte Personal mit der betriebseigenen Melkanlage vollzogen. Durch die mit der Durchfüh-
rung der Leistungsprüfung beauftragten Stelle (LKV) wird die Dauer des Milchflusses mittels ei-
ner Additionsstoppuhr (1/100 min.) mit zwei Dezimalstellen sowie die Gesamtgemelksmenge
festgestellt. Die Melkdauer umfasst dabei jeweils den Zeitraum vom Zeitpunkt, an dem alle vier
Melkbecher angesetzt sind bis zur Unterbrechung der Vakuumzufuhr. Die Melkbarkeit wird als
absolutes durchschnittliches Minutengemelk (ADMG) aus der Maschinengemelksmenge und
der Dauer des Milchflusses ermittelt, welches mittels geeigneter Regressionskoeffizienten auf
den 100. Laktationstag zu standardisieren ist. Die im Rahmen der Melkbarkeitsprüfung ermittel-
ten Daten sind Grundlage für die Zuchtwertschätzung. Ergebnisse, die aus einer Gemelksmen-
ge von weniger als 5 kg resultieren, bleiben unausgewertet und unveröffentlicht und Prüfungen
mit Nachgemelksmengen von mehr als 300 ccm sind ungültig. Der Melkbarkeitszuchtwert, der
bislang nicht in den Gesamtzuchtwert (RZG) einfließt, wird als Relativzuchtwert Melkbarkeit
(RZD) ausgewiesen. Im Jahr 2005 erfolgten in 179 sächsischen Betrieben insgesamt 1.113
Melkbarkeitsprüfungen im Rahmen der Nachkommenprüfung.

Sächsische Landesanstalt für Landwirtschaft
Schriftenreihe, Heft 8/2007
91
Technisch und methodische Lösungsansätze
Wesentlicher Arbeitsschwerpunkt des Projektes war die Erarbeitung von technischen und me-
thodischen Lösungsansätzen zur Anwendung eines alternativen, automatisierten Verfahrens
der Gewinnung von Melkbarkeitsdaten zur derzeitigen arbeits- und kostenintensiven Methodik.
Bei einem solchen zu generierenden automatisierten Datenerfassungsverfahren sind die in der
Software zum melktechnischen System (bei DeLaval ALPRO
®
Windows) abgespeicherten Da-
ten des Melkprozesses zunächst mittels einer auf dem PC befindlichen Requestdatei und der
Kommunikationskomponente trans.lkv.net des Sächsischen Landeskontrollverbandes e.V.
(LKV) automatisch und zeitnah abzurufen und in eine zentrale Datenbank des LKV zu transfe-
rieren. trans.lkv.net ist ein ausbaufähiges Verfahren zum automatischen Datentransfer, welches
alle gängigen Datenaustauschformate in der Landwirtschaft (ADIS/ADED und Kartenarten) un-
terstützt und dem Milcherzeuger einen schnellen und präzisen Informationsaustausch mit dem
LKV ermöglicht. Die transferierten Daten sind im Anschluss einem Datenaufbereitungsverfah-
ren, bestehend aus einer Datenbereinigung sowie einer Korrektur der ermittelten Melkbarkeits-
daten infolge der notwendigen Berücksichtigung von Faktoren, welche auf die Melkprozesspa-
rameter einwirken, zu unterziehen. Von der technologischen Seite her, d.h. der Datenbereitstel-
lung und dem Datentransfer, steht der Anwendung dieses Verfahrens nichts entgegen. Die
Funktionalität dieses dem Datenaufbereitungsverfahren vorgelagerten Prozesses kann als ge-
sichert und fehlerfrei betrachtet werden, da bereits im Vorfeld des Projektes durch den LKV sie-
ben Testbetriebe ausgewählt und eingerichtet wurden, um anhand der in den betreffenden Be-
trieben erzeugten und anschließend dem LKV bereitgestellten Daten zum Melkprozess Nut-
zungsstrategien für diese entwickeln zu können. Bei der Methodik der Datenaufbereitung hin-
gegen ist die Entwicklungsarbeit nicht abgeschlossen.
Die Analysen im Rahmen des Projektes anhand von vier Testbetrieben (von sieben eingerichte-
ten Betrieben) haben die Notwendigkeit eines geeigneten Datenaufbereitungsverfahrens beste-
hend aus der Datenbereinigung sowie einer Korrektur der ermittelten Melkbarkeitsdaten infolge
der erforderlichen Berücksichtigung von auf die Melkprozessparameter einwirkenden Faktoren
gezeigt, um repräsentative und präzise Daten zur Melkbarkeit des Einzeltiers als Datengrundla-
ge für die Zuchtwertschätzung Melkbarkeit liefern zu können.
Tabelle 1 zeigt die Einstellungen des Melkprozessors hinsichtlich der Schwellenwerte bzw.
Schaltzeiten u.a. im Melkprozess sowie die melktechnische Ausstattung der vier Testbetriebe.
Die Testbetriebe haben für den Parameter Melkzeit alle die Einstellung ISO-Standard im Melk-
prozessor vorgenommen, was sich in den berechneten durchschnittlichen Minutengemelken
niederschlägt. Deren Wertung ist zu beachten, weil die jeweils erfasste Melkdauer aufgrund
dieser Einstellung weder derjenigen vom Start des Melkvorgangs bis zum Ende des maschinel-
len Melkvorgangs noch der definierten Melkdauer nach ADR-Empfehlung 3.3 für die Durchfüh-
rung von Melkbarkeitsprüfungen entspricht.

Sächsische Landesanstalt für Landwirtschaft
Schriftenreihe, Heft 8/2007
92
Tabelle 1:
Melktechnische Ausstattung und Einstellungen des Melkprozessors bei
den Testbetrieben
Betrieb
Parameter
Einheit
A
B
C
D
Melkstand
KMS
(24 Plätze)
KMS
(22 Plätze)
KMS
(32 Plätze)
2xFGM
(24 Plätze)
Milchmengenmessgerät
MM15 MM25 MM15 MM15
Melkfrequenz
3 2 2 3
Version ALPRO® Prozessor
6.40SP1
6.31
6.30
6.30
MELKZEIT ISO-StandardISO-StandardISO-Standard ISO-Standard
AUTOM. ABNAHM.
Alfa Dast
Alfa Dast
ACR 5000
ALFA DAST
MILCH SWEE
NEIN
JA
JA
JA
MU200D JA NEIN JA JA
Milchfluss hoch
PULSZAHL
60
60
60
60
PULSVERHÄLTNIS 65/35 65/35 65/35 65/35
Milchfluss niedrig
PULSZAHL
50
50
50
50
PULSVERHÄLTNIS 30/70 30/70 30/70 30/70
AUTO MELKVAKUUM NEIN NEIN NEIN NEIN
MAX. VORMELKZEIT s 180 100 120 150
ERZW. VAKUUMZEIT s 30 30 30 30
NACHMELKZEIT s 20 20 30 20
ABNAHMEVERZÖGERUNG s 3,5 8,0 3,5 3,5
SWEEP VERZÖG. s 2,0 3,0 2,0 2,0
SWEEP DAUER s 1,0 1,0 1,0 1,0
VORMELK LIMIT kg/min 0,2 0,2 0,2 0,2
ABNAHME LIMIT kg/min 0,2 0,2 0,2 0,2
VAKUUM EIN VERZÖG.
s
0,0
0,0
0,0
0,0
AUTO MELKVAKUUM s 60 60 60 60
STRIP ZEIT 1
s
15
30
30
30
STRIP ZEIT 2
s
10
15
15
15
STRIP ZEIT 3
s
11
5
5
5
STRIP LIMIT kg/min 0,8 0,8 0,5 0,5
BACKFLUSH AKTIV
JA
NEIN
NEIN
NEIN

Sächsische Landesanstalt für Landwirtschaft
Schriftenreihe, Heft 8/2007
93
BACKFLUSH VERZÖG. s 5 0 0 0
BACKFLUSH DAUER
s
60
0
0
0
PULSIERUNG BEI ABNAHME
JA
JA
JA
JA
EINGABE MILCHM. NEIN NEIN NEIN NEIN
ELEKTR. DUOVAC
Aus
Aus
AUS
AUS
PULSATORTYP EP100 EP100 EP100 EP100
MELKVAK. VERZÖG. s 5 5 5 5
Die nachfolgende Tabelle zeigt eine Gegenüberstellung der durch einen Mitarbeiter des LKV er-
fassten Werte und der in ALPRO
®
Windows zu dem jeweiligen Prüftier und -gemelk ausgewie-
senen Werte. Daraus geht hervor, dass sich die Differenzen im durchschnittlichen Milchfluss im
Bereich von 0,16 kg/min bis zu 1,00 kg/min durch abweichende Ergebnisse in der Melkdauer
ergaben. Die aus ALPRO
®
Windows ausgelesene Melkdauer war bei den hier betrachteten
Prüftieren stets geringer als die mittels der herkömmlichen Melkbarkeitsprüfung ermittelte Melk-
dauer, so dass für den aus den Parametern Milchmenge und Melkdauer berechneten durch-
schnittlichen Milchfluss durch den Mitarbeiter des LKV ein geringerer Wert ausgewiesen wurde
als durch die automatisierte Datenerfassung. Das DMG wird gleichbedeutend in dieser Arbeit
auch als durchschnittlicher Milchfluss bezeichnet.
Tabelle 2:
Gegenüberstellung von Prüfergebnissen zum durchschnittlichen Milch-
fluss in einem sächsischen Betrieb nach herkömmlicher Melkbarkeitsprü-
fung und aus der automatisierten Datenerfassung
Gemelksmenge
Melkdauer
DMG
Prüfung
LKV
Daten aus
ALPRO®
Windows
Prüfung
LKV
Daten aus
ALPRO®
Windows
Prüfung
LKV
Daten aus
ALPRO®
Windows
Differenz
DMG
11,6 11,6 7,24 6,07 1,57 1,90 0,33
12,2 12,2 5,21 3,59 2,28 3,06 0,78
14,1 14,2 9,14 7,58 1,53 1,78 0,25
9,5 9,6 9,19 8,03 1,02 1,19 0,17
11,9 11,9 4,46 3,24 2,50 3,50 1,00
10,2 10,2 5,06 3,52 2,00 2,64 0,64
9,3 9,3 4,36 4,16 2,02 2,18 0,16
Ursache der aufgezeigten Differenzen in der Melkdauer und damit auch im durchschnittlichen
Milchfluss ist vordergründig die vom betrachteten Betrieb bezüglich des Parameters Melkzeit im
Melkprozessor eingestellten sog. ISO-Standardzeit (alternativ: Maschinenmelkzeit). Bei der
ISO-Standardzeit wird die Melkdauer vom Zeitpunkt des Überschreitens eines im Melkprozes-
sor hinterlegten Milchflusses zu Beginn des Melkens einschließlich einer bestimmten Verzöge-

Sächsische Landesanstalt für Landwirtschaft
Schriftenreihe, Heft 8/2007
94
rungszeit bis zum Einsetzen des Nachmelkarms bei einem bestimmten Milchfluss bzw. dem
Nachlassen des Milchflusses unter einen im Melkprozessor hinterlegten Milchflusses zum Mel-
kende einschließlich einer bestimmten Verzögerungszeit gemessen. Die Maschinenmelkzeit
zählt dagegen diie Melkdauer vom Starten des Melkens bis zur Abnahme des Melkzeuges. Da-
her sind die Werte in Tabelle 2 nicht direkt vergleichbar, weil die mittels des melktechnischen
Systems erfasste Melkdauer aufgrund dieser gewählten Einstellung in jedem Fall kürzer ist, als
die bei der herkömmlichen Melkbarkeitsprüfung ermittelte Melkdauer, welche vom Zeitpunkt zu
dem alle vier Melkbecher angesetzt sind bis zur Unterbrechung der Vakuumzufuhr gemessen
wird.
Allerdings bleibt offen, wie sich diese Differenzen aufgrund der verschiedenen Verfahren der
Datenerfassung bei der Einstellung der Melkzeit auf Maschinenmelkzeit dargestellt hätten, da
dann der Einfluss des Melkers bzw. auch des Tieres in Form des Einwirkens auf die zeitliche
Differenz zwischen Start des Melkens und dem Zeitpunkt, zu dem alle vier Melkbecher ange-
setzt sind, zum Tragen kommen würde. Weiterhin würden, wie auch bei der ISO-Standardzeit,
die im Melkprozessor eingestellten Schaltschwellen und Verzögerungszeiten die Melkdauer be-
einflussen. Diese Zusammenhänge verursachen Unsicherheiten hinsichtlich des Umgangs bzw.
der Wertung und Nutzung der automatisch erfassten Melkbarkeitsdaten und zeigen den Ein-
fluss der im Melkprozessor ausgewählten Einstellungen und die daraus resultierende Notwen-
digkeit eines geeigneten Datenaufbereitungsverfahrens unter Berücksichtigung der wirkenden
Einflussfaktoren, um repräsentative Daten zur Melkbarkeit des Einzeltiers als Datengrundlage
für die Zuchtwertschätzung Melkbarkeit liefern zu können.
Datenaufbereitung
Im Rahmen des Datenaufbereitungsverfahrens ist, wie in dieser Arbeit festzustellen war, zu-
nächst die Bereinigung der Rohdaten um diejenigen Datensätze erforderlich, bei denen das
DMG größer oder gleich dem maximalen Milchfluss war, ein DMG von 0 kg/min vorlag und/oder
die zu einem Prüftag verfügbare Anzahl Datensätze von der betriebsüblichen Melkfrequenz ab-
wich. Von den Rohdaten der Testbetriebe verblieben nach diesem Vorgang 82,4 % bis 98,6 %
für die weitere Datenanalyse. Aus der Betrachtung der fehlerhaften Datensätze in Abhängigkeit
des Melkplatzes war zu schlussfolgern, dass der Melkplatz als Einflussfaktor auf die Melkbar-
keitsdaten und somit auch deren Qualität anzunehmen ist (vgl. Abb. 3).

Sächsische Landesanstalt für Landwirtschaft
Schriftenreihe, Heft 8/2007
95
0
5
10
15
20
25
30
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Melkplatz
Anteil fehlerhafter Datensätze
(%)
neg. Differenz zwischen max. Milchfluss und DMG
DMG = 0 kg/min
Abbildung 3:
Anteil fehlerhafter Datensätze nach Melkplatz - Betrieb A
Im nächsten Schritt wurde u.a. der Verlauf der Melkprozessparameter von 40 Tieren der ersten
Laktation im Verlauf des Laktationsabschnittes vom 50. bis 180. Laktationstag genauer betrach-
tet. Die Datensätze wurden für sämtliche Betrachtungen nach der Gemelksnummer bezogen
auf den Tagesablauf sortiert, ungeachtet der Zuordnung der jeweiligen Melkzeit durch das
Melksystem in Zusammenhang mit dem eingestellten Tageswechsel.
Die Mittelwerte der Parameter DMG, maximaler Milchfluss und Gemelksmenge unterschieden
sich bei Tieren der ersten Laktation im Tagesverlauf meist signifikant voneinander und im Ta-
gesverlauf war zumindest stets eine tendenzielle Verringerung der Mittelwerte festzustellen. Die
Betrachtung des täglichen durchschnittlichen Milchflusses, d.h. des Quotienten aus der Ge-
samtmilchmenge und der Gesamtmelkdauer eines Tages, ergab Mittelwerte von 2,15 kg/min bis
2,59 kg/min bei Standardabweichungen im Bereich von 0,53 kg/min bis 0,69 kg/min. Der durch-
schnittliche Milchfluss stand bei den betrachteten Tieren der ersten Laktation in einem statis-
tisch gesicherten Zusammenhang sowohl zum maximalen Milchfluss als auch zur Gemelks-
menge. Die Gemelksmenge stand in einer signifikant positiven Beziehung zum DMG (r = 0,24
bis 0,51; p < 0,001) und der durchschnittliche Milchfluss korrelierte wiederum positiv mit dem
maximalen Milchfluss (r = 0,79 bis 0,93; p < 0,001). Bei der Betrachtung der Melkprozesspara-
meter zu den einzelnen Melkzeiten fiel eine ausgeprägte Dynamik insbesondere des Parame-
ters Melkdauer und somit auch des DMG auf, wie in Abb. 4 beispielhaft deutlich wird.

Sächsische Landesanstalt für Landwirtschaft
Schriftenreihe, Heft 8/2007
96
1,5
2,5
3,5
4,5
5,5
6,5
50
60
70
80
90
100
110
120
130
140
150
160
170
180
Laktationstag
DMG u. max.
Milchfluss
[kg/min];
Melkdauer [min]
0
5
10
15
20
Mkg [kg]
DMG 1. Gemelk
max. Milchfluss 1. Gemelk
Melkdauer
Mkg 1. Gemelk
Abbildung 4:
Verlauf der Melkprozessparameter der ersten Melkzeit vom 50.-180. Lak-
tationstag - Betrieb A (Stallnr.: 560)
Als ursächliche Faktoren, die diese Kurvenausschläge bewirken können, werden neben den
durch das Tier verursachten physiologischen Schwankungen vorwiegend die Anwendung der
Handschaltung, also die durch den Melker für das Einzeltier individuell wählbare Ausschaltung
der automatischen Melkzeugabnahme in Abhängigkeit des Milchflusses (und der Zeit) sowie
das mehrfache Ansetzen der Melkbecher in einer Melkzeit bzw. der daraus resultierende mehr-
fach registrierte „kick-off“ infolge unvollständiger Entleerung des Euters angesehen. Die Daten-
bereinigung ist künftig zu intensivieren, indem aufgrund dieser demnächst verfügbaren Informa-
tionen (Handschaltung ab ALPRO
®
Windows Version 6.50; kick-off ab ALPRO
®
Windows Versi-
on 6.30) zusätzlich diejenigen Datensätze verworfen werden, die aus Melkzeiten resultieren, bei
denen die Abschaltung der automatischen Melkzeugabnahme angewandt und/oder mehrfach
ein kick-off registriert wurde. Weiterhin sollten neben dem Tiergesundheitsstatus die Verände-
rung bzw. definierte Grenzwerte von Melkprozessparametern (Ausreißerregelungen) intensiver
in die Datenbereinigung einfließen.
Der maximale Milchfluss zeigte gegenüber dem DMG zumeist deutlich weniger starke Schwan-
kungen im Verlauf des Beobachtungszeitraums (vgl. Abb. 4), so dass anzunehmen ist, dass
dieser Parameter weniger störungsanfällig ist bzw. wenigeren Einflussfaktoren ausgesetzt ist
und somit eine vergleichsweise hohe Datensicherheit in sich zu bergen scheint. Daher ist zu
überlegen, ob dieser Parameter zukünftig im Rahmen der Melkbarkeitsprüfung erfasst und als
Datengrundlage zur Zuchtwertschätzung Melkbarkeit herangezogen werden soll, zumal die al-
leinige Charakterisierung der Melkbarkeit anhand des DMG kritisch zu betrachten ist.
Die in Abbildung 5 beispielhaft dargestellte Gegenüberstellung der ermittelten durchschnittli-
chen Minutengemelke der einzelnen Melkzeiten eines Tages sowie des Tageswertes des DMG
(Quotient aus Gesamtmilchmenge und gesamter Melkdauer eines Tages) verdeutlicht den ten-
denziell nachlassenden Milchfluss im Tagesverlauf, der sich häufig noch wesentlich intensiver

Sächsische Landesanstalt für Landwirtschaft
Schriftenreihe, Heft 8/2007
97
zeigte. Weiterhin zeigt Abbildung 5, dass der Tageswert des DMG gegenüber dem DMG der
einzelnen Melkzeiten deutlich weniger Schwankungen aufweist. Schlussfolgernd daraus ist
festzuhalten, dass zur Gewährleistung der Datensicherheit und der Vergleichbarkeit der Ergeb-
nisse unter den Einzeltieren die automatisierte Erfassung von Melkbarkeitsdaten auf dem Ta-
geswert des DMG basieren sollte bzw. eine zu prüfende Melkzeit in Abhängigkeit des Tagesab-
laufes (unabhängig vom betriebsindividuellen Tageswechsel des Melkprozessors) festzulegen
ist.
1,5
2,0
2,5
3,0
3,5
4,0
4,5
50
60
70
80
90
100
110
120
130
140
150
160
170
180
Laktationstag
DMG [kg/min]
DMG tägl.
DMG 1. Gemelk
DMG 2. Gemelk
DMG 3. Gemelk
Abbildung 5:
Gegenüberstellung des DMG der Melkzeiten und des Tageswertes vom
50.-180. Laktationstag - Betrieb A (Stallnr.: 560)
An die Datenbereinigung muss sich das noch zu generierende Datenaufbereitungsverfahren in
Form der Verrechnung der ermittelten Werte zum DMG mit erforderlichen Korrekturfaktoren an-
schließen, welche aus den auf diese Kenngröße einwirkenden Einflussfaktoren resultieren. Als
zu berücksichtigende Einflussfaktoren gelten neben den in der Literatur benannten Parametern
Laktationsstadium und Gemelksmenge auch Parameter wie die Melkfrequenz, die Melkzeit, der
Melkplatz und der Melker. Weiterhin ist davon auszugehen, dass das melktechnische System
einen Einfluss auf das DMG hat. Zu den relevanten Parametern des melktechnischen Systems
zählen sowohl das Milchmengenmessgerät als auch die Automatisierung des Melksystems
(Stimulation, Nachmelk-, Abnahmeautomatik), der Melkstand und die im Melkprozessor hinter-
legten Einstellungen zur Melkzeit (ISO-Standard oder Maschinenmelkzeit) sowie zu Schalt-
schwellen und Verzögerungszeiten (vgl. Tabelle 1). Diese müssten z.B. in Zusammenhang mit
der jährlichen Überprüfung der Milchmengenmessgeräte regelmäßig geprüft und ggf. aktuali-
siert werden.
Fazit
Gegenwärtig erscheint bezüglich der im Melkprozessor hinterlegten Einstellung des Parameters
Melkzeit die Auswahl der sog. ISO-Standardzeit als zweckmäßig, auch wenn die Messpunkte
zur Bestimmung der Melkdauer nicht denen der ADR-Empfehlung 3.3 entsprechen und somit
Differenzen zu den Ergebnissen der herkömmlichen Melkbarkeitsprüfung entstehen. Nur mit der

Sächsische Landesanstalt für Landwirtschaft
Schriftenreihe, Heft 8/2007
98
ISO-Standardzeit lässt sich ein Fehler in der Melkdauer, infolge einer Zeitdifferenz zwischen
dem Start des Melkvorgangs und dem Zeitpunkt zu dem alle Melkbecher angesetzt sind, ver-
hindern, welcher durch den Melker bzw. das Verhalten des Tieres bewirkt wird. Um in naher
Zukunft die zwingend erforderlichen, detaillierten Untersuchungen zur Wirkung der benannten
Parameter vornehmen zu können, war die Einrichtung des täglich automatischen Abrufs von
Melkprozessdaten in weiteren Betrieben erforderlich, da dies u.a. bezüglich der Daten zum
melktechnischen System eine gewisse Streuung in der Datengrundlage schafft. Im zeitlichen
Rahmen des Projekts konnten sechs Betriebe hinzugewonnen werden (aktuell insgesamt 13
Betriebe), wodurch letztendlich auch die Intensität der zukünftigen Nutzung dieses Prüfverfah-
rens sowie die Genauigkeit der Zuchtwertschätzung gesteigert wird. Allerdings gestaltete sich
die Auswahl dieser Betriebe recht schwierig, aufgrund der an die Funktionalität des automati-
schen Datenerfassungsverfahrens geknüpften technischen Voraussetzungen, die von den Be-
trieben zwingend zu erfüllen waren. Technische Voraussetzungen sind:
-
Melktechnik von DeLaval + Version ALPRO
®
Prozessor mind. 6.30
- elektronische Tiererkennung
- Betriebssystem Windows xp
- trans.lkv.net
- MLP-Betrieb
Der Prüfumfang der künftig mittels dieser Methode zu bearbeitenden Melkbarkeitsprüfungen ist
als relativ gering einzuschätzen, sofern die Methode nicht auch bei Melktechnik anderer Her-
steller realisiert werden kann. Dazu wäre allerdings eine Schnittstelle sowie eine Präzisierung
bzw. Standardisierung der Definition der Messpunkte der Melkdauer notwendig.
3.2
Modellentwicklung für ein Monitoring-System
Die Erarbeitung von Grundlagen bezüglich des Aufbaus und Inhaltes eines Monitoring-Systems
war ebenso Anliegen dieses Projektes. Dieses soll künftig zum Zwecke der Teilautomatisierung
des Beratungswesens bzw. der Bereitstellung einer Entscheidungshilfe für das betriebliche Ma-
nagement als entscheidungsunterstützendes System fungieren, basierend auf den Informatio-
nen der verschiedenen Datenhaltungen der Milchproduktion. Das „MTR-Monitoring“ soll dem
Milcherzeuger zeitnahe, aussagefähige, übersichtliche und dennoch ausreichend detaillierte
Auswertungen zu relevanten Produktionskennzahlen der Bereiche „Milch & Melkprozess“,
„Tiergesundheit“ und „Reproduktion“ auf Herdenebene einschließlich deren Interpretation lie-
fern, welche für den Nutzer über einen dafür eingerichteten Webservice abrufbar sind und der
Entscheidungsfindung, der Ursachenforschung bzw. der Erfolgskontrolle dienen. Weiterhin soll
dieses System der Effizienzsteigerung des Beratungswesens und als Arbeitsgrundlage für das
Beratungswesen dienen.
Prinzipiell sollte das Monitoring-System derart gestaltet sein, dass die in einer zentralen Daten-
bank des LKV zusammengeführten, adäquat ausgewählten Daten des LKV (MLP, Rohmilch-
Güteprüfung) sowie des Melkprozessors bzw. der daran gekoppelten Software auf dem PC des

Sächsische Landesanstalt für Landwirtschaft
Schriftenreihe, Heft 8/2007
99
Milcherzeugers und des Herdenmanagementsystems, den Anforderungen der Nutzer entspre-
chend (teil)automatisch aufbereitet, verdichtet und analysiert werden und die daraus resultie-
renden Informationen dem Nutzer bereitgestellt werden. Mittels einer farbigen Visualisierung in
Form eines Ampelsystems bzw. der Ausgabe eines Indexes zu den einzelnen untersuchten
Produktionskennzahlen soll eine übersichtliche Statusbewertung realisiert werden, welche
zugleich einen ggf. erforderlichen Handlungsbedarf symbolisiert. Abbildung 6 zeigt, wie dies
dem Nutzer des Systems mittels eines Webservices beispielsweise dargestellt werden könnte.
Darüber hinaus sollen monatlich detaillierte Auswertungen in grafischer und tabellarischer Form
dem Milchproduzenten bzw. Berater Schwachstellen offen legen und somit der Ursachenfor-
schung dienen. Das System soll also über mehrere Ebenen der Analyseintensität verfügen.
Weiterhin sollte dieses System flexibel und ausbaufähig sein, künftig sollte ein Betriebsvergleich
zur Möglichkeit der Positionierung des Nutzers gegenüber anderen Nutzern integriert werden.
Weil sich die benannten Auswertungen jedoch zumeist auf einen abgeschlossenen zurücklie-
genden Zeitraum, meist den vergangenen Monat, beziehen und daher keine Aussage zum
Momentanzustand liefern, sollen zusätzlich Meldungen per E-Mail, SMS o.ä. erfolgen, sobald
aktuelle Prüfergebnisse zu den betrachteten Parametern eines Analysekomplexes vorhanden
sind und diese von bestimmten Zielwerten abweichen. Dies dient der zeitnahen Einleitung ent-
gegenwirkender Maßnahmen. Die erzeugten Meldungen sollen zusätzlich im Webservice abge-
legt werden (vgl. Abbildung 6). Der Milcherzeuger kann die Empfänger dieser Meldungen sowie
die Grenzwerte für verschiedene Parameter, in dessen Folge bei Abweichungen eine entspre-
chende Meldung erzeugt wird, in einem sog. Betriebsdatenformular festlegen und jederzeit än-
dern. Für die Auswahl der Grenzwerte werden dem Milcherzeuger Werte vorgeschlagen. In die-
sem Betriebsdatenformular hinterlegt der Milcherzeuger darüber hinaus auch Informationen zur
Fütterung, zur Haltung, zum Melken und zur Melktechnik sowie sonstige allgemeine Angaben,
welche dem Berater einen Einblick ins Management erlauben und der Interpretation der Aus-
wertungsergebnisse dienlich sind.

image
Sächsische Landesanstalt für Landwirtschaft
Schriftenreihe, Heft 8/2007
100
Abbildung 6:
Entwurf der Webserviceseite - Übersicht zum Modul "Milch & Melkpro-
zess"
Die einzeln vom Nutzer wählbaren Module sollten u.a. nachfolgend aufgeführte Komplexe um-
fassen:
Milch & Melkprozess
o
Milchleistung/Persistenz
o
Keimzahl
o
Gefrierpunkt
o
Hemmstoffe
o
Eutergesundheit (Zellzahl/Laktosegehalt)
o
Melkplatzfunktionalität
Tiergesundheit
o
Milchinhaltsstoffe
o
Erkrankungen
o
Abgang
o
Nutzungsdauer
Reproduktion
o
Fruchtbarkeit
o
Aufzucht
I

Sächsische Landesanstalt für Landwirtschaft
Schriftenreihe, Heft 8/2007
101
m Rahmen des Projektes konnten aufgrund der verfügbaren Datenbasis lediglich einige Inhalte
des Moduls „Milch & Melkprozess“ bearbeitet werden, welche auf den aus der MLP und Roh-
milch-Güteprüfung gewonnenen Daten basieren. Zur umfassenden Anwendbarkeit aller Module
des MTR-Monitoring ist weitere Entwicklungsarbeit, insbesondere hinsichtlich des Datenge-
winns bzw. Datentransfers aus dem Herdenmanagement des Milchproduzenten und deren Auf-
bereitung sowie der Anwendung von Datenaufbereitungsverfahren für Melkprozessdaten, erfor-
derlich. Eine künftige Nutzung von Informationen aus dem Herdenmanagementsystem wird zu-
mindest vorerst auf „HerdeW“ beschränkt sein, ebenso wie ein Informationsgewinn zu Melkpro-
zessdaten derzeit lediglich bei Melktechnik der Firma DeLaval bei Erfüllung bestimmter Voraus-
setzungen möglich ist. Mittels eines Probelaufs des im Detail noch zu generierenden MTR-
Monitoring bei den am Testherdensystem teilnehmenden Betrieben soll die Funktionalität die-
ses Systems erprobt, dessen ggf. erforderlicher Optimierungsbedarf festgestellt und die Nach-
frage nach solch einem Überwachungssystem geprüft werden.
Nachfolgend soll beispielhaft die inhaltliche Gestaltung des Monitoring-Systems des Komplexes
Eutergesundheit sowie der Prozess der Datenverarbeitung zur Darstellung der Parameter in
Form eines Ampelsystems bzw. eines Indexes kurz erläutert werden.
Monitoring-System des Komplexes Eutergesundheit
Eutererkrankungen sind in der modernen Milchrinderhaltung ein Krankheitskomplex, welcher in-
folge von Milchminderleistungen, der Nichtverwertbarkeit der Milch erkrankter/behandelter Tie-
re, der Veränderung der Milchzusammensetzung, Medikamenten- und Tierarztkosten, einer Be-
einträchtigung der Nutzungsdauer, eines erhöhten Arbeitsaufwandes sowie schlechterer
Fruchtbarkeitsleistungen empfindliche finanzielle Einbußen verursacht (
DUDA, 1996; BRADE,
2001; JAHNKE, 2004b). Wegen des weitaus häufigeren Auftretens subklinischer Mastitiden sind
in diesem Zusammenhang insbesondere diese bedeutsam.
Der
somatische Zellgehalt
fungiert bekanntlich nicht nur als Qualitätskriterium der Milch, son-
dern auch als Indikator der Eutergesundheit, so dass die anfallenden MLP-Daten und Ergebnis-
se der Rohmilch-Güteprüfung wertvolle Informationen zum Status der Eutergesundheit einer
Milchviehherde liefern. Die kontinuierliche Erfassung von den Labordaten zur MLP und Roh-
milch-Güteprüfung in einer Datenbank im LKV ist gewährleistet. Anhand dieses verfügbaren
Datenpools wurden die in Tabelle aufgeführten relevanten Prüfkriterien zur Auswertung der
Zellzahl der MLP bzw. der Herdensammelmilch ausgewählt.

Sächsische Landesanstalt für Landwirtschaft
Schriftenreihe, Heft 8/2007
102
Tabelle 3:
Prüfkriterium zum Parameter Zellzahl
Prüfkriterium
Kategorie
Nr. Beschreibung
Zellzahlindex-
1
mittlere Zellzahl der Herdensammelmilch
Herdensammelmilch
2
Schwankung der Zellzahl der Herdensammelmilch
1
gewichtete Zellzahl der zur MLP geprüften Tiere
Zellzahlindex-MLP
2
Verteilung der MLP-Kontrollergebnisse nach Zellzahlklassen
(drei Zellzahlklassen)
Zur Beurteilung des absoluten Wertes eines Parameters ist im Anschluss an die Auswahl der
Prüfkriterien jeweils ein Wertebereich in Verbindung mit Grenzwerten festzulegen, auf Grundla-
ge dessen letztendlich der Status eines Parameters in Form eines Ampelsystems wiedergeben
werden kann. Da mittels dieses Ampelsystems jedoch nur eine grobe Einordnung des Status
eines Prüfkriteriums möglich ist, werden die Prüfergebnisse im Sinne einer detaillierteren Beur-
teilung in Abhängigkeit des vorgegebenen gesamten Wertebereiches nach einem Punktesys-
tem mit Werten im Bereich von 0 bis 1 bewertet, wobei die 1 jeweils den Optimalzustand bedeu-
tet. Die aus dieser Transformation hervorgehenden Teilindizes werden unter Verwendung von
Wichtungsfaktoren aggregiert, woraus letztlich jeweils ein Gesamtindex für den Analysekomplex
resultiert. Dieser Gesamtindex ist bei dem entsprechend anzuwendenden Webservice in Schrift
und in Form eines Farbbalkens im Farbspektrum einer Ampel dargestellt (vgl. Abbildung 6), wo-
durch in übersichtlicher Weise eine Zustandsbeschreibung zur Zellzahl auf Ebene der Herde
geliefert wird und ein ggf. notwendiger Handlungsbedarf aufgrund entgleister Betriebskennwerte
farbig signalisiert wird. Für die gewichtete Zellzahl der MLP als ein Parameter zur Beurteilung
der Eutergesundheit erfolgt die Datenaufbereitung im Detail, wie nachfolgend erläutert. In An-
lehnung an Angaben von SPOHR und
WIESNER (1991), WENDT et al. (1998), BRADE (2001), WOL-
TER
et al. (2002) sowie FAHR (2003) hinsichtlich der Zellzahlbeurteilung, wurden die in Tabelle 4
dargestellten Zellzahlbereiche in Zusammenhang mit der Zustandsbeschreibung in Form eines
Ampelsystems festgelegt. Die Tabelle 5 zeigt die Transformation des absoluten Wertes des
Prüfkriteriums in einen Teilindex („gewichtete Zellzahl MLP“), in Abhängigkeit der vorgegebenen
Werteskala und die jeweilig zugehörige Zustandsbeschreibung in Form des Ampelsystems auf.
WOLTER et al. (2002) und MAHLKOW-NERGE (2004) geben zu bedenken, dass sich die Euterge-
sundheitssituation einer Milchviehherde anhand der Tankmilchzellzahl bzw. der gewichteten
Zellzahl der MLP nur unzureichend beurteilen lässt, weil sich hinter relativ günstigen Durch-
schnittswerten dennoch ein erhebliches Entzündungsgeschehen bei Einzeltieren verbergen
kann. Weiterhin spricht nach
WOLTER et al. (2002) einerseits das Argument, dass eine erhöhte
Rate an klinischen Mastitiden nur eine geringe Auswirkung auf die Herdensammelmilch hat,
weil diese nicht abgeliefert wird und andererseits der Sachverhalt, dass 60 - 70 % der Infektio-
nen mit umweltassoziierten Erregern nicht länger als 30 Tage dauern, gegen die Verwertbarkeit
von Durchschnittswerten. Diese Problematik spricht für die Nutzung der MLP-Zellzahlen der

Sächsische Landesanstalt für Landwirtschaft
Schriftenreihe, Heft 8/2007
103
Einzeltiere und deren Einordnung in Zellzahlklassen. Daher fließt neben der gewichteten Zell-
zahl der MLP die Verteilung der Einzeltiere auf Zellzahlbereiche in die Berechnung des „Zell-
zahlindex-MLP“ ein (vgl. Tabelle 3). Die auf die oben beispielhaft beschriebe Weise gewonne-
nen Teilindizes werden einer Wichtung unterzogen (Tabelle 6). Der ermittelte „Zellzahlindex-
MLP“ wird dem Nutzer des Systems schließlich in Schrift sowie in Form eines Farbbalkens mit-
tels eines Webservices ausgegeben (vgl. Abbildung 6).
Tabelle 4:
Beurteilung der mittleren Zellzahl der Herdensammelmilch bzw. der gewich-
teten Zellzahl der MLP und Zuordnung im Ampelsystem
Ampelsignal
Zellzahlbereich
(x 1.000 Zellen/ml)
Wertung hinsichtlich Eutergesundheit
grün
≤ 125
gesunde Milchdrüse;
eutergesunde Herde
gelb
> 125 bis < 250
kein eindeutiger Hinweis auf Eutergesundheitsstörun-
gen;
Verdacht auf Eutergesundheitsstörungen
rot
≥ 250
Grenze der normalen Sekretion ist überschritten;
Hinweis auf Mastitisproblem, in größeren Herden ggf.
erhöhte Mastitisfrequenz; euterkranke Herde
Tabelle 5:
Einordnung von Werten zur mittleren Zellzahl der Herdensammelmilch bzw.
der gewichteten Zellzahl der MLP nach einem Punktesystem und deren
Wertung laut Ampelsystem
Zellzahl (x 1.000/ml)
Wert laut Punktesystem
Wertung nach dem Ampelsystem
0 1 grün
125
2/3
Übergang grün – gelb
250
1/3
Übergang gelb – rot
≥ 375
0
rot
Tabelle 6:
Wichtungsfaktoren der Teilindizes der Prüfkriterien zur Berechnung des
"Zellzahlindex-MLP"
Prüfkriterium
Wichtungsfaktor
1
gewichtete Zellzahl der zur MLP geprüften Tiere
1
Verteilung der MLP-Kontrollergebnisse nach Zellzahlklassen
Zellzahlklasse A (≤ 125.000/ml)
1
Zellzahlklasse B (≥ 250.000/ml)
1
2
Zellzahlklasse C (≥ 400.000/ml)
1

Sächsische Landesanstalt für Landwirtschaft
Schriftenreihe, Heft 8/2007
104
Betreffend der Beurteilung der Eutergesundheit einer Milchviehherde anhand der Einzeltierer-
gebnisse zur Zellzahl aus der MLP ist festzuhalten, dass es hierbei zu Fehleinschätzungen
kommen kann, weil unphysiologische Veränderungen eines oder mehrerer Viertel durch nicht
beeinträchtigte Euterviertel nivelliert werden können.
Neben dem somatischen Zellgehalt der Milch gilt auch der
Laktosegehalt
aufgrund der Ein-
flussnahme auf diesen Parameter infolge der veränderten sekretorischen Aktivität bei Beein-
trächtigungen der Eutergesundheit als Indikator für die Eutergesundheit. Nach MIELKE (1994)
steigt der Laktosegehalt im Verlauf vom ersten zum fünften Laktationstag von etwa 2,9 % auf
4,4 % an. In der zweiten bis sechsten Laktationswoche kommt es selbst bei extremer energeti-
scher Unterversorgung zu einem Anstieg auf Werte über 4,6 %, bei adäquater Energieversor-
gung werden Werte bis über 4,8 % erreicht (
ROSSOW und RICHARDT, 2003). Im Verlauf der Lakta-
tion vermindert sich der Gehalt an Laktose geringfügig. Der Laktosegehalt der Milch, der weder
züchterisch noch durch die Fütterung nennenswert zu beeinflussen ist, wird für reife Milch eu-
tergesunder Kühe mit einem durchschnittlichen Wert von 4,7 % (
HAMANN und KRÖMKER, 1997;
SCHLIMME und BUCHHEIM, 1999) bzw. 4,8 % (MIELKE, 1994; SCHULZ, 2003) angegeben.
Diese relative Konstanz des Laktosegehaltes erklärt
SCHÜLER (1992) mit der osmotischen Wir-
kung der Laktose im Euter, welche die Milch gemeinsam mit dem Chloridgehalt isotonisch hält.
Wird in der Milchdrüse nicht genügend Laktose synthetisiert, reduziert sich die Wasseraufnah-
me und damit die Milchbildung. Bei Eutergesundheitsstörungen wird der Laktosegehalt der
Milch sowohl durch eine verringerte Bildungsrate als auch infolge der Schrankenlockerung, wo-
durch die Laktose in den Blutkreislauf übertreten und mit dem Harn ausgeschieden werden
kann, vermindert. Im Gegenzug penetrieren vor allem Natrium und Chloride in die Milch. Da ein
erniedrigter Laktosegehalt (< 4,6 %) bei einer normalen Versorgungslage auf Sekretionsstörun-
gen hindeutet, kann dieser nach
SCHÜLER (1992) als Kriterium zur Beurteilung der Eutergesund-
heit herangezogen werden, was von HAMANN und KRÖMKER (1997) sowie BRADE (2001) bestätigt
wird. Im Rahmen des Projektes sollte die Aussagefähigkeit bzw. Nutzbarkeit des Laktosegehal-
tes des Einzeltiers aus der MLP hinsichtlich des Eutergesundheitsstatus näher betrachtet wer-
den. Als Vergleichsgröße war lediglich die Zellzahl aus der MLP jeweils desselben Prüftages
verfügbar. Die MLP-Daten von zwei Testbetrieben im Zeitraum von September 2005 bis Januar
2006 dienten als Datengrundlage.
Untersuchungen im Rahmen des Projektes bestätigen den bekanntlich physiologisch bedingt
ähnlichen Kurvenverlauf des Laktosegehaltes der Milch zu dem der Milchmenge. Nach einem
Anstieg des Laktosegehaltes zu Beginn der Laktation verdichten sich die Werte im weiteren
Verlauf bis etwa zum 200. Laktationstag, entsprechend Literaturangaben auf einen Bereich von
4,7 bis 4,9 %. Zum Ende der Laktation sinkt der Laktosegehalt tendenziell weiter ab (vgl. Abbil-
dung 7).

Sächsische Landesanstalt für Landwirtschaft
Schriftenreihe, Heft 8/2007
105
2,8
3,1
3,4
3,7
4,0
4,3
4,6
4,9
5,2
5,5
0
100
200
300
400
500
600
Laktationstag
Laktose (%)
Abbildung 7: Der Laktosegehalt im Laktationsverlauf - Betrieb A (MLP-Daten 09/05-
01/06)
Die nachfolgende Abbildung zeigt die transformierten Zellzahlergebnisse aus der MLP des Be-
trieb A in den sog. Linear Somatic Cell Score (SCS) in Abhängigkeit des Laktationstages.
-2
0
2
4
6
8
10
0
100
200
300
400
500
600
Laktationstag
SCS
Abbildung 8:
Der SCS in Abhängigkeit des Laktationstages – Betrieb A
Aus dieser Abbildung geht deutlich hervor, dass der SCS einen dem Laktosegehalt der Milch
entgegengesetzten Laktationsverlauf aufweist, so dass offenbar ein Zusammenhang zwischen
diesen beiden Parametern besteht. Korrelationsberechnungen ergaben mit Korrelationskoeffi-
zienten von r = -0,33 bei Betrieb A (p < 0,001) bzw. r = -0,50 bei Betrieb C (p < 0,001) eine sig-
nifikant negative Beziehung des Laktosegehaltes der Milch zum SCS. Im Rahmen des Projek-

Sächsische Landesanstalt für Landwirtschaft
Schriftenreihe, Heft 8/2007
106
tes konnte festgestellt werden, dass der Laktosegehalt unter Beachtung bestimmter Kriterien
die Aussage zur Eutergesundheit anhand der Zellzahl unterstützen bzw. absichern kann. Den
Ergebnissen dieses Projektes nach sind diejenigen Laktosegehalte aus der MLP zur Beurtei-
lung der Eutergesundheit verwendbar, bei denen die folgenden Kriterien erfüllt sind:
Laktationstag: < 200 Tage p.p.
FEQ: 1,0 bis 1,3
Harnstoffgehalt: 150 – 300 mg/l Milch
Aufgrund des physiologisch bedingten Laktationsverlaufs des Laktosegehaltes und der beste-
henden Unsicherheit hinsichtlich der Brauchbarkeit dieses Parameters zur Identifizierung von
Eutergesundheitsstörungen wurde der Laktosegehalt der Milch zumindest vorerst im Rahmen
des MTR-Monitoring nicht genutzt. Um den Nutzen dieses Parameters feststellen zu können,
sind detailliertere Untersuchungen anhand spezifischerer Vergleichsgrößen (klinische und bak-
teriologische Untersuchung) erforderlich.
Weitere in Kombination nutzbare Parameter zur Bewertung der Eutergesundheit sind der Litera-
tur nach in der elektrischen Leitfähigkeit der Milch, der Milchmenge sowie dem Milchfluss und
verhaltensbezogenen Parametern (z.B. Futterverzehr, Aktivität) zu sehen. Diese wurden jedoch
in diesem Zusammenhang nicht näher betrachtet.
Wesentlich wichtiger als die monatliche Bewertung relevanter Parameter zur Beurteilung der
Eutergesundheit einer Milchviehherde wäre die Verfügbarkeit eines Früherkennungsmodells zur
Identifizierung von Eutergesundheitsstörungen auf Ebene des Einzeltiers bzw. vielmehr des Eu-
terviertels. Die Entwicklung eines solchen Früherkennungsmodells auf Ebene des Einzeltiers
bzw. der einzelnen Euterviertel erfordert eine Methodik der Datenverarbeitung, welche mit un-
ergründeten bzw. vagen Zusammenhängen umzugehen vermag und Informationen zu Parame-
tern verarbeiten kann, welche aufgrund der Vielzahl einwirkender Faktoren schwierig zu inter-
pretieren sind. Die Fuzzy Logic liefert dazu einen praktikablen, in der Milchproduktion bisher je-
doch kaum evaluierten Ansatz. Die jeweils ausgewählten relevanten Parameter in Form absolu-
ter Werte bzw. deren relativer Veränderung (Eingangsgrößen) werden mittels der Fuzzy Logic
bezüglich einer konkreten Fragestellung (z.B. Eutergesundheitsstatus) mit Hilfe einer mathema-
tischen Modellierung von realen Prozessen interpretiert. Ergebnis dieses Vorgangs ist die Aus-
gabe einer Information zur Beurteilung eines Zustandes (Ausgangsgröße). Wegen der mangel-
haften Verfügbarkeit solcher „unscharfen“ Parameter hinsichtlich deren Qualität bzw. Quantität
ist die Entwicklung eines solchen Früherkennungsmodells derzeit weder zu rechtfertigen noch
zweckmäßig. Die Probleme in der Datenstruktur bestehen konkret in der Kontinuität bzw. dem
Zeitintervall des Datenanfalls zu relevanten Milchinhaltsstoffparametern, der Datenqualität der
Melkprozessdaten, der Datenbasis (Einzeltier / Euterviertel) sowie der mangelnden Verfügbar-
keit von Parametern infolge der gegebenen technischen Ausstattung (elektrische Leitfähigkeit
der Milch, Aktivitätsmessung).

Sächsische Landesanstalt für Landwirtschaft
Schriftenreihe, Heft 8/2007
107
4
Integration des Testherdensystems in die Kommunikationsplattform lkv.net
Im Bereich der Milchproduktion konzentriert sich die Zuchtarbeit zunehmend stärker auf die sog.
„Funktionalen Merkmale“. Die züchterische Ausgangssituation zu deren Verbesserung ist all-
gemein diffizil, da für die betreffenden Merkmale sowohl meist geringe Heritabilitäten (h²) von ≤
0,10 als auch z.T. genetisch negative Beziehungen bestehen und die Merkmale zudem partiell
sehr komplex und schwer zu erfassen sind (BERGFELD, 2004). Um dieser Situation begegnen zu
können, werden neben einer adäquaten Wichtung im Zuchtziel und der Nutzung molekularge-
netischer Informationen insbesondere eine genauere und differenziertere Merkmalserfassung
als erforderlich betrachtet und forciert (
BERGFELD und FISCHER, 2005). Aufgrund dieser Situation
sowie
der Problematik veränderter Rahmenbedingungen der Leistungsprüfung,
des zunehmenden Kostendrucks auf die Milchproduktion,
der Notwendigkeit der Anpassung von Zuchtzielen an die Marktbedingungen und Produk-
tionsergebnisse,
der rückläufigen staatlichen Förderung der Leistungsprüfung sowie
des Vorhandenseins neuer technischer Lösungen und Ergebnissen aus der Wissenschaft
soll neben der flächendeckenden Leistungsprüfung zusätzlich sowohl das sog. Testher-
densystem als auch die gezielte Datenerfassung in Bullenmütter- und Eigenleistungsprüf-
stationen der Zuchtwertschätzung (ZWS) dienen. Die Notwendigkeit des seit dem Jahr
2000 in Zusammenarbeit von der Sächsischen Landesanstalt für Landwirtschaft und dem
SRV bearbeiteten Testherdensystem, in welchem derzeit 13 Betriebe vertraglich gebun-
den sind, wird durch nachfolgende Argumente begründet (
FISCHER et al., 2005):
Prüfung unter Praxisbedingungen und repräsentative Auswahl
Möglichkeit der Einflussnahme auf die Datenerhebung in Umfang und Genauigkeit
(z. B. Mindestanforderungen an die Erkrankungserfassung)
gute Datenstruktur durch ausreichendem Umfang und Leistungsniveau
optimale Verteilung der Testbullen über die Testbetriebe
hohe Wiederfindungsraten (normal 10 - 12 / Bulle; hier nur 4 – 5 / Bulle)
Optimierung des Datentransfers
langfristige Sicherung der Testkapazität
Rückgang einer flächendeckenden Leistungsprüfung
Aus diesen Argumenten heraus erwachsen die konkreten Ziele der Anwendung des Testher-
densystems, die sowohl in der Gewährleistung einer verbesserten Erfassung funktionaler
Merkmale sowie einer höheren Genauigkeit der Zuchtwertschätzung und der Verbesserung des
Prüfplanes als auch der Effizienzsteigerung und Kosteneinsparung u.a. durch weniger umfang-
reiche Testanpaarungen für die daraus resultierenden Töchterleistungen bestehen.

Sächsische Landesanstalt für Landwirtschaft
Schriftenreihe, Heft 8/2007
108
Die erfolgreiche Etablierung und Effizienz des Testherdensystems sowie die Umsetzung des
Systemausbaus auf geplante 200 – 300 Betriebe erfordert einen weiteren Generierungsbedarf
bezüglich des Umgangs mit der Datenflut, welcher insbesondere im Aufbau eines adäquaten
Datenerfassungssystems und einer zentralen Datenbank, der Standardisierung der Datenerfas-
sung, der Sicherung der Datenqualität und der Anwendung vereinheitlichter Diagnoseschlüssel
für Erkrankungen (in Anlehnung an Staufenbiel) zu sehen ist. Weiterhin sollte die Möglichkeit
und Umsetzung populationsgenetischer Auswertungen sowie eine zukünftige Erfassung zusätz-
licher Merkmale in den Testherden, wie beispielsweise Geburtsgewichte, Exterieur in der 2.
Laktation und BCS, als notwendige Erweiterungen des Entwicklungsstandes in Betracht gezo-
gen werden. All diese Schritte dienen letztlich dem Aufbau eines effizienten, integrierten Prüf-
systems für die Zuchtwertschätzung, welcher mittels des Projekts vorangetrieben werden sollte.
Die dazu erforderliche Datenbank kann neben der Zuchtwertschätzung durch zweckmäßige Al-
gorithmen der Datenverdichtung, dem Informationsgewinn bzw. der Entscheidungsunterstüt-
zung für das Beratungswesen sowie das betriebliche Management, insbesondere auch zum
Zwecke der Gesundheitsvorsorge, dienlich sein.
Der dritte Fokus des Projektes war aufgrund der oben beschriebenen Situation auf die Entwick-
lung eines leistungsfähigen, automatisierten Verfahrens zur Datengewinnung und -übermittlung
aus dem bei Teilnahme am Testherdensystem vorausgesetzten Herdenmanagementsystem
HerdeW in eine zentrale Datenbank gerichtet. Dazu wurden im Rahmen des Projektes erste Ar-
beitsschritte zur Generierung der erforderlichen allgemeingültigen Schnittstelle in HerdeW auf
Basis von ADIS-ADED geleistet. Die aus dem Herdenmanagementsystem HerdeW in frei wähl-
baren zyklischen Abständen automatisch abzurufenden Informationen sollen mit Hilfe der
Kommunikationsplattform trans.lkv.net automatisch in eine zentrale Datenbank transferiert wer-
den. Mittels einer sog. Requestdatei wird also definiert, welche Tabellen und Datenfelder im A-
DIS-ADED-Format aus HerdeW ausgelesen werden sollen. Der Datenabruf wird entsprechend
der Einstellung in trans.lkv.net automatisch initiiert. Alle Aktionen werden in einer Logdatei pro-
tokolliert. Die ausgelesenen Daten werden in einer Ausgabedatei gesichert und zusammen mit
der Protokolldatei unmittelbar zum Server des LKV mit der Datenbank übertragen und eingele-
sen. Sollte zum Transferzeitpunkt keine Verbindung zum Server möglich sein, werden diese Da-
teien bis zum nächstmöglichen Transfer beim Landwirt gepuffert.
Die Vorgehensweise beim Datentransfer entspricht der beim automatisierten Erfassungsverfah-
ren von Melkbarkeitsdaten. In den Systemaufbau dieses automatisierten Datenerfassungsver-
fahrens soll die Möglichkeit implementiert werden, die geforderten Informationen aus HerdeW
selbst zu definieren und den Datenexport komplett sowie auch inkrementell zu unterstützen.
Der generische Ansatz dieser Schnittstelle ermöglicht prinzipiell auch die zukünftige Integration
anderer HMS in dieses System. Die Abbildung 9 zeigt einen ersten Entwurf einer Datenbank-
struktur der aus dem HMS HerdeW ausgelesenen Daten, wobei das Einzeltier jeweils den Kern
bildet, d.h. alle transferierten Informationen an die Identität des Einzeltiers geknüpft sind. Die

Sächsische Landesanstalt für Landwirtschaft
Schriftenreihe, Heft 8/2007
109
endgültige Struktur der Datenbank wird festgelegt, wenn die entsprechenden Kernanforderun-
gen des Testherdensystems und der Zuchtwertschätzung konkretisiert wurden.
Die Erarbeitung der Details der Datenbankstruktur, der Probelauf dieses automatisierten Da-
tenerfassungsverfahrens sowie der ggf. erforderliche Überarbeitungsbedarf des Systems be-
züglich des Inhalts bzw. Aufbaus sind die nächsten erforderlichen Arbeitsschritte. Die auf diese
Weise gewonnenen Informationen sollen sowohl dem Testherdensystem als auch dem Bera-
tungswesen als Datengrundlage dienen. Das Testherdensystem, welches zunächst Untersu-
chungen dient, die „Funktionalen Merkmale“ und dabei insbesondere Merkmale der Tierge-
sundheit züchterisch nutzbar zu machen, wird zukünftig die Datenbasis für die Zuchtwert-
schätzverfahren dieses und evtl. weiterer Merkmalskomplexe bilden. Das erfolgreiche und effi-
ziente Betreiben des Testherdensystems erfordert einen weiteren Generierungsbedarf bezüg-
lich des Umgangs mit der Datenflut, welcher insbesondere in einem weitgehend automatisierten
Prozess hinsichtlich der Datengewinnung, -übermittlung und -verarbeitung sowie in der die Do-
kumentationsdisziplin der Milcherzeuger und der Sicherung der Datenqualität zu sehen ist. Da-
zu leistete das Projekt erforderliche methodische Vorarbeiten.

image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
Sächsische Landesanstalt für Landwirtschaft
Schriftenreihe, Heft 8/2007
110
Abbildung 9: Entwurf einer Datenbankstruktur für den Datentransfer aus HerdeW

Sächsische Landesanstalt für Landwirtschaft
Schriftenreihe, Heft 8/2007
111
5 Zusammenfassung
Im Milchproduktionsprozess ist eine Vielzahl von Informationen zum einzelnen Tier verfügbar,
welche sowohl als betriebliche Managementhilfe fungieren und Arbeitsgrundlage des Bera-
tungswesens sind als auch dem Informationsgewinn in der Milchrindzucht dienen. Dies setzt al-
lerdings eine disziplinierte Datenerfassung der am Milchproduktionsprozess Beteiligten und ei-
ne anschließend zweckmäßige Datenaufbereitung der aus verschiedenen Quellen zusammen-
geführten Daten voraus.
Ziel eines Arbeitsschwerpunktes des Projektes war es, Lösungsansätze zur Entwicklung eines
alternativen Verfahrens der Gewinnung von Melkbarkeitsdaten zur herkömmlichen Melkbar-
keitsprüfung zu liefern. Bei einem solchen zu generierenden automatisierten Datenerfassungs-
verfahren werden die in der Software zum melktechnischen System abgespeicherten Daten des
Melkprozesses mittels eines Webservices zum LKV transferiert und dort einem Datenaufberei-
tungsverfahren unterzogen. Von der technologischen Seite her, d.h. der Datenbereitstellung
und dem Datentransfer, steht der Anwendung dieses Prüfverfahrens nichts entgegen, bei der
Methodik der Datenaufbereitung hingegen ist die Entwicklungsarbeit nicht abgeschlossen. Die
Auswertungen haben gezeigt, dass im Rahmen der Datenaufbereitung eine Datenbereinigung
zwingend erforderlich ist, ebenso wie eine Berücksichtigung der auf die Melkprozessdaten wir-
kenden Einflüsse. Der Prüfumfang der künftig mittels dieser Methode zu bearbeitenden Melk-
barkeitsprüfungen ist als relativ gering einzuschätzen, sofern die Methode nicht auch bei Melk-
technik anderer Hersteller realisiert werden kann. Dazu wäre allerdings eine Präzisierung bzw.
Standardisierung der Definition der Messpunkte der Melkdauer notwendig. Die zusätzliche Nut-
zung des Parameters maximaler Milchfluss als Datengrundlage für die Zuchtwertschätzung
Melkbarkeit ist zu empfehlen.
Anliegen dieses Projektes war es weiterhin, Grundlagen bezüglich des Aufbaus und Inhaltes ei-
nes Monitoring-Systems zu erarbeiten, welches aufgrund des umfassenden Informationsge-
winns zu Produktionskennzahlen der Themenbereiche „Milch & Melkprozess“, „Tiergesundheit“
und „Reproduktion“ als entscheidungsunterstützendes System fungiert. Derzeit können beim
MTR-Monitoring lediglich Inhalte des Moduls „Milch & Melkprozess“ bearbeitet werden, welche
auf den aus der MLP und Rohmilch-Güteprüfung gewonnenen Daten basieren. Zur umfassen-
den Anwendbarkeit aller Module des MTR-Monitoring ist weitere Entwicklungsarbeit, insbeson-
dere hinsichtlich technischer Lösungen des Datengewinns bzw. Datentransfers und der Anwen-
dung von Datenaufbereitungsverfahren erforderlich. Für die Entwicklung eines Früherken-
nungssystems für Eutergesundheitsstörungen ist die erforderliche Datenstruktur derzeit nicht
gegeben.
Der dritte Fokus des Projektes war auf die Entwicklung eines leistungsfähigen, automatisierten
Verfahrens zur Datengewinnung und –übermittlung aus dem Herdenmanagementsystem Her-

Sächsische Landesanstalt für Landwirtschaft
Schriftenreihe, Heft 8/2007
112
deW in eine zentrale Datenbank gerichtet. Dazu wurden im Rahmen des Projektes erste Ar-
beitsschritte zur Generierung der erforderlichen allgemeingültigen Schnittstelle in HerdeW auf
Basis von ADIS-ADED geleistet. Die aus dem Herdenmanagementsystem HerdeW in frei wähl-
baren zyklischen Abständen automatisch abzurufenden Informationen sollen mit Hilfe der
Kommunikationsplattform lkv.net automatisch in eine zentrale Datenbank transferiert werden. In
den Systemaufbau dieses automatisierten Datenerfassungsverfahrens soll die Möglichkeit imp-
lementiert werden, die geforderten Informationen aus HerdeW selbst zu definieren und den Da-
tenexport komplett sowie auch inkrementell zu unterstützen. Der generische Ansatz dieser
Schnittstelle ermöglicht prinzipiell auch die zukünftige Integration anderer HMS in dieses Sys-
tem. Der Probelauf dieses automatisierten Datenerfassungsverfahrens sowie der ggf. erforderli-
che Überarbeitungsbedarf des Systems bezüglich des Inhalts bzw. Aufbaus sind die nächsten
erforderlichen Arbeitsschritte. Die auf diese Weise gewonnenen Informationen sollen sowohl
der Zuchtwertschätzung „Funktionaler Merkmale“ als auch dem Beratungswesen als Daten-
grundlage dienen.
6 Literaturverzeichnis
ADR (1987): ADR-Empfehlung 3.3 für die Durchführung von Melkbarkeitsprüfungen.
BAUER, A. und GÜNZEL, H. (2004): Data-Warehouse-Systeme: Architektur – Entwicklung –
Anwendung.
dpunkt.verlag GmbH, Heidelberg, S. 109 - 118
BERGFELD, U. (2004): Chancen und Risiken der Zucht auf Hochleistung.
Sächsischer Milchrindtag, 05.11.2003, Großolbersdorf
http://www.landwirtschaft.sachsen.de/de/wu/Landwirtschaft/lfl/inhalt/10397_10423.htm
;
01.12.2005; 08:07
BERGFELD, U. und FISCHER, R. (2005): Chancen der Zucht auf funktionale Merkmale in der
Milchrindzucht.
Köllitscher Fachgespräch „Zucht auf funktionale Merkmale in der Milchrindzucht“, 30.11.2005
BRADE, W. (2001): Eutergesundheit, somatischer Zellgehalt und Milchqualität. Tierärztl. Um-
schau
56
, 470 - 476
BRADE, W. (2005): Melkbarkeit und Melkverhalten – funktionale Merkmale mit zunehmender
Wichtigkeit in der Milchrinderzüchtung.
http://www.lwk-hannover.de
DUDA, J. (1995): Beziehungen zwischen Melkbarkeit und Mastitisanfälligkeit. Züchtungskunde
67
, 467 - 476
DUDA, J. (1996): Möglichkeiten der Züchtung auf Eutergesundheit über Zellzahl. In: Milchin-
haltsstoffe und Milchqualität. DGfZ-Schriftenreihe, Heft 6, 115 - 121
FAHR, R.-D. (2003): Tier- und umweltbedingte Einflussfaktoren auf die Milchleistung, Milchin-
haltsstoffe und Qualitätsmerkmale. In: Milcherzeugung: Grundlagen – Prozesse – Quali-
tätssicherung. Deutscher Fachverlag, Frankfurt am Main
FISCHER, R., KEHR, C. und BERGFELD, U. (2005): Stand der Umsetzung des Testherdensys-
tems in Sachsen und weiteres Vorgehen. Köllitscher Fachgespräch „Zucht auf funktiona-
le Merkmale in der Milchrindzucht“, 30.11.2005

Sächsische Landesanstalt für Landwirtschaft
Schriftenreihe, Heft 8/2007
113
GABRIEL, R., CHAMONI, P. und GLUCHOWSKI, P. (2000): Data Warehouse und OLAP –
Analyseorientierte Informationssysteme für das Management. In: Zeitschrift für betriebs-
wirtschaftliche Forschung, 52 Jg., 2000, Nr. 2, S. 74 - 93
GEIDEL, S. und GRAFF, K. (2001): Morphologie der Zitze und melktechnische Parameter. Jah-