Damit Milchviehhalter KI in ihrem Betrieb nutzen können, ist es notwendig, Daten zu sammeln. Ein großer Datensatz mit hoher, lückenloser Datenqualität ist Voraussetzung. Über zwei Jahre müssen Landwirte Messwerte von Milchleistung, Futtermenge, Futterinhaltsstoffen und Tierdaten zusammentragen. Um beispielsweise einen Rückgang der Milchleistung oder den Anstieg des Fettgehaltes nachvollziehen zu können, sind vollständige Daten (Milchleistung und -inhaltsstoffe, Futtermenge und -inhaltsstoffe, Tierdaten) der vergangenen 21 Tage notwendig.
Genau das ist der größte Knackpunkt für deutsche Milcherzeuger. Die Betriebe unterscheiden sich stark bzgl. der Datensysteme (siehe Kommentar „Es braucht noch Zeit“, Seite R26). Es ist eine Herausforderung, alle Daten aus unterschiedlichen Quellen in einer gemeinsamen Datei zusammenzuführen. Erst wenn das gegeben ist, kann der Landwirt aber von der Technologie profitieren. „Wir können mit den Daten nicht nur sagen, was auf einem Milchviehbetrieb passiert ist, sondern auch begründen, warum es vorgefallen ist. Außerdem können wir das Betriebsoptimum ermitteln“, sagt Domjàn. Vereinfacht gesagt: Ein Milchviehhalter formuliert ein oder mehrere Ziele, die KI rechnet Algorithmen und zeigt dem Landwirt den Weg zur Zielerreichung. Als Beispiel könnte sich ein Landwirt vornehmen, die Futterkosten zu senken ohne dass sich die Milchleistung verändert. Oder er möchte viel Milch melken ohne dabei Einbußen im Fett- und Eiweißgehalt zu haben. Die KI berechnet, wie die Ration zusammengesetzt sein muss, um die Ziele zu erreichen. Analysis Science kann in den mathematischen Modellen für alle Größen Höchst- und Tiefstwerte festlegen. Das ist wichtig, damit das Gesamtsystem im Gleichgewicht bleibt. Bisher kann das Unternehmen mit neun Zielgrößen arbeiten: Gewinnmaximierung, Minimierung der Rationskosten, Maximierung der Milchleistung, Erhöhung der ECM, Fett-%, Fett-kg, Protein-%, Protein-kg und Minimierung von Ketosen.