Sensorik, Daten und intelligente Messsysteme

Sensoren und Messdaten bilden die Grundlage moderner mechatronischer Systeme, vernetzter Produktionsanlagen und Digitaler Zwillinge. Das Mikromodul vermittelt deshalb nicht nur theoretische Grundlagen, sondern verbindet diese unmittelbar mit einem praktischen Anwendungsfall.

• Sensorik und Messketten
• Sampling, Digitalisierung und Aliasing
• Signalverarbeitung und Filterung
• statistische Beschreibung von Messdaten
• grundlegende Zustandsschätzung und Kalman-Filter
• Erfassung, Übertragung und Visualisierung von Sensordaten

Umfang: 1 ECTS / 30 Stunden Arbeitsaufwand.

Ein zentraler Bestandteil ist die praktische Umsetzung im Makerspace und Home-Assistant (eine zentrale IoT-Plattform). Die Studierenden arbeiten mit einem realen Sensorsystem und lernen dabei die gesamte Datenverarbeitungskette kennen.

Ein beispielhafter Demonstrator basiert auf einem CO₂-Sensor mit Mikrocontroller. Die Messwerte werden ausgelesen, mit Python verarbeitet und über die Protkolle MQTT und Websocket übertragen. Anschließend werden die Daten in Home Assistant dargestellt und ausgewertet.

Messgröße → Sensor → Mikrocontroller → Python → Kommunikation →
Home Assistant → Visualisierung

Ein beispielhafter Demonstrator basiert auf einem CO₂-Sensor mit Mikrocontroller. Die Messwerte werden ausgelesen, mit Python verarbeitet und über die Protkolle MQTT und Websocket übertragen. Anschließend werden die Daten in Home Assistant dargestellt und ausgewertet.

Das Konzept wird gezielt so entwickelt, dass das Mikromodul in unterschiedlichen ingenieurwissenschaftlichen Kontexten eingesetzt werden kann. Zielgruppen sind insbesondere Studierende aus Simulation Technology, Technischer Kybernetik, Maschinenbau, Mechatronik, Fahrzeugtechnik sowie weiteren ingenieurwissenschaftlichen Studiengängen.

Ein erster konkreter Einsatz ist als integriertes 1-ECTS-Mikromodul im Modul „Mechatronics and Digital Twin“ vorgesehen. Die dort erworbenen Kompetenzen zu Sensorik und Daten bilden zugleich die Verbindung zwischen physikalischem System und Digitalem Zwilling.

Vom theoretischen Konzept zum funktionierenden System: Studierende erleben unmittelbar, wie aus einer physikalischen Messgröße digitale Daten entstehen und wie diese verarbeitet und genutzt werden.

Hands-on statt ausschließlich Vorlesung: Die praktische Arbeit im Makerspace ergänzt digitale Lernmaterialien, Übungen und betreute Projektarbeit. Ziel ist ein sichtbares und funktionierendes Ergebnis.

Relevanz für moderne Ingenieurwissenschaften: Sensorik, Datenkommunikation und Datenverarbeitung sind zentrale Bausteine von Cyber-Physical Systems, Digitalen Zwillingen, Automatisierung und Simulation@Operations.

Flexibel einsetzbar: Das Mikromodul ist als eigenständiger Kompetenzbaustein konzipiert und kann perspektivisch in unterschiedliche bestehende Studienmodule integriert werden.

Das Mikromodul kombiniert digitale und betreute Lernphasen mit praktischer Arbeit. Für den Umfang von 30 Stunden / 1 ECTS ist aktuell folgende Struktur vorgesehen:

Digitale Lehrmaterialien werden schrittweise in deutscher und englischer Sprache entwickelt. Ergänzend sind Lernvideos und Schulungsmaterialien für die praktische Makerspace-Nutzung vorgesehen.

Prüfungsform: Benotete Studienleistung (BSL).

Die BSL umfasst studienbegleitende praktische und individuelle Leistungen. Dazu können insbesondere die praktische Umsetzung einer Messkette, die Analyse und Visualisierung von Messdaten sowie eine individuelle Lernstandskontrolle gehören. Art, Umfang, Gewichtung und Termine der einzelnen Leistungen werden zu Beginn der Lehrveranstaltung bekannt gegeben.

Das Mikromodul entsteht im Rahmen des INTERACT-Arbeitspakets Mikromodule in Zusammenarbeit des Instituts für Technische und Numerische Mechanik (ITM) und des Instituts für Parallele und Verteilte Systeme (IPVS).

Im bisherigen Projektverlauf wurden Lehr- und Lernmaterialien entwickelt, die technische Infrastruktur für Home Assistant eingerichtet und ein Sensor-Demonstrator erprobt. Gemeinsam mit Makerspace und Media Lab wird derzeit insbesondere untersucht, wie der praktische Anteil auch für größere Studierendenzahlen skalierbar umgesetzt werden kann. Hierzu werden unter anderem digitale Schulungsmaterialien, eine Lernstandskontrolle unmittelbar vor der praktischen Nutzung und eine Erfassung des tatsächlichen studentischen Arbeitsaufwands vorbereitet.