„900 Kühe vor dem Mittagessen“ - ein Inteview mit dem Neuseeländer Matthew Zonderop über seinen Einsatz von ChatGPT bei der Anpaarungsplanung seiner Kühe
Ein neuseeländischer Sharemilker rechnet mit einem 30-Dollar-Abo Anpaarungspläne, für die früher Monate nötig waren. Was er tut, wäre auf einem deutschen Betrieb heute nicht möglich – und das liegt nicht an der Technik.
Interviewer: Helmut Demmelhuber
Matthew Zonderop bewirtschaftet als 50:50-Sharemilker eine Herde von rund 400 KiwiCross-Kühen bei Matamata im neuseeländischen Waikato. Der Betrieb gehört jemand anderem, die Kühe und die Arbeit gehören ihm, den Milchscheck teilen sich beide. Programmieren kann er nicht. Mit Excel kommt er zurecht wie die meisten.
Seit einer Nacht im Frühjahr, in der ihm zwei Wochen vor Beginn der Paarungssaison eine über fünf Wochen gewachsene Tabelle zusammenbrach, entwickelt er ein KI-gestütztes Anpaarungssystem, das inzwischen auf mehreren neuseeländischen Betrieben eingesetzt wird. Die neuseeländische Fachpresse hat ausführlich darüber berichtet; bei den Fieldays 2025 stand er im Finale der Innovation Awards.
Für deutsche Leser ist an dieser Geschichte weniger die Technik interessant als eine Rahmenbedingung, die hierzulande fehlt. Darüber sprechen wir am Ende.
„Es waren einfach nur Kuh-Daten“
Herr Zonderop, die Geschichte Ihres Einstiegs ist inzwischen bekannt. Was daran wird meistens falsch erzählt?
Dass es ein Plan gewesen wäre. Es war Freitagabend, halb elf, fünf Wochen Arbeit in Tabellen, und die ganze Arbeitsmappe leuchtete rot. Ich hatte von ChatGPT gehört und dachte: Ich habe nichts zu verlieren, das sind keine persönlichen Daten, das sind einfach nur Kuh-Daten. Ein Tippfehler war die Ursache. Gefunden und korrigiert in Sekunden.
Und dann?
Dann kam die Rückfrage, ob ich möchte, dass die Datei weiter analysiert wird. Ich habe Ja geklickt. In den nächsten drei Stunden hat das System von sich aus Verknüpfungen gezogen – Laktationsdaten sortiert, Zellzahlen aufgeschlüsselt, Fett und Eiweiß getrennt. Dann hat es die Bullendaten aus einem anderen Tabellenblatt registriert und ungefragt einen Abgleich angeboten. Da habe ich innegehalten. In dreißig Sekunden war erledigt, woran ich fünf Wochen saß. Der zweite Gedanke war unangenehmer: Ich habe gerade etwas geweckt, das jedes Zuchtunternehmen der Welt seit Jahrzehnten hütet.
Wie lange hat es von dort bis zu einem brauchbaren System gedauert?
Sechs Monate. YouTube-Tutorials nach dem Abendmelken, Podcasts im Auto beim Umtreiben, Formulierungen kopiert, umgeschrieben, wieder eingegeben. Irgendwann habe ich das System selbst gefragt: Kannst du mir helfen, dir bessere Fragen zu stellen? Das war der Wendepunkt. Man muss mit KI keinen Programmcode schreiben – das macht sie. Was sie nicht hat, ist das, was nirgends aufgeschrieben steht.
Zum Beispiel?
Warum ein amerikanischer Holsteinbulle auf eine KiwiCross-Kuh geradewegs in einen Stall voller teurer, übergroßer Enttäuschungen führt. Warum die Leitplanken, die man auf einem reinen Weidebetrieb setzt, einen Betrieb mit Teil-TMR ruinieren. Das hatte ich in den Knochen. Mir fehlte nur ein Werkzeug, das alles gleichzeitig halten kann. Und das kann kein Mensch: 400 Kühe mal 26 Merkmale mal acht Generationen Abstammung mal ein Dutzend Bullen im Arbeitsgedächtnis – daran scheitert man nicht aus Faulheit, sondern aus Physik.
Wie ein Auftrag abläuft
Beschreiben Sie einen konkreten Fall.
Ein Betrieb ruft an, sagen wir 900 Kühe auf der Südinsel. Der Landwirt geht in MINDA, die zentrale Herddatenbank, und exportiert eine CSV-Datei. Darin steht alles: phänotypische Daten, das vollständige genomische Profil, Produktionsverlauf, Gesundheitsdaten, Lebendgewichte, jeder Mastitisfall, jede Gebärmutterentzündung, jeder Lahmheitstag, jede Laktationskurve bis zurück zum Geburtstag der Kuh. Eine Datei. Standardisiert. Zum Herunterladen.
Und dann rechnet das System?
Erst telefoniere ich zwanzig, dreißig Minuten mit ihm. Mehr Inhaltsstoffe? Bessere Wiederbelegung? Zellzahl runter? Trächtigkeitsdauer straffen? Langlebigkeit schützen? Danach gleicht das System die Kuhdaten gegen die Bullenkataloge ab, rechnet über 26 Merkmale je Tier und schreibt den Anpaarungsbericht. Meine eigenen 400 Kühe: etwa eine halbe Stunde. Die 900 von der Südinsel: vor dem Mittagessen fertig.
Und früher?
Monate. Ich weiß es, ich habe es gemacht. Und am Ende dieser Monate war da immer eine leise Stimme, die fragte, ob irgendetwas davon wirklich richtig war. Wenn Sie 400 Kühe haben und das selbst versuchen, sitzen Sie Monate daran – und sind Sie danach je wirklich zufrieden mit den Antworten, auf die Sie gekommen sind? Diese Stimme ist zum ersten Mal in meinem Berufsleben still.
Sieben Kilo, nicht fünfunddreißig
Was ist die wichtigste Regel in Ihrem System?
Dass man damit nicht rückwärts gehen kann. Leute kommen zu mir und sagen: Ich will größere Kühe. Dann sehen wir uns ihre Daten an, ihr System, ihren Standort, wie viel Futter sie tatsächlich zukaufen. Und wir fragen: Wird das für deinen Betrieb wirklich funktionieren? Meistens lautet die Antwort nein. Größere Kühe bedeuten in Neuseeland nicht automatisch mehr Milch. Wir wirtschaften draußen.
Und daraus wird eine Zahl?
Sieben Kilo Lebendgewicht in einer Saison. Nicht fünfunddreißig. Anpaarung geht in beide Richtungen – man kann Merkmale reparieren oder verstärken. Aber das System ist so ausgelegt, dass man nicht rückwärts geht. Wer in einer Generation fünfunddreißig Kilo jagt, zerbricht etwas, von dem er nicht wusste, dass es tragend war.
Das klingt nach dem Gegenteil dessen, was man von KI-Anbietern hört.
Wir haben heute außergewöhnlich leistungsfähige und wertvolle Tiere. Von der Kalbung zur vollen Laktation in sechs Wochen, und dann weiter, Jahr für Jahr, in unserer Umwelt. Wir können sie nicht mehr wie ein Massengut behandeln. Wir müssen dafür sorgen, dass die Daten, die wir von ihr bekommen, stimmen – denn ihre Nachkommen beeinflussen die nächste Generation. Und die danach.
Rückwärts prüfen
Die erste Nachzuchtgruppe aus Ihren eigenen Anpaarungen steht auf der Weide. Was haben Sie damit gemacht?
Etwas, das vor zwei Jahren undenkbar gewesen wäre. Bevor die Kälber auf die Aufzuchtfläche gingen, habe ich die genomischen Daten aller Tiere gezogen, mit dem vollständigen Lebensverlauf der jeweiligen Mutter verknüpft – Größe, Großvater, Laktationsverlauf, jedes Gesundheitsereignis, Kalbedaten, Erstbesamungen, jeder Mastitisfall, jede Lahmheit –, die Vater-Nummern abgeglichen und das System gebeten, mir rückwärts zu sagen, wie mein Anpaarungsprogramm tatsächlich funktioniert hat.
Wie lange?
Eine halbe Stunde. Und heraus kam ein Urteil, das kein menschlicher Berater in einem Monat liefern könnte: Diese Anpaarung hat funktioniert. Diese war ein Reinfall. Diesen Bullen nicht wieder. Dieser Vater hat eine Schwäche korrigiert, die drei Generationen tief auf der Mutterseite lag.
Was sagen die Zahlen?
Vorsichtig bleiben. Die Auswertung der Betriebe, die mit unseren Anpaarungen arbeiten, zeigt höhere Inhaltsstoffe und bessere Fruchtbarkeit ohne entsprechenden Anstieg der Milchmenge. In einem Weidesystem, in dem jeder zusätzliche Liter Futter kostet, ist das die richtige Kombination. Aber die Zahlen, die durch die Fachpresse gehen – zwölf Prozent schnellerer Zuchtfortschritt, achtzehn Prozent weniger Totgeburten –, behandle ich mit Vorsicht, und das sollte jeder tun. Das sind frühe Werte. Ob sie einer unabhängigen Überprüfung standhalten, weiß ich nicht. Die langfristigen Merkmale, Mastitisresistenz und funktionale Überlebensrate, erzählen ihre Geschichte erst in fünf bis acht Jahren.
Als die Konkurrenz am Küchentisch saß
Sie bauen ein Werkzeug, das dem Anpaarungsprogramm der nationalen Zuchtorganisation Konkurrenz macht. Wie hat die reagiert?
Man würde Anwälte erwarten. Stattdessen kam eine E-Mail: Der Geschäftsführer wollte auf den Betrieb kommen. Er brachte das gesamte Führungsteam mit – Leiter Genetik, wissenschaftliche Leitung, Technikabteilung, die Leute, die das MINDA-Dashboard selbst schreiben. Die saßen bei mir am Küchentisch.
Und?
Ich habe zu einem von ihnen gesagt: Sie haben ihre gesamte Laufbahn mit Forschung und Versuchen in der Genetik verbracht – ich habe das gerade in fünf Minuten gemacht. Das hätte das Gespräch beenden können. Hat es nicht. Sie waren begeistert. Und dann kam die Frage, auf die ich überhaupt nicht vorbereitet war: Was können wir tun, um zu helfen? Ich bin kein Unternehmer. Ich bin ein Milchviehhalter, der die perfekte Kuh züchten will.
Was ist daraus geworden?
Sie geben mir zusätzliche Bullendaten und prüfen die Verwandtschaft der vorgeschlagenen Bullenteams gegen die nationale Abstammungsdatenbank. Diese Prüfung ist schnell, genau und liegt auf der nationalen Pedigree-Basis – es gäbe keinen Grund, das nachzubauen. Ihr eigenes Anpaarungswerkzeug bot acht gewichtbare Merkmale. Wir rechnen über 26.
Was ist Ihr größtes Risiko?
Nicht der Landwirt und seine Zuchtarbeit. Es sind die getrennten Plattformen – die Ausfahrten von der Genetik-Autobahn.
Einordnung: Was davon ginge in Deutschland?
Genau dieser letzte Satz ist der Grund, warum dieses Gespräch für deutsche Betriebe relevant ist. Denn was Matthew Zonderop tut, scheitert hierzulande nicht an der Technik, sondern an drei Rahmenbedingungen.
Erstens: die Datei. Der entscheidende Vorteil ist nicht das Modell, sondern der MINDA-Export – eine standardisierte, herunterladbare Datei, die alles zu jedem Tier enthält. Die Datenbank erfasst nach Branchenangaben rund 93 Prozent aller Milchrinder Neuseelands. In Deutschland erreichen genomische Befunde den Landwirt überwiegend als einzelne PDF-Datenblätter aus dem vit- beziehungsweise Netrind-System, ein Tier pro Datei; für selbst gezogene Zuchtbullen stehen vollständige Exporte teilweise gar nicht zur Verfügung. Ein Betrieb mit 300 genotypisierten Tieren besitzt dort eine Tabelle, hier 300 Dokumente. Wer diese Dokumente auswerten will, verbringt den größten Teil seiner Zeit nicht mit Zucht, sondern mit Abtippen.
Zweitens: die Merkmalswelt. Zonderop rechnet mit BW, PW und TOP und stützt die wirtschaftliche Bewertung auf Kennzahlen von DairyNZ. Diese Größen lassen sich nicht auf RZG und die deutschen Teilzuchtwerte übertragen; hinzu kommen unterschiedliche Bezugsbasen und Basisumstellungen auf beiden Seiten. Ein Modell, das solche Unterschiede nicht kennt, vergleicht Zahlen, die nichts miteinander zu tun haben – und formuliert das Ergebnis in makellosen Sätzen. Ein fehlerhaftes Excel-Blatt sieht fehlerhaft aus. Eine fehlerhafte KI-Antwort sieht aus wie eine Beratung.
Drittens: das Produktionssystem. Die KiwiCross wiegt rund 450 Kilogramm und macht etwa 60 Prozent der neuseeländischen Milchkuhpopulation von rund 5,91 Millionen Tieren aus. Sie ist eine seit den 1950er Jahren planmäßig selektierte Kreuzung aus Holstein-Friesian und Jersey. Der Betrieb kalbt im Block, die Selektionsschwelle ist hart und wiederkehrend. Ein Index, der dafür optimiert, hat mit einem deutschen Roboterbetrieb wenig gemein.
Was dagegen sehr wohl übertragbar ist, sind drei Denkansätze – und sie kosten nichts:
Die Gewichtung vor die Bullenwahl stellen. Zonderops zwanzigminütiges Zielgespräch vor der ersten Rechnung ist der eigentliche Kern. Wer bei der Bullenliste anfängt, beantwortet eine Frage, die er nie gestellt hat.
Inkrementell korrigieren statt springen. Die Sieben-Kilo-Regel ist keine neuseeländische Besonderheit, sondern schlicht Zuchtdisziplin. Sie lässt sich auf jedes Merkmal übersetzen, das ein deutscher Betrieb gerade jagt.
Rückwärts prüfen. Die eigene Nachzucht gegen die Anpaarungsentscheidungen von vor vier Jahren zu halten, ist mit Milchleistungsprüfungs- und Herdenmanagementdaten auch hierzulande machbar – und es ist die einzige Methode, aus der man wirklich lernt.
Bleibt eine Forderung, die so unspektakulär wie hartnäckig ist: strukturierte, maschinenlesbare Exporte der eigenen Herddaten, für jeden Betrieb, ohne Zusatzkosten. Nicht als Zugeständnis, sondern als Selbstverständlichkeit – es sind die Daten seiner Tiere. Wer das löst, bewegt in den nächsten fünf Jahren mehr als jeder neue Algorithmus.
Kästen zum Beitrag
Kasten 1 · Zur Person
Matthew Zonderop, Matamata, Waikato, Neuseeland. 50:50-Sharemilker mit rund 400 KiwiCross-Kühen: Der Betriebseigentümer stellt die Fläche, Zonderop stellt Kühe und Arbeit, der Milcherlös wird geteilt – eine in Deutschland unbekannte Form der Betriebsführung, die vielen neuseeländischen Landwirten den Weg zum eigenen Betrieb eröffnet.
Gründer von Perfect Cow Breeding Solutions. Das System erstellt betriebsspezifische Anpaarungspläne auf Herden- und Einzeltierebene, gerechnet über 26 Merkmale je Tier. Datengrundlage: MINDA-Export des Betriebes, RAS-Listen des NZAEL, die Zuchtwerte BW, PW und TOP sowie wirtschaftliche Kennzahlen von DairyNZ. Die Verwandtschaftsprüfung der Bullenteams läuft über die nationale Abstammungsdatenbank der LIC.
Finalist der Innovation Awards bei den Fieldays 2025.
Kasten 2 · Neuseeländische Begriffe
MINDA – zentrale Herddatenbank der Livestock Improvement Corporation (LIC), erfasst nach Branchenangaben rund 93 Prozent aller Milchrinder Neuseelands. Der Landwirt exportiert daraus selbst eine standardisierte CSV-Datei.
BW – Breeding Worth – Gesamtzuchtwert, gewichtet nach dem erwarteten wirtschaftlichen Beitrag der Nachkommen im Weidesystem.
PW – Production Worth – Bewertung der bisherigen Leistung eines Einzeltiers, Grundlage für Selektions- und Merzentscheidungen.
TOP – Traits Other than Production – Exterieur- und Funktionalmerkmale.
RAS-Liste – Ranking of Active Sires des NZAEL, die nationale Bullenrangliste.
System 1 bis 5 – Einteilung nach Fütterungsintensität, von reiner Weidehaltung ohne Zukauf bis zur teilweisen TMR-Fütterung.
KiwiCross – Kreuzung aus Holstein-Friesian und Jersey, seit den 1950er Jahren planmäßig selektiert, 2005 von der LIC als Rasse geschützt. Rund 450 Kilogramm, etwa 60 Prozent der nationalen Milchkuhpopulation von rund 5,91 Millionen Tieren.
Sharemilking – Betriebsform, bei der Fläche und Herde verschiedenen Parteien gehören und der Milcherlös nach vereinbartem Schlüssel geteilt wird.
Kasten 3 · Was in Deutschland fehlt
| | Neuseeland | Deutschland |
|---|---|---|
| Datenzugang | eine standardisierte CSV aus MINDA | einzelne PDF-Datenblätter aus vit/Netrind, ein Tier je Datei |
| Abdeckung | rund 93 Prozent aller Milchrinder in einer Datenbank | verteilt auf Zuchtorganisation, Landeskontrollverband, Herdenprogramm, Melktechnik, Tierarzt |
| Aufwand für 300 Tiere | ein Download | 300 Dokumente, manuell zusammenzuführen |
Die technische Möglichkeit zur KI-gestützten Auswertung ganzer Herden besteht auf beiden Seiten. Der Unterschied liegt nicht im Modell, sondern im Zugang.
Kasten 4 · Drei Dinge, die alle „KI" heißen
In der Rinderzucht steht „KI" traditionell für künstliche Besamung. In diesem Beitrag ist künstliche Intelligenz gemeint. Innerhalb davon lohnt eine Unterscheidung:
Statistische Lernverfahren – Grundlage der Zuchtwertschätzung. Ausgereift, geprüft, mit ausgewiesenen Sicherheiten.
Maschinelles Lernen und neuronale Netze – Mustererkennung in Bildern, Sensordaten und Spektren. In der Merkmalserfassung teils praxisreif.
Sprachmodelle – verarbeiten Text, führen Quellen zusammen, erklären Zusammenhänge. Nützlich in Aufbereitung und Beratung, ungeeignet für die Schätzung von Zuchtwerten, ohne Absicherung anfällig für plausibel klingende Fehler.
Zu den Autoren
Helmut Demmelhuber ist Unternehmensberater mit Sitz in Tübingen, Baden-Württemberg, und Experte für den Einsatz von Künstlicher Intelligenz in der Rinderzucht. Er wuchs auf einem bayerischen Milchviehbetrieb auf und ist seit 2025 wieder aktiv als Holstein-Züchter tätig. Er berät Züchter und Zuchtorganisationen bei der praxisnahen Integration von KI in der Rinderzucht.
Matthew Zonderop bewirtschaftet als 50:50-Sharemilker eine Herde von rund 400 KiwiCross-Kühen bei Matamata im neuseeländischen Waikato und ist Gründer von Perfect Cow Breeding Solutions. Er wuchs in der neuseeländischen Weidewirtschaft auf und entwickelte aus der eigenen Stallpraxis heraus ein KI-gestütztes Anpaarungssystem, das heute auf mehreren neuseeländischen Betrieben eingesetzt wird. Er erstellt betriebsspezifische Anpaarungspläne über 26 Merkmale je Tier und stand 2025 im Finale der Innovation Awards der Fieldays.
Kommentare