
Umstrukturierung der Software-Architektur
"Durch die Umstrukturierung der Software-Architektur und den Wechsel der Programmiersprache von Matlab® auf den Open-Source-Code Python konnte eine Verringerung des Programmieraufwandes sowie eine Verbesserung der grafischen Oberfläche und der Bedienbarkeit erzielt werden."
Kategorien
Beschreibung
Herausforderung
Nach anfänglichen Programmierarbeiten in Matlab® zeigte sich, dass diese Art der Programmierung zu starre Strukturen aufweist und für neue Mitarbeitende aufwändig zu erlernen ist. Für die im Teilprojekt vorgesehene Aufgabenstellungen gab es nur wenig vergleichbare extern vorgefertigte Beispiele. Die Lizenz-Politik der Firma MathWorks erschwert zudem den langfristigen Einsatz der entwickelten Softwaretools. Zudem erwies es sich als schwierig geeignetes Personal mit Matlab-Erfahrung zu finden.
Herangehensweise
Der Wechsel der Programmiersprache Matlab® auf Python sowie die Umstrukturierung der Software-Architektur hin zu einer flexiblen Strukturierung erbrachten entscheidende Vorteile bezüglich der Einfachheit, Entwicklungsgeschwindigkeit sowie der späteren Wartung und Weiterentwicklung der Software.
Da zudem auf dem Arbeitsmarkt wesentlich mehr Python- als Matlab-Programmierer zur Verfügung stehen, erleichterte dies auch die Akquise der benötigten Mitarbeitenden.
Da Python als Open-Source-Anwendung eine sehr große Entwickler- und Nutzer-Community hat, existieren zahlreiche kostenfreie Beispiele, die sich an die eigenen Bedürfnisse anpassen lassen, was die Entwicklungsarbeiten immens erleichtert.
Der im Projekt entwickelte Programmcode ist auf Wunsch über GitHub oder per Mail erhältlich.
Zusammenhang
Diese Maßnahme wurde während der Entwicklung und Fertigung der Versuchsanlagen im Teilprojekt „Das virtuelle, ferngesteuerte Labor für Mikroalgen“ erprobt und hat sich in der Praxis bewährt.
Ziel war die Planung einer Laborlehrveranstaltung für den Bachelorstudiengang „Biotechnologie“. Hierzu wurde ein fernsteuerbarer Versuchsaufbau mit umfangreicher mess- und steuerungstechnischer Ausstattung entwickelt, wodurch das Algenwachstum aus der Ferne überwacht, gesteuert und optimiert werden kann.
Voraussetzung
Die Mitarbeitenden müssen über Programmierkenntnisse, vorzugsweise in Python, verfügen und zum interdisziplinären Arbeiten mit anderen Mitarbeitenden, z.B. aus der Biotechnologie, befähigt sein.
Eignung
Die entwickelte Software wurde mit mehreren Studierendengruppen erprobt und für sehr gut befunden.
Die Software läuft stabil und ist für zahlreiche neue Sensoren flexibel anpassbar.
Die Benutzeroberfläche sieht ansprechend aus und ist leicht zu bedienen.
Die Softwaretools lassen sich einfach an andere, ähnliche Anwendungen/Laborversuche anpassen.
Vorgehen/Schritte
Das Anforderungsprofil an die zu entwickelnde Software sollte detailliert festgelegt werden. Zu beachten sind dabei auch Randbedingungen, wie Verfügbarkeit, Lizenzgebühren, Verbreitung, Entwicklungsumgebung und vorgefertigte Beispiele, der vorgesehenen Programmiersprache. Weiterhin ist die Verfügbarkeit entsprechender Programmierer:innen auf dem Arbeitsmarkt zu berücksichtigen.
Hinweise
Effekte
Durch die enorme Erweiterung von zusätzlichen Python-Bibliotheken und Anwendungsbeispielen steigt die Erwartungshaltung an die technischen Aspekte des Projekts hinsichtlich der Adaption neuer Sensoren, der Datenbankverwaltung, der Reaktions- bzw. Rückmeldezeit der Datenbankabfrage sowie der Gestaltung der Benutzeroberfläche. Entsprechend sorgfältig sollte zuvor das Anforderungsprofil an die Software ausgelegt werden.
Learnings
Im Detail dauert die Programmierung spezifischer Komponenten doch länger als gedacht, auch wenn es dafür bereits klare Vorstellungen, Programmier-Konzepte und ähnliche Anwendungsbeispiele gab. („Der Teufel steckt oft im Detail“.)
Einmal eingeschlagene Programmier- und Vorgehensweisen sind nur schwer zu modifizieren. Häufig ist hier ein neues Konzept notwendig. Daher ist eine ausführliche Planung im Vorfeld mit allen möglichen Worst-Case-Szenarien unerlässlich.
Empfehlung
Nein, die Programmiersprache Python hat sich bestens bewährt.
Tipps
Ein ausführliches Pflichtenheft für die Erstellung der Software in all ihren Fassetten erstellen.
Methoden
Empfohlen
Nicht empfohlen
Kontakt
Das könnte Sie auch interessieren

Explorer Master: Lernen durch Neugierde
Die TU Braunschweig implementiert mit dem Explorer Master eine neuartige Studiengangsarchitektur. Fünf Pilotstudiengänge setzen diese Struktur im Rahmen des Projekts in ihren Curricula um. Durch das didaktische Prinzip des Forschenden Lernens, Kooperationen mit externen Partner*innen und innovative interdisziplinäre Lernformate, erwerben die Studierenden zukunftsgerichtete Kompetenzen, die sie dazu befähigen, komplexe Herausforderungen zu bewältigen. Es wird ein Explorer Network entstehen, das eine feste Zusammenarbeit zwischen den Studierenden, Lehrenden, Forschungseinrichtungen, Politik und Gesellschaft beinhaltet. Ein weiterer Bestandteil des Antrags ist die innovative Verschmelzung von bisher getrennten Lehr-Lern- und Forschungsorten in der Universität und bei regionalen Partnern zu Explorer Places. Diese Explorer Places werden im Rahmen der Pilotstudiengänge für die Lehre genutzt. Mit dem Vorhaben begegnen wir unserer Vision, Changemaker von morgen auszubilden, die in einer sich wandelnden Gesellschaft und Arbeitswelt national wie international professionell agieren und diese aktiv mitgestalten können.
Projekt anzeigen
Anwendung+Adaption v. WOL f.d. HS-Lehre z. Förd. v. Vernetzungs- u. Selbstorganisationskompetenzen
Für die Wirtschaft wurden mit Working Out Loud (WOL) und ähnlichen Methodenverbünden Angebote gestaltet, mit denen Fachkräfte ihre Vernetzungs- und Selbstorganisationskompetenzen weiterentwickeln. Aufgrund der Bedeutung dieser Kompetenzbereiche wurde WOL daraufhin untersucht, wie es sich im Hochschulkontext anwenden bzw. adaptieren lässt. [Anm. StIL: Diese Maßnahme wurde in einer Vorgängerversion der Abfrage dokumentiert. Bei der Übertragung auf das aktuelle Format kann es vorkommen, dass die Antworten nicht hundertprozentig zur Frage passen.]
Maßnahme anzeigen
Autonomous Usage of LLMs in Scenario-Based Laboratory Learning in Engineering Education
This study examines Large Language Models (LLMs) in a real-world scenario laboratory for third-semester process engineering students, who worked autonomously without cookbook-style instructions. It addresses five questions: (1) whether students used LLMs in an unfamiliar setting, (2) for which issues, (3) in which AI literacy domains, (4) their perceived competence gains, and (5) how they evaluated the experiment compared with conventional laboratories. Approximately 40% used an LLM, while 36% did not; some considered its use a “joke.” Most engaged only occasionally, and few used LLMs extensively or effectively. Although students recognised their potential, insufficient guidance and cognitive overload hindered effective use. They mainly addressed issues for which LLM responses showed only surface-level understanding according to the SOLO taxonomy. Metacognitive AI literacy tasks were rare, and prompting strategies remained suboptimal. Students reported moderate perceived competence gains in LLM interaction. Active users gained insight into appropriate applications and limitations, while all participants benefited from discussions. LLM use also increased perceived competence gains compared with previous runs. The findings underscore the need for clear use cases and guidance to foster self-efficacy in initial AI interactions and suggest that SOLO taxonomy can assess LLM response quality.
Publikation anzeigen