Prof. Dr. Patrick Noack

Information Technology and IoT in Agriculture and Environment

Adresse: R.105
Neuseser Straße 1
91732 Merkendorf
Funktionen: Leiter des Kompetenzzentrums für Digitale Agrarwirtschaft
Studiendekan Studiengang Agrartechnik
Studiendekan Studiengang Green Digital Engineering
Praxisbeauftragter Studiengang Agrartechnik
Digitalisierungsbeauftragter der HSWT
Fakultät: Fakultät Landwirtschaft, Lebensmittel und Ernährung
Forschungseinrichtung: Kompetenzzentrum für digitale Agrarwirtschaft (KoDA)

Lehrgebiete
Information Technology and IoT in Agriculture and Environment
Lehre
Elektronik in der Landwirtschaft

Satellitenortung (GNSS) und Lenksysteme

Geographische Informationssysteme

Precision Farming

Pflanzen- und Bodensensorik

Farm Management Information Systems (FMIS)

CAN Bus Kommunikation und ISO 11783
Abschlussarbeiten
2021

Entwicklung eines Systems zur automatischen Tiefenführung eines Zinkenstriegels

Untersuchungen zur Genauigkeit einer GNSS gestützten integrierten Anbaugerätelenkung

Entwicklung eines digitalen Kuhtreibesystems komplementär zum Betrieb eines Melkroboters

Konzeptionierung und Implementierung eines Wägealgorithmus für selbstfahrende Arbeitsmaschinen zur Rübenverladung mit Unterstützung eines Telematik Systems

Erfassung der Präzision einer kamerageführten Flächenspritze zur Bandapplikation für die weitere Entwicklungsoptimierung

Entwicklung eines fahrgeschwindigkeitsabhängigen elektrischen Antriebs einer Kartoffelpflanzmaschine

Konzeption und Simulation einer Überladeautomatik eines selbstfahrenden Feldhäckslers

Weiterentwicklung des Lenksystems mit dem Reihentaster PSR TAC für selbstfahrende Spritzen und andere Sondermaschinen

Validierung der Messdaten eines passiven Gammastrahlen-Bodensensors (SoilOptix)

2020

Erfassung der absoluten Kornposition an Einzelkornsämaschinen

Einsatz raupenmobiler Haldenbänder bei Ladearbeiten auf Erdbaustellen

Entwicklung eines Wiegesystems auf Basis von Messdaten eines Bremskraftreglers

Systemvergleich von 6-reihiger und 12-reihiger Zuckerrübenernte in kleinstrukturierten Gebieten

Vergleichende Evaluation und Weiterentwicklung von Ortungssystemen in der Viehwirtschaft am Beispiel von Schafen und Rindern im Almgebiet

Adaption tiergerechter Elchhaltung im Allgäu und ökonomische Einordnung

Nutzung von Fernerkundungsdaten zur Abreifeprognose in Getreide

2019

Fahrspur- und Manöverplanung für teilautonome Landmaschinen

Funktionsvalidierung eines herstellerunabhängigen ISOBUS-Telemetriesystems

Aufbau neuer Schulungsinhalte für Maschinentrainings unter Einbindung von GNSS Simulationen

Evaluation von Zonierungsstrategien in der teilflächenspezifischen Bewirtschaftung

Erprobung und Bewertung einer aktiven Achsschenkellenkung auf Basis der aktiven Anbaugerätelenkung PSR SLIDE

Untersuchung des Zusammenhangs zwischen Milchmengen, Hinweismeldungen und ausgewählten Messgrößen eines automatischen Melksystems (AMS) am Milchgewinnungszentrum Triesdorf

Installation, Inbetriebnahme, Validierung und Bewertung eines GNSS- gestützten Lenkassistenzsystems

Vergleich zweier geophysikalischer Bodensensoren und deren Bedeutung für die teilflächenspezifische Bewirtschaftung landwirtschaftlicher Nutzflächen

Betrachtung der Wirtschaftlichkeit von Bodenleitfähigkeitsmesssystemen

Methodische Untersuchungen zum Einsatz eines neuartigen NIR-Sensorsystems zur Erfassung wertbestimmender Korninhaltstoffe von Winterraps

Potentialanalyse zum Einsatz von GPS gestützten Kreiselsystemen bei Fahrdynamik- und Komfortmessungen an Traktoren

Darstellung von Verschleiß im 3D - Modell mithilfe bildgebender Verfahren

Konzeptionierung und Bewertung eines Grundeinstellungsassistenten für Traktor-Geräte-Kombinationen am Beispiel eines Anbaudrehpfluges

Bewertung des Rübenblattanteils während der Zuckerrübenernte anhand Deep Learning basierter Bildauswertung

Untersuchung der Oberflächenrauigkeit und der Krümelstruktur des Saatbetts mit Ultraschallsensoren

Entwicklung einer leistungsabhängigen Geschwindigkeitsregelung am Zuführband einer Silopresse

Analyse und Einordnung eines speziellen Ladewagens in bestehende Systeme zur Grünfutterernte

2018

Validierung eines neuartigen Verfahrens zur Durchsatzmessung von Getreide, Öl- und Knollenfrüchten

Untersuchung der Genauigkeit unterschiedlicher Ertragsmesssysteme

Ertragserfassung am Ladewagen

Leistungsvergleich selbstfahrender Feldhäcksler in der Silomaisernte unter Berücksichtigung verschiedener Kornaufbereitungssysteme

Umrüstung einer Parzellensämaschine auf einen GPS gesteuerten elektrischen Bandkopfverteilerantrieb

Entwicklung und Validierung eines Bildverarbeitungs- und Wiegesystems zur Bestimmung der Tausendkornmasse

Elektrifizierung und Modernisierung eines Mehrkammerdüngerstreuers

Analyse des Zusammenhangs zwischen Ertragsdaten und den Messwerten eines Stickstoffsensors

Untersuchung des Zusammenhangs von Bodeneigenschaften mit Messdaten verschiedener Bodensensoren

2017

Erntemengenermittlung eines Traubenvollernters über eine Druckmessung im Fahrwerk

Vergleich unterschiedlicher Methoden zur Zonierung von Ackerflächen

Entwicklung eines Optimierungsverfahrens bei der automatischen Justage von Sensoren

Schwingungsdiagnose an einer Häckseltrommel

Analyse der Datenströme bei der teilflächenspezifischen Bewirtschaftung

Entwicklung einer Methode zur Bestimmung des Reifenrollwiderstands bei landwirtschaftlichen Reifen

2016

Drohnen in der Landwirtschaft - Aufbau, Einsatzbereiche und eigene Versuchserfahrung

Teilflächenspezifische Variation der Pflanzdichte von Kartoffeln

Development of value added services for grassland machinery suited for contractors

Entwicklung einer Methode zur Bestimmung von Materialabtrag mithilfe bildgebender Verfahren

Rechtliche Rahmenbedingungen für den Einsatz von autonomen Fahrzeugen in der Landwirtschaft

Messung von Pflanzenhöhen mit Ultraschallsensoren

2015

Untersuchungen zur Optimierung des Wiegevorgangs bei einem Krone ZX Doppelzweckwagen mit Wiegeeinrichtung

Bewässerungsverfahren zur Ertragsoptimierung vor dem Hintergrund der Klimaveränderung

Vergleich von Ertragskarten eines Mähdreschers mit Satellitenkarten

Bewertung von Trockenstress bei Gräsern mittels Multispektralmessung
Promotionen

2022 Jan Oehlschläger: Analyse der Eignung bildgebender Hyperspektralsensoren für die Bonitur von Feldversuchen
Gremienarbeit
Ständiger Gast des DLG-Ausschusses für Versuchswesen in der Pflanzenproduktion

Vorsitzender des DLG-Ausschusses für Digitalisierung, Arbeitswirtschaft und Prozesstechnik

Juror Förderpreis Runder Tisch GIS

Gutachter GIS.Science https://gispoint.de/gis-familie.html

Gutachter Landtechnik - Agricultural Engineering https://www.landtechnik-online.eu

Gutachter GIL https://gil-net.de/

Gutachter MDPI https://www.mdpi.com/
Mitgliedschaften
VDI

Runder Tisch GIS e.V.

ASABE (American Society of Agricultural and Biological Engineers)

GIL e.V.

AEF (Agricultural Industry Electronics Foundation)
Downloads
Trocknungsverhalten und Wiederaufwuchs von Gras nach der Mahd mit Doppelmesser- und Scheibenmähwerken

Forschungsprojekte

2023-2021

DenimeF - Detektion von nicht-magnetischen Fremdkörpern im Gutstrom von selbstfahrenden Feldhäckslern

2023-2020

DIWEDE: Reduktion der chemischen Unkrautbekämpfung im Kräuteranbau

2023-2020

Entwicklung einer automatisierten Entscheidungshilfe zur ressourcenschonenden und effizienten Bewässerung

2022-2020

Entwicklung eines Hackverfahrens zur Bekämpfung von Beikraut und Beigras in landwirtschaftlichen Kulturen als leistungsfähige Alternative zum Herbizid

2022-2019

AutoDGB: Entwicklung einer automatisierten Lösung für die drohnengestützte Bonitur von Feldversuchen

2022-2019

Diabek: Digitalisierung anwenden, bewerten und kommunizieren

2020-2018

Automatisierte Regelung des Reifenfülldrucks von landwirtschaftlichen Traktoren (ARDopt)

2019-2017

Raum für Vielfalt (RfV)

2019-2016

AgriFusion – Erzeugung von Ertragspotenzialkarten durch Fusion von Ertragskartierungen, Fernerkundungsdaten, digitaler Reliefauswertung und Bewirtschaftungsdaten

2015-2012

In-Field - Standortangepasstes N-Management auf Basis teilflächenspezifischer Informationsverarbeitung – System-, Hard- und Softwarelösung

2014-2012

GeoFarm - Entwicklung eines Verfahrens zur Anbauempfehlung und Entscheidungsunterstützung für eine standortspezifische Pflanzenproduktion

2014-2011

EDAUG - Elektronische Deichsel für landwirtschaftliche Arbeitsmaschinen mit Umfeldsensorik und zusätzlichen Geoinformationen

2010-2008

EDA – Elektronische Deichsel für landwirtschaftliche Arbeitsmaschinen

2009

Sensorik und Pflanzenzüchtung

2008-2005

GEOSTEP - Geoinformationstechnologie zur standorteffizienten Planung und Steuerung der Pflanzenproduktion

2002-1999

Preagro I - Forschungsverbundprojekt zur Informationsgeleiteten Pflanzenproduktion und zu Precision Farming

Publikationen

Zeitschriftenbeiträge (peer-reviewed)
- Lukas Prey , Johannes Seidl-Schulz , Patrick Noack
  
  Berechtigungen: Open Access
  
  Berechtigungen: Peer Reviewed
  
  Evaluation of plot level aggregation statistics for spectral grain yield prediction (2025) European Journal of Agronomy 170 , S. 127733. DOI: 10.1016/j.eja.2025.127733
  
  Spectral imaging has become popular through the advancement of UAV platforms and is available at increased spatial resolution, especially from RGB and multispectral (MS) sensors. While collecting high resolution spectral data on the plot level is important for accounting for within-plot heterogeneities, reference data is commonly available only on the plot level, thus aggregated to a single value as in the case of grain yield (GY). Therefore, spectral data within plots are generally aggregated (downsampled) to the plot level with the aim of creating a common level of spatial resolution. This holds the advantage of data reduction while potentially losing valuable information. Therefore, this study compares the performance of different aggregation outputs (percentiles) of multispectral and RGB UAV-based data for GY prediction of winter wheat. Correlations varied depending on spectral data, measurement dates and trials. Overall, correlations were found to decrease for percentiles below 20 % and above 85 %, respectively, but to be relatively stable for percentiles in between. In addition, the correlations obtained from mean and median values did not reveal a substantial difference. Results confirm the common choice of median or mean values while lowest and highest percentiles should be avoided irrespective of spectral parameter and growth stage.
  Mehr
- Paul Heinemann , Lukas Prey , Anja Hanemann , Ludwig Ramgraber , Johannes Seidl-Schulz , Patrick Noack
  
  Berechtigungen: Open Access
  
  Berechtigungen: Peer Reviewed
  
  Enhancing model performance through date fusion in multispectral and RGB image-based field phenotyping of wheat grain yield (2025) Precision Agriculture 26 , S. 20. DOI: 10.1007/s11119-024-10211-3
  
  Mehr
- Juan Andres Chiavassa , Martin Kraft , Patrick Noack , Simon Walther , Ameli Kirse , Christoph Scherber
  
  Berechtigungen: Open Access
  
  Berechtigungen: Peer Reviewed
  
  The Field Automatic Insect Recognition-Device—A Non-Lethal Semi-Automatic Malaise Trap for Insect Biodiversity Monitoring: Proof of Concept (2024) Ecology and Evolution 14 (12), S. e70642. DOI: 10.1002/ece3.70642
  
  Field monitoring plays a crucial role in understanding insect dynamics within ecosystems. It facilitates pest distribution assessment, control measure evaluation, and prediction of pest outbreaks. Additionally, it provides important information on bioindicators with which the state of biodiversity and ecological integrity in specific habitats and ecosystems can be accurately assessed. However, traditional monitoring systems face various difficulties, leading to a limited temporal and spatial resolution of the obtained information. Despite recent advancements in automatic insect monitoring traps, also called e-traps, most of these systems focus exclusively on studying agricultural pests, rendering them unsuitable for monitoring diverse insect populations. To address this issue, we introduce the Field Automatic Insect Recognition (FAIR)-Device, a novel nonlethal field tool that relies on semi-automatic image capture and species identification using artificial intelligence via the iNaturalist platform. Our objective was to develop an automatic, cost-effective, and nonspecific monitoring solution capable of providing high-resolution data for assessing insect diversity. During a 26-day proof-of-concept evaluation, the FAIR-Device recorded 24.8 GB of video, identifying 431 individuals from 9 orders, 50 families, and 69 genera. While improvements are possible, our device demonstrated its potential as a cost-effective, nonlethal tool for monitoring insect biodiversity. Looking ahead, we envision new monitoring systems such as e-traps as valuable tools for real-time insect monitoring, offering unprecedented insights for ecological research and agricultural practices.
  Mehr
- Veronika Vikuk , Andrea Spirkaneder , Patrick Noack , Alexander Duemig
  
  Berechtigungen: Open Access
  
  Berechtigungen: Peer Reviewed
  
  Validation of a sensor-system for real-time measurement of mineralized nitrogen in soils (2024) Smart Agricultural Technology 7 , S. 100390. DOI: 10.1016/j.atech.2023.100390
  
  When reducing the negative impact of agriculture on the environment, one major approach is to substantially decrease the nitrate contamination of the groundwater originating from mineral and organic fertilization. However, efficient plant production relies on sufficient nutrient supply. Finding the balance between appropriate plant nutrition and ground water conservation is a challenge. Appropriate nitrogen fertilization relies on the measurement of mineralized nitrogen (Nmin) - the total amount of nitrate and ammonium - in the soil. Taking soil samples with an auger and subsequent chemical analyses in a laboratory is state of the art. However, this process is time-consuming and often time-delayed. The Stenon FarmLab, a sensor spade, is a new device which claims to measure soil Nmin and other soil parameters in real-time with spectral methods. The aim of this study was to validate the Nmin measurements of the Stenon FarmLab with the common laboratory method. The authors conducted a series of 20 measurements consisting of a varying number of individual values per measurement. In total, 211 individual values on 15 different field sites in three regions in Bavaria, Germany were analyzed. Reference samples for laboratory analysis were taken simultaneously with a sampling auger. Only 181 of the 211 individual values were considered in the evaluation as Nmin contents of less than 42 kg N ha−1 and greater than 189 kg N ha−1 exceeded FarmLab's measurement range. The results showed that the Stenon FarmLab overestimated Nmin in 75 % of the cases in comparison to the laboratory analysis. On average, the mean values of the sampled sites differed by 38 kg N ha−1 showing a 69 % mean deviation from the laboratory. The overall coefficient of determination (R2) was 0.3 for individual measurements and 0.66 for the mean values of a site. In conclusion, the Stenon FarmLab is a good approach for a more time-saving method regarding relative differences within or between fields. However, absolute values measured with the Stenon FarmLab, which are required for demand-driven fertilization, are not accurate enough: the system needs to be further improved to match reference methods.
  Mehr
- Dimo Dimov , Patrick Noack
  
  Berechtigungen: Open Access
  
  Berechtigungen: Peer Reviewed
  
  Exploring the Potential of Multi-Temporal Crop Canopy Models and Vegetation Indices from Pleiades Imagery for Yield Estimation (2023) Remote Sensing 15 (16), S. 3990 | 1-15. DOI: 10.3390/rs15163990
  
  Mehr
- Dominik Rößle , Lukas Prey , Ludwig Ramgraber , Anja Hanemann , Daniel Cremers , Patrick Noack , Torsten Schön
  
  Berechtigungen: Open Access
  
  Berechtigungen: Peer Reviewed
  
  Efficient Noninvasive FHB Estimation using RGB Images from a Novel Multiyear, Multirater Dataset (2023) Plant Phenomics 5 , S. 0068 | 1-13. DOI: 10.34133/plantphenomics.0068
  
  Mehr
- Lukas Prey , Ludwig Ramgraber , Johannes Seidl-Schulz , Anja Hanemann , Patrick Noack
  
  Berechtigungen: Open Access
  
  Berechtigungen: Peer Reviewed
  
  The Transferability of Spectral Grain Yield Prediction in Wheat Breeding across Years and Trial Locations (2023) Sensors 23 (8), S. 4177 | 1-15. DOI: 10.3390/s23084177
  
  Mehr
- Robin Kümmerer , Patrick Noack , Bernhard Bauer
  
  Berechtigungen: Open Access
  
  Berechtigungen: Peer Reviewed
  
  Using High-Resolution UAV Imaging to Measure Canopy Height of Diverse Cover Crops and Predict Biomass (2023) Remote Sensing 15 (6), S. 1520 | 1-18. DOI: 10.3390/rs15061520
  
  Mehr
- Jernej Poteko , Ludwig Volk , Patrick Noack
  
  Berechtigungen: Open Access
  
  Berechtigungen: Peer Reviewed
  
  Vergleichende Untersuchung von Messverfahren zur Bestimmung der Spurtiefe von Traktoren (2023) Landtechnik 78 (1), S. 10-23. DOI: 10.15150/lt.2023.3285
  
  Mehr
- Lukas Prey , Anja Hanemann , Ludwig Ramgraber , Johannes Seidl-Schulz , Patrick Noack
  
  Berechtigungen: Open Access
  
  Berechtigungen: Peer Reviewed
  
  UAV-Based Estimation of Grain Yield for Plant Breeding: Applied Strategies for Optimizing the Use of Sensors, Vegetation Indices, Growth Stages, and Machine Learning Algorithms (2022) remote sensing 14 (24), S. 6345 | 1-17. DOI: 10.3390/rs14246345
  
  Non-destructive in-season grain yield (GY) prediction would strongly facilitate the selection process in plant breeding but remains challenging for phenologically and morphologically diverse germplasm, notably under high-yielding conditions. In recent years, the application of drones (UAV) for spectral sensing has been established, but data acquisition and data processing have to be further improved with respect to efficiency and reliability. Therefore, this study evaluates the selection of measurement dates, sensors, and spectral parameters, as well as machine learning algorithms. Multispectral and RGB data were collected during all major growth stages in winter wheat trials and tested for GY prediction using six machine-learning algorithms. Trials were conducted in 2020 and 2021 in two locations in the southeast and eastern areas of Germany. In most cases, the milk ripeness stage was the most reliable growth stage for GY prediction from individual measurement dates, but the maximum prediction accuracies differed substantially between drought-affected trials in 2020 (R2 = 0.81 and R2 = 0.68 in both locations, respectively), and the wetter, pathogen-affected conditions in 2021 (R2 = 0.30 and R2 = 0.29). The combination of data from multiple dates improved the prediction (maximum R2 = 0.85, 0.81, 0.61, and 0.44 in the four-year*location combinations, respectively). Among the spectral parameters under investigation, the best RGB-based indices achieved similar predictions as the best multispectral indices, while the differences between algorithms were comparably small. However, support vector machine, together with random forest and gradient boosting machine, performed better than partial least squares, ridge, and multiple linear regression. The results indicate useful GY predictions in sparser canopies, whereas further improvements are required in dense canopies with counteracting effects of pathogens. Efforts for multiple measurements were more rewarding than enhanced spectral information (multispectral versus RGB).
  Mehr
Alle Zeitschriftenbeiträge (peer-reviewed)
Zeitschriftenbeiträge
- Steffen Kümmerer , Tobias Meyer , Johannes Rudel , Bernhard Bauer , Peter Breunig , Patrick Noack
  
  Die nackten Zahlen sind ernüchternd (2025) DLG Mitteilungen - Zukunft Landwirtschaft 2025 (5), S. 28-31.
  
  Mehr
- Anja Böhrnsen , Patrick Noack , Margret Frischhut , L. Obermaier , Markus Hoffmann , R. Berger , M. Heidelbeer
  
  Low-Cost contra High-End (GNSS-Empfänger Vergleich) (2024) profi 2024 (12), S. 88-93.
  
  Mehr
- Tirhani Maluleke , Rohan Benecke , Sunday Oladejo , Georg Feulner , Steve Kern , Johanna Lister , Gabriel McClelland , Miriam Karinja , Patrick Noack , Francesco Petruccione , Kanshukan Rajaratnam , Catriona Waitt , B. Rosenkranz , Goonaseelan Pillai
  
  Berechtigungen: Open Access
  
  Cross-Disciplinary Mathematical Modeling to Benefit Health Care -- Could Clinical Pharmacology Play an Enabling Role? (2024) AUTHOREA . DOI: 10.22541/au.172115487.73934393/v1
- Joelle Claußen , Mareike Weule , André Berghaus , Sebastian Burkhart , Patrick Noack
  
  Silomais durchleuchten (2023) Bayerisches Landwirtschaftliches Wochenblatt (47), S. 38-39.
  
  Feldhäcksler sind bei der Silomaisernte besonders gefährdet: Mit Röntgentechnik will man gegen Fremdkörper bei der Maisernte ankommen.
  Mehr
- Peter Breunig , Dorothea Brüggenwirth , Martin Hick , Steffen Kümmerer , Tobias Meyer , Patrick Noack , Bernhard Bauer
  
  Berechtigungen: Open Access
  
  Applikationskarten: Sollwerte bei Aussaat und Düngung hinterfragen (2023) Bauernzeitung 2023 (27), S. 32-33.
  
  Mehr
- Bernhard Bauer , Kevin Braun , Peter Breunig , Andreas Fleischmann , Tobias Meyer , Patrick Noack , Muhammad Saeed , Rolf Wilmes
  
  Jeden Quadratmeter genau im Blick (2023) BWAgrar (11), S. 28-30.
  
  Mehr
- Bernhard Bauer , Peter Breunig , Dorothea Brüggenwirth , Martin Hick , Steffen Kümmerer , Tobias Meyer , Patrick Noack
  
  Applikationskarten – nur von wem? (2023) Bayerisches Landwirtschaftliches Wochenblatt (5), S. 34-35.
  
  Mehr
- Norbert Bleisteiner , Stefan Hamberger , S. Bauer , Thomas G. Steigerwald , Constantin Seubert , Patrick Noack , Bernhard Bauer
  
  Flache Bodenbearbeitung statt Glyphosat: es gibt kein Patentrezept (2022) Landwirtschaft ohne Pflug : LOP ; das Fachmagazin für rationelle Landwirtschaft 28 (16), S. 12-19.
  
  Mehr
- Peter Breunig , Steffen Kümmerer , Bernhard Bauer , Kevin Braun , Andreas Fleischmann , Tobias Meyer , Patrick Noack , Muhammad Saeed
  
  Der Wirtschaftlichkeit auf der Spur (2022) DLG-Mitteilungen 2022 (7), S. 18-20.
  
  Mehr
- Bernhard Bauer , Kevin Braun , Peter Breunig , Andreas Fleischmann , Tobias Meyer , Patrick Noack , Muhammad Saeed , Rolf Wilmes
  
  Digitalisierung in der Landwirtschaft - Forschungsprojekt zu Precision Farming: Digitalisierung auf den Acker bringen (2021) Landwirtschaft ohne Pflug 2021 (11), S. 41-44.
  
  Mehr
Alle Zeitschriftenbeiträge
Bücher / Monografien
- Patrick Noack
  
  Precision Farming – Smart Farming – Digital Farming: Grundlagen und Anwendungsfelder (2024) Taschenbuch; 2., überarbeitete und erweiterte Auflage 2024, 318 Seiten, 170 x 240 mm, Broschur, Wichmann Verlag; 8. Januar 2024 .
  
  Dieses Werk bietet einen Einstieg in die Methoden und Anwendungen des Precision Farming und der Digitalen Landwirtschaft. Es werden sowohl theoretische Grundlagen als auch praktische Anwendungen dokumentiert und so dargestellt, dass die Bewertung unterschiedlichster Ansätze der Landwirtschaft 4.0 erleichtert wird. Behandelt werden die Themen Satellitenortung und Geoinformationssysteme sowie die in der Landwirtschaft wichtigsten Sensoren und Datenübertragungsmethoden. Neben dem Aufbau und der Funktion von Sensoren und Datenverarbeitungssystemen werden verschiedenste Anwendungen, wie teilflächenspezifische Düngung und automatische Lenksysteme, erklärt und bewertet.Das Buch wendet sich an Studierende der Landwirtschaft, der Agrartechnik und anderen den Agrarwissenschaften verwandten Fächern. Darüber hinaus ist es als Überblickswerk für interessierte Praktiker sowie für Mitarbeiter von Behörden und Unternehmen geeignet.
  Mehr
- Patrick Noack
  
  Precision Farming – Smart Farming – Digital Farming: Grundlagen und Anwendungsfelder (2018) Taschenbuch, 184 Seiten, Wichmann Verlag .
- Patrick Noack
  
  Satellitenortungssystem (GNSS) in der Landwirtschaft (2013) DLG-Merkblatt 388 , S. 1-25.
Alle Bücher / Monografien
Beiträge in Monografien, Sammelwerken, Schriftenreihen
- Patrick Noack
  
  Berechtigungen: Peer Reviewed
  
  Handbuch Digital Farming - Kapitel "Precision Farming" (2024) DOI: 10.1007/978-3-662-67086-6
  
  Mehr
- Thomas Herlitzius , Patrick Noack , Jan Späth , Roland Barth , Sjaak Wolfert , Ansgar Bernardi , Ralph Traphöner , Daniel Martini , Martin Kunisch , Matthias Trapp , Djamal Guerniche , Daniel Eberz-Eder , Julius Weimper , Katrin Jakob
  
  Berechtigungen: Peer Reviewed
  
  Technologieperspektive (2024) Handbuch Digital Farming , S. 129-225. DOI: 10.1007/978-3-662-67086-6_3
- Ralph Traphöner , Daniel Martini , Martin Kunisch , Matthias Trapp , Roland Kubiak , Djamal Guerniche , Daniel Eberz-Eder , Julius Weimper , Katrin Jakob , Thomas Herlitzius , Patrick Noack , Jan Späth , Roland Barth , Sjaak Wolfert , Ansgar Bernardi
  
  Berechtigungen: Peer Reviewed
  
  Technology Perspective (2022) Handbook Digital Farming , S. 109-189. DOI: 10.1007/978-3-662-64378-5_3
  
  Mehr
- Patrick Noack
  
  Nachhaltige Landnutzung und digitale Landwirtschaft (2021) Kapitel 35 (Teil V) in: Umweltinformationssysteme, Grundlagen einer angewandten Geoinformatik/Geo-IT, Hrsg. Peter Fischer-Stabel, 3. Auflage , S. 426-435.
  
  Mehr
- Patrick Noack
  
  Chances and Challenges of Machine Control and Guidance Systems for Digital Agriculture Applications (2018) Key Note Speech, 6th International Conference on Machine Control and Guidance, 01./02.10.2018, Berlin, 73 S .
- K. Heupel , David Eder , Eike Stefan Dobers , Daniel Jahncke , Jürgen Schulz , M. Bock , Patrick Noack , Daniel Spengler
  
  Deriving assessed Yield Potential Maps from Satellite Data, Yield Data and Digital Terrain Models (2018) Adjunct Proceedings of the 32nd edition of the EnviroInfo, Garching, September 5-7, 2018, Shaker Verlag , S. 263-267.
- Patrick Noack
  
  Einsatz von Multi- und Hyperspektralsensoren in der Landwirtschaft (2018) Publikationen der Deutschen Gesellschaft für Photogrammetrie, Fernerkundung und Geoinformation e.V. (DGPF), 37. Wissenschaftlich-TechnischeJahrestagung der DGPF e.V., 5. Münchner GI-RundeRunder Tisch GIS e.V., 66. Deutscher KartographieKongress der DGfK e.V., 7. – 9. März 2018 in München, Band 27 , S. 840-850.
- Patrick Noack
  
  Vergleich von Multispektral- und Ertragsmessungen in Parzellenversuchen (2017) Tagungsband zur DLG-Technikertagung 2017, 48. Fachtagung des DLG-Ausschusses „Versuchswesen in der Pflanzenproduktion“ 850 (1), S. 63-68.
- Patrick Noack
  
  Estimating Triticale Dry Matter Yield in Parcel Plot Trials From Aerial and Ground Based Spectral Measurements (2016) 5th IFAC Conference on Sensing, Control and Automation Technologies for Agriculture AGRICONTROL 2016 Seattle, WA, USA, 14—17 August 2016, Vol. 49 (16), S. 404-408. DOI: 10.1016/j.ifacol.2016.10.074
- Bernhard Jahnke , Patrick Noack , Georg Happich , Nico Fromligt , Thomas Muhr
  
  Environment mapping enabling safety and usability of an electronic tow bar (2014) Proceedings of the 2nd International RHEA Conference 2014; 21-23.05.2014, Madrid , S. 1-9. DOI: 10.5445/IR/1000046309
Alle Beiträge in Monografien, Sammelwerken, Schriftenreihen
Konferenzbeiträge
- Michael Jawurek , Markus Beinert , Claudia Brand , David Brunner , Heike Susanne Mempel , Patrick Noack , Özlem Özmutlu Karslioglu , Olena Sobko , Martin Spreidler , Simon Walther
  
  Berechtigungen: Open Access
  
  Berechtigungen: Peer Reviewed
  
  New content of teaching via an interdisciplinary agile approach to tackle digital challenges in the field of indoor vertical farming (2025) 45. GIL-Jahrestagung, Digitale Infrastrukturen für eine nachhaltige Land-, Forst- und Ernährungswirtschaft , S. 261-266. DOI: 10.18420/giljt2025_26
  
  Content of teaching is often highly specialized for each course of studies, and students rarely have the possibility to learn more about related content which is outside of the subject area. Nevertheless, e.g. in indoor vertical farming, not only horticultural expertise is required to face the need for automated processes throughout the whole supply chain. We present here a unique approach to bring students from different courses of study together to develop digital solutions for these challenges in an agile environment. Agile in this context means letting students from different disciplines work together in a self-organized manner without hierarchies and based on the project management framework Scrum. In a first attempt, we let students with horticultural and bioinformatics backgrounds develop a digital tool that automates early detection of nitrogen deficiency for sunflowers grown in a greenhouse.
  Mehr
- Martin Belzner , Patrick Noack
  
  Trocknungsverhalten und Wiederaufwuchs von Gras nach der Mahd mit Doppelmesser- und Scheibenmähwerken (2025) Tagungsband Technikertagung des DLG-Ausschusses für Versuchswesen in der Pflanzenproduktion, 55. Fachtagung des DLG-Ausschusses für Versuchswesen in der Pflanzenproduktion, 28 - 29.01.2025, Hannover , S. 55-58.
  
  Mehr
- Juan Andres Chiavassa , Patrick Noack , Simon Walther , Martin Kraft , Ameli Kirse , Christoph Scherber
  
  Berechtigungen: Open Access
  
  Entwicklung eines nichtletalen Monitoringsystems zur Erfassung von Insektenbiodiversität in landwirtschaftlichen Produktionssystemen (2024) Angewandte Forschung und Entwicklung für den ökologischen Landbau in Bayern, Tagungsband zum 9. Öko-Landbautag 2024 am 24.10.2024 in Triesdorf (LfL Schriftenreihe 5/2024) .
- Mareike Weule , Eva Hufnagel , J. Claussen , André Berghaus , Sebastian Burkhart , Patrick Noack , Stefan Gerth
  
  Berechtigungen: Peer Reviewed
  
  X-ray Imaging in Breeding and Harvesting Processes (2024) Proceedings of the 16th International Conference on Precision Agriculture, 21-14 July 2024, Manhattan, Kansas, USA .
  
  Mehr
- Andreas Gilson , Peter Pietrzyk , Chiara Paglia , Annika Killer , Fabian Keil , Lukas Meyer , Dominikus Gregor Kittemann , Patrick Noack , Oliver Scholz
  
  Berechtigungen: Open Access
  
  Berechtigungen: Peer Reviewed
  
  Cherry Yield Forecast: Harvest Prediction for Individual Sweet Cherry Trees (2024) Proceedings of the 16th International Conference on Precision Agriculture, 21-14 July 2024, Manhattan, Kansas, USA .
  
  Mehr
- Andreas Gilson , Annika Killer , Lukas Meyer , Dominikus Gregor Kittemann , Michael Zoth , Oliver Scholz , M. Stamminger , Ute Schmid , Patrick Noack , Fabian Keil
  
  CherryTwin: A Holistic Concept for Digital Twins in Horticulture (2024) Vortrag am V European Horticultural Congress, Bucharest (Rumania), 13.05.2024 .
- Andreas Gilson , Mareike Weule , Jonathan Hansen , Lukas Meyer , Fabian Keil , Oliver Scholz , Annika Killer , Patrick Noack , M. Stamminger , Ute Schmid
  
  Berechtigungen: Peer Reviewed
  
  CherryGraph: Encoding digital twins of cherry trees into a knowledge graph based on topology (2024) Lecture Notes in Informatics (LNI) - Proceedings, Series of the Gesellschaft für Informatik (GI) , S. 71-82.
- Juan Andres Chiavassa , Martin Kraft , Patrick Noack , Simon Walther , Ameli Kirse , Christoph Scherber
  
  Berechtigungen: Peer Reviewed
  
  The FAIR-Device – an AI image recognition-based non-lethal and generalist monitoring system for insect biodiversity in agriculture (2024) Lecture Notes in Informatics (LNI) - Proceedings, Series of the Gesellschaft für Informatik (GI), Bonn 2024 209 .
  
  Mehr
- Emanuel Jacobowsky , Dominik Rößle , Torsten Schön , Lukas Prey , Patrick Noack
  
  Detektion und Zählung von Weizenähren in UAV-Bildern mit Hilfe von Deep Learning (2024) Tagungsband der DLG-Technikertagung 30. Januar - 31. Januar 2024 2024 , S. 119-126.
  
  Mehr
- Sebastian Burkhart , Patrick Noack
  
  Berechtigungen: Peer Reviewed
  
  Digital weed reduction (2023) Referat bei der 43. GIL-Jahrestagung zum Thema "Informatik in der Land-, Forst- und Ernährungswirtschaft", 13.-14. Februar 2023 in Osnabrück, Germany , S. 297-302.
  
  Mehr
Alle Konferenzbeiträge
Forschungsdaten
- Juan Andres Chiavassa , Martin Kraft , Patrick Noack , Simon Walther , Ameli Kirse , Christoph Scherber
  
  Berechtigungen: Open Access
  
  The FAIR-Device - a non-lethal and generalist semi-automatic Malaise trap for insect biodiversity monitoring: Proof of concept - Supplementary Material (2024) Zenodo . DOI: 10.5281/zenodo.12650558
  
  Mehr
- Dominik Rößle , Lukas Prey , Ludwig Ramgraber , Anja Ramgraber , Daniel Cremers , Patrick Noack , Torsten Schön
  
  Berechtigungen: Open Access
  
  Fusarium image classification dataset (2023) Zenodo .
  
  Mehr
Alle Forschungsdaten
Dissertation
- Patrick Noack
  
  Entwicklung fahrspurbasierter Algorithmen zur Korrektur von Ertragsdaten im Precision Farming (2006) Vollständiger Abdruck der von der Fakultät Wissenschaftszentrum Weihenstephan für Ernährung, Landnutzung und Umwelt der Technischen Universität München zur Erlangung des akademischen Grades eines Doktors der Agrarwissenschaften genehmigten Dissertation, 165 S .
Alle Dissertation
Vorträge
- Patrick Noack
  
  Entwicklung einer automatisierten Lösung für die drohnengestützte Bonitur von Feldversuchen (AutoDGB) (2024) Vortrag auf den Innovationstagen 2024 Zukunftsfähige Landwirtschaft: innovative Lösungen für Klimaschutz, Tierwohl und gesunde Ernährung, vom 4. bis 6. November 2024 in Berlin .
  
  Mehr
- Patrick Noack
  
  Entwicklungen der Technik und Auswirkungen (2019) Lichtmesstag 2019 der Landmaschinenschule Triesdorf am 01. Dezember 2019, Altes Reithaus in Triesdorf .
- Bernhard Bauer , Patrick Noack
  
  Entwicklung von Düngestrategien anhand von Satellitendaten (2019) Topseminar Düngung "nachhaltig und effizient" am 29. Mai 2019 in Weidenbach .
- Patrick Noack
  
  Globale und lokale Herausforderungen der Landwirtschaft (2018) International Conference on Machine Control and Guidance am 01. Oktober 2018 in Berlin .
Alle Vorträge
Sonstige Veröffentlichungen
- Frank Beneke , Andreas Gabriel , Doreen Gabriel , Markus Gandorfer , Kai-Hendrik Howind , Ralf Kalmar , Johann Meierhöfer , Patrick Noack , Yves Reckleben , Ingolf Römer , Ulrich Rubenschuh , Oliver Schmittmann , Nikolaus Staemmler , Christina Umstätter , Martin Weis , Burkhard Wrenger
  
  Wege zu einer Qualitätsbewertung digitaler und technischer Lösungen in der Landwirtschaft, Thünen Working Paper 246 (2024)
- Juan Andres Chiavassa , Martin Kraft , Patrick Noack , Simon Walther , Ameli Kirse , Christoph Scherber
  
  Berechtigungen: Open Access
  
  The FAIR-Device - a non-lethal and generalist semi-automatic Malaise trap for insect biodiversity monitoring: Proof of concept (2024) AUTHOREA. Preprint . DOI: 10.22541/au.172115021.15608503/v1
  
  Mehr
- Juan Andres Chiavassa , Martin Kraft , Patrick Noack , Simon Walther , Ameli Kirse , Christoph Scherber
  
  The FAIR-Device - a non-lethal and generalist semi-automatic Malaise trap for insect biodiversity monitoring: Proof of concept (2024) bioRxiv. Preprint, 03.04.2024 . DOI: 10.1101/2024.03.22.586299
  
  Mehr
- Dominik Rößle , Lukas Prey , Ludwig Ramgraber , Anja Ramgraber , Daniel Cremers , Patrick Noack , Torsten Schön
  
  Berechtigungen: Open Access
  
  Code and Dataset of the Paper: Efficient Non-Invasive FHB Estimation using RGB Images from a Novel Multi-Year, Multi-Rater Dataset (2023) Github .
  
  Mehr
- Patrick Noack , Ludwig Volk , Jernej Poteko
  
  Prüfstand zum Vergleich von Sensoren für Messung der Spurtiefe (2019) Johannitag am 30. Juni 2019 in Triesdorf .
- Patrick Noack , Ludwig Volk , Jernej Poteko
  
  Mehr Bodenschutz für Fruchtbarkeit und Gewinn (2019) Johannitag am 30. Juni 2019 in Triesdorf .
- Patrick Noack , Ludwig Volk , Jernej Poteko
  
  Echtzeiterkennung von Feld- und Straßenfahrt auf Basis von GNSS-Messwerten (2019) Johannitag am 30. Juni 2019 in Triesdorf .
Alle Sonstige Veröffentlichungen
Medienbeiträge
- Leander Hoffmann , Patrick Noack
  
  Ukraine-Krieg: Fallen jetzt die GPS-Lenksysteme an Traktoren aus? (2022) agrarheute.com, 05.03.2022 .
  
  Mehr
- HSWT Newsmeldung , Patrick Noack
  
  Digitalisierungsprojekt 'Diabek' kommuniziert mit den landwirtschaftlichen Zielgruppen über eine eigene Webseite sowie Social Media-Kanäle (2020) Forschungs-News HSWT, 10.03.2020 .
  
  Mehr
- HSWT Newsmeldung , Patrick Noack
  
  Neues Forschungsprojekt der HSWT automatisiert die Verarbeitung drohnengestützt erhobener Bonituren in der Weizenzüchtung (2020) Forschungs-News HSWT, 13.02.2020 .
  
  Mehr
- Eike Stefan Dobers , Patrick Noack
  
  Farbkleckse mit Mehrwert (2019) BAUERNZEITUNG, 18. WOCHE 2019 , S. 24-26.
Alle Medienbeiträge
Bachelor- und Masterarbeiten
- W. Holtmann , Patrick Noack
  
  Präzision ist eine Frage der Software (2003) profi 7 , S. 62-65.
Alle Bachelor- und Masterarbeiten

Forschungsprojekte

Laufzeit: 01.10.2024 – 31.12.2025

Schwerpunkt: Biodiversität
KI basiertes Monitoring des Blütenangebots in der Agrarlandschaft (KIMono)
KI wird hier mit dem Ziel eingesetzt, in Bildern die Blütenmengen pro 1m² zu ermitteln - sofern möglich mit einer Zuordnung zu Pflanzengattungen. …
Mehr
- Projektleitung HSWT: Prof. Dr. Michael Rudner
Laufzeit: 01.07.2024 – 30.06.2027

Schwerpunkt: Internationaler Austausch
Environmental Footprints of Tunisian Processing Tomato using Soilless Geothermal Multi‑tunnel Greehouses in an arid Climate (ENHANCE)
Innovative Methoden in modernen Gewächshaussystemen sollen die Tomatenproduktion in Tunesien nachhaltiger und ressourcenschonender gestalten. Zentraler Mehrwert ist die Etablierung eines …
Mehr
- Projektleitung HSWT-Verbund: Prof. Dr. Wolfram Spreer

Zeige weitere 21 Forschungsprojekte dieser Person

Betreute Promotionen

Zeitraum: 01.10.2016 – 19.10.2022

Status: Abgeschlossen
Analyse der Eignung bildgebender Hyperspektralsensoren für die Bonitur von Feldversuchen
Promovierende Person: Jan Oehlschläger
Mehr

Zurück zur Übersicht

Prof. Dr. Patrick Noack

Lehrgebiete

Lehre

Abschlussarbeiten

2021

2020

2019

2018

2017

2016

2015

Promotionen

Gremienarbeit

Mitgliedschaften

Downloads

Forschungsprojekte

Publikationen

Zeitschriftenbeiträge (peer-reviewed)

Zeitschriftenbeiträge

Bücher / Monografien

Beiträge in Monografien, Sammelwerken, Schriftenreihen

Konferenzbeiträge

Forschungsdaten

Dissertation

Vorträge

Sonstige Veröffentlichungen

Medienbeiträge

Bachelor- und Masterarbeiten

Forschungsprojekte

Betreute Promotionen