Department für nachhaltige Agrarsysteme Institut für Nutztierwissenschaften
Beurteilung der Versorgungslage von Milchkühen anhand der
Milchinhaltsstoffe
Masterarbeit
vorgelegt von
Karin Ornetsmüller, BSc.
(01108900)
Betreuer: Univ.-Prof. Dr. Werner Zollitsch Univ.-Doz. Dr. Leonhard Gruber
Wien, September 2018
Danksagung
Ich möchte mich allen voran bei Dr. Leonhard Gruber für die zur Bearbeitung bereitgestellten Daten und die große Hilfe bei deren Aufbereitung und statistischer Auswertung bedanken. Er öffnete mir durch einige interessante Fachgespräche die Augen für Zusammenhänge und Details.
Meinem Betreuer an der BOKU, Dr. Werner Zollitsch möchte ich herzlich für die sehr gute Betreuung und Unterstützung während der Arbeit danken und vor allem für seinen Blick auf das Wesentliche!
Danke auch an Dr. Birgit Fürst-Waltl, die bei manchen statistischen Fragen behilflich war.
Weiters möchte ich hier meine Eltern erwähnen, ohne deren Hilfe das Studium nicht möglich gewesen wäre.
Für offene Ohren und Korrekturlesungen möchte ich Kerstin und Heidi Danke sagen!
Und schließlich: Danke Lukas, dass du mich unterstützt und ermutigt hast, meinen Weg zu gehen.
Inhaltsverzeichnis
Inhaltsverzeichnis ... III Tabellenverzeichnis ... IV Abbildungsverzeichnis ... V Abkürzungsverzeichnis ... VI Abstract ... VII
1 Einleitung ... 1
1.1 Problemstellung ... 1
1.2 Forschungsfragen ... 2
2 Literaturübersicht ... 3
2.1 Proteinversorgung des Wiederkäuers ... 3
2.1.1 Mikrobielle Proteinsynthese im Pansen ... 3
2.1.2 Pansenunabbaubares Eiweiß (UDP) ... 4
2.1.3 Nutzbares Rohprotein (nXP) ... 4
2.1.4 Ruminohepatischer Kreislauf ... 5
2.1.5 Auswirkungen der Proteinversorgung ... 5
2.2 Energieversorgung des laktierenden Wiederkäuers ... 6
2.2.1 Kohlenhydratabbau im Pansen ... 7
2.2.2 Auswirkungen der Energieversorgung ... 8
2.3 Protein-Energie-Wechselwirkungen ... 9
2.4 Stoffwechselprobleme und deren Erkennung ... 9
2.5 Rückschluss auf Versorgung durch Milchinhaltsstoffe ... 11
2.5.1 Beurteilung der Versorgung anhand der 9-Felder-Tafel ... 12
2.5.2 Beurteilung der Versorgung anhand der 6-Felder-Tafel ... 14
3 Tiere, Material und Methoden ... 16
3.1 Datenmaterial ... 16
3.1.1 Versuchsdesign und Fütterung ... 16
3.1.2 Tiere im Versuch ... 16
3.1.3 Datenerhebung ... 17
3.2 Statistische Auswertung ... 17
4 Ergebnisse ... 20
4.1 Rationszusammensetzung und Futteraufnahme ... 20
4.2 Milchleistung und Inhaltsstoffe... 23
4.3 Harnstoff in Blut, Milch und Harn ... 26
4.4 Einschätzung der Versorgungslage ... 27
4.4.1 Vergleich 9- und 6-Felder-Tafel in den ersten 10 Laktationswochen .... 28
4.4.2 Vergleich 9- und 6-Felder-Tafel in den ersten 30 Laktationswochen .... 31
5 Diskussion ... 33
5.1 Auswirkung der Ration ... 33
5.1.1 Futteraufnahme ... 33
5.1.2 Milchleistung und Inhaltsstoffe ... 34
5.2 Einschätzung der Versorgungslage ... 36
5.2.1 Vergleich 6- und 9-Felder-Tafel ... 38
5.2.2 Zusammengefasste 9-Felder-Tafel ... 40
5.3 Betrachtung des Versuchs und der statistischen Auswertung ... 42
5.4 Schlussfolgerungen ... 43
Zusammenfassung ... 45
Literaturverzeichnis ... 47
Anhang ... 52
Tabellenverzeichnis
Tabelle 1: Auswirkungen der Ration auf Eiweiß- und Harnstoffgehalt der Milch nach Kirchgessner et al. (1986)... 11 Tabelle 2: Anzahl der Tiere im Versuch (1/N=niedrige, 2/M=mittlere, 3/H=hohe
Versorgung) ... 17 Tabelle 3: Einteilung durch Gruppe und Einschätzung nach Bender (2001) ... 19 Tabelle 4: LS-Mittel der Lebendmasse, Futter- und Nährstoffaufnahme sowie
Rationskriterien bei unterschiedlicher Energie- und Proteinversorgung (Haupteffekte) ... 21 Tabelle 5: LS-Mittel der Milchleistung und Inhaltsstoffe, sowie der
Harnstoffausscheidung bei unterschiedlicher Energie- und Proteinversorgung
(1/N=niedrig, 2/M=mittel, 3/H=hoch) ... 22 Tabelle 6: Aufteilung der verfügbaren Messungen nach Energie- und XP-Bilanz in den ersten 30 Laktationswochen (LW) ... 27 Tabelle 7: Erklärung der Darstellungsform zum Vergleich der Felder-Tafeln ... 28 Tabelle 8: Ergebnisse Chi-Quadrat-Anpassungstest der Felder-Tafeln in den ersten zehn Laktationswochen (LW), n=Stichprobengröße ... 29 Tabelle 9: Sensitivität (Se), Spezifität (Sp), positive und negative Likelihood-Ratio (+LR, -LR) der Felder-Tafeln für die ersten zehn Laktationswochen (LW) ... 30 Tabelle 10: Testaussage nach positiver und negativer Likelihood-Ratio (+LR, -LR) 30 Tabelle 11: Richtige Einschätzungen der Felder-Tafeln in den ersten zehn und 30 Laktationswochen (LW) ... 31 Tabelle 12: Ergebnisse Chi-Quadrat-Anpassungstest der Felder-Tafeln in den ersten 30 Laktationswochen (LW), n=Stichprobengröße ... 31 Tabelle 13: Sensitivität (Se), Spezifität (Sp), positive und negative Likelihood-Ratio (+LR, -LR) der Felder-Tafeln für die ersten 30 Laktationswochen (LW) ... 32 Tabelle 14: Milchleistung, Inhaltsstoffe und Nährstoffversorgung bei unterschiedlicher Energie- und Proteinversorgung (Haupteffekte) ... 52 Tabelle 15: Milchleistung, Inhaltsstoffe und Nährstoffversorgung bei unterschiedlicher Energie- und Proteinversorgung (Wechselwirkungen) ... 53 Tabelle 16: Lebendmasse, Futter- und Nährstoffaufnahme sowie Rationskriterien bei unterschiedlicher Energie- und Proteinversorgung (Wechselwirkungen) ... 54 Tabelle 17: Parameter aus Milch, Harn und Blut bei unterschiedlicher Energie- und Proteinversorgung (Haupteffekte) ... 55 Tabelle 18: Parameter aus Milch, Harn und Blut bei unterschiedlicher Energie- und Proteinversorgung (Wechselwirkungen) ... 56 Tabelle 19: Ergebnisse Chi-Quadrat-Anpassungstest der zusammengefassten
Felder-Tafel in den ersten zehn Laktationswochen (LW), n=Stichprobengröße ... 62 Tabelle 20: Sensitivität (Se), Spezifität (Sp), positive und negative Likelihood-Ratio (+LR, -LR) der zusammengefassten Felder-Tafel die ersten zehn und 30
Laktationswochen (LW) ... 62
Abbildungsverzeichnis
Abbildung 1: Weg des Rohproteins im Pansen nach de Kruif et al. (2007) ... 3 Abbildung 2: 9-Felder-Tafel nach Spohr & Wiesner (1991), Seggewiß (2004) ... 13 Abbildung 3: 6-Felder-Tafel nach Losand & Brade (2017) ... 15 Abbildung 4: Unterschiede in der Gesamttrockenmasseaufnahme (LS-Mittel) bei unterschiedlicher Energieversorgung in den ersten 30 Laktationswochen (1=niedrig, 2=mittel, 3=hoch) ... 23 Abbildung 5: LS-Mittel der Milchleistung (kg/d) bei unterschiedlicher
Energieversorgung in den ersten 30 Laktationswochen (1=niedrig, 2=mittel, 3=hoch) ... 23 Abbildung 6: Milcheiweißgehalt nach tatsächlicher XP-Konzentration der
Gesamtration (LS-Mittelwerte) bei unterschiedlicher Energie- und Proteinversorgung (N/1=niedrig, M/2=mittel, H/3=hoch) ... 24 Abbildung 7: Milcheiweißgehalt (LS-Mittel) bei unterschiedlicher Energieversorgung in den ersten 30 Laktationswochen (1/N=niedrig, 2/M=mittel, 3/H=hoch) ... 25 Abbildung 8: Milcheiweißgehalt (LS-Mittel) bei unterschiedlicher Energie- und
Proteinversorgung (1/N=niedrig, 2/M=mittel, 3/H=hoch) ... 25 Abbildung 9: Milchfettgehalt (LS-Mittel) bei unterschiedlicher Energie- und
Proteinversorgung (N/1=niedrig, M/2=mittel, H/3=hoch) ... 25 Abbildung 10: Milcheiweißleistung (LS-Mittel) bei unterschiedlicher Energie- und Proteinversorgung (1/N=niedrig, 2/M=mittel, 3/H=hoch) ... 26 Abbildung 11: Milchharnstoffgehalt (LS-Mittel) nach tatsächlicher XP-Konzentration der Gesamtration bei unterschiedlicher Energie- und Proteinversorgung (N/1=niedrig, M/2=mittel, H/3=hoch) ... 26 Abbildung 12: Milchharnstoffgehalt (LS-Mittel) bei unterschiedlicher Energie- und Proteinversorgung (1/N=niedrig, 2/M=mittel, 3/H=hoch) ... 27 Abbildung 13: Einteilung der Messungen nach der 9-Felder-Tafel im
Optimalversorgungsbereich von 90-110% in den ersten zehn Laktationswochen .... 29 Abbildung 14: Einteilung der Messungen nach der 6-Felder-Tafel im
Optimalversorgungsbereich von 90-110% in den ersten zehn Laktationswochen .... 30 Abbildung 15: Einteilung der Messungen nach der 9-Felder-Tafel im
Optimalversorgungsbereich von 90-110% in den ersten 30 Laktationswochen... 32 Abbildung 16: Einteilung der Messungen nach der 6-Felder-Tafel im
Optimalversorgungsbereich von 90-110% in den ersten 30 Laktationswochen... 32 Abbildung 17: Darstellung einer zusammengefassten 9-Felder-Tafel im
Optimalversorgungsbereich von ±10% in den ersten zehn Laktationswochen ... 41 Abbildung 18: Darstellung der Mittelwerte bei unterschiedlicher Energie- und
Proteinversorgung in der 9-Felder-Tafel ... 57 Abbildung 19: Darstellung der Mittelwerte bei unterschiedlicher Energie- und
Proteinversorgung in der 6-Felder-Tafel, Grenzen des Eiweißgehalts von 9-Felder- Tafel übernommen ... 57 Abbildung 20: Einordung der nach Energie- und Proteinbilanz erstellten neun
Gruppen jeweils in die 9-Felder-Tafel ... 58 Abbildung 21: Einordung der nach Energie- und Proteinbilanz erstellten sechs
Gruppen jeweils in die 6-Felder-Tafel ... 59 Abbildung 22: Einteilung der Messungen nach der 9-Felder-Tafel im
Optimalversorgungsbereich von 95-105% in den ersten 30 Laktationswochen... 60 Abbildung 23: Einteilung der Messungen nach der 9-Felder-Tafel im
Optimalversorgungsbereich von 95-105% in den ersten zehn Laktationswochen .... 60
Abbildung 24: Einteilung der Messungen nach der zusammengefassten Felder-Tafel im Optimalversorgungsbereich von 90-110% in den ersten 30 Laktationswochen ... 61 Abbildung 25: Einteilung der Messungen nach der 6-Felder-Tafel im
Optimalversorgungsbereich von 95-105% in den ersten zehn Laktationswochen .... 61 Abbildung 26: Einteilung der Messungen nach der 6-Felder-Tafel im
Optimalversorgungsbereich von 95-105% in den ersten 30 Laktationswochen... 61
Abkürzungsverzeichnis
BCS = Body Condition Score
BHBA = β-hydroxybutyric acid, β-Hydroxy-Buttersäure E×P = Energie × Protein
EKF = Energiekraftfutter FEQ = Fett-Eiweiß-Quotient
FN = falsch negativ
FP = falsch positiv
GF = Grundfutter
KF = Kraftfutter
+LR = positive Likelihood-Ratio -LR = negative Likelihood-Ratio
LW = Laktationswoche
MJ NEL = Megajoule Netto-Energie-Laktation NEB = negative Energiebilanz
NEFA = non esterified fatty acids, freie Fettsäuren nXP = nutzbares Rohprotein
PKF = Proteinkraftfutter
RDP = ruminal degradable protein, pansenabbaubares Protein
RN = richtig negativ
RP = richtig positiv
Se = Sensitivität
Sp = Spezifität
TM = Trockenmasse
UDP = undegradable protein, nicht abbaubares Protein
XP = Rohprotein
Abstract
During the first weeks of lactation the optimum nutrition is essential for maintaining health of high yielding dairy cows. There are tools to provide a convenient method for evaluation of the supply situation. Based on the milk components, these tools are called “fields panels” and should allow for an assessment of the supply with energy and protein. In Austria, the “nine fields panel” is used in the regular milk testing procedure, but a newly introduced six fields panel is claimed to allow for a better evaluation. In this study, both tools were tested to find out which of the two works better for the application on farm. For this purpose, data from a feeding trial were used to find out how different protein and energy supply affect milk components. In this trial 57 dairy cows in a three × three experiment where fed with rations with different energy and protein contents. The energy groups differed in the percentage of concentrate relative to total dry matter intake. The protein content of the rations varied due to different components of the concentrate. It could be detected that a rising energy intake (from 104.7 to 146.6 MJ NEL/d) had a positive influence on feed intake, milk yield, milk protein content as well as total quantities of milk protein and fat. An increasing protein intake (from 2.19 to 3.12 kg XP/d) also led to a higher milk, milk protein and fat yield and higher contents of milk protein and urea.
A balance between requirement and intake of energy and protein was calculated for all available measurements. An intake of the required quantities ±10% was defined as an optimal supply range. According to this calculation, the measurements were categorised as low, adequately and over-supplied. These categories were then compared with the categories based on the milk components. For the first 30 weeks of lactation the ratio of correctly estimated measurements was 15.04% for the nine fields panel and 22.12% for the six fields panel. For the first ten weeks of lactation the respective numbers were 13.50% (nine fields) and 22.70% (six fields). The differences were due to a higher upper limit for urea in the nine fields panel (300 mg/l vs. 250 mg/l in the six fields panel) and different thresholds for energy status evaluation.
For the nine fields panel, the milk protein content is used to evaluate the energy status of dairy cows, the six fields panel uses the fat-protein-quotient. For the energy evaluation, the six fields panel classified 20 percentage points more correctly than the nine fields panel by differentiating between two groups instead of three (nine fields panel). Sensitivity, specificity and likelihood ratios indicated that validity of both tools was moderate at best. However, other than expected, the false allocations are hardly located in the neighbouring groups. A simple change of limits would therefore not result in a higher validity. Based on the results of this study, these tools cannot be suggested for assessment of energy and protein supply. Future studies should include testing data from dairy cows with even greater differences between requirement and intake.
Additional milk components should also be considered in evaluating the supply status of cows.
1 Einleitung
1.1 Problemstellung
Schon längere Zeit steigt die Achtsamkeit der Konsumenten für Produkte, die nachhaltig und tiergerecht produziert werden (Tamminga 2003). Auch in der Landwirtschaft steigt das Erfordernis einer dem Bedarf entsprechenden Ernährung der Nutztiere. Zum einen, um eine Belastung von Tier und Umwelt zu vermeiden und Krankheiten zu verhindern (Stangl 2014), zum anderen, weil die Futterkosten zu den höchsten Ausgaben in der Tierhaltung gehören (Brückler et al. 2017). Nährstoffe, die ungenutzt wieder ausgeschieden werden müssen, sollen daher sowohl aus ökologischen als auch aus ökonomischen Gründen auf ein Minimum reduziert werden.
In Studien wird deshalb schon lange versucht durch Experimente mit variierenden Proteingehalten den optimalen Eiweißanteil des Milchviehfutters zu ermitteln. Da jedes Tier andere Leistungen erbringt und deshalb unterschiedliche Anforderungen an die Ration stellt (Tamminga 2003), ist eine wichtige Frage, wie sich die Fütterung auf die Milchinhaltsstoffe auswirkt und weiterführend, ob diese Inhaltsstoffe für einen Rückschluss auf die Versorgung geeignet sind.
Eine grafische Darstellung zur Einschätzung der Versorgung anhand des Eiweiß- und Harnstoffgehaltes der Milch, entwickelt von Spohr & Wiesner (1991), wird seit circa 20 Jahren durch die Milchleistungskontrolle auf den österreichischen Höfen angeboten.
Mit dem Tagesbericht kommt alle sechs Wochen die Einordnung der laktierenden Kühe einer Herde in diese 9-Felder-Tafel. Sie soll die Landwirte bei der Rationsplanung unterstützen und auf fehlversorgte Milchkühe hinweisen sowie ein Warnsystem für Stoffwechselkrankheiten wie Acidose und Ketose sein.
Zunehmend gibt es aber auch Zweifel, wie gut diese Einteilung für die aktuellen Hochleistungstiere passt, da sich diese durch Zucht und Management ständig weiterentwickeln und ihre Leistungen steigen (Martens 2015, Liste 2016). Ein neues Bewertungsschema, die 6-Felder-Tafel, soll eine, dem Potential der Kühe entsprechende, grafische Einschätzungsform bieten (Losand & Brade 2017).
Durch Auswertung eines Versuchs mit verschiedenen Protein- und Energiegehalten im Futter soll in der vorliegenden Arbeit herausgefunden werden, welche Auswirkungen der Versorgungsgrad auf Futteraufnahme und Leistung von Milchkühen hat. Weiters soll durch eine Einordnung der Tiere in die Felder-Tafeln die Aussagekraft dieser mit dem tatsächlichen Versorgungsstatus hinsichtlich Energie und Rohprotein von Milchkühen innerhalb der ersten 30 Laktationswochen verglichen werden.
1.2 Forschungsfragen
• Welche Auswirkungen haben Protein- und Energieversorgung auf
− Futteraufnahme
− Milchleistung
− Milchfettgehalt
− Milchproteingehalt und
− Milchharnstoffgehalt von Kühen?
• Wie gut stimmt die Einschätzung der Versorgungssituation durch die 9-Felder- und die 6-Felder-Tafel mit der tatsächlichen Energie- und Rohproteinbilanz von Milchkühen überein?
• Wie unterscheiden sich die 9-Felder- und die 6-Felder-Tafel hinsichtlich der Einschätzung der Protein- und Energieversorgungslage von Milchkühen?
2 Literaturübersicht
2.1 Proteinversorgung des Wiederkäuers
Wie in der folgenden Grafik nach de Kruif et al. (2007) ersichtlich, teilt sich das Rohprotein im Futter nach der Aufnahme zunächst in zwei Fraktionen, dem im Pansen abbaubaren Protein (RDP) und dem nicht abbaubaren Protein (UDP). RDP wird von den Pansenmikroben zu Ammoniak zerlegt und entweder als Mikrobenprotein wiederverwertet oder als Harnstoff ausgeschieden. UDP und Mikrobenprotein bilden zusammen mit dem Stickstoff aus endogenen Quellen das nutzbare Rohprotein am Duodenum (nXP).
Eine Ration sollte eine Zusammensetzung aus genügend ruminal abbaubarem Protein für die Pansenflora und ausreichend unabbaubarem Protein (UDP) sein, um den Aminosäurenbedarf des Wiederkäuers zu decken (National Research Council 2001).
Wiederkäuer können auch ohne Aminosäuren im Futter, nur mit Nicht-Protein- Stickstoff wie Harnstoff, überleben, obwohl sie dieselben Aminosäuren wie Nicht- Wiederkäuer zum Leben brauchen (Nocek & Russell 1988). Das funktioniert nur dadurch, dass die Mikroben im Pansen aus Stickstoff und Energie hochwertiges Protein aufbauen und so das Wirtstier ernähren (Stangl 2014).
2.1.1 Mikrobielle Proteinsynthese im Pansen
Der Wiederkäuer lebt in einer Symbiose mit vielen Mikroorganismen, die in seinem Vormagensystem wohnen. Eine hochleistende Kuh mit einer Leistung von 40 kg Milch produziert circa 1,6 kg Fett, 1,4 kg Eiweiß und sogar 2 kg Laktose pro Tag. Solche enormen Leistungen liegen an der Grenze dessen, was die Milchkuh auf Basis der Symbiose mit ihren Mikroorganismen hinsichtlich der Deckung ihres Bedarfs bewerkstelligen kann (Stangassinger 2003). Das Mikrobenprotein spielt für den Wiederkäuer eine große Rolle, sorgt es doch im Gegensatz zum unabgebauten Futterprotein für 70-90% des gesamten nutzbaren Rohproteins am Duodenum (Gruber et al. 1995). Die Arbeit der Mikroben besteht darin, Protein und Kohlenhydrate abzubauen und daraus – sowie aus Nicht-Protein-Stickstoffverbindungen – ihr eigenes Eiweiß aufzubauen (Knaus & Velik 2005).
Sowohl Protozoen als auch Bakterien sind für den Abbau und Wiederaufbau von Protein im Pansen verantwortlich (Bull et al. 1985, Stangl 2014).
Abbildung 1: Weg des Rohproteins im Pansen nach de Kruif et al. (2007)
Zum Abbau der Aminosäuren kommt es zunächst durch die Desaminierung, wobei Ammoniak freigesetzt wird. Der toxische Ammoniak wird in der Leber zu wasserlöslichem Harnstoff weiter umgebaut (Stangl 2014) und mit dem Harn und – in geringerem Umfang – der Milch ausgeschieden. Die Proteinabbaubarkeit ist zum Teil abhängig von der Verweildauer des Futters im Pansen. Je länger sich das Protein im Pansen befindet, desto mehr davon kann abgebaut werden (Bull et al. 1985, Stangl 2014). Bei Hochleistungstieren reicht das im Pansen synthetisierte Protein nicht zur Versorgung aus, weshalb ein Fokus auch auf dem UDP liegt (Bull et al. 1985, Schwarz 2014). Der Anteil an Mikrobeneiweiß sinkt bei ansteigenden Leistungen, die benötigte Menge an UDP in der Ration steigt. Diese Anforderungen können zum einen durch gehobenen Eiweißgehalt, zum anderen durch eine verminderte Abbaurate gedeckt werden. Denn je reichlicher das Protein in der Ration, desto mehr Stickstoff wird von den Kühen ausgeschieden (Gruber et al. 1995). Eine Überversorgung führt somit zu einer vermehrten Harnstoffbildung, was die Leber stark beansprucht (Stangl 2014).
Die Verfügbarkeit von Energie aus Kohlenhydraten und die Abbaurate von stickstoffhältigen Verbindungen bestimmt die Menge an Mikrobeneiweiß, die im Vormagensystem des Wiederkäuers produziert werden kann. Liegen Energie und Protein quantitativ unausgeglichen vor, ist die Proteinsynthese limitiert und es treten unnötige Stickstoffverluste auf (Oldham 1984, Hof et al. 1994, National Research Council 2001). Durch verschiedene Futtermittel, deren Herstellungsverfahren und Inhaltsstoffe, schwankt die Abbau-Dynamik von Protein und Kohlenhydraten (Oldham 1984, National Research Council 2001). Pro aufgenommenem MJ ME wird dennoch durchschnittlich mit 10,1 g synthetisiertem Mikrobenprotein gerechnet (Stangl 2014).
2.1.2 Pansenunabbaubares Eiweiß (UDP)
Protein aus Futtermitteln, die den Pansen von den Bakterien unabgebaut verlassen, wird pansengeschütztes Protein genannt (National Research Council 2001). Dabei wird das Futter so behandelt, dass das Eiweiß die Zeit im Pansen unabgebaut übersteht, aber trotzdem im Labmagen und im Darm durch Enzyme zerlegt werden kann. Möglichkeiten, um Pansenstabilität zu erreichen, sind der Einsatz von Formaldehyd, Tanninen oder Hitze (Stangl 2014). Dabei wird die Löslichkeit der Proteine gesenkt und eine Vernetzung untereinander sowie mit Kohlenhydraten erreicht (National Research Council 2001). Während das Mikrobenprotein von hoher biologischer Wertigkeit ist, sollte beim nichtabgebauten Protein auf das Aminosäurenmuster geachtet werden (Schwarz 2014).
2.1.3 Nutzbares Rohprotein (nXP)
Wichtig für die Ernährung des Wiederkäuers ist das sogenannte nutzbare Rohprotein (nXP). Dieses setzt sich aus drei Komponenten zusammen: dem Mikrobeneiweiß, dem im Pansen unabgebauten Futterprotein und dem endogenen Protein. Das nXP ist jenes Protein, das am Beginn des Zwölffingerdarmes zur Verfügung steht und vom Tier verdaut werden kann. Dabei werden die Aminosäuren absorbiert und zum Aufbau von neuen, für die Kuh lebensnotwendigen Proteinkomplexen verwendet (National Research Council 2001). Der Zusammenhang von Milchkuh, Pansenlebewesen und
der Fütterung ist kompliziert, aber ausschlaggebend für die Menge an Rohprotein, die dem Wiederkäuer zur Verfügung steht (Knaus & Velik 2005).
2.1.4 Ruminohepatischer Kreislauf
Im Pansen wird durch die Bakterien nicht alles an verfügbarem Ammoniak verbraucht.
Der übrig gebliebene Rest diffundiert entweder durch die Pansenwand oder wird weiter in den Gastrointestinaltrakt transportiert und ins Blut aufgenommen. Dort wird er sofort in die nichtschädliche Form Harnstoff umgewandelt. Von diesem Harnstoff gelangt ein Teil direkt zurück in den Pansen, ein Teil wird über den Speichel wieder den Mikroben zum Abbau zur Verfügung gestellt und der Rest wird mit dem Urin ausgeschieden. Die Harnausscheidung des Stickstoffs wird bei Mangel auf ein Minimum reduziert, um die Mikroben im Pansen so gut wie möglich zu versorgen. Dieser Vorgang wird als ruminohepatischer Kreislauf bezeichnet und ermöglicht dem Wiederkäuer eine effiziente Stickstoffverwertung. Voraussetzung dafür ist allerdings eine ausreichende Zufuhr mit Energie, also Kohlenhydraten (Gruber et al. 1995, Spiekers et al. 2009, Stangl 2014).
2.1.5 Auswirkungen der Proteinversorgung
Auch wenn der Wiederkäuer aus verschiedenen Rationen seinen Bedarf decken und kurzfristig Fehlversorgungen überbrücken kann, sollte auf lange Sicht eine optimal ausgeglichene Ration zur Verfügung gestellt werden. Wird der für die Mikroben notwendige Stickstoff nicht geliefert, wirkt sich das trotz ausreichender Energieversorgung negativ auf die Verdaulichkeit des gesamten Futters und auch weiter auf die Futteraufnahme aus (Schwarz 2014).
Das Ziel einer guten Rationsgestaltung ist die Bereitstellung von genügend Stickstoff sowohl für die Pansenmikroben als auch für das Wirtstier selbst. Zusätzlich sind die Ammoniakausscheidungen so gering als möglich zu halten (Knaus & Velik 2005). Bei Fütterung von Wiederkäuern mit niedrigen Proteingehalten wird viel Harnstoff aus dem Blut recycelt. Auch bei diesen Tieren ließ sich die Stickstoffausscheidung über den Harn nicht vermeiden, allerdings kamen Nicht-Harnstoff-Verbindungen häufiger vor (Reynolds & Kristensen 2008).
Bei Gruber et al. (1995) war die Futteraufnahme in einer Gruppe mit starker Proteinunterversorgung im Vergleich zu einer leicht unterversorgten und einer Kontrollgruppe signifikant verringert. Es wird vermutet, dass dies am begrenzten, den Mikroben zur Verfügung stehenden Stickstoff lag, weswegen ihre Abbau- und Syntheseleistung behindert war. Ebenso wie die Futteraufnahme sank in diesem Versuch auch die Verdaulichkeit der Ration.
In einer kürzlich veröffentlichten Studie konnte eine Änderung des XP-Gehaltes keine Unterschiede in der Futteraufnahme bewirken. Die Autoren (Imran et al. 2017) führen dies allerdings auf die kurze Dauer des Versuches von nur drei Wochen zurück, da sich Auswirkungen erst längerfristig zeigen könnten. Auch in anderen Studien wurde die Futteraufnahme nicht von der Proteinversorgung beeinflusst (Komaragiri & Erdman 1997, Colmenero & Broderick 2006, Davidson et al. 2003, Leonardi et al. 2003), sehr wohl aber bei Amanlou et al. (2017) (von 16 auf 19%), Broderick (2003), Broderick et al. (2009), Law et al. (2009) und Steinwidder et al. (2009).
Signifikante Effekte auf die Milchleistung hatte die Steigerung des XP-Gehaltes in der Ration bei Broderick (2003), Frank & Swensson (2002), Recktenwald et al. (2014), Broderick et al. (2009) und Law et al. (2009). Amanlou et al. (2017) konnte eine derartige Leistungssteigerung nur von 16 auf 19% XP beobachten, die höchste Gruppe mit 21% unterschied sich nicht mehr signifikant von der mittleren. Ebenso erging es Broderick (2003), bei dem ab 16,7% XP kein signifikanter Anstieg mehr festzustellen war. Keine Unterschiede in der produzierten Milchmenge riefen die XP-Gehalte in Studien von Colmenero & Broderick (2006) und Komaragiri & Erdman (1997) hervor.
Die Beobachtungen von Amanlou et al. (2017) und Broderick (2003) führten zu dem Schluss, dass bei hohen XP-Gehalten wie bei Komaragiri & Erdmann (17,3% und 20,9%) keine Steigerungen der Leistung erreicht werden können.
Interessant sind auch die Veränderungen der Milchinhaltsstoffe in verschiedenen Studien. Während sich der Gehalt an Protein oder Fett in der Milch nicht oder nur gering durch verschiedene Rationen verändert, unterscheiden sich die absoluten Leistungen pro Tag in einigen Studien signifikant (Steinwidder 2009, Imran 2017). Die Proteingehalte der Milch stiegen bei anderen wiederum an (Frank & Swensson 2002, Broderick 2003, Broderick et al. 2009, Amanlou et al. 2017).
Der Milchfettgehalt blieb bei Recktenwald et al. (2014) und Amanlou et al. (2017) von Proteinvariationen unbeeinflusst, bei Colmenero & Broderick (2006) war dies das einzige Merkmal, das mit steigendem Proteingehalt anstieg. Das Milchfett erhöhte sich mit höheren Proteingaben auch bei Leonardi et al. (2003) signifikant.
Bei steigender Stickstoff- und Energieeffizienz sank in der Arbeit von Fadul-Pacheco et al. (2017) der durchschnittliche Rohproteingehalt des Futters von 16% auf 14,2%.
Die höhere Stickstoffeffizienz brachte dabei ökonomische Vorteile durch die Einsparung des Futters mit hohem Proteingehalt. Ein Rückgang der Milchleistung durch niedrigere Proteinversorgung konnte nicht beobachtet werden (Fadul-Pacheco et al. 2017). Die Stickstoffeffizienz sank bei Frank & Swensson (2002), Amanlou et al.
(2017) und Imran et al. (2017) mit höheren XP-Rationen.
Die Ausscheidung von Harnstoff steigt gleich dem Anteil an XP des Futters (Steinwidder et al. 2009, Amanlou et al. 2017), ebenso der Milchharnstoffstickstoff (Leonardi et al. 2003). Erklärt wird das dadurch, dass höhere Proteingehalte die Leistung nicht beeinflussen, sondern nur die Ausscheidung steigt (Leonardi et al.
2003).
2.2 Energieversorgung des laktierenden Wiederkäuers
Energie ist kein Nährstoff im engeren Sinne, es gibt nur Energie liefernde Nährstoffe und Protein liefernde Nährstoffe in der Milchviehernährung (Oldham 1984). Die Milchkuh muss ihren Bedarf an Energie immer aus demselben Pansenvolumen decken, unabhängig von ihrer Leistung. Bei einer Steigerung der Milchproduktion sollte deshalb auch der Energiegehalt der Ration ansteigen. Reichen bei 15 kg Milch 6,0 – 6,2 MJ NEL/kg TM aus, sollte die Energiekonzentration bei 35 kg Milchleistung zwischen 7,0 und 7,2 MJ NEL/kg TM sein (Schwarz 2014).
Überschüsse oder Mangelsituationen während der Laktation und der Trockenstehzeit äußern sich in Änderungen der Zusammensetzung von Geweben. Es werden Körperreserven angelegt bzw. verbraucht (National Research Council 2001, Stangl
2014). Nach der Abkalbung benötigen Kühe sehr viel Energie für die Milchbildung, wobei der Bedarf meist die Aufnahme übersteigt und eine negative Energiebilanz (NEB) entsteht, es muss Körperfett mobilisiert werden (Tamminga 2006). Die (Fett- )Reserven schrumpfen, die Kuh verliert an Körpersubstanz. Wie lang die NEB andauert, ist an viele Faktoren gebunden. Dazu gehören der Nährstoffgehalt und die Schmackhaftigkeit des Futters und die Milchleistung, aber auch die Kondition des Tieres vor der Abkalbung. Ist eine Kuh überernährt, bevor sie zur Abkalbung kommt, vermindert sich die Futteraufnahme schon im Monat vor der Geburt. Erst in der 7. bis 14. Woche der Laktation erreicht die Energiebilanz einen Wert über 0 und die Reserven beginnen sich wieder aufzufüllen (National Research Council 2001; de Kruif et al. 2007).
Die Pansenmikroben beziehen die meiste Energie nicht aus Lipiden oder Aminosäuren, sondern aus Kohlenhydraten, während dem Tier selbst auch Fett oder Protein als Quelle dienen können. Die wichtigste Energiequelle stellen auch beim Wirtstier die flüchtigen Fettsäuren dar, die beim Kohlenhydratabbau entstehen (Nocek
& Russell 1988).
2.2.1 Kohlenhydratabbau im Pansen
Der größte Anteil der Kohlenhydrate wird im Pansen abgebaut. Dabei entstehen die kurzkettigen Fettsäuren Propionat, Acetat und Butyrat, zugleich die Gase Kohlendioxid und Methan. Über Zucker werden die Kohlenhydrate zu flüchtigen Fettsäuren abgebaut, die dabei freigesetzte Energie nutzen die Bakterien für ihre metabolischen Prozesse. Die gebildeten flüchtigen Fettsäuren werden durch die Pansenwand aufgenommen und sind für das Wirtstier die wichtigste Quelle seiner Energieversorgung (Knaus & Velik 2005, Stangl 2014).
Um über die Oxidation als Energiequelle dienen zu können, müssen Acetat und Butyrat zu Acetyl-CoA umgewandelt werden. Bei Butyrat entstehen dabei Ketonkörper, wie sie auch bei der Mobilisation von Körperfett entstehen. Geringe Mengen von Ketonkörpern (Betahydroxybuttersäure und Acetoacetat) kommen daher ständig im Körper vor und können von den Geweben genutzt werden (Van Soest 1994).
Eine negative Energiebilanz wirkt sich auf das Vorkommen der flüchtigen Fettsäuren im Pansen insofern aus, als der Insulinspiegel und der Glukosegehalt im Plasma sinken, das Verhältnis von C2 (Acetat) zu C3 (Propionat) in den verfügbaren Nährstoffen im Pansen ist unausgeglichen und im Plasma finden sich gesteigerte Werte von freien Fettsäuren, Aceton, Acetoacetat und β-Hydroxybuttersäure (van Knegsel et al. 2005).
Je nach Futterzusammensetzung verschiebt sich das Verhältnis der entstehenden Fettsäuren. In zucker- und stärkereichen Rationen sind eher Propionat und Butyrat zu finden (Stangl 2014). Strukturreiches Futter regt die Erzeugung von Butyrat und Acetat im Pansen an (van Knegsel et al. 2005). Ist zu wenig Struktur im Grundfutter oder der Anteil des Kraftfutters zu hoch, nimmt der Anteil an Acetat ab, der Propionatgehalt steigt (National Research Council 2001).
2.2.2 Auswirkungen der Energieversorgung
Die Lipide der Milch werden aus Butter- und Essigsäure, langkettigen Fettsäuren und Glycerin gebildet. Nur ein Teil der im Körper vorhandenen Fettsäuren geht direkt in die Milch über, die meisten werden aber im Euter synthetisiert. Durch das Verhältnis an Grob-/Kraftfutter beziehungsweise an Cellulose, Stärke und Zucker kann der Fettgehalt der Milch durch das relative Verhältnis der Kohlenhydrate gesteuert werden.
Durch den Einsatz von Futterfetten über einem Anteil an der Gesamtration von 4%
kann es zu einem verringerten Abbau an Faserkohlenhydraten kommen, außer die Futterfette wurden vor dem Abbau im Pansen geschützt. Kurzfristig können durch ihren Einsatz die Milchlipidwerte erhöht werden, auf längere Sicht wird aber ein Abfall derselben eintreten (Spiekers et al. 2009). Durch Grundfutter-basierte Fütterung steigt der Anteil an Pansenorganismen, die Cellulose abbauen. Da durch sie hauptsächlich Acetat gebildet wird, stellt sich ein pH-Wert zwischen 6,3 und 6,9 ein und die Milchfettsynthese wird gesteigert. Je höher also der Strukturanteil im Futter, desto höher wird auch der Milchfettgehalt sein. Umgekehrt sinkt durch vermehrte Kraftfutteraufnahme der pH-Wert und die Produktion von Propionsäure steigt. Es dominieren die stärke- und zuckerabbauenden Mikroorganismen, die Grobfutterverdaulichkeit sinkt und somit hat auch weniger im Pansen Platz, die Aufnahme von Raufutter und der Fettgehalt der Milch nehmen ab (de Kruif et al. 2007, Spiekers et al. 2009). Das Milchprotein wird aus Aminosäuren erstellt, wobei sich seine Zusammensetzung durch die Fütterung nicht beeinflussen lässt (Spiekers et al. 2009).
Der Milcheiweißgehalt fällt nach dem Abkalben ab und steigt erst ab dem 4.
Laktationsmonat wieder an. Dabei beeinflusst die Energieversorgung den Proteingehalt der Milch mehr, als das im Futter enthaltene Protein (de Kruif et al. 2007).
Durch die Veränderung der Zusammensetzung des Futters kann sich auch die Zusammensetzung der Milch ändern. Glykogene Nährstoffe (wie Stärke und Zucker, zum Beispiel in Getreide enthalten) steigern den Milchproteingehalt, der Milchfettgehalt sinkt jedoch. Dies kann laut van Knegsel et al. (2005) darauf zurückgeführt werden, dass bei ausreichender Versorgung mit glykogenen Nährstoffen die Proteine nicht als Quelle für Propionat herangezogen werden und somit für die Milcheiweißsynthese zur Verfügung stehen. Außerdem scheint die Energiebilanz durch glykogene Rationen verbessert zu werden. Dem gegenüber steht die Steigerung der Milchleistung und des Milchfettgehalts durch lipogenes Futter, also rohfaserreiches Grundfutter oder Fette (van Knegsel et al. 2005). Wird eine glykogene Ration an Hochleistungskühe ab der zweiten Laktation verfüttert, wird weniger Milchfett produziert und die Mobilisation aus Körperreserven nimmt ab, verglichen mit lipogenem Futter (240 g weniger Milchfett pro Tag). Die Energiebilanz ist weniger negativ und die NEFA und BHBA-Werte liegen günstiger (van Knegsel et al. 2007).
Bei Gruber et al. (1991) zeigten sich durch verschiedene Anteile der Ration an Kraftfutter (0, 25 und 50%) deutliche Unterschiede in den Leistungen der Kühe: Die Grundfutteraufnahme sank von 12,8 auf 9,4 kg, während die Gesamttrockenmasseaufnahme von 12,8 auf 18,5 kg signifikant anstieg. Beim Anstieg der Energiedichte stieg allerdings auch der Proteingehalt des Futters von 11,7 auf 14,7% XP an. Die Milchleistung stieg von 13,9 kg auf über 19 kg an, wobei der Milchfettgehalt leicht sank. Der Proteinanteil der Milch stieg signifikant mit gesteigerter
Kraftfutterzufuhr (Gruber et al. 1991). Damit übereinstimmend konnten Zhou et al.
(2015) durch Fütterung mit zwei unterschiedlichen Energiestufen signifikante Unterschiede in Futteraufnahme, Milchleistung, Proteingehalt und -leistung als auch Fettleistung zugunsten der Hochenergiegruppe feststellen. Keine Unterschiede gab es beim Milchfettgehalt. Allerdings stieg auch hier mit höherer Energieversorgung die Proteinaufnahme.
2.3 Protein-Energie-Wechselwirkungen
Nocek & Russell (1988) stellten fest, dass die Beziehung zwischen Stickstoff- und Kohlenhydratstoffwechsel durch die gemeinsame Verdauung durch Pansenmikroben eine hohe Bedeutung einnimmt. Ist eines von beiden nicht ausreichend vorhanden, kann die Verdaulichkeit des anderen reduziert sein. In einem Versuch mit vier verschiedenen Rationen erreichten jene mit schnell verfügbaren Kohlenhydraten die höchsten Erträge an Mikrobeneiweiß (Nocek & Russell 1988).
Oldham (1984) berechnete anhand einer abgeleiteten Formel, wieviel die ME- Aufnahme pro Prozent mehr Rohprotein in der Ration ansteigt. Dabei wird zwischen gras- und maisbasierten Rationen unterschieden, wobei bis zu 4 (grasbetont) beziehungsweise 8 (maisbetont) MJ ME mehr pro Prozent XP möglich sein sollen. Hof et al. (1994) zeigen, dass die effiziente Verwertung des aufgenommenen nXP zu Milchprotein mit steigendem nXP/Energie-Verhältnis sinkt. Rohproteinzugaben ohne gesteigerte Energiezufuhr erhöhen zwar die Milchproduktion, senken jedoch die Effizienz der Proteinverwertung. Eine Steigerung der Milchleistung ist demnach eher mit einer Erhöhung der Energiezufuhr als mit mehr verfügbarem Protein zu erreichen.
Eine Versorgung mit mehr als 16 g nutzbarem Rohprotein pro MJ NEL kann von den Kühen aber nur minimal genutzt werden und resultiert daher eher in erhöhten Stickstoffverlusten (Hof et al. 1994).
Allerdings kann durch den ruminohepatischen Kreislauf eine zeitlich unausgeglichene Energie- und Proteinversorgung abgefangen werden. Effekte zeitlich variierender Nährstoffversorgungen treten dadurch geringer bis gar nicht auf (Reynolds &
Kristensen 2008). Brun-Lafleur et al. (2010) stellten fest, dass die Milchproduktion, die durch vermehrte Energie- und Proteinaufnahme verursacht wird, einen erhöhten Eiweißgehalt mit sich bringt, der Fettgehalt aber nicht beeinflusst wird.
2.4 Stoffwechselprobleme und deren Erkennung
Zwei bedeutende stoffwechsel-assoziierte Krankheiten bei Milchkühen sind Ketose und Azidose (Deutz et al. 2016). Im folgenden Unterkapitel werden Ursachen und Erkennung anhand der Milchinhaltsstoffe beschrieben.
Ketose
Die hohen Leistungen, die von Milchkühen erbracht werden, stellen eine Belastung für den Stoffwechsel der Tiere dar und können vor allem am Beginn der Laktation bis acht Wochen nach der Abkalbung aufgrund vermehrter Mobilisation von Energiereserven zu Erkrankungen führen (Gasteiner 2000). Eine häufige Stoffwechselstörung bei hochleistenden Wiederkäuern stellt die Ketose dar, die in ihrer klinischen Form, aber
auch schon subklinisch, zu Leistungseinbußen, Gewichtsverlust, Fertilitätsproblemen und Leberdegenerationen führen kann (Spohr & Wiesner 1991, Gasteiner 2000).
Die zur Diagnose verwendeten Ketonkörper (β-Hydroxybuttersäure, Acetat, Acetoacetat) in Blut, Milch und Harn sind Stoffwechselmetaboliten, welche durch die Energieversorgung aus freien Fettsäuren entstehen. Die Leber ist dabei das zentrale Organ, das versucht, einen Energiemangel durch Bildung von β-Hydroxybuttersäure zu überbrücken. Diese oxidierbaren Substanzen stellen für andere Gewebe eine Möglichkeit zur Energiegewinnung dar. Die Ketogenese ist ein bedeutsames Werkzeug vor allem in den ersten Wochen der Laktation, in denen die Futteraufnahme den Bedarf des Hochleistungstieres noch nicht decken kann (Gasteiner 2000).
Die Bildung von Ketonkörpern passiert immer bei energiemangelbezogenem Stress und kann daher auch als sekundäre Krankheit bei Unterversorgung auftreten.
Krankheitssymptome der Ketose äußern sich in Hypoglykämie und Anorexie (Van Soest 1994).
Da der Fettgehalt bei Mobilisation von Energie ansteigt und sich der Eiweißgehalt der Milch durch die Energieversorgung verändert (siehe Kapitel 2.5), wird der Fett- Eiweißquotient (FEQ) der Milch zur Früherkennung von Ketose eingesetzt. Ein FEQ über 1,5 deutet auf eine subklinische Ketose hin (de Kruif et al. 2007).
Laut Manzenreiter (2012) werden die meisten Ketosen in Österreich vor dem 100.
Laktationstag diagnostiziert (90%). Für die Rasse Fleckvieh gilt, dass sich die Milchinhaltsstoffe von Kühen mit Ketose-Diagnose signifikant von denen gesunder Kühe unterscheiden. Dabei ist vor allem der Fettgehalt der Milch (+0,51%) zu beachten, aber auch Protein (-0,05%) und Laktose (-0,03%) differieren. Der Anstieg beginnt circa 30 Tage (25 Tage bei Fett, 35 Tage bei Protein) vor dem Auftreten der Ketose. Ab dem 50. Laktationstag unterscheidet sich der Fettgehalt von Milchkühen mit Ketosediagnose vom Rest der Herde nicht mehr deutlich. Es ändern sich auch der FEQ sowie der Fett-Laktose-Quotient signifikant, wobei ein FEQ von 1,33 für Fleckviehkühe eine Steigerung der Erkennung von 41,8% auf zumindest 60% im Gegensatz zum FEQ von 1,5 bewirken würde. Änderungen im Milchharnstoffgehalt von ketotischen Tieren konnten dabei nicht festgestellt werden (Manzenreiter 2012).
Azidose
Die Azidose (=Pansenübersäuerung) entsteht, wenn nur eine geringe Anzahl an Mikroorganismen, die Laktat verbrauchen, aber zur selben Zeit hohe
Konzentrationen an Milchsäure im Vormagen vorkommen. Die Hauptursache ist dabei eine Umstellung der Ration von rohfaserreichem auf sehr energiehaltiges Futter mit wenig Struktur. Dabei sterben einige der rohfaserverwertenden Lebewesen ab, beim Abbau der Kohlenhydrate entsteht viel Säure und der pH-Wert im Pansen sinkt stark (Spiekers et al. 2009, Stangl 2014). Durch das geringe Angebot an
Struktur im Grobfutter sinkt auch die Wiederkäutätigkeit und damit der Speichelfluss, wodurch die puffernde Wirkung im Vormagen reduziert wird (Deutz et al. 2016).
Anzeichen dafür äußern sich in einem FEQ unter 1,0 (de Kruif et al. 2007).
2.5 Rückschluss auf Versorgung durch Milchinhaltsstoffe
Kirchgessner et al. (1986) untersuchten den Zusammenhang zwischen Protein- und Energieabstufungen im Milchviehfutter. Sowohl eine Unterversorgung mit Protein, mit Energie als auch eine Überversorgung mit Protein führten dabei zu einer geringeren Milchleistung als die der Kontrollgruppe (Kirchgessner et al. 1986).
Auf den Versuchen aufbauend entwickelten sie ein Diagnoseschema, mit dem Versorgungsnöte anhand des Protein- und Harnstoffgehaltes erkannt werden sollen.
Wie in Tabelle 1 dargestellt, soll dabei eine Kombination aus Harnstoff- und Eiweißgehalt Rückschlüsse auf den Ernährungsstatus der Milchkühe zulassen. Ein sehr niedriger Eiweißgehalt soll auf Energiemangel hinweisen, ein Überschuss führt dagegen zu steigenden Proteingehalten. Dabei fällt auch auf, dass zum Beispiel eine Proteinunterversorgung und ein Energiemangel ihre jeweilige Wirkung auf den Harnstoffgehalt kompensieren können (Kirchgessner et al. 1986). Weiters kann nicht nur ein Zuviel an Protein, sondern auch zu wenig Energie für hohe Harnstoffgehalte in Milch und Blut verantwortlich sein (Kirchgessner et al. 1986, Stangassinger 2003).
Tabelle 1: Auswirkungen der Ration auf Eiweiß- und Harnstoffgehalt der Milch nach Kirchgessner et al. (1986)
Ernährungsniveau Eiweißgehalt Harnstoffgehalt
Energieunterversorgung ↓↓ ↑↑
Energieüberschuss ↑ ↓
Proteinunterversorgung ~ ↓↓
Proteinüberschuss ~ ↑
Protein- und Energiemangel ↓↓ ~
Protein- und Energieüberschuss ↑ ↑↑
Proteinüberschuss, Energiemangel ↓↓ ↑↑
Proteinmangel, Energieüberschuss ↑ ↓↓
Für eine Kuh mit 40 kg Milchleistung pro Tag wäre ihre Empfehlung ein Harnstoffgehalt von 250 bis 320 mg/l. Allerdings weisen sie darauf hin, dass eine gute Erkennung anhand des Schemas nur bei Rationsänderung möglich ist, wenn der typische Gehalt an Milchinhaltsstoffen einer Kuh bereits bekannt ist (Kirchgessner et al. 1986).
Laut Hof et al. (1997) ist der Harnstoffgehalt in der Milch nur dann ein Indikator für die Proteinverluste, wenn Daten zu den Verlustursachen zugänglich sind. Schon in ihrem Experiment waren diese nicht immer oder nur schwer zu bekommen.
Bei Broderick (2003) konnte der Milchharnstoff als guter Indikator für Änderungen in der Proteinversorgung verwendet werden, für eine Aussage über die Energieversorgung war er aber weniger geeignet.
Pro 60 g Proteinüberschuss kann eine Steigerung von 1,2-1,8 mg/dl Harnstoff in der Milch beobachtet werden. Die Umwandlung und Ausscheidung von überschüssigem Eiweiß ist sehr energieaufwändig, pro kg müssen ungefähr 8,5 MJ aufgewendet werden (Stangassinger 2003). Diese Energie steht nicht für andere Prozesse zur Verfügung. Laut Stangassinger ist der Harnstoff für die regelmäßige Beobachtung der Herde nützlich, vor allem zur Kontrolle bei Rationsumstellung oder Einsatz von Futtermitteln mit unbekannter Zusammensetzung. Als alleiniger Maßstab für die
Einschätzung der Pansengesundheit ist er allerdings untauglich, da die Produktivität der Pansenlebewesen auch anderen Einflüssen als der Energie- und Proteinversorgung (Partikelgröße, XF-Gehalt, etc.) durch die Ration unterliegt (Stangassinger 2003).
Knaus & Velik (2005) legen die Grenze für den Milchharnstoffgehalt zwischen 150 und 250 (300) mg/l fest. Werte darunter deuten auf einen Stickstoffmangel im Pansen hin, darüber liegt eine niedrige Stickstoffverwertung vor. Eine ineffiziente Stickstoffnutzung und damit hohe Ausscheidung und eventuell auch niedrigere Milchleistung kann durch zu viel RDP im Pansen ausgelöst werden (Knaus & Velik 2005).
Je mehr Milch synthetisiert wird, desto niedriger wird der Milchfettgehalt. Durch die Mobilisation aus Körperreserven steigt der Fettgehalt wiederum an (de Kruif et al.
2007). In der Zeit der höchsten Milchleistung wird oft vermehrt Kraftfutter gefüttert und aufgenommen, mit sinkendem Strukturanteil sinkt auch der Fettgehalt in der Milch (Spohr & Wiesner 1991). Zeigen die Milchfettgehalte in der ersten Zeit der Laktation über 5%, deutet dies auf eine Energiemobilisation aus Fettdepots hin. Der Milchfettgehalt alleine hat daher wenig Aussagekraft, da sich der Abfall durch Strukturmangel und der Anstieg durch vermehrte Lipomobilisation ausgleichen können. Deshalb werden Milchfett- und Milcheiweißgehalt kombiniert zum Fetteiweißquotienten (FEQ). Dieser hat eine Aussagekraft über die Energieversorgung eines Tieres und sollte optimalerweise zwischen 1,2 und 1,3 liegen (de Kruif et al.
2007).
Manzenreiter (2012) schlägt zur besseren Erkennung von Ketose anhand der Daten aus der Milchleistungsprüfung die Absenkung des in der Literatur angegebenen FEQ von 1,5 auf 1,33 vor, um mehr Ketose-gefährdete Kühe erkennen zu können.
Allerdings führt er an, dass die Diagnosehäufigkeit im Vergleich zu den Erkrankungen eher gering sein dürfte und zur besseren Erkennung ein routinemäßiger Ketonkörpertest eingeführt werden sollte.
Die Erkennung von Ketose anhand der Daten der Milchleistungsprüfung gestaltet sich für landwirtschaftliche Betriebe oft schwierig, begründet durch das Intervall der Probenziehung, die Tage bis zum Ergebnis und dem frühen Auftreten von Ketose in der Laktation (das heißt häufig keine Milchleistungsprüfung vor der Diagnose).
Außerdem werden laut den Auswertungen von Manzenreiter (2012) bei Beurteilung anhand des FEQ von 1,5 nur 41,8% der ketotischen Kühe als solche eingeschätzt.
Dabei zeigen 17,6% gesunder Kühe ebenfalls einen FEQ von größer 1,5. Bei einem FEQ von 1,3 werden zumindest 60% richtig erkannt, wobei 38,5% der gesunden Tiere ebenfalls einen FEQ über 1,33 aufweisen.
2.5.1 Beurteilung der Versorgung anhand der 9-Felder-Tafel
Neben der Stoffwechsellage soll die Fütterung durch die Milchleistung und die Inhaltsstoffe kontrolliert werden können. Um dies übersichtlich zu ermöglichen, werden grafische Darstellungen bevorzugt. Dabei soll die gesamte Herde gut aufgezeigt werden können, aber auch einzelne zum Beispiel kranke Tiere deutlich erkennbar bleiben. Außerdem soll die Wirkung von Laktationsphase und -zahl berücksichtigt werden (Spohr & Wiesner 1991). Diese Autoren entwarfen verschiedene Modelle, die zu einer solchen Kontrolle herangezogen werden können. Eine noch heute
verwendete Form ist dabei das Verhältnis von Milcheiweiß- und Milchharnstoffgehalt:
die 9-Felder-Tafel (siehe Abbildung 2). Damals wurde ein Optimalbereich für Harnstoff zwischen 150 und 300 mg/l Milch festgelegt, um eine Überversorgung beziehungsweise einen Mangel der relativen Proteinversorgung in Bezug auf die Energie festzustellen. Die Untergrenze für einen optimalen Eiweißgehalt der Milch wurde bei 3,2% gesetzt (Spohr & Wiesner 1991).
Spiekers et al. (2009) schlagen vor, drei Gruppen je nach Laktationsstadium zu erstellen, und danach die Kontrolle der Milchinhaltsstoffe vorzunehmen. Es wird nach Kühen in Laktationsdritteln unterschieden, wobei die Tiere nach Laktationstag 1 bis 100, 100 bis 200 und über 200 eingeteilt werden. Der Harnstoff-Sollwert unterscheidet sich dabei zwischen den Gruppen nicht, er liegt für alle Tiere zwischen 200 und 250 mg/l. Je nach Rasse werden etwas unterschiedliche Eiweißgehalte als gut betrachtet, für Holstein-Kühe liegt der untere Grenzwert bei >3,1/>3,2/>3,3, ansteigend nach den Laktationsphasen.
Seggewiß (2004) beurteilte die Tiere aus ihrem Versuch nach Energie- und Proteinbilanz und wertete die Einschätzung laut 9-Felder-Tafel nach Laktationsmonat aus. Dabei kam sie zu dem Schluss, dass die Einschätzungsgenauigkeit mit fortschreitender Laktation zunimmt. Im ersten Laktationsmonat konnten nur 13,8%
aller Versuchstiere richtig beurteilt werden. Die mit der Zeit bessere Einschätzung wird in dieser Arbeit dem Umstand zugeschrieben, dass die Zahl der fehlversorgten Kühe zu Beginn der Laktation am höchsten ist. Nur jene Kühe, die ausreichend Energie durch das Futter erhielten, konnten ab dem dritten Monat richtig beurteilt werden. Die Einschätzung der Proteinbilanz funktionierte bei Seggewiß (2004) besser als die Energiebilanz. Im ersten Laktationsmonat konnten 40%, in den folgenden schon mehr als 60% korrekt erkannt werden. Es wird betont, dass die Versuchstiere auf sehr hohem Proteinlevel gefüttert wurden und durch eine Herabsetzung des Harnstoffgrenzwertes noch mehr richtige Beurteilungen getroffen werden könnten.
Schlussfolgernd konnte in dieser Arbeit die Verwendung der 9-Felder-Tafel zur Beurteilung der Protein- und vor allem Energieversorgung nicht empfohlen werden, da die Anzahl der richtig erkannten Tiere zu gering ausfiel. Eine leichte Tendenz lässt sich
Abbildung 2: 9-Felder-Tafel nach Spohr & Wiesner (1991), Seggewiß (2004)
zwar erkennen, vor allem in den ersten Wochen der Milchbildung, die die schwierigste Zeit in Hinblick auf Stoffwechsellage und Fütterung ist, werden aber zu wenige Tiere richtig eingeschätzt (Seggewiß 2004).
Zu diesem Ergebnis kamen auch Spohr & Wiesner (1991): Dienen Kennwerte wie oben beschrieben zwar als gute Kontrolle der Herdengesundheit und der Leistung, muss dennoch eine genaue Eruierung der Fehlversorgungsursachen und deren Behebung zusätzlich durchgeführt werden. Um diese Art des Monitorings entsprechend nutzen zu können, müssen die Normalwerte der Herde bekannt sein, für die Beurteilung einzelner Tiere bietet sie aber nicht ausreichend Aussagekraft (Spohr
& Wiesner 1991).
2.5.2 Beurteilung der Versorgung anhand der 6-Felder-Tafel
Da sich durch vermehrte Milchbildung die Gehalte der Inhaltsstoffe pro Liter Milch verändern, gibt es Überlegungen, dass die 9-Felder-Tafel für die aktuellen Herden nicht mehr zeitgemäß ist (Liste 2016).
Spohr & Wiesner schlugen 1991 vor, die Milchleistung keinesfalls außer Acht zu lassen. Besonders für Kühe, die ein hohes Risiko für eine Ketose-Erkrankung aufweisen, empfohlen Spohr und Wiesner die Kontrolle über FEQ in Kombination mit der Milchmenge.
Losand bemühte sich, die 9-Felder-Tafel zu überarbeiten und veröffentlichte in der Zeitschrift TopAgrar im Oktober 2016 als Ergebnis: eine neue 6-Felder-Tafel (Liste 2016). Seine neue optische Darstellung (siehe Abbildung 3) bezieht sich zum einen – wie die alte Tafel – auf den Harnstoffgehalt der Milch, allerdings wird der obere Grenzwert mit 250 mg/l etwas herabgesetzt. Prinzipiell werden die Milchproben zuerst nach dem FEQ (FEQ > 1,4 oder FEQ ≤ 1,4) unterschieden und danach noch nach dem Milchproteingehalt geteilt. Dadurch entstehen eigentlich 12 Felder, von denen eines den Zielwert darstellt. Ein FEQ oberhalb 1,4 deutet auf eine Unterversorgung, darunter auf eine gute Versorgung der Tiere mit Energie hin (Liste 2016). Unüblich niedrige Proteinwerte weisen laut der neuen Tafel auf eine Gefährdung einer Ketose- Erkrankung hin, sehr hohe Werte sollen Einzeltiere mit einer großen Wahrscheinlichkeit zur Verfettung erkennen.
Die Einteilung des Eiweißgehaltes in sehr niedrig, normal und sehr hoch wird aber weder in diesem, noch in einem weiteren – in TopAgrar (Losand & Brade 2017) erschienenen – Artikel mit konkreten Zahlen dargestellt, was eine Nachstellung der Tafel erschwert. Die in der Abbildung 3 verwendeten Grenzen wurden von der 9- Felder-Tafel nach Seggewiß (2004) übernommen. Allerdings wurde für die weitere Auswertung in dieser Arbeit nur die 6-Felder-Tafel mit der Unterscheidung nach dem FEQ herangezogen, weshalb die Grenzen des Eiweißgehaltes nicht benötigt wurden.
Die Argumente, die für die neue Tafeldarstellung sprechen, beziehen sich vorwiegend darauf, dass der Eiweißgehalt alleine nicht genug Aussagekraft hat, um eine Unterversorgung mit Energie darzustellen. Der FEQ hingegen soll – anders als der Proteingehalt – nicht an die geleistete Menge an Milch gebunden sein (Liste 2016).
Abbildung 3: 6-Felder-Tafel nach Losand & Brade (2017)
3 Tiere, Material und Methoden
Zur bestmöglichen Beantwortung der gestellten Forschungsfragen (Seite 2) sind exakte Daten zur Futteraufnahme und zum Bedarf nötig. In der landwirtschaftlichen Praxis gibt es diese Informationen nicht oder nur unvollständig. Daher wurden für die vorliegende Arbeit die Daten eines unter kontrollierten Bedingungen durchgeführten Fütterungsversuches ausgewertet.
3.1 Datenmaterial
Der Versuch wurde im Zeitraum von Juni 2005 bis Dezember 2009 an der HBLFA Raumberg-Gumpenstein in Kooperation mit der Universität Stuttgart-Hohenheim durchgeführt und umfasst zwei volle Laktationen. Für diese Arbeit wurden die Daten aus Raumberg-Gumpenstein und davon die ersten 30 Laktationswochen der ersten Laktation des Versuchszeitraums verwendet.
3.1.1 Versuchsdesign und Fütterung
Der Versuch wurde nach einem zwei-faktoriellen Design mit drei Energie- und drei Proteinstufen (3 × 3) durchgeführt. Die Energie-Stufen wurden über unterschiedliche Kraftfutter-Anteile der Ration variiert, und zwar 20, 35, 50% der TM (Laktationswochen 1 bis 15) beziehungsweise 10, 25, 40% der TM (Laktationswochen 16 bis 30) in den Gruppen 1, 2, 3. Die unterschiedlichen Protein-Stufen wurden durch verschiedene Anteile eines sogenannten Energie- beziehungsweise Protein-Kraftfutters (EKF, PKF) erzielt. Die Anteile an EKF (%) und PKF (%) betrugen im Durchschnitt 100/0, 77/33, 53/47 in den Gruppen N, M, H. Das Energiekraftfutter wies einen Anteil von 35% Mais, 33% Winterweizen, 30% Wintergerste und 2% Rapsöl auf. Das Proteinkraftfutter setzte sich aus 48% Ackerbohne, 30% Rapsextraktionsschrot, 20% Maiskleber und 2%
Rapsöl zusammen. Wie die Ergebnisse zeigen (Tabelle 4), wurde damit ein Proteingehalt der Gesamtration von durchschnittlich 115, 136, 157 g XP/kg TM in den Protein-Stufen N, M, H erreicht. Die Unterschiede im Proteingehalt zwischen den Protein-Stufen nahmen mit der Energieversorgung zu, weil laut Versuchsdesign die Differenzierung der Energieversorgung über höhere Kraftfutteranteile bewerkstelligt wurde.
Das Grundfutter (50% Grassilage, 30% Maissilage, 20 % Heu) wurde dreimal täglich zur ad-libitum-Aufnahme vorgelegt. Dazu wurde es vorher in Boxen eingewogen und zweimal pro Tag eine Rückwaage durchgeführt. Die Kraftfuttermittel wurden über eine Transponderstation gefüttert. Die Menge des Kraftfutters wurde dreimal wöchentlich der aufgenommenen Trockenmasse des Grundfutters angepasst.
3.1.2 Tiere im Versuch
Wie aus Tabelle 2 ersichtlich, befinden sich in den drei Energiegruppen jeweils 19 Kühe. Die Proteingruppen variieren zwischen 14 und 25 Tieren, insgesamt wurde der Versuch mit 57 Milchkühen, die sich zumindest in der zweiten Laktation befanden, durchgeführt. Es wurden milchbetonte Kühe hauptsächlich der Rassen Holstein und Brown Swiss ausgewählt.
Tabelle 2: Anzahl der Tiere im Versuch (1/N=niedrige, 2/M=mittlere, 3/H=hohe Versorgung)
Energie Protein Gesamt
N M H
1 4 5 10 19
2 5 7 7 19
3 5 6 8 19
Gesamt 14 18 25 57
3.1.3 Datenerhebung
Sammelproben wurden vom Grundfutter monatlich und vom Kraftfutter vierteljährlich analysiert und in-vivo-Versuche an Hammeln von jedem Erntejahr (GF) und aus dreijährigen Sammelproben (KF) durchgeführt. Von den monatlichen Grundfutterproben wurden auch in-vitro Proben gezogen. Analysen der Gerüstsubstanzen (Van Soest 1994) wurden durchgeführt.
Wöchentlich wurde die Lebendmasse festgehalten und alle zwei Wochen der Body Condition Score erhoben, wobei am Anfang der Laktation sowie nach sechs bis acht Wochen eine Beurteilung vorgenommen wurde.
Die Merkmale zu Milchleistung und Inhaltsstoffen (Fett, Protein, Laktose) wurden täglich bei jeder Melkung erhoben und analysiert. Proben von Blut, Milch und Harn für die Analyse von physiologischen Parametern wurden in regelmäßigen Abständen gezogen. Dabei wurden Beobachtungen aus einzelnen Wochen, in denen sich die Kühe in einer ähnlichen physiologischen Phase befinden, zu einem Beobachtungswert zusammengefasst, sodass möglichst viele Kühe zu diesem Zeitpunkt eine Beobachtung aufweisen sollten, zum Beispiel die Laktationswochen 3 und 4 zur
„physiologischen Woche 3,5“.
Bei den physiologischen Untersuchungen wurden die Werte für Harnstoff in Blut, Milch und Harn, sowie Glukose, Beta-Hydroxybuttersäure (BHB), freie Fettsäuren und Triglyceride (TG) im Blut analysiert. Diese Untersuchungen und jene der täglichen Milchproben wurden am HBLFA-Institut für biologische Landwirtschaft und Biodiversität der Nutztiere in Wels und am HBLFA-Institut für artgemäße Tierhaltung und Tiergesundheit in Irdning durchgeführt.
3.2 Statistische Auswertung
Zur Auswertung wurde im Programm SAS (Version 9.4, SAS Institute Inc., Cary, NC, USA) die Procedure Mixed verwendet. REML wurde als Mittel für die Varianzkomponentenschätzung ausgewählt und für die Freiheitsgradapproximation die Methode nach Kenward-Roger. Die Kovarianzstruktur wurde durch Testung ausgesucht, wobei für das Modell nach Wochen die Struktur „arh(1)“, für die Berechnung nach physiologischen Wochen „vc“ gewählt wurde. Für sämtliche Tests wurde ein Alpha von 0,05 gesetzt.
Für das Modell wurden die Haupteffekte der Energiegruppe und der Proteingruppe, sowie das Laktationsstadium (Wochen post partum) und die Laktationszahl berücksichtigt. Durch die in der Literatur beschriebenen Wechselwirkungen zwischen Protein- und Energiestoffwechsel der Milchkuh wurden die Wechselwirkungen
zwischen diesen beiden Gruppen sowie ihre jeweiligen Wechselwirkungen mit der Zeit, angegeben in Wochen, berechnet. Als Kovariable wurde die energiekorrigierte Milchleistung vor dem Versuch miteinbezogen. Der Tiereffekt konnte wegen Überparametrisierung des Modells nicht aufgenommen werden.
Yijklm = µ + Ei + Pj + Wk + Ll + (E×P)ij + (E×W)ik + (P×W)jk + Mm + Tn + εijklmn
Yijklmn = Beobachtungswert der abhängigen Variablen
µ = gemeinsame Konstante der Yijklmn
Ei = fixer Effekt der Energiegruppe i (i = N, M, H) Pj = fixer Effekt der Proteingruppe j (j = N, M, H) Wk = fixer Effekt der Woche k (k = 2, 3, …, 30) Ll = fixer Effekt der Laktationszahl l (l = 2, 3, 4)
(E×P)ij = Wechselwirkung der Energiegruppe i mit der Proteingruppe j (E×W)ik = Wechselwirkung der Energiegruppe i mit der Woche k
(P×W)jk = Wechselwirkung der Proteingruppe j mit der Woche k Mm = Kovariable Milchleistung vor dem Versuch m
Tn = Effekt Tier*
εijklmn = Residue
*Bei der Auswertung der Parameter aus Milch, Harn und Blut wurde der zufällige Tiereffekt mit einbezogen, da hier die Messungen in keinen regelmäßigen Abständen vorhanden waren. Für die restlichen Auswertungen gab es wöchentliche Daten jedes Tieres, darum wurde es als wiederholender Effekt ins Modell genommen.
Für die Energie- und Proteingruppen wurden Mittelwertvergleichstests nach Tukey- Kramer durchgeführt. Unterschiedliche Hochbuchstaben bedeuten dabei signifikante Unterschiede (P<0,05) zwischen den einzelnen Gruppen.
Für die weitere Ausarbeitung wurde der Datensatz etwas eingeschränkt. Nur jene Messungen, für welche Werte des Milchharnstoffs verfügbar waren, wurden für die Erstellung der Felder-Tafeln verwendet. Es wurde eine Einteilung nach Milcheiweiß- und Milchharnstoffgehalt nach den oben beschriebenen Kriterien vorgenommen.
Außerdem wurden dieselben Daten in diese Einschätzung nach der berechneten Energie- und Rohproteinbilanz eingeordnet. Die Bilanz für Energie und nXP, als auch der tägliche Bedarf wurden bei der Erstellung des Datensatzes in Raumberg- Gumpenstein berechnet, der Bedarf der Tiere an Rohprotein aufgrund der aktuellen Leistung und die Deckung wurden im Rahmen dieser Arbeit erstellt.
Die Rohproteinbilanz wurde wie folgt berechnet:
XP-Bilanz = XP-Aufnahme – XP-Bedarf
Da in neuerer Literatur ausschließlich Formeln für den Bedarf an nXP angegeben sind, wurde für den Rohproteinbedarf auf die Angaben aus Kirchgessner (1992) zurückgegriffen und der Bedarf aufgrund des Lebendgewichts, der Milchmenge und des Eiweißgehalts mit folgender Formel berechnet:
XP-Bedarf/Tag = (0,5* kg LM + 150) + ((15* % Eiweißgehalt Milch + 30) * kg Milch) Die Energiebilanz wurde wie folgt kalkuliert:
Energiebilanz = NEL-Aufnahme – (NEL-Erhaltung + NEL-Milch + NEL- Trächtigkeit)
Der Energie-Verbrauch für Erhaltung, Milchbildung und Trächtigkeit wurde nach Urdl et al. (2015) berechnet.
Mithilfe eines Chi-Quadrat-Anpassungstests im Programm SAS 9.4 wurde festgestellt, ob die nach Bilanz erwartete Verteilung auf die Gruppen 1-9 beziehungsweise 1-6 mit jener auf Basis der Milchinhaltsstoffe übereinstimmt. Dieser Test wurde für die 9- Felder-Tafel und 6-Felder-Tafel sowohl für die Messungen in allen 30 Laktationswochen als auch für die ersten 10 Laktationswochen alleine durchgeführt.
Eine optimale Versorgung wurde zunächst in einem Bereich ±5% des berechneten Bedarfs angenommen, und dann auf ±10% erweitert. Deshalb finden sich in dieser Arbeit alle Berechnungen für beide Annahmen.
Für jedes einzelne Feld der Tafeln wurden Sensitivität und Spezifität berechnet. Durch zwei mal zwei Merkmale ergeben sich vier Gruppen, die in Tabelle 3 dargestellt sind:
Jene, die richtig in eine Gruppe X (richtig positiv = RP) und jene, die richtig in nicht diese Gruppe X eingeschätzt wurden (richtig negativ = RN), die, die falsch in diese Gruppe X geordnet wurden (falsch positiv = FP) und jene, die falsch in nicht diese Gruppe X sortiert wurden (falsch negativ = FN). Die Sensitivität beschreibt dabei das Segment derjenigen, die richtig in ihre Gruppe eingeordnet wurden in Relation zu allen in dieser Gruppe. Die Spezifität gibt den Anteil der Fälle an, der richtig als nicht in diese Gruppe X gehörend eingeschätzt wurde, im Verhältnis zu allen nicht in Gruppe X eingeordneten.
Sensitivität = RP/(RP+FN) Spezifität = RN/(RN+FP)
(Bender 2001, Firk et al. 2002)
Tabelle 3: Einteilung durch Gruppe und Einschätzung nach Bender (2001)
Gruppe X Nicht Gruppe X
Einschätzung richtig RP RN
Einschätzung falsch FP FN
RP = richtig positiv, RN = richtig negativ, FP = falsch positiv, FN = falsch negativ Um die Sensitivität und die Spezifität in Relation zueinander zu setzen, wurde aus den Werten die positive und negative „Likelihood-Ratio“ ermittelt. Diese Kategorisierung ermöglicht eine näherungsweise Aussage über die Qualität des geprüften Tests.
Berechnet werden die beiden Werte wie folgt:
Negative Likelihood-Ratio = (1 – Sensitivität) / Spezifität Positive Likelihood-Ratio = Sensitivität / (1 – Spezifität)
(Bender 2001)
4 Ergebnisse
Im folgenden Kapitel sind jene Ergebnisse aus der Datenauswertung dargestellt, die signifikant und für die Beantwortung der Forschungsfragen wichtig sind. Weitere Ergebnisse sind im Anhang zu finden.
4.1 Rationszusammensetzung und Futteraufnahme
Der Kraftfutteranteil der Ration unterschied sich in allen drei Energiegruppen; die Proteingruppen niedrig und hoch unterschieden sich ebenfalls, wie in Tabelle 4 aufgelistet ist. Ebenfalls signifikant verschieden waren die XP-Gehalte in allen Protein- und Energiegruppen, sowie die Wechselwirkungen zwischen diesen. Der XP-Anteil der Gesamtration stieg in den Energiegruppen von 12,5% auf 14,5% an, bei den Proteingruppen von 11,5% auf 15,7%.
Die NEL pro kg TM stieg, wie zu erwarten, von Energiegruppe 1 bis 3 an (6,05 bis 6,82 MJ NEL/kg TM), in den Proteingruppen konnten keine Unterschiede festgestellt werden. Pro MJ ME gab es je nach Versorgungsgruppe N, M und H (niedrig, mittel und hoch) einen steigenden Proteingehalt. Die aufgenommene Energiemenge pro Tag stieg mit höherem Energielevel im Futter (von 104,7 auf 146,6 MJ NEL).
Die XP-Aufnahme unterschied sich dabei zwischen den Proteingruppen sowie den Energiegruppen, die Wechselwirkungen zwischen Energie und Protein waren signifikant. Auch in der nXP-Versorgung unterschieden sich die einzelnen Energie- und Proteingruppen, Wechselwirkungen gab es jedoch keine. Die RNB war bei allen Gruppen negativ, signifikante Unterschiede brachten die verschiedenen Proteingehalte, sowie die Wechselwirkungen.
Die NEL-Deckung war in der niedrigsten Gruppe signifikant geringer und auch nur hier unter 100%, Wechselwirkungen zwischen den Gruppen wurden als signifikant berechnet. Die nXP-Aufnahme unterschied sich sowohl zwischen den Energie-, als auch den Proteingruppen, ohne ExP-Wechselwirkungen. Die Deckung des berechneten theoretischen nXP-Bedarfes unterschied sich nur in den Energiegruppen.
Die Proteinbedarfsdeckung war in allen Proteinversuchen 13% bis 14% über dem Bedarf. Wechselwirkungen traten zwischen den neun Gruppen auf.
Die Lebendmasse und der BCS unterschieden sich in keiner der Gruppen signifikant.
Unterschiedliche Proteingehalte in der Ration führten zu keinen Änderungen in der Grund- und Gesamtfutteraufnahme, die Kraftfutteraufnahme war in der höchsten Gruppe höher. Eine hohe Energieversorgung bedeutete signifikante Unterschiede in der Grundfutteraufnahme (Gruppe 3 niedriger als die anderen). Wie in Abbildung 4 dargestellt, stieg die Gesamtfutteraufnahme signifikant mit steigendem Energieniveau von durchschnittlich 17,25 kg auf 20,48 kg beziehungsweise 21,34 kg pro Tag (kein Unterschied zwischen Gruppe 2 und 3).
