Sonia-ProQ
SONIA-ProQ (Lang: Soybean Observation using NIRS for Attribute-Depending Prospective Quality Management) unterstützt landwirtschaftliche Betriebe und Unternehmen in der Verarbeitungswirtschaft bei der Nutzung heimischer Sojabohnen für die Erzeugung von Futtermitteln.
Das Projekt leistet Pionierarbeit im Bereich der Echtzeit-Prozesssteuerung in der Behandlung von Sojabohnen. Technische Optimierungen auf Basis der Nah-Infrarot-Spektroskopie und bildgebender Verfahren verbessern die Produktqualität von Sojaerzeugnissen und die Wirtschaftlichkeit der Verarbeitung. Gemeinsam mit begleitenden Maßnahmen wie einem Fütterungsversuch mit Mastschweinen und einem umfangreichen Schulungsangebot stärkt das Projekt eine Vielzahl von Betrieben nachhaltig und trägt zur besseren Resilienz von entwaldungsfreien Lieferketten in Österreich bei.
Mehr Informationen finden Sie hier: https://www.legumehub.eu/sonia-proq/
Projektkonsortium
Das Projekt wird von Josephinum Research in Wieselburg, Österreich, koordiniert.
Projektpartner sind:
Projektzusammenfassung
Die zentrale Aufgabe bei der Sojaverarbeitung ist der Abbau antinutritiver Substanzen (Trypsininhibitoren, Saponine, Lektine) bei gleichzeitiger möglichst weitgehender Erhaltung wertvoller Inhaltsstoffe wie Proteine. Diese an sich schon komplexe Prozesssteuerung wird dadurch erschwert, dass notwendige Prozessanpassungen erst am verarbeiteten Produkt sichtbar werden (Post-processing). Besonders die regionale, dezentrale Sojaverarbeitung bietet großes Potenzial, um dem steigenden Bedarf an Verarbeitungskapazitäten zu begegnen. Zudem können kleinere Anlagen qualitative Schwankungen des Rohstoffs ausgleichen – und so die Verarbeitungsqualität steigern, was wiederum die Nachfrage verringert.
Ziel von SONIAproQ ist es, eine praxistaugliche Lösung zur Erfassung relevanter Eigenschaften im Aufbereitungsprozess zu entwickeln. Diese Datenerfassung bildet die Grundlage für das im Projekt „Model-S” entwickelte Modell. Die Erfassung soll mithilfe von NIR-basierter Sensorik in Kombination mit bildgebenden Verfahren realisiert werden. Der entscheidende Vorteil liegt in der berührungs- und substanzschonenden Echtzeiterfassung der Sojabohne.
Projektlaufzeit: Oktober 2023 – September 2025 Für weitere Informationen folgen Sie bitte diesem Link.
Langzeit-Monitoring dezentraler Sojaaufbereitungsanlagen mittels In-Line NIRS Sensorik
Sojabohnen stellen aufgrund ihres hohen Gehalts an essentiellen Aminosäuren und ihrer hohen biologischen Wertigkeit eine wichtige Proteinquelle in der Tierernährung dar. Für die Verfütterung an monogastrische Tiere wie Schweine oder Geflügel ist jedoch eine thermische Behandlung erforderlich, um antinutritive Faktoren, insbesondere Trypsin-Inhibitoren, zu reduzieren. Ziel der Aufbereitung ist eine ausreichende Senkung der Trypsin-Inhibitor-Aktivität (TIA) bei gleichzeitig möglichst geringer Schädigung wertvoller Inhaltsstoffe wie Proteine und Aminosäuren [1, 2, 3].
In dezentralen Aufbereitungsanlagen erfolgt die Wärmebehandlung meist durch Rösten. Die Prozesskontrolle basiert derzeit überwiegend auf nasschemischen Analysen oder Laboruntersuchungen mittels Nahinfrarotspektroskopie (NIRS) [4, 5, 6]. Diese Methoden liefern zwar wichtige Informationen über Produktparameter wie TIA, Proteinlöslichkeit in Kalilauge (KOH-PS), Rohprotein- und Restfettgehalt, weisen jedoch einen entscheidenden Nachteil auf: Zwischen Probennahme und Analyseergebnis liegt eine erhebliche zeitliche Verzögerung. Dadurch können Prozessabweichungen oft erst verspätet erkannt und korrigiert werden. Suboptimal aufbereitetes Eiweißfuttermittel kann zu Defiziten in der tierischen Leistung führen. Für ein optimales Eiweißfuttermittel braucht es einerseits schnelle Messergebnisse und andererseits das richtige Know-How um diese Ergebnisse optimal im Prozess umzusetzen. Im Forschungsprojekt „Sonia-ProQ“ wurden diese zentralen Aspekte aufgenommen und umgesetzt. Die Ergebnisse werden folgend vorgestellt.
Zur Beschleunigung der Datenerfassung wurde ein neuartiges System zur Echtzeitüberwachung von Sojaaufbereitungsprozessen entwickelt. Kernstück ist eine In-Line-NIRS-Messeinheit, die direkt im Produktstrom integriert wird und kontinuierlich relevante Kenngrößen wie TIA, KOH-PS, XP und XL erfasst. Diese Messeinheit wurde bei Aufbereitungsanlagen über mehrere Monate getestet und optimiert. Zur Erstellung entsprechender chemometrischer Modelle dienten nasschemische Referenzdaten von regelmäßig gezogenen Proben an der Anlage.
Abbildung 1: Ergebnis der Auswertung von Restfett in Sojakuchen. a) Ergebnisvergleich zwischen nasschemischer Analyse einzelner Proben (gelb) und der In-Line NIR Datenerfassung (blau). Die hohe Dichte an Messpunkten mittels NIR liefert ein detailliertes Bild zu Schwankungen im Prozess. Zudem können diese Daten in Echtzeit bereitgestellt werden. b) Ergebnis des chemometrischen Modells für den Restfettgehalt. Ein R²CV von 0,926 wurde innerhalb des Projektzeitraum erreicht.
Ein Ergebnis der In-Line-NIRS-Messtechnik wird am Beispiel der Analyse des Restfettgehalts gezeigt, siehe Abbildung 1a. Während Laboranalysen nur einzelne Messpunkte liefern (gelbe Punkte), ermöglicht die kontinuierliche Echtzeitmessung (blau) eine wesentlich detailliertere Darstellung von Prozessschwankungen. Das entwickelte Modell für den Restfettgehalt, wie in Abbildung 1b ersichtlich, erreichte dabei eine Vorhersagegenauigkeit mit einem Bestimmtheitsmaß von R²cv = 0,93.
Die Ergebnisse zeigen, dass eine hohe Analysefrequenz entscheidend für eine optimale Prozessführung ist. Die In-Line-NIRS-Technologie ermöglicht eine kontinuierliche Qualitätsüberwachung in Echtzeit und bietet damit großes Potenzial zur Verbesserung der Produktqualität sowie zur wirtschaftlichen Optimierung dezentraler Sojaaufbereitungsanlagen.
Um die tierische Leistungsfähigkeit im Einsatz von optimal und suboptimal aufbereitetem Soja-Eiweißfutter zu evaluieren wurde im Rahmen des Projektes ein Fütterungsversuch mit Mastschweinen durchgeführt. Die Tiere wurden in drei Gruppen aufgeteilt, wobei eine Gruppe eine Ration mit optimal aufbereitetem Eiweißfuttermittel, eine Gruppe suboptimales Eiweißfuttermittel und eine Gruppe freie Wahl zwischen Rationen mit beiden Eiweißfuttermitteln zur Verfügung hatten.
Es wurde festgestellt, dass jene Gruppe mit optimalem Eiweißfuttermittel bessere Mastleistungen erreichen konnte. Die Gruppe mit freier Futterwahl konnte diesen Effekt jedoch teilweise kompensieren.
Eine weitere Kernaufgabe des Forschungsprojektes ist die Aufbereitung und Weitergabe von fundamentalen Wissen zur Sojaaufbereitung. Um die Analyseergebnisse richtig interpretieren und den Prozess produktoptimierend anpassen zu können, ist für den Anlagenbetreiber ein umfangreiches Know-How essentiell. Hierfür wurde für die Zielgruppe der Anlagenbetreiber ein berufsbegleitender Hochschul-Lehrgang erarbeitet und durchgeführt. Zusätzlich wurden Online-Webinare angeboten, in welchen teilnehmeroffen grundliegende Informationen rund um die Sojaverarbeitung vermittelt wurden. Zudem wurden Merkblätter mit den wichtigsten Hintergrundinformationen sowie auch Kurzvideos hierzu erstellt.
Literatur
1 Nassir, O.A.; Untersuchung zur ernährungsphysiologischen Bewertung unterschiedlich behandelter Sojabohnen in der Broilerernährung; Georg-August-Universität zu Göttingen; Dissertation; März 2001
2 Freitag, M., Ludwig, E., Südekum K.H.; Verfahren zur Reduktion des Proteinabbaus im Pansen. Heimische Körnerleguminosen mit geschütztem Protein in der Milchviehfütterung; UFOP-Schriften; Heft 33; S. 2-14; 2007
3 Trimmel, M., Eder, E., Riegler-Nurscher, P., Schedle, K. (2022). Prospective Thermal Processing of Soybeans Using a Bean Characteristic Model. In book: AgEng LAND.TECHNIK 2022. pp541-548. DOI: 10.51202/9783181024065-541.
4 Araba, M., Dale, N.M.; Evaluation of Protein Solubility as an Indicator of Underprocessing of Soybean Meal; Poultry Science; Vol. 69; S.1749-1752; 1990
5 Parson C, Hashimoto K, Wedekind K, Baker D, 1991: Soybean protein solubility in potassium hydroxide: An in vitro test of in vivo protein quality. Journal of animal science. Vol. 69 (7), S. 2918-24
6 Hoffmann, D., Brugger, D., Windisch, W., Thurner, S.; Calibration Model for a Near Infrared Spectroscopy (NIRS) System to Control Feed Quality of Soy Cake Based on Feed Value Assessments In-Vitro; Chemical Engineering Transactions; Vol. 58; S.379-384; 2017
Hochschullehrgang zum Thema Sojaproduktion und -verarbeitung
Für Sojaverarbeiter:innen, Lehrer:innen an landwirtschaftlichen Schulen, Berater:innen und interessierte Landwirt:innen hat Sonia-ProQ mit seinen Projektpartnern einen berufsbegleitenden Hochschullehrgang entwickelt.
In sieben Blöcken, gemischt aus Online- und Präsenzkursen, erhalten Teilnehmer:innen umfassende Informationen über die Sojaproduktion und -verarbeitung und tauchen tiefer in die Grundlagen der Tierernährung ein.
An den beiden Praxistagen werden kleine Verarbeitungsbetriebe besucht und demonstriert, wie die NIRS-Technologie zur Bestimmung der Eigenschaften von Sojabohnen eingesetzt wird.
Weitere Informationen zum Lehrgang gibt es hier.
Danksagung
Sonia Pro-Q (Soybean Observation using NIRS for Attribute-Depending Prospective Quality Management) wird von FFG – COIN KMU-Innovationsnetzwerke 2022 gefördert.
