TraWel ble startet for å møte en viktig utfordring i moderne melkeproduksjon: Hver dag samles det inn store mengder verdifulle data, men disse utnyttes ikke fullt ut for å forbedre dyrehelse og dyrevelferd. Over halvparten av melken i Norge produseres på gårder med automatiske melkesystemer (AMS). Disse systemene samler kontinuerlig inn informasjon om hver enkelt ku og gir en unik mulighet til å oppdage sykdom tidligere og støtte bedre besetningsstyring.
En av de største helseutfordringene i melkeproduksjonen er subklinisk mastitt – en skjult jurbetennelse som ofte utvikler seg uten synlige symptomer. Dersom sykdommen ikke oppdages tidlig, kan den utvikle seg til klinisk mastitt, som gir smerter for kua, reduserer melkeproduksjonen, øker behandlingskostnadene og forkorter dyrenes levetid. Dagens overvåkingsmetoder utnytter ikke fullt ut den omfattende informasjonen som genereres av moderne melkesystemer.
TraWel skal utvikle nye metoder som kombinerer kunstig intelligens (KI), dynamisk modellering og avansert datahåndtering for å analysere biosensordata fra AMS. Ved å identifisere skjulte mønstre og forutsi sykdomsutvikling skal prosjektet utvikle et system for tidlig varsling og beslutningsstøtte for subklinisk mastitt, både på individ- og besetningsnivå.
SINTEF bidrar med kompetanse innen kunstig intelligens, matematisk modellering og dataanalyse. Sammen med partnere innen veterinærmedisin og melkeproduksjon utvikler SINTEF avanserte metoder for å analysere store datamengder og omsette dem til praktiske beslutningsstøtteverktøy. Prosjektet vil bidra til tidligere sykdomsoppdagelse, bedre dyrehelse og dyrevelferd, redusert antibiotikabruk og en mer bærekraftig og kunnskapsbasert norsk melkeproduksjon.