Digitalisierung und Sensorik in der Agrar- und Biosystemtechnik

Fakultät

Fakultät Agrarwissenschaften und Landschaftsarchitektur (AuL)

Version

Version 1 vom 26.08.2025.

Modulkennung

44B0718

Niveaustufe

Bachelor

Unterrichtssprache

Deutsch

ECTS-Leistungspunkte und Benotung

5.0

Häufigkeit des Angebots des Moduls

nur Sommersemester

Dauer des Moduls

1 Semester

 

 

Besonderheiten des Moduls

Das Modul ist ein hybrid angelegtes Modul. Ein großer Prozentsatz des Moduls muss durch die Anfertigung von Versuchen und Übungsaufgaben in eigener Verantwortung umgesetzt werden. Wöchentliche Treffen mit Vorstellungen zu den Grundlagen, Aufgaben, aber auch zu den Problemen beim Lösen der Hausarbeiten runden das hadlungsorientierte Modul ab. 

Kurzbeschreibung

Das Modul hat das Ziel, die Digitalkompetenz (d.h. das Verstehen und der Umgang mit digitalen Daten) der Studierenden zu erhöhen. Durch 8 spezielle Übungen, die als Hausarbeiten an realen Objekten (Pflanzen, Flüssigkeiten, Gasen etc.)  durchgeführt werden, werden diese Kompetenzen nachhaltig und selbstständig entwickelt.  Studierenden wird hierzu ein speziell  zusammengestellter Hard- und Softwarebausatz zur Verfügung gestellt. 

Lehr-Lerninhalte

Eine einleitende Session führt in die Thematik "Messen und Auswerten" ein, stellt die  Aufgabenstellungen dar und erklärt Abläufe. Anschließend werden den Studierenden die Übungsmaterialien (Hard- und Softwarebaukasten) ausgehändigt. 

Die 8 Arbeits-Sessions bestehen jeweils in der ersten Sessionwoche aus einer Kurzeinführung in die zugrundeliegende Sensorik und Hinweise zur Aufgabenstellung und zu Lösungsansätzen. In der zweiten Sessionwoche findet eine gemeinsame Fragestunde zu Problemen bei der Bearbeitung der Hausübung statt. In der dritten Sessionwoche ist der Abgabetermin für die Hausarbeit. In der vierten Sessionswoche erfolgt die Rückgabe der digitalen Hausübungen vom Dozententeam mit Hinweisen, Korrekturen und Benotung. "24/7-Support"  im Intervallmodus in einem Ilias-Forum unterstützen die studentischen Arbeiten bei aktuellen Problemen.

Zum Abschluss des Moduls findet eine Session statt, die auf die mündliche Überprüfung der Hausarbeit fokussiert und somit die Hausübungen noch einmal durchgeht. Ferner werden die Baukästen abgegeben, gemeinsam mit den Studierenden die Bauteile gecheckt und Wartungslisten abgearbeitet. 

Die Abgaben der Hausarbeiten erfolgen in elektronischer Form.

Sessions:
0. Einfuehrung Messungen mit RedLab/Labjack und Arduino (ohne Übungsbewertung)
1. Eigenbau eines Psychrometers und Auswertung mit Widerstandssensoren, RedLab und ProfiLab-Expert.
2. Eigenbau eines Füllstandsmess-Systems mit Utraschallsensoren, Arduino und Python.
3. Strahlungsmessung mit Pflanzenbezug mit Solarimeter, Redlab und Excel.
4. Bodenfeuchtemessung mit kapazitivem Sensor, Arduino und Excel.
5. Blattflächenauswertung mit Handy und ImageJ.
6. Klassifikation von Pflanzenarten mit Handy, ImageJ und NeuralDesigner (KNN).
7. Tracergasmessung mit kapazitivem Sensor,
Arduino und R-Studio.
8. Phytopathologische Bestimmungen mit  Remote-Sensing (Spektrometrie, Infrarotkameratechnologie und Lidar-Technik) und Auswertealgorithmen in R. (zwei Termine)

Gesamtarbeitsaufwand

Der Arbeitsaufwand für das Modul umfasst insgesamt 150 Stunden (siehe auch "ECTS-Leistungspunkte und Benotung").

Lehr- und Lernformen
Dozentengebundenes Lernen
Std. WorkloadLehrtypMediale UmsetzungKonkretisierung
20VorlesungPräsenz-
30individuelle BetreuungPräsenz-
20ÜbungPräsenz-
Dozentenungebundenes Lernen
Std. WorkloadLehrtypMediale UmsetzungKonkretisierung
80Sonstiges-
Weitere Erläuterungen

*Sonstiges: Eigenständiges Erarbeiten und Umsetzen von Messketten in Bereich der Biosystemtechnik: Von Sensorauswahl bis Ergebnisdarstellung. 

Benotete Prüfungsleistung
  • Arbeitsprobe (praktisch) und mündliche Prüfung
Bemerkung zur Prüfungsart

Arbeitsprobe: fristgerechte Abgabe von 8 Hausübungen, jede Hausübung zählt gleichgewichtig, Gesamtanteil der Arbeitsproben an der Note: 50 %

Mündliche Prüfung: Befragung zu einzelnen Arbeitsproben, Gesamtanteil der mündlichen Prüfung an der Note: 50 %

Prüfungsdauer und Prüfungsumfang

Arbeitsproben: 8 von 8 Arbeitsproben müssen abgegeben werden

Mündl. Prüfung: 15 Min. mit 2 Prüfenden

Empfohlene Vorkenntnisse

Grundkenntnisse in Wachstumsfaktoren und Interesse an der Lösung von Aufgaben durch Einsatz von Technik im besonderen Computertechnologie. Programmiervorausetzungen sind ausdrücklich nicht erforderlich. Kenntnisse in Excel und R sind von Vorteil, aber nicht zwingend. 

Wissensverbreiterung

Studierende sind nach erfolgreichem Abschluss des Moduls in der Lage, theoretische Kenntnisse über Datenerhebungen mit Sensoren am Objekt praktisch umzusetzen. Sie erlangen dazu Wissen im Bereich Algorithmenentwicklung, Programmierung sowohl bei dem Einsatz von konventionellen Programmiersprachen, als auch bei grafischer Programmierung und speziellen Programmiertools wie R.

Wissensvertiefung

Die Studierenden verfügen nach Durchführung des Moduls über Detailwissen hinsichtlich Wachstumsfaktoren und technischen Parametern in Biosystemen. Sie wissen, wie Daten hierzu erhoben werden können und auf welche Besonderheiten (z.B. Datenskalierungen, Sensorkalibrationen, Sensorplatzierung, Feinheiten statistischer Auswertung) bei Biosystemen geachtet werden muss. 

Wissensverständnis

Studierende können nach Abschluss des Moduls digitale Daten aufnehmen, verarbeiten und auswerten. Im einzelnen:
1. Sie sind in der Lage Messketten aufzubauen, Sensorsysteme zu kalbrieren, Datenformate anzupassen und mit Software weiterzuverarbeiten.
2. Sie sind in der Lage, digitale Messdaten mit aktueller Software zu erheben, statistisch zu verdichten und grafisch oder tabellerisch dazustellen. 
3. Sie verstehen die wichtigsten Messprinzipien moderner Messtechnik der Biosystemtechnik und können diese in realen Umgebungen einzusetzen.
4. Sie sind in der Lage, Algorithmen zur Datenerfassung und -bearbeitung in unterschiedlichen Programmierumgebungen und -sprachen zu erstellen.

Nutzung und Transfer

Studierende können das erlernte Wissen bei allen Messungen im Studium anwenden. Sie werden durch das Modul befähigt, in wissenschaftlichen Tätigkeitsbereichen zu agieren und dort weitere spezielle Mess-Methoden schnell und effizient zu erlernen.

Wissenschaftliche Innovation

Die Studierenden können auswählen, welche Messverfahren mit welcher aktuellen Hard- und Software für konkrete Messaufgaben geeignet sind. Sie sind ferner in der Lage, neue Messkonzepte zu verstehen und kritisch zu hinterfragen. 

Kommunikation und Kooperation

Die Studierende sind nach Abschluss des Moduls in der Lage, sich verbal und schriftlich an Besprechungen, Diskussionen und Vorträgen über den Messtechnik-Sektor mit seinem speziellen Vokabular zu beteiligen. Sie kennen die wichtigsten Fachbegriffe, können algorithmische Methoden umsetzen, sowie in Präsentationen verbal, grafisch und textorientiert mit Fachbegriffen und -ausdrücken sicher darstellen. 

Wissenschaftliches Selbstverständnis / Professionalität

Die Studierenden erhöhen druch das Modul Ihre Professionalität und Ihr Selbstverständis in Bezug auf den Umgang mit digitalen Daten, Algorithmen und Verfahren, speziell in den Bereichen Pflanze und Bioververfahrenstechnik. Sie können professionell Messketten aufbauen und nutzbringend und qualifiziert im späteren Tätigkeitsfeld einsetzen.  

Literatur

Online-Skript mit Praktikumsaufgaben,

Datenblätter,

Hard- und Softwareanleitungen aus dem Internet,

FAQs aus dem Internet in den entsprechenden User-Groups,

Berechnungsbeispiele als Powerpoints mit entsprechenden Anleitungen,

Powerpointpräsentationen mit Baisics zu jedem Themenfeld der Sessions,

Verwendbarkeit nach Studiengängen

  • Landwirtschaft
    • Landwirtschaft B.Sc. (01.09.2025)

  • Angewandte Pflanzenbiologie - Gartenbau, Pflanzentechnologie
    • Angewandte Pflanzenbiologie - Gartenbau, Pflanzentechnologie B.Sc. (01.09.2025)

  • Bioverfahrenstechnik in der Lebensmittelindustrie
    • Bioverfahrenstechnik in der Lebensmittelindustrie B.Sc. (01.09.2025)

  • Agrarsystemtechnologien
    • Agrarsystemtechnologien B.Sc. (01.09.2025)

    Modulpromotor*in
    • Rath, Thomas
    Lehrende
    • Rath, Thomas