This project is funded by the innovation program of the Federal Ministry of Food and Agriculture (BMEL), funding agency is the Federal Office for Agriculture and Food (BLE). consistent data- and information system for detection and alalysis of early seed quality indicators The KODIAQ project aims on the analysis of effects and interactions of different internal and external factors for the germination capacity of seeds. Using modelling approaches corresponding early indicators will be developed. Early and efficient control of this trait shall increase the resource efficiency and added value in seed production as a highly specialized agricultural sector. The objective will be approached exemplarily for hybrid winter rapeseed. Germination ability is complex trait highly influenced by environment and annual effects. To develop most early indicators along the production chain a comprehensive data basis is inevitable. This data base has to link and integrate agronomic, environmental and seed-specific data in order to predict seed quality. A data and information system will be generated which will represent the production chains and process steps of seed production and which will record and integrate big amounts of diverse data. To deduce the early indicators mathematical and informational methods of data mining will be employed as well as machine learning approaches. The indicators will iteratively be improved by continuous further input of additional data collected during the project which relate to whether and climate, to canopy traits and to seed specific RNA profiles. It will be pursued to increase accuracy, robustness and on the long run universality of the indicators, in order to take action for securing the required seed quality even under risky conditions. Das Projekt 'KODIAQ – Konsistentes Daten- und Informationssystem zur Erfassung und Analyse von Frühindikatoren der Saatgutqualität' soll die Auswirkung und die Interaktion von verschiedenen internen und externen Faktoren auf die Keimfähigkeit von Saatgut untersuchen und über Modellierungsansätze entsprechende Frühindikatoren für Keimfähigkeit entwickeln. Über eine frühzeitige und effiziente Kontrolle dieses Merkmals soll die Ressourceneffizienz und die Wertschöpfung in der Saatgutproduktion als einem hoch spezialisierten landwirtschaftlichen Teilbereich erhöht werden. Exemplarisch werden wir diesen Ansatz in KODIAQ für die Saatguterzeugung von Hybridwinterraps verfolgen. Keimfähigkeit von Saatgut ist ein komplexes Merkmal mit hohen Umwelt- und Jahreseinflüssen. Um hierfür möglichst frühe Indikatoren in der Produktionskette entwickeln zu können, bedarf es einer umfassenden Datenbasis, die agronomische, Umwelt- und saatspezifische Daten miteinander verknüpft, integriert und schlussendlich Vorhersagen über die Qualität des Saatguts erzeugt. Hierzu soll ein Daten- und Informationssystem entwickelt werden, das die einzelnen Verfahrensketten und Prozessschritte der Saatgutproduktion abbildet und die große Menge an unterschiedlichen Daten aufnimmt und integriert. Zur Ableitung von Frühindikatoren werden wir mathematisch-informatorische Methoden des 'Data Mining' und des maschinellen Lernens anwenden. Durch kontinuierlichen weiteren Input an Daten, die projektspezifisch erhoben werden und sich auf Wetter- und Klimadaten, auf phänotypische Bestandsmessungen und auf samenspezifische RNA-Profile beziehen, sollen die Indikatoren iterativ weiter verbessert werden. Das bezieht sich auf die Genauigkeit, die Robustheit und langfristig auf breite Anwendbarkeit der Indikatoren, insbesondere um frühzeitige Maßnahmen ergreifen zu können, die auch bei Gefährdungssituationen die geforderte Saatgutqualität sicherstellen.