Interdisziplinäre Ansätze in der Bauingenieurlehre: Entwicklung eines VR/AR-Straßenbaulabors und multivariate Datenanalyse von FTIR-Versuchsergebnissen

Abstract

Die vorliegende Diplomarbeit setzt sich aus zwei Teilen zusammen, die sich gegenseitig ergänzen und einen Beitrag zur Weiterentwicklung der Lehrmethoden sowie zur Analyse komplexer Daten leisten können. Der erste Teil befasst sich mit dem Aufbau eines virtuellen Labors,während im zweiten Teil eine datenbasierte Analyse von FTIR-Versuchsdaten von Bitumenproben durchgeführt wird. Beide Teile tragen dazu bei, den Einsatz moderner Technologien in der Lehre und der wissenschaftlichen Analyse zu fördern.Im ersten Teil der Arbeit wurde ein virtuelles Labor entwickelt, das die aktuellen Möglichkeiten von Virtual Reality (VR) und Augmented Reality (AR) für Bildungszwecke nutzt. Ziel war es, die Lehre zu digitalisieren und um interaktive Inhalte zu erweitern. Zunächst werden grundlegende Begriffe und Konzepte erläutert, die für das allgemeine Verständnis wichtig sind, sowie einige bestehende VR/AR-Anwendungen an Bildungseinrichtungen vorgestellt. Der technische Aufbau des virtuellen Labors umfasste die Erstellung eines 3D-Gebäudemodells und detaillierter Laborgeräte-Modelle sowie die Verknüpfung dieser Elemente. Das Gesamtmodell wurde anschließend über die Plattform „AR-supported Teaching“ zugänglich gemacht. Abschließend wird erläutert, wie die Animation eines FTIR-Versuchs erstellt und mit der Plattform verknüpft wurde.Der zweite Teil der Arbeit widmet sich der Datenanalyse von FTIR-Versuchsdaten von Bitumenproben. Hierbei wurden zunächst eine Hauptkomponentenanalyse (PCA) und anschließendein Random-Forest-Algorithmus durchgeführt. Die Hauptkomponentenanalyse half dabei, Musterin den Daten zu identifizieren und zu interpretieren. Die Ergebnisse der PCA zeigten klar erkennbare Cluster, die auf spezifischen Wellenzahlen basierten und Einblicke in die chemische Zusammensetzung der Proben lieferten. Mit dem Random-Forest-Algorithmus wurden die wichtigsten Wellenzahlen für die jeweilige Clusterzuordnung ermittelt und ebenfalls chemisch interpretiert, was eine detaillierte Analyse der chemischen Strukturen der vorliegenden Proben ermöglichte.Insgesamt zeigt diese Arbeit, wie moderne Technologien sowohl in der computergestützten Lehre als auch in der datenbasierten Forschung eingesetzt werden können. Die Ergebnisse verdeutlichen,dass die Methoden in der Lage sind, komplexe Laborprozesse zu simulieren sowie Daten effizient aufzubereiten und zu analysieren. Zukünftige Arbeiten könnten auf diesen Ergebnissen aufbauen, um das virtuelle Labor weiterzuentwickeln und die Datenanalyse zu verfeinern.

The present thesis is composed of two parts, which complement each other and contribute to the advancement of teaching methods as well as the analysis of complex data. The first part deals with the creation of a virtual laboratory, while the second part conducts a data-based analysis of FTIR experimental data from bitumen samples. Both parts help to promote the use of modern technologies in education and scientific analysis.In the first part of the thesis, a virtual laboratory was developed, utilizing current possibilities of Virtual Reality (VR) and Augmented Reality (AR) for educational purposes. The aim was to digitize teaching and enhance it with interactive content. Initially, fundamental terms and concepts necessary for a general understanding are explained, and some existing VR/AR applications at educational institutions are presented. The technical setup of the virtual laboratory included the creation of a 3D building model and detailed models of laboratory equipment, as well as the integration of these elements. The overall model was made accessible via the platform "AR-supported Teaching". Finally, the creation of an FTIR experiment animation and its integration into the platform is explained.The second part of the thesis focuses on the data analysis of FTIR experimental data from bitumen samples. A Principal Component Analysis (PCA) was first conducted, followed by a Random Forest analysis. The PCA helped to identify and interpret patterns in the data. The PCA results showed clearly recognizable clusters based on specific wavenumbers, providing insights into the chemical composition of the samples. Using the Random Forest algorithm, the most important wavenumbers for the respective cluster assignment were identified and also chemically interpreted, allowing for a detailed analysis of the chemical structures of the samples.Overall, this thesis demonstrates how modern technologies can be used in both computer-aided teaching and data-based research. The results show that these methods offer the ability to simulate complex laboratory processes and efficiently prepare and analyze data. Future work could build on these findings to further develop the virtual laboratory and refine the data analysis.