004 Informatik
Refine
Year of publication
Document Type
- Moving Images (46)
- Conference Proceeding (19)
- Article (16)
- Part of a Book (4)
- Bachelor Thesis (3)
- Book (2)
- Master's Thesis (1)
- Report (1)
Language
- German (92) (remove)
Keywords
- Inverted Classroom (4)
- Digitalisierung (3)
- Scrum (3)
- Agile Lehre (2)
- Future Skills (2)
- AVB/TSN (1)
- Agile Didaktik (1)
- Agiles Lernen (1)
- BIM (1)
- Bauen 4.0 (1)
Institute
- Fakultät AuL (46)
- Fakultät WiSo (26)
- Fakultät IuI (16)
- Institut für Management und Technik (1)
- LearningCenter (1)
Auf vielen Landmaschinen wird der CAN-Bus zur Übertragung von Daten zwischen Sensoren, Aktoren und Steuergeräten genutzt. Anwendungen wie Rückfahrkameras und Bird-ViewAnzeigen erfordern in der Regel zusätzliche, breitbandige Kommunikationskanäle. Dieser Beitrag untersucht, inwieweit ein gemeinschaftliches Kommunikationsmedium auf Basis von Ethernet zur Realisierung aktueller und zukünftiger Anwendungen auf Landmaschinen genutzt werden kann. Zusätzlich wird der Einsatz aktueller Technologien wie Audio/Video Bridging, Time-Sensitive Networking und Wifi auf einem Landmaschinengespann untersucht und bewertet.
Die Digitalisierung des Bodenbeprobungsverfahrens mit einer automatisierten Generierung einer Düngeempfehlung auf Grundlage der analysierten Bodennährstoffgehalte – direkt nach Beendigung der Bodenbeprobung auf dem Acker – ist ein übergeordnetes Ziel bei der Nutzung des mobilen Feldlabors „soil2data“. Neben den Bodennährstoffanalyse-Ergebnissen sind für die Umsetzung einer automatisierten generierten Düngeempfehlung weitere Informationen notwendig.
Die Quellen dieser Informationen haben einen unterschiedlichen Ursprung. Es sind Daten aus verschiedenen Quellen vom Bewirtschafter, von Dienstleistern und vom mobilen Feldlabor, welche miteinander verknüpft und synchronisiert werden müssen. Für einen automatisierten Prozessablauf zur Generierung einer Düngeempfehlung ist die Datenorganisation eine essenzielle Voraussetzung. Die Grundlage der Empfehlung sind die Tabellenwerke der offiziellen Düngeempfehlung, die bei den für die Düngung zuständigen Behörden der Bundesländer vorliegen. In dieser Publikation werden die notwendigen Daten und der Prozessdatenfluss für die Bodenbeprobung und Düngeempfehlung-Generierung beschrieben und grafisch dargestellt.
Anwendungen wie ChatGPT oder WOMBO Dream machen es leicht, Studierende ohne Programmierkenntnisse für die Anwendung von künstlicher Intelligenz (KI) zu begeistern. Deshalb sind angesichts der zunehmenden Bedeutung von KI in allen Disziplinen innovative Strategien erforderlich, um Studierende ohne Programmierkenntnisse so auszubilden, dass die Anwendung von KI als Future Skill in die Studienmodule integriert werden kann. In diesem Artikel wird ein didaktisches Planungsraster für angewandte KI vorgestellt. Es orientiert sich am Prozess der KI-Programmierung (KI-Anwendungspipeline) und verknüpft KI-Konzepte mit studienrelevanten Themen. Diese Verknüpfung eröffnet einen neuen Lösungsraum und fördert das Interesse und das Verständnis für die Potenziale und Risiken von KI bei den Studierenden. Anhand einer Beispielvorlesungsreihe für Studierende der Energiewirtschaft wird gezeigt, wie KI nahtlos in den Unterricht integriert werden kann. Dafür wird das Planungsraster für angewandte KI an die Fachvorlesung angepasst. Dadurch können die Studierenden eine fachspezifische Aufgabenstellung Schritt für Schritt mit der KI-Anwendungspipeline lösen. So zeigt die Anwendung des didaktischen Planungsrasters für angewandte KI die praktische Umsetzung der theoretischen Konzepte der KI. Darüber hinaus wird eine Checkliste vorgestellt, anhand derer beurteilt werden kann, ob KI in der entsprechenden Vorlesung eingesetzt werden kann. KI als Future Skill muss von den Studierenden anhand von Anwendungsfällen erlernt werden, die für das Studienfach relevant sind. Aus diesem Grund sollte sich die KI-Ausbildung nahtlos in verschiedene Curricula einfügen lassen, auch wenn die Studierenden aufgrund ihres Studienfachs keinen Programmierhintergrund haben.