Wie macht man ein Design-Projekt in einem interdisziplinärem Team? Wie erlangt man schnell zu Erkenntnissen und Entwürfen im Lösungsraum? Ein Projekt zwischen Design-Sprint, Minimum Viable Product und User Research.
Lean Frameworks und Designmethoden.
Lernziel »Wir irren uns empor« (Harald Lesch). Analytische Herangehensweise und Erkenntnisgewinn aus (gescheiterten) Projekten. Mit einigen Leitplanken ist das Fehler-Machen erwünscht und dient dem Lernprozess! Nicht das Ergebnis steht im Vordergrund, sondern der Prozess.
Prof. Hans Kraemer, Prof. Marc Guntow, Prof. Dr. Markus Weinberger, Pius Burkhart
Digital TWINzer
Allein in den Weinbergen Europas werden durch Winzer jedes Jahr knapp 90 000 Tonnen Pilzgifte ausgebracht. Dies entspricht knapp 60% der in der Landwirtschaft insgesamt verwendeten Menge. Im Verhältnis der Gesamtfläche der Weinberge in der EU, die mit ihren knapp 3,5 Millionen Hektar nur 2% im Vergleich zu anderen Kulturpflanzen aus macht, verwenden die Winzer das ca. 73-fache an Spritzmittel als die restliche Landwirtschaft.
- Nach Daten des Quedlinburger Julius-Kühn-Instituts (JKI) – das Forschungsinstitut des Bundes für die Landwirtschaft und der EU
Herausforderung
Weniger zu spritzen wäre ökologischer und würde dem Winzer Zeit und Kosten sparen. Das reduzieren dieser Spritzmittel ist aber gar nicht so leicht, denn der Weinbau ist ein ständiger Kampf gegen die Schädlinge. Auch aufgrund der schwierigen klimatischen Bedingungen der letzten Jahre.
Der Trend Insight driven Farming verspricht bei diesen Problemen Abhilfe zu schaffen. Mehr Informationen helfen dem Winzer bessere Entscheidungen zu treffen und frühzeitiger auf Auffälligkeiten zu reagieren. Allerdings sind viele Technologien sehr kostenintensiv oder sind noch nicht weit genug in der Entwicklung.
Lösung
Mit unserem Projekt Digital Twinzer möchten wir helfen Daten aus dem Weinberg auf einfache Art und Weiße bereitzustellen. Dafür kommen Sensoren zum Einsatz, die direkt am Traktor angebracht sind. Somit werden die Daten bei der alltäglichen Arbeit im Weinberg aktualisiert. Bei den Sensoren handelt es sich um eine ESP32-Cam zur Bilderfassung und einen Lidar-Sensor, um die Rebhöhe und Laubdichte zu erfassen. Schädlingsbefälle werden somit automatisch erkannt und katalogisiert. Erweitert wird die Hardware am Traktor durch externe Satellitenbilder und Wetterdaten von regionalen Wetterstationen.
In unserer Anwendung werden die Informationen auf 5 Ebenen angeordnet. Diese filtern und strukturieren den jeweiligen Content der erfassten und visuallisierten Daten in der Digital Twin Anwendung.
Hinterlasse einen Kommentar