Projekt-/Forschungspraktikum - Analyse von Mikroklimata im Weinbau

Keine passenden Lehrveranstaltungen gefunden.

Organisation

  • Studiengänge: Bachelor oder Master of Science: Information Management / Digital Business Management, Wirtschaftsinformatik, Informatik, Computervisualistik, Master of Science: E-Government, Web and Data Science, Computational Social Science

  • Zeitplan: Das Kick-off Meeting des Projekt-/Forschungspraktikums wird organisiert, sobald sich mindestens 6 Personen in Klips registriert haben. Reguläre offizielle Treffen werden alle 2-3 Wochen organisiert.

  • Registrierung in Klips: aktuell geöffnet

  • Informationsveranstaltung: t.b.a

Hintergrund

Das Moseltal im Landkreis Cochem-Zell mit seiner einzigartigen Kulturlandschaft und fast 2000-jährigen Weinbautradition ist geprägt von kultivierten Steillagen. Um dem stetigen Rückgang der Rebflächen im Anbaugebiet Burg Cochem entgegenzuwirken und die einzigartige Kulturlandschaft zu erhalten, zielt das Projekt „Smarter Weinberg“ darauf ab, mithilfe von 5G-Kommunikationsinfrastruktur sowie IoT-Sensornetzwerken die Arbeit in den Steillagen durch zukunftssichere Digitalisierung und Automatisierung zu erleichtern. Dies soll die regionalen Winzer stärken, die die Terrassen an der Mosel bislang überwiegend von Hand bewirtschaften. Die Entwicklungen im Rahmen des Projekts sollen zudem insgesamt einen ökologischeren, nachhaltigeren und sichereren Weinanbau in den Steillagen ermöglichen.

Jährlich wiederkehrende Arbeiten wie Bodenbearbeitung, Entlaubung und Spritzung gehören zu den zeitintensivsten Aufgaben im Steillagenweinbau.

Das Projekt „Smarter Weinberg“ entwickelt ganzheitliche webbasierte Anwendungen für Winzer, die diese wiederkehrenden Tätigkeiten mithilfe von Robotik, KI, IoT-Sensoren und Bilderkennung (teilweise) automatisieren und Winzer durch die intelligente Weiterverwendung der gesammelten Daten über eine zentrale Datenplattform unterstützen.

Im Rahmen des Projektes wurden auf drei Weinbergen stationäre Sensoren in verschiedenen Mikro-Umgebungen installiert, die Daten wie Blattnässe und Temperatur messen. Die Sensordaten aus den Weinbergen ermöglichen es den Winzern, fundiertere Entscheidungen zu treffen und wetterbedingte Risiken potenzieller Krankheiten zu minimieren. Darüber hinaus nutzen wir Dienste wie Wetterstationen des DLR und des DWD, um zusätzliche Wetterdaten zu sammeln und Prognosedaten zu erhalten.

Zielsetzungen und Aufgaben

Ziel des Projekt-/Forschungspraktikums ist die Validierung sensorischer und prognostizierter Wetterdaten, um deren Genauigkeit, Zuverlässigkeit und Qualität sicherzustellen und die Unterschiede zwischen dem regionalen Gesamtklima und dem Mikroklima an bestimmten Standorten der Versuchsweinberge zu verstehen. Die Validierung sensorischer Wetterdaten erfolgt durch deren Vergleich mit Daten aus Referenzquellen, wie z. B. etablierten Wetterstationen oder (nicht-)kommerziellen Wetterdiensten. Die Analyse der lokalen sensorischen Daten und deren Korrelation mit den wetterbezogenen Gesamtdaten könnte uns zudem helfen, die Qualität und Zuverlässigkeit von Prognosen besser zu verstehen.

Ein weiteres Ziel ist die Erstellung eigener Prognosedaten und der Vergleich der Prognosegenauigkeit mit Referenzprognosen und der tatsächlichen Grundwahrheit. Im Rahmen des Projekt-/Forschungspraktikums sind folgende Arbeiten durchzuführen:

  • Datenextraktion und -vorverarbeitung: Extrahieren Sie die Daten aus verschiedenen Datenquellen (von der Smarter Weinberg-Datenplattform sowie externen Datenquellen) und verarbeiten Sie sie so vor, dass die Formate ähnlich sind und Fehler oder fehlende Daten behoben werden.
  • Datenanalyse: Analysieren und korrelieren Sie die Sensordaten von Smarter Weinberg mit öffentlich verfügbaren Wetterdaten und validieren Sie die Genauigkeit unserer gesammelten Daten bei Abweichungen.
  • Forschung zu Prognosemethoden: Erforschen Sie verschiedene Ansätze zur Wettervorhersage, einschließlich maschineller Lernverfahren, statistischer Methoden und anderer praktikabler Prognoseansätze.
  • Prognoseimplementierung: Implementieren Sie eigene Prognosemethoden basierend auf wissenschaftlichen Forschungsergebnissen und validieren Sie deren Genauigkeit.
  • Projektmanagement, Ergebnispräsentation, Dokumentation und Berichterstattung: Während des Forschungslabors ist das Team für ein effektives und effizientes agiles Projektmanagement und eine Projektplanung verantwortlich, einschließlich der Organisation regelmäßiger offizieller Treffen mit den Betreuern, um Zwischenergebnisse zu präsentieren und den Fortschritt zu kommunizieren. Zusätzlich müssen die Ergebnisse und methodischen Ansätze der Arbeit auch im Projekthandbuch (Bericht) dokumentiert werden. Am Ende des Projekt-/Forschungspraktikums müssen das Gesamtprojekt und seine Ergebnisse in einer Abschlusspräsentation vorgestellt werden.

Anforderungen an die Teilnehmenden

  • Technisches Hintergrundwissen: Kenntnisse in Zeitreihenanalyse, statistischer Analyse und ML-Ansätzen; Verständnis grundlegender Datenformate wie JSON, CSV, XML usw.
  • Grundlegende Programmierkenntnisse: Kenntnisse in Python oder R; optional Flutter-Erfahrung (für Front-End-Visualisierung)
  • Datenanalysekenntnisse: Für die effiziente Arbeit mit vorhandenen Daten sind Grundkenntnisse in Datenbereinigung, maschinellem Lernen, statistischer Analyse, Datenvisualisierung und Datentransformation in Python, R, SQL usw. erforderlich.
  • Projektmanagement und Soft Skills für Präsentation, Dokumentation und Teamarbeit

Ihr Nutzen

  • Im Rahmen des Forschungslabors nehmen Studierende an einem realen Datenanalyseprojekt eines aktuellen Forschungsprojekts teil.

  • Sie erhalten einen tieferen Einblick in die Praxis der Wetterdatenanalyse und die Methoden und Werkzeuge der KI-/ML-basierten Datenanalyse.

Wir freuen uns auf eine spannende Zusammenarbeit!