Sonia-ProQ

Sonia-ProQ (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.

​Projektkonsortium

Das Projekt wird vom Josephinum Research in Wieselburg, Österreich, koordiniert.

Projektpartner:

• AGES – Österreichische Argentur für Gesundheit und Ernährungssicherheit
• BOKU – Universität für Bodenkultur
• Donau Soja
• EST GmbH
• HAUP – Hochschule für Agrar- und Umweltpädagogik
• i-RED Infrarotsysteme GmbH
• Josephinum Research
• MH-Agrarhandel GmbH
• oilpress GmbH & Co. KG
• Saatbau Linz eGen

Projektübersicht

Der österreichische Bedarf an Soja beträgt in etwa 600.000 Tonnen pro Jahr. Rund 80 Prozent davon sind importierte gentechnisch veränderte (GVO) Ware aus Übersee. Österreich ist bestrebt den Sojaimportbedarf bis zum Jahr 2030 um 50 Prozent zu reduzieren. Dieses Ziel bedarf einerseits einer Ausweitung der Anbaufläche und einer Steigerung der Aufbereitungskapazität. Andererseits kann durch Steigerung der Aufbereitungsqualität eine bedarfsreduzierende Wirkung erzielt werden. Wesentliche Aufgabe der Sojaaufbereitung ist der Abbau antinutritiver Substanzen (Trypsin-Inhibitoren, Saponine, Lektine) unter bestmöglicher Schonung wertvoller Inhaltsstoffe wie Proteine. Diese generell komplexe Prozesssteuerung wird dadurch erschwert, dass erforderliche Prozessanpassungen erst am aufbereiteten Produkt (Post-processing) ersichtlich werden. Speziell die regionale dezentrale Aufbereitung von Soja bietet großes Potential den zunehmenden Bedarf an Aufbereitungskapazität zu decken. Zudem haben Kleinanlagen das noch wenig beachtete Potential Edukt bedingte Qualitätsschwankungen auszugleichen.

Projektziel und Herausforderungen

Ziel von Sonia-ProQ ist es, eine geeignete und praxistaugliche Lösung zur Erfassung relevanter Eigenschaften im Aufbereitungsverfahren zu entwickeln. Die Datenerfassung ist Grundlage für das derzeit entwickelte Modell aus „Model-S“. Die Erfassung soll mit NIR-basierender Sensorik kombiniert mit bildgebenden Verfahren realisiert werden. Wesentlicher Vorteil ist die berührungslose und substanzerhaltende Detektion der Sojabohne in Echt-Zeit.

Die Herausforderung in Sonia-ProQ ist es, definierte Eigenschaften der unbehandelten Bohne quantitativ mittels NIRS und bildgebenden Verfahren erfassbar zu machen und für die anschließende Modellierung zur Verfügung zu stellen. Der innovative Ansatz und die einzigartige Möglichkeit der prospektiven (vorausschauend) Prozesssteuerung fördert eine ressourcenschonende und nachhaltige Erzeugung von hochwertigen österreichischen Sojaprodukten. Eine erfolgreiche Umsetzung von Sonia-ProQ liefert einen wertvollen Beitrag zur Erreichung des österreichischen Zieles, Sojaimporte zu reduzieren und ermöglicht gleichzeitig eine Steigerung der österreichischen Wertschöpfung.

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

Danksagung

Sonia-ProQ (Soybean Observation using NIRS for Attribute-Depending Prospective Quality Management) wird von FFG – COIN KMU-Innovationsnetzwerke 2022 gefördert.