Totgeburten vermeiden: Wie datengestützte Risikobewertung Problemsauen vor dem Abferkeln erkennt

Die versteckten Kosten von Totgeburten

In einem typischen 500-Sauen-Betrieb mit 14 Ferkeln pro Wurf bedeutet eine Totgeburtenrate von 6,5 % rund 455 tote Ferkel pro Jahr. Bei einem konservativen Absetzferkelwert von 30–40 € ergibt das 13.600–18.200 € Verlust jährlich — ohne die verlängerten Geburtszeiten, erhöhten Tierarztkosten und die reduzierte Lebensleistung der Sau einzurechnen.

Das Frustrierende: Die meisten Betriebe behandeln Totgeburten als unvermeidlich. Der Tierpfleger findet morgens tote Ferkel, trägt die Zahl ein und macht weiter. Ein systematischer Versuch, gefährdete Sauen vor der Geburt zu identifizieren, findet selten statt.

Genau diese Lücke wollte ein französisches Forscherteam schließen.

Drei Kennzahlen, die das Totgeburtenrisiko vorhersagen

Wissenschaftler von INRAE und IFIP analysierten 3.686 Abferkelungen in drei Praxisbetrieben in der Bretagne mithilfe eines Bayesschen Netzwerkmodells — einer probabilistischen KI-Methode, die Abhängigkeiten zwischen Variablen abbildet. Ihr Ziel: herausfinden, welche einfach erfassbaren Sauendaten die individuelle Totgeburtenrate am besten vorhersagen.

Das Ergebnis war erstaunlich eindeutig. Drei Faktoren erklärten nahezu die gesamte Vorhersagekraft:

1. Parität — 64 % der Vorhersageinformation

Die Wurfnummer ist mit Abstand der stärkste Prädiktor. Erst- und Zweitlingssauen haben die niedrigsten Totgeburtenraten. Ab der vierten Parität steigt das Risiko kontinuierlich, bei Sauen ab Parität 7 deutlich. Das ist für erfahrene Sauenhalter keine Überraschung — neu ist die Quantifizierung: Die Parität allein erklärt fast zwei Drittel der individuellen Unterschiede bei Totgeburten.

2. Totgeburtenzahl bei der letzten Abferkelung — 25 % der Vorhersageinformation

Eine Sau mit hohem Totgeburtenanteil beim letzten Wurf wird dieses Muster mit hoher Wahrscheinlichkeit wiederholen. Der Schwellenwert ist entscheidend: Sauen mit mehr als 8 % Totgeburten beim vorherigen Wurf tragen ein messbar erhöhtes Risiko. Dies ist der am besten umsetzbare Prädiktor, weil er Wiederholungstäterinnen identifiziert, die von gezieltem Management profitieren.

3. Gesamtgeborene beim letzten Wurf (Prolifikation) — 11 % der Vorhersageinformation

Hyperprolifizierende Sauen — mit mehr als 18 gesamtgeborenen Ferkeln beim Vorwurf — haben ein erhöhtes Totgeburtenrisiko beim nächsten Abferkeln. Größere Würfe bedeuten längere Geburtsdauer, mehr Konkurrenz um den Platz in der Gebärmutter und höhere physiologische Belastung der Sau.

Zusammen erfassen diese drei Variablen den Großteil der individuellen Variation bei Totgeburten.

Die Rückenspeck-Verbindung: Ein vierter Faktor bei älteren Sauen

Für Sauen ab Parität 5 identifizierte das Modell einen zusätzlichen Risikofaktor: die Rückenspeckdicke vor der Abferkelung. Sauen mit weniger als 15 mm oder mehr als 21 mm Rückenspeck hatten höhere Totgeburtenraten als solche im Bereich von 15–21 mm.

Das ist physiologisch nachvollziehbar. Zu dünne Sauen verfügen möglicherweise nicht über ausreichende Energiereserven für eine mehrstündige Geburt — besonders problematisch bei großen Würfen mit 4–8 Stunden Geburtsdauer. Zu fette Sauen haben andere Komplikationen: übermäßige Fetteinlagerung im Geburtskanal kann die Ferkelpassage physisch behindern, und übergewichtige Sauen neigen generell zu Geburtsschwierigkeiten.

Die praktische Konsequenz: Body-Condition-Scoring in der Hochträchtigkeit betrifft nicht nur das Wohlbefinden der Sau — es ist ein direkter Prädiktor für das Totgeburtenrisiko, besonders bei älteren Tieren.

Was die Zahlen in der Praxis bedeuten

Das Modell ergab einen klaren Risikogradienten:

• Niedrigrisiko-Sauen (niedrige Parität, <8 % Totgeburten zuvor, Prolifikation unter 14): vorhergesagte Totgeburtenrate von 3,5 % — fast die Hälfte des Herdendurchschnitts
• Durchschnittliche Sauen (mittlere Parität, typische Vorgeschichte): vorhergesagte Rate um 6,5 % — nahe am Populationsmittel
• Hochrisiko-Sauen (Parität 7+, Rückenspeck <15 mm, >15 % Totgeburten zuvor, Prolifikation >18): vorhergesagte Rate von 15,7 % — das 2,5-Fache des Durchschnitts

Die Spanne von 3,5 % bis 15,7 % bietet eine enorme Managementchance. Wenn Hochrisiko-Sauen gezielte Aufmerksamkeit während der Geburt erhalten — engere Überwachung, frühere Intervention, Umgebungsanpassungen — lässt sich ein erheblicher Teil dieser 15,7 % verhindern.

Von Daten zu Maßnahmen: Ein Risiko-Protokoll aufbauen

Die Umsetzung im Betrieb erfordert keine aufwändige KI-Software. Die drei Kerndaten — Parität, vorherige Totgeburtenzahl, vorherige Gesamtgeborene — existieren in jedem Standard-Sauenplaner. So sieht ein praktisches Protokoll aus:

Vor jeder Abferkelgruppe:

• Sauenplaner abfragen: Welche Sauen gehen mit Parität ≥5, vorheriger Totgeburtenrate >8 % oder vorheriger Gesamtgeburtenzahl >18 in die Abferkelung?
• Diese Sauen für Prioritätsüberwachung markieren
• Bei Sauen mit mehreren Risikofaktoren: betreute Geburt einplanen, wo möglich

Während der Abferkelung:

• Markierte Sauen häufiger kontrollieren — alle 30–45 Minuten statt nur bei Standardrundgängen
• Interventionsmaterial (Oxytocin, Einmalhandschuhe, Gleitmittel) an Hochrisiko-Buchten bereithalten
• Geburtsdauer und Geburtsintervalle dokumentieren — mehr als 45 Minuten zwischen Ferkeln signalisiert Handlungsbedarf

Nach der Abferkelung:

• Risiko-Datenbank mit tatsächlichen Ergebnissen aktualisieren
• Prüfen, ob die Intervention die Totgeburtenzahl gegenüber der Prognose gesenkt hat
• Daten für Selektionsentscheidungen nutzen — eine Sau, die durchgehend im Hochrisikobereich liegt, rechtfertigt möglicherweise keinen weiteren Belegumlauf

Warum kontinuierliche Überwachung die Gleichung verändert

Das Bayessche Modell liefert einen Risikowert vor der Abferkelung. Aber in einem 500-Sauen-Betrieb mit 20 Sauen, die in derselben Woche abferkeln, löst selbst das Wissen um Risikosauen nicht das Überwachungsproblem. Sie können nicht rund um die Uhr eine Person an jeder Hochrisiko-Sau abstellen.

Hier schafft kontinuierliches Sensormonitoring eine entscheidende zusätzliche Ebene. Eine Ohrmarke mit Aktivitäts- und Temperatursensor erkennt die Verhaltensänderungen vor der Geburt — Nestbauverhalten, Unruhe, Temperaturanstieg — und verengt das Vorhersagefenster von „irgendwann diese Woche" auf „wahrscheinlich in den nächsten 6–12 Stunden."

Kombiniert mit dem Bayesschen Risikowert entsteht ein leistungsfähiges Zwei-Stufen-System:

1. Risikobewertung identifiziert Tage vor der Geburt, welche Sauen die engste Betreuung brauchen
2. Sensorüberwachung zeigt Stunden vor der Geburt, wann diese Sauen tatsächlich abferkeln

Diese Kombination ermöglicht es dem Stallpersonal, seine Aufmerksamkeit genau dort zu konzentrieren, wo sie am meisten bewirkt — bei den Hochrisiko-Sauen, zum exakten Zeitpunkt des Geburtsbeginns.

Das größere Bild: Jedes Ferkel zählt

Moderne Zuchtprogramme haben die durchschnittliche Wurfgröße in vielen Herden auf über 16 Gesamtgeborene getrieben. Das ist eine beachtliche Leistung in der Prolifikation — aber sie hat ihren Preis. Größere Würfe tragen ein inhärent höheres Totgeburtenrisiko. Der Anteil totgeborener Ferkel ist branchenweit parallel zur Gesamtgeburtenzahl gestiegen.

Die Lösung ist nicht, kleinere Würfe zu züchten. Es ist, den Abferkelprozess mit derselben datengestützten Präzision zu managen, die bereits in Fütterungsprogramme, Zuchtentscheidungen und Gesundheitsprotokolle einfließt.

Die Daten sind bereits in Ihrem System. Die Frage ist, ob Sie sie nutzen.

Fazit

Totgeborene Ferkel sind keine Zufallsereignisse. Ein Bayessches Netzwerkmodell, trainiert an 3.686 Abferkelungen, zeigt: Parität, Vorwurf-Geschichte und Prolifikation sagen das individuelle Sauenrisiko mit praxisrelevanter Genauigkeit vorher. Hochrisiko-Sauen lassen sich Tage vor der Geburt identifizieren — und ihre Totgeburtenrate liegt beim 2,5-Fachen des Herdendurchschnitts. Gezielte Geburtsüberwachung dieser Sauen, kombiniert mit kontinuierlichem Sensormonitoring zur Bestimmung des Geburtszeitpunkts, bietet einen realistischen Weg, Totgeburtenraten deutlich zu senken.

Die Werkzeuge existieren. Die Daten existieren. Was fehlt, ist das Protokoll, das beides verbindet.

Quelle: „Estimating the individual stillborn rate from easy-to-collect sow data on farm: an application of the Bayesian network model" — Porcine Health Management, Oktober 2024.

---

Möchten Sie die Totgeburtenrate in Ihrem Betrieb senken? Erfahren Sie, wie das tierindividuelle Sensormonitoring von BioCV gezieltes Abferkelmanagement unterstützt oder nehmen Sie Kontakt mit unserem Team auf.