> For the complete documentation index, see [llms.txt](https://docs.geopard.tech/geopard-tutorials/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.geopard.tech/geopard-tutorials/de/agronomie/dealer-workflow-in-italy-john-deere-ops-center-geopard-vra-nitrogen-trials-profit-maps.md).

# Händler-Workflow in Italien: John Deere Ops Center - GeoPard - VRA Stickstoff - Versuche - Deckungsbeitragskarten

Fallstudie eines John-Deere-Händlers: Sergio Bassan & GeoPard treiben den ROI der Präzisionslandwirtschaft

In der Präzisionslandwirtschaft sind präzise Daten und fortschrittliche Analysen entscheidend, um fundiertere Entscheidungen zu treffen und die Produktivität des Betriebs zu steigern. Im vergangenen Jahr gingen [GeoPard Agriculture](https://geopard.tech/) eine Partnerschaft mit [John Deere](https://deere.com/) Händler [Sergio Bassan S.r.l.](https://www.bassan.com/) in Italien ein, um die örtlichen Landwirte während der gesamten Vegetationsperiode zu unterstützen. An einem Einzelschlag zeigen wir beispielhaft, welche Auswirkungen unsere Zusammenarbeit hatte.

## 1. Einstieg: Produktivitätszonen und Applikationskarten für variable Ausbringmengen erstellen <a href="#ember54" id="ember54"></a>

Zur Vorbereitung auf die Saison analysierten wir historische Ertragsdaten und Vegetationsverläufe, um das Produktivitätspotenzial des Schlags einzuschätzen. Da das Gelände relativ eben war und keinen begrenzenden Faktor darstellte, lag der Fokus auf Erträgen und historischen Vegetationsmustern. Die Ertragsdaten wurden nahtlos über die [Integration mit dem John Deere Operations Center](https://docs.geopard.tech/geopard-tutorials/product-tour-web-app/john-deere-operations-center-integration/john-deere-operations-center-integration/2.-connect-to-johndeere-operations-center).

Mithilfe eines [mehrschichtigen Ansatzes](https://docs.geopard.tech/geopard-tutorials/product-tour-web-app/zones-maps-and-analytics/multi-layer-analytics), unterteilten wir jeden Schlag anhand der Ertragsdaten und der historischen Vegetation in drei Produktivitätszonen. Für die Vegetationsdaten verwendeten wir den EVI2-Index aus Satellitenbildern. So konnten die Landwirte ihre Aussaat- und Düngungsstrategien präzise abstimmen und die Ausbringmengen an die Unterschiede innerhalb des Schlags anpassen.

Um die Wirkung der Aussaat mit variabler Saatstärke (VRA) zu bewerten, legten wir eine Versuchslinie an, die alle Produktivitätszonen durchquerte. Dieser direkte Vergleich ermöglichte es, die Wirksamkeit der VRA-Aussaat mit einer herkömmlichen Aussaat mit einheitlicher Saatstärke zu vergleichen.

<figure><img src="https://1347797700-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F9K1AKO8U6WRqtK5XBVKj%2F1.png?alt=media&amp;token=de34466e-17f1-40c9-98da-c00d71ae5d14" alt="The GeoPard VRA seeding map for silage corn, with the trial line."><figcaption><p>Karte der VRA-Saat für Silomais mit hervorgehobener Versuchslinie.</p></figcaption></figure>

## 2. Präzise Umsetzung: von der Aussaat bis zur Düngung <a href="#ember59" id="ember59"></a>

GeoPard ermöglichte die nahtlose Umsetzung der VRA-Karten und eine detaillierte Erfassung der Applikationen während der gesamten Saison.

### Nahtlose Übertragung und Umsetzung von VRA-Karten <a href="#ember61" id="ember61"></a>

Die VRA-Karten wurden direkt an das John Deere Operations Center übermittelt, damit die Maschinen sie ausführen konnten. GeoPard unterstützt verschiedene Exportformate, darunter Shapefile und ISOXML, sowie die direkte Integration mit dem John Deere Ops Center – als Dateien, Kartenebenen und [Arbeitspläne](https://youtu.be/op1o-Y3r6bg). Im Laufe der Saison wurden zur Optimierung der Bestandesleistung und des Nährstoffmanagements sowohl Applikationen mit variablen Ausbringmengen (Aussaat und Stickstoffdüngung) als auch Maßnahmen mit gleichbleibender Ausbringmenge durchgeführt (Phosphor- und Kaliumdüngung vor der Aussaat sowie mehrere Stickstoffgaben als Kopfdüngung).

### Karten der tatsächlich ausgebrachten Düngermengen nachverfolgen <a href="#ember63" id="ember63"></a>

GeoPard erfasste und analysierte alle Applikationsdaten und [verglich geplante mit tatsächlich ausgeführten Maßnahmen](https://docs.geopard.tech/geopard-tutorials/agronomy/evaluate-accuracy-of-seeding-application) , um Abweichungen zu erkennen, die Anpassungen oder eine erneute Applikation erforderlich machen könnten. Der Vergleich der Soll- und Ist-Saatstärken bestätigte eine präzise Umsetzung ohne wesentliche Abweichungen.

<figure><img src="https://1347797700-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FDqi85aemYTwjcnJtiTPT%2F2.png?alt=media&amp;token=bd5d1333-bcbc-4535-bf67-259d8ac719d7" alt="Article content"><figcaption><p>Saatstärke: Vergleich von Soll- und Ist-Werten.</p></figcaption></figure>

## 3. Erkenntnisse für konkrete Maßnahmen gewinnen <a href="#ember66" id="ember66"></a>

Die Analyse nach der Ernte ist entscheidend, um aus der Saison zu lernen und die nächste zu planen.

### Ertragsdaten bereinigen und kalibrieren <a href="#ember68" id="ember68"></a>

Nach Abschluss der Ernte werden Ertragskarten über die Integration mit dem John Deere Operations Center automatisch in GeoPard angezeigt oder können manuell über die GeoPard-Oberfläche hochgeladen werden. Die Plattform [kalibriert und bereinigt Ertragsdaten aus dem Mähdrescher](https://docs.geopard.tech/geopard-tutorials/agronomy/yield-calibration-and-cleaning), um hochpräzise Erkenntnisse als Grundlage für bessere Entscheidungen zu liefern. Die nachstehenden Direktvergleiche zeigen deutlich, wie die Datenbereinigung die Analysen präzisiert und ihre Zuverlässigkeit erhöht.

<figure><img src="https://1347797700-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FgYa1XZB0Ay1GnowHzUs4%2F3.png?alt=media&amp;token=8e1afa21-e0ac-48ab-a087-9aa5c7edae25" alt="Article content"><figcaption><p>Kalibrierte (oben) und unbearbeitete (unten) Ertragsdaten.</p></figcaption></figure>

### Stickstoffmanagement <a href="#ember71" id="ember71"></a>

Da alle Karten der tatsächlich ausgebrachten Mengen aus der Saison vorlagen, ließ sich die gesamte Stickstoffausbringung präzise berechnen, indem alle stickstoffbezogenen Maßnahmen summiert wurden.

Die Stickstoffaufnahme wurde anhand von Ertragsdaten und Pflanzenbaumodellen ermittelt. Waren die Mähdrescher mit Rohproteinsensoren ausgestattet, flossen deren Daten in die Berechnungen ein und ermöglichten noch präzisere Erkenntnisse.

[Stickstoffnutzungseffizienz und Stickstoffüberschuss](https://docs.geopard.tech/geopard-tutorials/agronomy/nitrogen-use-efficiency-and-uptake) wurden durch den Vergleich der gesamten Stickstoffzufuhr mit der Stickstoffaufnahme der Kulturpflanzen bewertet. So lassen sich Düngungsstrategien für künftige Saisons optimieren.

<figure><img src="https://1347797700-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FnuPXw9XnwPy3lc6Dci9B%2F4.png?alt=media&amp;token=05758c78-f64a-494b-970f-0bf22238ff6c" alt="Article content"><figcaption><p>Stickstoffnutzungseffizienz.</p></figcaption></figure>

### Bewertung von VRA und Feldversuchen <a href="#ember76" id="ember76"></a>

Dank klar abgegrenzter Versuchsflächen konnten detaillierte Analysen erstellt werden, um die Bestandesleistung in den verschiedenen Produktivitätszonen zu vergleichen.

Diese Erkenntnisse zeigten deutlich, wie [die einzelnen Zonen auf die Aussaat mit variabler Saatstärke reagierten](https://docs.geopard.tech/geopard-tutorials/agronomy/field-trial-analytics)und halfen dabei, bewährte Verfahren für künftige Saisons zu bestätigen.

Die bereitgestellte Versuchskarte und Datentabelle enthalten eine detaillierte Analyse der Bestandesleistung in vier unterschiedlichen Produktivitätszonen. Sie veranschaulichen, wie sich die Aussaat mit variabler Saatstärke (VRA) auf Ertrag und Rentabilität auswirkt.

<figure><img src="https://1347797700-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FEpEUASCH2lPMWsn6nECR%2F5.png?alt=media&amp;token=955f90ec-264b-40f8-9e83-4be408601aef" alt="VRA and trial results"><figcaption><p>Ergebnisse der VRA-Aussaat und des Feldversuchs.</p></figcaption></figure>

### **Wichtige Beobachtungen und Erkenntnisse**

* **Rentabilität und Fläche**: Zone 2 erzielte den höchsten Gesamtgewinn und den höchsten Durchschnittsertrag. Zone 3 zeigte hingegen, dass kleinere, besonders produktive Flächen (20,42 t/ha) eine hohe Rentabilität je Hektar erzielen können (1.808,14 €/ha).
* **Leistung der Zonen**: Die Karte zeigt, dass die Bereiche mit den höchsten Erträgen den hellgrünen Produktivitätszonen (Zone 3) entsprechen. Dies weist auf eine starke Reaktion auf die teilflächenspezifische Aussaat hin.
* **Gewinnverteilung**: Zone 4 (Versuchsstreifen) erzielte trotz eines ordentlichen Ertrags insgesamt einen geringeren Gewinn, da sie eine kleinere Fläche umfasst und möglicherweise höhere Betriebsmittelkosten oder eine geringere Effizienz aufweist.
* **Ausblick**: Diese Analysen bilden eine datengestützte Grundlage, um Aussaatstrategien in künftigen Anbaujahren zu optimieren. Sie legen nahe, dass höhere Investitionen in Zonen mit stärkerer Reaktion (wie Zone 3) die Gesamtleistung des Betriebs steigern könnten.

### Ertrags- und Rentabilitätsanalyse <a href="#ember83" id="ember83"></a>

Durch den Vergleich der Ertragsdaten mit den tatsächlichen Betriebsmittelkosten erhielten die Landwirte einen klaren Überblick über [Räumliche Gewinnkarten](https://geopard.tech/blog/introducing-geopards-profit-maps-a-step-forward-in-precision-agriculture/) ein leistungsstarkes Instrument zur Bewertung der Rentabilität auf Teilschlagebene. Der Vergleich der Erlöse aus dem Ertrag abzüglich der Kosten machte Zonen mit hohen Margen sichtbar und zeigte Bereiche auf, die gezieltere Maßnahmen erfordern.

<figure><img src="https://1347797700-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F47XGTkAERSxGHMsIKxQ6%2F6.png?alt=media&amp;token=557d812b-784f-4d33-a208-157ef4e6ac47" alt="Article content"><figcaption><p>Gewinnkarte mit Bereichen hoher und niedriger Margen.</p></figcaption></figure>

## 4. Ausblick: Wie geht es weiter? <a href="#ember86" id="ember86"></a>

Aufbauend auf dem Erfolg dieses Jahres wird die Zusammenarbeit mit dem John-Deere-Händler Sergio Bassan Italy auch 2025 fortgesetzt – mit zusätzlichen Funktionen und optimierten Abläufen:

### Automatisierte Empfehlungen zur Bodenprobenahme <a href="#ember88" id="ember88"></a>

Das intelligente System von GeoPard schlägt optimale Punkte für die zonale Bodenprobenahme vor. Für die Probenahme und Feldbonituren kommt die GeoPard-Mobile-App zum Einsatz.

<figure><img src="https://1347797700-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FKOxGw1tENbXpyyyOd9Q6%2F7.png?alt=media&amp;token=6ad38d66-31a4-44c3-9900-3dbb6b7e4e48" alt="Article content" width="375"><figcaption><p>Karte mit Standorten für die Bodenprobenahme</p></figcaption></figure>

### Analysen von Bodenproben und Empfehlungen für teilflächenspezifische Maßnahmen <a href="#ember91" id="ember91"></a>

Sobald [Bodendaten](https://docs.geopard.tech/geopard-tutorials/product-tour-web-app/import/soil-data) erfasst wurden, wandelt GeoPard diese Informationen in Karten für die teilflächenspezifische Düngung um. Sie dienen als Grundlage für variable Ausbringungsmengen in den verschiedenen Zonen.

### Automatisierte Analysen von Versuchen und teilflächenspezifischen Maßnahmen <a href="#ember93" id="ember93"></a>

Landwirte profitieren von einem automatisierten Verfahren zur Bewertung der Wirksamkeit ihrer teilflächenspezifischen Strategien und Versuchsstreifen. Dadurch lassen sich Berichte schneller und konsistenter erstellen.

<figure><img src="https://1347797700-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F4oApZ5oWX8s85glsZbVc%2F8.png?alt=media&amp;token=16653dc6-8966-408d-9a0e-22cd2ea820ac" alt="Article content"><figcaption></figcaption></figure>

### Automatisierte Erstellung von Gewinnkarten <a href="#ember96" id="ember96"></a>

Wir planen, Rentabilitätskarten anhand der durchgeführten Maßnahmen und weiterer wichtiger Daten automatisiert zu erstellen, um die Rentabilität zu optimieren und die Planung für die nächste Saison zu unterstützen.

## 5. Einblicke des Partners <a href="#ember98" id="ember98"></a>

Laut unserem Partner **Sergio Bassan Italy**,

> „Die Analysen von GeoPard erleichtern unserem Team und den Landwirten den effektiven Einsatz von Präzisionslandwirtschaftswerkzeugen. Zuverlässige Analysen und kontinuierliche Unterstützung während der gesamten Saison haben die Planung und Verwaltung der Betriebsmittel verbessert. Wir sind überzeugt, dass die Zusammenarbeit unserer Abteilung mit GeoPard unseren Kunden spürbare Veränderungen und Vorteile bringen wird.“

\- [Edoardo Pozzato](https://www.linkedin.com/article/edit/7307362147670343682/), Agronom für Präzisionslandwirtschaft.

## Fazit <a href="#ember102" id="ember102"></a>

Von der Abgrenzung von Produktivitätszonen bis zur Analyse von Ertrags- und Gewinnkarten zeigt unsere Zusammenarbeit mit dem John-Deere-Händler Sergio Bassan Italy den konkreten Nutzen der Präzisionslandwirtschaft. Mit den geplanten automatisierten Empfehlungen zur Bodenprobenahme und den verbesserten Rentabilitätsanalysen wollen wir künftig noch mehr Effizienz und Nachhaltigkeit für die Landwirte der Region ermöglichen.

## Über die Unternehmen <a href="#ember104" id="ember104"></a>

[**Sergio Bassan srl**](https://www.bassan.com/it/)**:** An seinen 10 Standorten bietet das Unternehmen eine Auswahl an neuen und gebrauchten Landmaschinen, Traktoren, Mähdreschern, Schreddern, Teleskopladern, Baggern, Satellitenführungssystemen sowie Geräten für Bodenbearbeitung und Heuernte, Gartenbau und Weinbau. Zum Sortiment gehören außerdem Gartenmaschinen und -traktoren, Zubehör und Ersatzteile. Das Team von Sergio Bassan umfasst acht Spezialisten für Präzisionslandwirtschaft, die Landwirte zu Präzisionstechnologien beraten und ihnen helfen, deren Vorteile direkt auf dem Feld zu erleben. Die Abteilung für Präzisionslandwirtschaft erprobt neue Lösungen für ihre Kunden und bleibt mit ihnen in ständigem Kontakt, auch aus der Ferne, um eine kontinuierliche Unterstützung zu gewährleisten.

[**GeoPard Agriculture**](https://geopard.tech/)**:** Das Unternehmen ist ein führender Anbieter von Technologien für die Präzisionslandwirtschaft. GeoPard ist auf Geodatenanalysen spezialisiert und bietet Lösungen, die komplexe Agrardaten in konkrete Handlungsempfehlungen umwandeln. Die Technologie unterstützt die Optimierung verschiedenster Bereiche der Landwirtschaft – von der Bodenanalyse über Karten für teilflächenspezifische Maßnahmen und Fernerkundung bis hin zur Analyse von Daten landwirtschaftlicher Maschinen – und trägt so maßgeblich zur Weiterentwicklung der intelligenten Landwirtschaft bei.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.geopard.tech/geopard-tutorials/de/agronomie/dealer-workflow-in-italy-john-deere-ops-center-geopard-vra-nitrogen-trials-profit-maps.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
