Jay Schroeder, CTO bei CNH – Interview-Reihe

Jay Schroeder ist Chief Technology Officer (CTO) bei CNH und überwacht die globalen Forschungs- und Entwicklungsoperationen des Unternehmens. Zu seinen Aufgaben gehören die Verwaltung von Bereichen wie Technologie, Innovation, Fahrzeuge und Anbaugeräte, Präzisionstechnologie, Benutzererfahrung und Antriebstechnik. Schroeder konzentriert sich auf die Verbesserung des Produktportfolios des Unternehmens und die Erweiterung der Präzisionstechnologie, mit dem Ziel, Präzisionslösungen über den gesamten Gerätebereich zu integrieren. Darüber hinaus ist er an der Erweiterung der alternativen Antriebsangebote von CNH beteiligt und überwacht die Produktentwicklungsprozesse, um sicherzustellen, dass das Produktportfolio des Unternehmens hohe Qualitäts- und Leistungsstandards erfüllt.

Durch seine verschiedenen Geschäftsbereiche produziert und verkauft CNH landwirtschaftliche Maschinen und Baumaschinen. KI und fortschrittliche Technologien wie Computer-Vision, Machine-Learning (ML) und Kamerasensoren verändern die Funktionsweise dieser Geräte und ermöglichen Innovationen wie KI-gesteuerte selbstfahrende Traktoren, die den Landwirten helfen, komplexe Herausforderungen in ihrer Arbeit zu meistern.

CNHs selbstfahrende Traktoren werden von Modellen angetrieben, die mit tiefen neuronalen Netzen und Echtzeit-Schlußfolgerungen trainiert wurden. Können Sie erklären, wie diese Technologie den Landwirten hilft, Aufgaben wie das Pflanzen mit extremer Präzision auszuführen, und wie sie im Vergleich zu autonomen Fahrzeugen in anderen Branchen wie dem Transportwesen ist?

Während selbstfahrende Autos Schlagzeilen machen, hat die Landwirtschaft still und heimlich die autonome Revolution seit über zwei Jahrzehnten angeführt. Unternehmen wie CNH haben autonome Lenkung und Geschwindigkeitskontrolle bereits lange vor Tesla entwickelt. Heute geht die Technologie von CNH über das bloße Fahren hinaus und führt hochautomatisierte und autonome Arbeiten aus, während sie sich selbst bewegt. Von der präzisen Aussaat von Samen in den Boden, wo sie hingehören, bis zur effizienten und optimalen Ernte von Feldfrüchten und Bodenbehandlung, während sie durch das Feld fahren, ist die autonome Landwirtschaft nicht nur mit selbstfahrenden Autos Schritt halten, sondern sie überholt sie.

Darüber hinaus ermöglicht die zukunftssichere Technologie-Plattform von CNH die autonome Landwirtschaft weit über das hinaus, was selbstfahrende Autos erreichen können. Unsere softwaredefinierte Architektur integriert nahtlos eine breite Palette von Technologien, die die Automatisierung komplexer landwirtschaftlicher Aufgaben ermöglichen, die viel anspruchsvoller sind als die einfache Navigation von Punkt A nach Punkt B. Die Interoperabilität in der Architektur ermöglicht es den Landwirten, eine beispielloser Kontrolle und Flexibilität zu haben, um fortschrittlichere Technologie durch offene APIs von CNH zu integrieren. Im Gegensatz zu geschlossenen Systemen ermöglicht die offene API von CNH es den Landwirten, ihre Maschinen anzupassen. Stellen Sie sich Kamerasensoren vor, die Pflanzen von Unkraut unterscheiden können, die nur dann aktiviert werden, wenn sie benötigt werden, während das Fahrzeug autonom operiert. Diese Anpassungsfähigkeit, kombiniert mit der Fähigkeit, raues Gelände und diverse Aufgaben zu bewältigen, hebt die Technologie von CNH von anderen ab. Während Tesla und Waymo Fortschritte machen, liegt die wahre Grenze der autonomen Innovation in den Feldern und nicht auf den Straßen.

Das Konzept einer “MRT-Maschine für Pflanzen” ist faszinierend. Wie ermöglicht die Verwendung von synthetischen Bildern und Machine-Learning bei CNH es den Maschinen, den Pflanzentyp, Wachstumsstadien und gezielte Pflanzenernährung zu identifizieren?

Mit Hilfe von KI, Computer-Vision-Kameras und großen Datensätzen trainiert CNH Modelle, um Pflanzen von Unkraut zu unterscheiden, Pflanzenwachstumsstadien zu identifizieren und den Gesundheitszustand der Pflanzen über das gesamte Feld hinweg zu erkennen, um die genaue Menge an Nährstoffen und Schutzmitteln zu bestimmen, die benötigt werden, um den Ertrag der Pflanze zu optimieren. Zum Beispiel kann die Augmenta Field Analyzer, eine Computer-Vision-Anwendung, den Boden vor der Maschine scannen, während sie sich mit bis zu 20 Meilen pro Stunde durch das Feld bewegt, um die Bodenbedingungen und die Bereiche zu bewerten, die behandelt werden müssen, und um die notwendigen Maßnahmen zu ergreifen, um diese Bereiche gesünder zu machen.

Mit dieser Technologie können Landwirte genau wissen, wo im Feld ein Problem entsteht, und es gezielt behandeln, anstatt das gesamte Feld mit einem Mittel zu behandeln, um Unkraut zu bekämpfen, Schädlinge zu kontrollieren oder notwendige Nährstoffe hinzuzufügen, um die Gesundheit der Pflanzen zu fördern. Die Technologie ermöglicht es, genau die richtige Menge an Chemikalien anzuwenden, um die Pflanzen zu schützen und jede Bedrohung zu beseitigen. Die Identifizierung und gezielte Behandlung von Unkraut, das zwischen den Pflanzen wächst, kann den Einsatz von Chemikalien auf den Feldern um bis zu 90 % reduzieren. Nur eine kleine Menge an Chemikalien ist notwendig, um jede einzelne Bedrohung zu behandeln, anstatt das gesamte Feld zu behandeln, um dieselben Bedrohungen zu erreichen.

Um photorealistische synthetische Bilder und Datensätze schnell zu generieren, verwendet CNH biophysikalische prozedurale Modelle. Dies ermöglicht es dem Team, Millionen von Bildern schnell und effizient zu erstellen und zu klassifizieren, ohne dass es notwendig ist, in großem Umfang reale Bilder zu erfassen. Die synthetischen Daten ergänzen die authentischen Bilder und verbessern die Leistung von Modelltraining und -schlussfolgerung. Zum Beispiel können mit synthetischen Daten verschiedene Szenarien erstellt werden, um Modelle zu trainieren – wie verschiedene Lichtverhältnisse und Schatten, die sich über den Tag bewegen. Prozedurale Modelle können spezifische Bilder auf der Grundlage von Parametern erstellen, um einen Datensatz zu erstellen, der verschiedene Bedingungen darstellt.

Wie genau ist diese Technologie im Vergleich zu herkömmlichen landwirtschaftlichen Methoden?

Landwirte treffen Hunderte von wichtigen Entscheidungen im Laufe des Jahres, aber sie sehen die Ergebnisse all dieser Entscheidungen nur einmal: bei der Ernte. Das Durchschnittsalter der Landwirte nimmt zu, und die meisten arbeiten über 30 Jahre. Es gibt keinen Spielraum für Fehler. Ab dem Moment, in dem der Samen gepflanzt wird, müssen die Landwirte alles tun, um sicherzustellen, dass die Pflanze gedeiht – ihr Lebensunterhalt steht auf dem Spiel.

Unsere Technologie nimmt den Landwirten viel von der Unsicherheit bei der Ausführung ihrer Aufgaben, wie der Bestimmung der besten Möglichkeiten, die wachsenden Pflanzen zu pflegen, während sie den Landwirten zusätzliche Zeit gibt, um sich auf strategische Geschäftsprobleme zu konzentrieren. Am Ende des Tages sind Landwirte große Unternehmen und verlassen sich auf Technologie, um ihre Arbeit so effizient, produktiv und rentabel wie möglich zu gestalten.

Nicht nur ermöglicht die von den Maschinen generierte Daten den Landwirten, bessere, informiertere Entscheidungen zu treffen, um bessere Ergebnisse zu erzielen, sondern die hohen Automatisierungs- und Autonomiegrade in den Maschinen selbst führen die Arbeiten besser und in größerem Umfang aus, als es Menschen können. Sprühmaschinen können “sehen”, wo Probleme auftreten, und präzise behandeln; während Technologien wie autonome Bodenbearbeitung die Last der manuellen Anpassung von Bodenbearbeitungsgeräten erleichtern und diese Arbeit mit höherer Genauigkeit und Effizienz ausführen können, als es ein menschlicher Bediener könnte. Bei autonomen Bodenbearbeitungen führt ein vollautonomes System die Bodenbearbeitung durch, indem es Sensoren mit tiefen neuronalen Netzen kombiniert, um ideale Bedingungen mit Zentimeter-Genauigkeit zu schaffen. Dies bereitet den Boden darauf vor, eine hohe Konsistenz der Reihe, präzise Saattiefe und optimale Saatplatzierung zu ermöglichen, trotz oft drastischer Bodenveränderungen innerhalb eines Feldes. Herkömmliche Methoden, die oft auf menschlich bediente Maschinen angewiesen sind, führen typischerweise zu mehr Variabilität in den Ergebnissen aufgrund von Bedienermüdigkeit, weniger konsistenter Navigation und weniger genauer Positionierung.

Während der Erntezeit verwenden CNHs Mähdrescher Edge-Computing und Kamerasensoren, um die Qualität der Ernte in Echtzeit zu bewerten. Wie funktioniert dieser schnelle Entscheidungsprozess, und welche Rolle spielt KI bei der Optimierung der Ernte, um Abfall zu reduzieren und die Effizienz zu verbessern?

Ein Mähdrescher ist eine unglaublich komplexe Maschine, die mehrere Prozesse – Ernte, Dreschen und Sammeln – in einer einzigen, kontinuierlichen Operation ausführt. Es wird deshalb ein Mähdrescher genannt, weil es mehrere Geräte in einer einzigen Maschine kombiniert. Es geschieht viel auf einmal, und es gibt wenig Raum für Fehler. CNHs Mähdrescher trifft automatisch Millionen von schnellen Entscheidungen alle 20 Sekunden, indem er die Daten direkt auf der Maschine verarbeitet. Die Kamerasensoren erfassen und verarbeiten detaillierte Bilder der geernteten Feldfrüchte, um die Qualität jedes Korns der geernteten Feldfrucht zu bestimmen – indem sie Feuchtigkeitsgrade, Kornqualität und Unkrautgehalt analysieren. Die Maschine passt automatisch die Einstellungen an, um optimale Ergebnisse zu erzielen. Wir können dies heute für Gerste, Reis, Weizen, Mais, Sojabohnen und Raps und bald auch für Sorghum, Hafer, Felderbsen, Sonnenblumen und Bohne durchführen.

KI am Edge ist entscheidend für die Optimierung dieses Prozesses, indem sie tiefes Lernen verwendet, um Muster in den Feldbedingungen zu erkennen. Diese Modelle können schnell Bereiche der Ernte identifizieren, die Anpassungen erfordern, wie z.B. die Änderung der Mähdrescher-Geschwindigkeit oder die Modifizierung der Dresch-Einstellungen, um eine bessere Trennung von Getreide von der restlichen Pflanze zu gewährleisten. Diese Echtzeit-Optimierung hilft, Abfall zu reduzieren, indem sie die Schädigung der Feldfrüchte minimiert und nur hochwertige Feldfrüchte sammelt. Sie verbessert auch die Effizienz, indem sie den Maschinen ermöglicht, datengetriebene Entscheidungen zu treffen, um den Ertrag der Landwirte zu maximieren, während sie den betrieblichen Stress und die Kosten reduzieren.

Präzisionslandwirtschaft, getrieben von KI und ML, verspricht, den Einsatz von Inputs zu reduzieren und den Ertrag zu maximieren. Können Sie erläutern, wie CNHs Technologie den Landwirten hilft, Kosten zu senken, die Nachhaltigkeit zu verbessern und die Herausforderungen in einer zunehmend herausfordernden landwirtschaftlichen Landschaft zu meistern?

Landwirte stehen vor enormen Hürden bei der Suche nach qualifizierten Arbeitskräften. Dies gilt insbesondere für die Bodenbearbeitung – ein kritischer Schritt, den die meisten Farmen benötigen, um den Boden für den Winter vorzubereiten und bessere Pflanzbedingungen im Frühjahr zu schaffen. Präzision ist bei der Bodenbearbeitung von entscheidender Bedeutung, mit einer Genauigkeit, die auf den zehnten Zentimeter gemessen wird, um optimale Pflanzenwachstumsbedingungen zu schaffen. Die autonome Bodenbearbeitungstechnologie von CNH eliminiert die Notwendigkeit von hoch qualifizierten Bedienern, die die Bodenbearbeitungsgeräte manuell anpassen. Mit dem Druck auf einen Knopf übernimmt das System den gesamten Prozess, sodass die Landwirte sich auf andere wichtige Aufgaben konzentrieren können. Dies steigert die Produktivität und die Präzision schont Treibstoff, wodurch der Betrieb effizienter wird.

Wenn es um die Pflanzenpflege geht, ist die Sprühtechnologie von CNH mit über 125 Mikroprozessoren ausgestattet, die in Echtzeit kommunizieren, um die Kosten- und Umweltfreundlichkeit von Wasser-, Nährstoff-, Herbizid- und Pestizideinsatz zu verbessern. Diese Prozessoren arbeiten zusammen, um die Feldbedingungen zu analysieren und präzise zu bestimmen, wann und wo Nährstoffe eingesetzt werden sollen, um den Einsatz von Chemikalien um bis zu 30 % heute und um bis zu 90 % in naher Zukunft zu reduzieren, was die Eingabe- und Chemikalieneinsatzkosten erheblich senkt. Die Düsensteuerungsventile ermöglichen es der Maschine, das Produkt automatisch anzupassen, basierend auf der Geschwindigkeit des Sprühers, um einen konstanten Satz und Druck für die präzise Tropfenabgabe auf die Pflanze zu gewährleisten, sodass jeder Tropfen genau da landet, wo er für die Gesundheit der Pflanze benötigt wird. Diese Präzision reduziert die Notwendigkeit von häufigen Nachfüllungen, da die Landwirte den Sprüher nur einmal pro Tag nachfüllen müssen, was zu einer erheblichen Wassereinsparung führt.

Ebenso vereinfacht die Cart-Automatisierung von CNH die komplexe und stressige Aufgabe, einen Mähdrescher während der Ernte zu bedienen. Präzision ist entscheidend, um Kollisionen zwischen dem Mähdrescher und dem Getreidewagen zu vermeiden, der sich innerhalb von Zollabständen für Stunden bewegt. Sie hilft auch, den Pflanzenverlust zu verringern. Die Cart-Automatisierung ermöglicht einen nahtlosen Ladevorgang, wodurch der Bedarf an manueller Koordination reduziert und der Mähdrescher seine Arbeit ohne Unterbrechung fortsetzen kann. CNH hat physiologische Tests durchgeführt, die zeigen, dass diese Assistenztechnologie den Stress für Mähdrescher-Bediener um etwa 12 % und für Traktor-Bediener um 18 % reduziert, was sich summiert, wenn diese Bediener bis zu 16 Stunden pro Tag während der Erntezeit in diesen Maschinen sind.

Die Marke von CNH, New Holland, hat kürzlich eine Partnerschaft mit Bluewhite für autonome Traktor-Kits geschlossen. Wie passt diese Zusammenarbeit in die umfassendere Strategie von CNH zur Erweiterung der Autonomie in der Landwirtschaft?

Autonomie ist die Zukunft von CNH, und wir gehen einen zielgerichteten und strategischen Ansatz bei der Entwicklung dieser Technologie, getrieben von den dringendsten Bedürfnissen unserer Kunden. Unsere internen Ingenieure konzentrieren sich auf die Entwicklung von Autonomie für unseren großen landwirtschaftlichen Kundenbereich – Landwirte, die Feldfrüchte in großen, offenen Feldern anbauen, wie Mais und Sojabohnen. Ein weiterer wichtiger Kundenbereich für CNH sind Landwirte, die sogenannte “Dauerkulturen” anbauen, die in Obstgärten und Weinbergen wachsen. Die Partnerschaft mit Bluewhite, einem bewährten Marktführer bei der Implementierung von Autonomie in Obstgärten und Weinbergen, ermöglicht es uns, den Markt mit der notwendigen Geschwindigkeit und Skalierbarkeit zu bedienen, um sowohl den großen landwirtschaftlichen als auch den Dauerkultur-Kundenbereich mit dringend benötigter Autonomie zu versorgen. Mit Bluewhite liefern wir einen vollautonomen Traktor für Dauerkulturen und sind damit der erste Originalhersteller (OEM) mit einer autonomen Lösung in Obstgärten und Weinbergen.

Unser Ansatz zur Autonomie besteht darin, die kritischsten Herausforderungen zu lösen, mit denen unsere Kunden bei den Aufgaben und Arbeitsprozessen konfrontiert sind, bei denen sie sich wünschen, dass die Maschine die Arbeit erledigt und die Last von der Arbeitskraft nimmt. Die autonome Bodenbearbeitung steht an erster Stelle bei unserer internen Entwicklung von Job-Autonomie, da es sich um eine arbeitsintensive Aufgabe handelt, die viel Zeit in Anspruch nimmt und während eines engen Zeitfensters im Jahr stattfindet, wenn auch andere Dinge geschehen müssen. Eine Maschine kann diese Arbeit besser als ein menschlicher Bediener ausführen. Landwirte in Dauerkulturen haben auch einen dringenden Bedarf an Autonomie, da sie unter extremen Arbeitskräftemangeln leiden und Maschinen benötigen, um die Lücken zu füllen. Diese Aufgaben erfordern, dass die Traktoren 20-30 Durchgänge durch jede Obstbaum- oder Weinbergsreihe pro Saison ausführen, um wichtige Aufgaben wie die Anwendung von Nährstoffen auf die Bäume und das Halten des Grases zwischen den Reben frei von Unkraut auszuführen.

Viele von CNHs Lösungen werden von Obstbaum- und Weinbergbesitzern übernommen. Welche einzigartigen Herausforderungen stellen diese Umgebungen für autonome und KI-gesteuerte Maschinen dar, und wie passt CNH seine Technologien an diese speziellen Anwendungen an?

Die Fenster für die Ernte ändern sich, und es wird immer schwieriger, qualifizierte Arbeitskräfte zu finden. Der Klimawandel macht die Jahreszeiten unvorhersehbarer; es ist von entscheidender Bedeutung für die Landwirte, Technologie bereitzustellen, die Präzision und Effizienz bietet, wenn die Feldfrüchte optimal für die Ernte sind. Landwirtschaft erfordert immer Präzision, aber sie ist besonders wichtig, wenn es um die Ernte von etwas so Kleinem und Delikatem wie einer Traube oder einer Nuss geht.

Die meisten automatischen Fahrtechnologien verlassen sich auf GPS, um die Maschinen auf ihren Wegen zu führen, aber in Obstgärten und Weinbergen können diese GPS-Signale von Baum- und Weinbergzweigen blockiert werden. Vision-Kameras und Radar werden in Kombination mit GPS verwendet, um die Maschinen auf ihrem optimalen Weg zu halten. Und in Obstgärten und Weinbergen ist die Ernte nicht nur eine Frage von Hektar großen, einheitlichen Reihen, sondern von individuellen, unterschiedlichen Pflanzen und Bäumen, oft in hügeligem Gelände. Die automatisierten Systeme von CNH passen sich jeder Pflanze an, dem Boden und der erforderlichen Erntegeschwindigkeit, um eine qualitativ hochwertige Ernte zu gewährleisten, ohne die Pflanze zu schädigen. Sie passen sich auch um unproduktive oder tote Bäume an, um unnötige Inputs zu sparen. Diese robotischen Maschinen bewegen sich automatisch entlang der Pflanzen, während sie die Früchte vorsichtig von den Bäumen oder Reben entfernen. Der Bediener legt die gewünschte Höhe des Pflückkopfes fest, und die Maschinen passen sich automatisch an, um diese Einstellungen pro Pflanze beizubehalten, unabhängig vom Gelände. Darüber hinaus ist für einige Früchte die beste Erntezeit, wenn der Zuckergehalt über Nacht sein Maximum erreicht. Kameras mit Infrarot-Technologie funktionieren auch in den dunkelsten Bedingungen, um die Früchte in ihrem optimalen Zustand zu ernten.

Wenn immer mehr autonome Landwirtschaftsgeräte eingesetzt werden, welche Schritte unternimmt CNH, um die Sicherheit und die Einhaltung von Vorschriften dieser KI-gesteuerten Systeme zu gewährleisten, insbesondere in den vielfältigen globalen landwirtschaftlichen Umgebungen?

Sicherheit und Einhaltung von Vorschriften sind für CNHs KI-gesteuerte Systeme von zentraler Bedeutung, daher arbeitet CNH mit lokalen Behörden in verschiedenen Regionen zusammen, um seine autonomen Systeme an die regionalen Anforderungen anzupassen, einschließlich Sicherheitsstandards, Umweltvorschriften und Datenschutzgesetze. CNH ist auch in Standards-Organisationen aktiv, um sicherzustellen, dass wir alle anerkannten und aufkommenden Standards und Anforderungen erfüllen.

Zum Beispiel umfassen autonome Sicherheitssysteme Sensoren wie Kameras, LiDAR, Radar und GPS für die Echtzeit-Überwachung. Diese Technologien ermöglichen es dem Gerät, Hindernisse zu erkennen und automatisch anzuhalten, wenn es etwas vor sich erkennt. Die Maschinen können auch komplexes Gelände navigieren und auf Umweltveränderungen reagieren, wodurch das Unfallrisiko minimiert wird.

Was sehen Sie als die größten Hindernisse für die weitverbreitete Akzeptanz von KI-gesteuerten Technologien in der Landwirtschaft? Wie hilft CNH den Landwirten, auf diese neuen Systeme umzusteigen und ihren Wert zu demonstrieren?

Derzeit sind die größten Hindernisse die Kosten, die Konnektivität und die Schulung der Landwirte.

Aber bessere Erträge, geringere Ausgaben, geringerer physischer Stress und bessere Zeitmanagement durch erhöhte Automatisierung können die Gesamtkosten des Eigentums ausgleichen. Kleinere Farmen können von begrenzten autonomen Lösungen wie Fütterungssystemen oder Nachrüst-Kits profitieren.

Unzureichende Konnektivität, insbesondere in ländlichen Gebieten, stellt Herausforderungen dar. KI-gesteuerte Technologien erfordern eine konsistente, immer aktive Konnektivität. CNH hilft, dies zu bewältigen, durch die Partnerschaft mit Intelsat und durch universelle Modems, die eine Verbindung zu jedem nahegelegenen Netzwerk herstellen – WiFi, Mobilfunk oder Satellit – und somit eine Feld-bereite Konnektivität für Kunden in schwer zugänglichen Gebieten bieten. Während viele Kunden diese Notwendigkeit von Internet-Konnektivität mit der marktführenden globalen mobilen virtuellen Netzwerk-Technologie von CNH erfüllen, ermöglichen bestehende Mobilfunkmasten keine allgegenwärtige Verbindung.

Schließlich kann die mit KI-Technologie verbundene Lernkurve als einschüchternd empfunden werden. Dieser Wechsel von herkömmlichen Praktiken erfordert Schulung und eine Änderung der Denkweise, weshalb CNH eng mit den Kunden zusammenarbeitet, um sicherzustellen, dass sie mit der Technologie vertraut sind und den vollen Nutzen der Systeme erhalten.

Wenn Sie in die Zukunft blicken, wie stellen Sie sich die Entwicklung von CNHs KI- und autonomen Lösungen in den nächsten zehn Jahren vor?

CNH geht kritische, globale Herausforderungen an, indem es Spitzenleistungen in der Technologie entwickelt, um mehr Nahrungsmittel nachhaltig mit weniger Ressourcen für eine wachsende Bevölkerung zu produzieren. Unser Fokus liegt darauf, den Landwirten zu ermöglichen, ihre Lebensgrundlage und ihr Geschäft durch innovative Lösungen zu verbessern, wobei KI und Autonomie eine zentrale Rolle spielen. Fortschritte in der Datenerfassung, der Verfügbarkeit von Sensoren, der Konnektivität und der Rechenleistung werden die Entwicklung von KI- und autonomen Systemen beschleunigen. Diese Technologien werden den Fortschritt in der Präzisionslandwirtschaft, der autonomen Operation, der prädiktiven Wartung und der datengetriebenen Entscheidungsfindung vorantreiben und letztendlich unseren Kunden und der Welt zugute kommen.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten CNH besuchen.