Die Plattform
Die Online-Plattform hält eine Messkampagne zusammen: Teilnehmende, Messorte, Beobachtungen und Daten. Sie erlaubt, projektspezifische Inhalte komfortabel einzupflegen und räumlich, zeitlich sowie semantisch zu verorten — von der Planung über die Feldarbeit bis zur Auswertung.
Die Struktur der Plattform wurde über die drei Fallstudien hinweg iterativ entwickelt und mehrfach grundlegend überarbeitet, bis sich die aktuelle Form bewährte.
Struktur und Inhalte #
Die Plattform organisiert alle Projektinhalte in hierarchischen, miteinander verknüpften Ebenen. Jede Ebene hat spezifische Funktionen und Eigenschaften.
Projekte #
Ein Projekt bildet den Rahmen für alle Aktivitäten. Es ist definiert durch ein geografisches Gebiet, einen Zeitraum und eine Gruppe von Teilnehmenden. Innerhalb eines Projekts können mehrere Messkampagnen durchgeführt werden.
Teilnehmende #
Jede teilnehmende Person hat ein Profil mit Kontaktdaten und Wohnort. Dort werden auch die Ressourcen erfasst, die jemand einbringen kann – etwa ein Balkon für die Sensorinstallation, WLAN für ein Gateway oder Zeit für die Betreuung eines Sensors. Die Plattform zeigt alle zugeordneten Sensoren und Aufgaben.
Messkampagnen #
Eine Messkampagne ist die operative Ebene. Sie umfasst einen definierten Zeitraum, ein Messgebiet und die zugehörigen Experimente. Hier werden auch Events wie Workshops und Meetings verwaltet.
Experimente #
Auf der Experiment-Ebene wird das wissenschaftliche Forschungsdesign dokumentiert: die Forschungsfrage oder Hypothese, die identifizierten Variablen und das Experimentdesign mit den zugeordneten Sensorstandorten.
Sensorstandorte und Sensor-Module #
Jeder Sensorstandort dokumentiert, wo und unter welchen Bedingungen gemessen wird: Höhe über dem Boden, Abstand zur Straße, Umgebungsbeschreibung. Das Installationsprotokoll enthält Fotos und Anmerkungen. Die physischen Sensor-Module werden mit ihren Stammdaten verwaltet – eindeutige Kennung, Kalibrierungsdaten und die Historie aller Installationen.
Beobachtungen #
Teilnehmende können jederzeit Beobachtungen erfassen – mit Text, Fotos, automatischer GPS-Verortung und Zeitstempel. Diese Beobachtungen werden der Messkampagne zugeordnet und können mit Tags kategorisiert werden. So entsteht neben den Sensordaten eine qualitative Dokumentationsebene.
Räumliche, zeitliche und semantische Verortung #
Ein zentrales Prinzip der Plattform: Fast alle Inhalte haben einen räumlichen und zeitlichen Bezug. Messungen, Beobachtungen, Events, Sensorstandorte – alles wird auf einer Karte und auf einer Zeitleiste verortet.
Karte und Zeitleiste #
Die interaktive Stadtteilkarte zeigt Sensorstandorte, Beobachtungen, Teilnehmer-Wohnorte und relevante geografische Merkmale wie Straßen und Points of Interest. Die Zeitleiste erfasst Events, Messkampagnen-Zeiträume und Beobachtungen mit Zeitbezug.
Tags #
Tags reichern die Inhalte semantisch an. Sie bestehen aus einem Schlüssel und einem Wert – etwa „Straßentyp: Hauptstraße" oder „Sensorhöhe: 3m". Tags können von Teilnehmenden eingegeben oder automatisch aus externen Quellen importiert werden.
Die konsequente Verortung in Raum, Zeit und Bedeutung ermöglicht es, jeden Messwert automatisch mit Kontextinformationen zu verknüpfen – eine Voraussetzung für die spätere Analyse. Konzeptionell baut das auf der Space-Time-Concept Map auf.
Mobile Assistenten #
Ein wichtiger Teil der Plattform sind spezialisierte, smartphone-optimierte Assistenten für die Feldarbeit. Sie führen durch standardisierte Abläufe und stellen sicher, dass alle notwendigen Daten erfasst werden.
Sensor-Installations-Assistent #
Begleitet die Installation eines Sensors mit einer Checkliste und erfasst systematisch alle relevanten Daten — GPS-Koordinaten, Fotos, Höhe, Abstand zur Straße, Stromversorgung, Anmerkungen.
Beobachtungs-Assistent #
Ermöglicht das schnelle Erfassen von Beobachtungen unterwegs — Kategorie, Beschreibung, Foto, automatische oder manuelle Ortsbestimmung.
Wartungs-Assistent #
Unterstützt bei der Sensor-Wartung — Batteriewechsel dokumentieren, Funktionsstatus prüfen, Auffälligkeiten notieren.
Die mobilen Assistenten erwiesen sich als besonders wertvoll. Sie wurden von den Teilnehmenden gut angenommen und regelmäßig genutzt.
Schnittstelle zu den Workshop-Materialien #
Die Online-Plattform ist auf die analogen Workshop-Werkzeuge abgestimmt. Die in den Workshops auf Papier erarbeiteten Inhalte – Annotationen auf der Stadtteilkarte, Einträge auf dem Zeitstrahl, gesammeltes Wissen, Fragen und identifizierte Probleme – werden als Tags in die digitale Karte überführt und können dort weiterverarbeitet werden.
Die Plattform kann auch druckfertige Workshop-Materialien generieren: Auf Basis des definierten Projektgebiets und Zeitraums werden Stadtteilkarte und Zeitleiste als hochauflösende PDFs erstellt. Das Design lädt zur aktiven Ausgestaltung durch die Teilnehmenden ein und erwies sich als effektiv für die partizipative Wissensextraktion in den Workshops.
Technische Umsetzung #
Webbasierte Plattform #
Entgegen der ursprünglichen Planung einer nativen Smartphone-App wurde eine webbasierte, für Smartphones optimierte Plattform realisiert. Diese Entscheidung bot entscheidende Vorteile: keine Installation erforderlich, bessere Gerätekompatibilität, geringere Entwicklungsaufwände und schnelle Bereitstellung für die erste Fallstudie.
Die Plattform umfasst eine Desktop-Version mit vollständigem Funktionsumfang und eine mobile Version mit den spezialisierten Assistenten für die Feldarbeit.
Daten-Backend #
Das Backend verarbeitet und speichert die Sensordaten. Die Sensor-Module übertragen ihre Messdaten per LoRaWAN über „The Things Network" an das SensEm-Backend. Dieses validiert die eingehenden Daten, bereitet sie auf und stellt eine REST-API für den Zugriff bereit.
Die Datenbank nutzt PostgreSQL mit PostGIS-Erweiterung für geografische Datenstrukturen und TimescaleDB für optimierte Zeitreihenverarbeitung. Externe Datenquellen wie offizielle Messstationen und Wetterdaten werden integriert.
Erkenntnisse aus dem Einsatz #
Was funktionierte
- Mobile Assistenten bewährten sich im Praxiseinsatz — Datenerfassung vor Ort einfach und zuverlässig, auch für Teilnehmende ohne technische Vorkenntnisse.
- Standardisierte Abläufe stellten sicher, dass alle relevanten Informationen erfasst wurden.
- Übergang Papier → Digital: Die Verknüpfung mit den analogen Workshop-Materialien funktionierte gut und war für die Teilnehmenden nachvollziehbar.
Was schwierig war
- Desktop-Version unterausgelastet: Die umfangreiche Desktop-Oberfläche wurde weniger genutzt als erwartet — viele Teilnehmende bevorzugten die mobilen Tools.
- Iterative Datenstruktur: Drei Fallstudien erforderten mehrfache grundlegende Überarbeitungen. Was in einer Fallstudie sinnvoll war, erwies sich in der nächsten als unzureichend.
Status #
Die Plattform ist ein funktionierender Prototyp, der seine Praxistauglichkeit in den Fallstudien bewiesen hat. Die Nutzung von Directus als Frontend ist ein Kompromiss – eine speziell entwickelte Oberfläche könnte die Bedienung für Citizen-Science-Projekte weiter vereinfachen.