npi 2026

Mario Botsch, Sebastian Hauer, Henrik Tramberend, Marc Latoschik

Decker ist ein an unserer Fakultät mitentwickeltes Open-Source-eLearning-Tool für interaktive,
hochwertige und barrierearme Lehr- und Lernmaterialien im Webbrowser. Es ermöglicht flexibles
Lernen und verbessert Bildungschancen und Chancengleichheit (Nachhaltigkeitsziele 4 und 10).

Unsere Informatik-Studierenden sind eine erfreulich vielfältige, aber auch sehr heterogene Gruppe.
Nicht alle können regelmäßig in Präsenz an Vorlesungen teilnehmen – etwa aufgrund überfüllter
Hörsäle, langer Pendelwege, Nebenjobs oder Care-Arbeit. Hinzu kommen Studierende mit
besonderen Bedarfen, z.B. aufgrund von Einschränkungen beim Sehen, Hören oder der Motorik.

Unser Ziel ist es, *allen* Studierenden durch hochwertige, flexible und barrierearme Lernmaterialien
ein erfolgreiches Studium zu ermöglichen – gerade unter diesen herausfordernden Bedingungen.
Dafür entwickeln wir – Henrik Tramberend (BHT Berlin), Marc Latoschik (Uni Würzburg) und Mario
Botsch (TU Dortmund) – seit 2016 das Open-Source-eLearning-System „Decker“, das inzwischen auch
von mehreren Lehrenden unserer Fakultät eingesetzt wird.

Mit Decker werden webbasierte Vorlesungsfolien erstellt, präsentiert und nachbereitet. Sie laufen
ohne spezielle Software im Webbrowser auf Desktop-PCs, Laptops, Tablets und Smartphones.
Tafelanschriften auf einem virtuellen Whiteboard und Vorlesungsaufzeichnungen sind nahtlos in die
Folien integriert. Studierende können auf jeder Folie anonym Fragen stellen. Integrierte Live-Quizzes
dienen während der Vorlesung zur Aktivierung und in der Nachbereitung zur Überprüfung des
eigenen Lernstands. So können Lerninhalte unabhängig von Ort und Zeit im eigenen Tempo
erarbeitet werden.

Im Projekt „Hybrid Learning Center“ (2021–2025) haben wir – maßgeblich durch Sebastian Hauer –
im Austausch mit dem DoBuS mehr als 20 Accessibility-Probleme behoben und die Barrierefreiheit
von Decker deutlich verbessert. Vorlesungsaufzeichnungen erhalten automatisch deutsche und
englische Untertitel. Studierende mit visuellen Einschränkungen profitieren von wählbaren
Farbschemata und Screenreader-Kompatibilität. Bei motorischen Einschränkungen lassen sich die
Folien vollständig per Tastatur bedienen.

2025 wurde Decker um den integrierten Chatbot „Prof. Bot“ erweitert. Er beantwortet die Fragen der
Studierenden rund um die Uhr, geduldig, ausführlich, und in der von ihnen bevorzugten Sprache.
Durch Retrieval Augmented Generation basiert er seine Antworten auf die jeweiligen Lehrmaterialien
und reduziert so das Risiko falscher Antworten maßgeblich. Im Sommersemester 2026 hat Prof. Bot
den Praxistest in der Vorlesung „MafI 2“ bestanden und wurde in der Lehrevaluation als sehr hilfreich
bewertet.

Decker verbindet damit Präsenz- und Selbststudium und reduziert zeitliche, räumliche, sprachliche
und körperliche Barrieren. Es verbessert nachhaltig Lernbedingungen und Chancengleichheit einer
heterogenen Studierendenschaft (Nachhaltigkeitsziel 10) und ermöglicht einen breiteren Zugang zu
hochwertiger Bildung (Nachhaltigkeitsziel 4). Als seit 2016 kontinuierlich weiterentwickeltes Open-
Source-Projekt (https://github.com/decker-edu/decker) schafft Decker eine langfristig verfügbare
und übertragbare Infrastruktur für inklusive digitale Lehre.

Dr. Lars Hildebrand, Dr.-Ing. Constantin Chaumet, Lea Rüping, Marius Möller, Kevin Butzke, Jakob Krohn, Rahel Meyer,
Sara Proschwitz, Fabian Lamshöft, Tristan Steeg, Feras Meree, Kusay Naeem, Falk Rehse, Michael
Engel, Moritz Haneke, Finn Wilken, Mats Kowalke

Die Projektgruppe entwickelt eine dezentrale Sensorik zur Überwachung des Gesundheitszustandes
insb. Trockenstress von Stadtbäumen, sodass bedarfsgerecht gewässert werden kann. Die
gesammelten (Umwelt-) Daten werden aufbereitet und visualisiert.

Die Projektgruppe versucht, eine dezentrale Sensorik zu entwickeln, die verschiedene
Umweltparameter, wie Baumrindenwachstum, Temperatur, Luft- und Bodenfeuchtigkeit und
weitere, misst. Anhand dieser Daten soll auf den Gesundheitszustand von Bäumen geschlossen
werden. Besonderes Augenmerk wird dabei auf verschiedene Arten von Dendrometer gesetzt.
Übermittelt sollen die so gesammelten Daten per LoRa, wobei zurzeit WLAN genutzt wird. Aktuell
findet sich ein Prototyp im Campusgarten, weitere sollen in Kürze folgen. Nach statistischer
Auswertung der Daten wird auf einer Karte angezeigt, wie viel Trockenstress Bäume erleiden. Die
Karte soll zu einem späteren Zeitpunkt auch öffentlich zugänglich gemacht werden.

Ziel der PG ist es, mithilfe dieser Sensorik aufzuzeigen, wie viel Trockenstress Stadtbäume erleiden,
um so eine effizientere Bewässerung jener Bäume zu ermöglichen, die das Überleben der
Stadtbäume auch in Zeiten des Klimawandels und zunehmender Wasserknappheit sichert. Daher
ordnet es sich dem Ziel SDG 11.b für resiliente Stadtstrategien unter. Da der Umgang mit Hitze
gerade für Stadtregionen essenziell ist, soll mit einer effizienteren Bewässerung auch SDG 13.1
eingehalten werden; gesündere Stadtbäume sorgen für eine bessere Abkühlung in Städten und so für
eine größere Resilienz gegenüber Hitze. Da die aufbereiteten Daten auch der Öffentlichkeit
zugänglich gemacht werden sollen, dient dies auch der Bildungsarbeit für Klimaschutz, wie sie von
SDG 13.3 gefordert wird.

Bei der Entwicklung wurde ab Projektbeginn auf Skalierbarkeit geachtet. Jede Sensoreinheit kann
unterschiedliche Sensoren unterstützen, welche herkömmliche, preiswerte Microcontroller sind.
Passende Gehäuse wurden in FDM-Verfahren gefertigt. Softwareseitig wurden Microservices für die
jeweiligen Aufgaben eingesetzt. Erste Tests haben gezeigt, dass mit der prototypischen Umsetzung
bereits alle Stadtbäume des Ruhrgebiets erfasst werden können. Daher lässt sich dieses Projekt
sicher erweitern.

Kevin Buchin, Omar Chatila, Alexandra Cloodt, Konrad Geller, Maximilian Hellmich, Lars Henrichvark, Norik Wiese,
Jan Zumbrink, Polina Ioshina

Die Masterveranstaltung zeigt, was Algorithmen zu Nachhaltigkeit beitragen können: in der
Biodiversitätsforschung, bei Mobilität, Energieverbrauch und Fairness. Studierende entwickeln dazu
eigene Open-Source-Projekte zu Nachhaltigkeitsfragen. Im WiSe 2025/26 erstmals, ab WiSe 2026/27
erneut.

Nachhaltigkeit betrifft die Informatik auf zwei Arten. Erstens verbraucht Software selbst Energie, und
wie viel, hängt von der Wahl und Umsetzung der Algorithmen ab. Zweitens kommen Algorithmen
dort zum Einsatz, wo über Nachhaltigkeit entschieden wird: bei der Verkehrsplanung, in der Wildtierund
Umweltforschung, bei der Auswertung von Klimadaten. Die Masterveranstaltung "Algorithms
and Sustainability" greift beides auf: Sie führt die algorithmischen Grundlagen ein und macht an
jedem Thema deutlich, wo der Beitrag zu Nachhaltigkeit liegt.

ADRESSIERTE ZIELE (UN-Agenda 2030)

Vier Themenblöcke und ein Ausblick auf Klimamodellierung decken mehrere Ziele ab:

- Computational Movement Analysis für Wildtierforschung und Biodiversität (SDG 14, 15)
- Routenplanung für nachhaltige Mobilität, ÖPNV und Barrierefreiheit (SDG 11, 13)
- Energieeffiziente Algorithmen und energieeffiziente Software (SDG 7, 9, 12)
- Algorithmische Fairness, u. a. faires Clustering (SDG 10, 16)
- Algorithmen zur Analyse globaler Klimasimulationen (SDG 13)

UMSETZUNG (bereits erfolgt)

Die Veranstaltung wurde im Wintersemester 2025/26 erstmals durchgeführt, mit wöchentlicher
Vorlesung und Übung. Im ersten Durchgang gab es sieben Gastbeiträge, u. a. vom
Nachhaltigkeitsbüro der TU Dortmund und von Forschenden der Universitäten Konstanz, Köln,
Düsseldorf und Radboud. Über das Studium oecologicum steht sie auch Studierenden anderer
Fakultäten offen. Inhalte und Formate wurden gemeinsam mit den Teilnehmenden weiterentwickelt;
auf ihren Wunsch kamen zum Beispiel eine zusätzliche Vorlesung zur ÖPNV-Reiseplanung und der
Teil zu Klimamodellen hinzu. Programm und Gastvorträge (WiSe 25/26): ae.cs.tudortmund.de/teaching/courses/algorithms-and-sustainability/

Ergänzt wird die Lehre durch eigene Projekte, die an offene Infrastrukturen andocken und als Open
Source veröffentlicht sind:

- eine MoveApp für die Forschungsplattform MoveBank, die Bewegungsdaten mit Hidden-Markov-
  Modellen interpoliert
- ein Vergleich von Trajektorienmodellen für Tigerhaie mit Meeresströmungen
- ein Tourenplaner für Elektrofahrzeuge mit realen Ladesäulendaten
- eine Erreichbarkeitsvisualisierung für den ÖPNV mit OpenTripPlanner
- ein Toolkit zur Energiemessung paralleler Programme (Energy-Delay-Product)
- eine Messstudie zur Energieeffizienz von Cache Misses und Kompressionsverfahren

WIRKUNG UND SKALIERBARKEIT

Die Lehrevaluation fiel sehr gut aus (Gesamtnote 1,3 bei n=7). Eine Rückmeldung: "Sehr coole
Veranstaltung, die durch das Nachhaltigkeits-Thema direkt motiviert, sich mit dem Stoff zu
beschäftigen."

Die Projekte sind offen lizenziert und erweitern Werkzeuge, die auch andernorts genutzt werden,
etwa MoveApps oder OpenTripPlanner. Zugleich zeigt die Veranstaltung, wie sich
Nachhaltigkeitsthemen in die Informatiklehre der Fakultät integrieren lassen. Sie wird im
Wintersemester 2026/27 erneut angeboten.

Simal Guvenc, Ferhan Orhan

GrowFlow entwickelt ein transparentes Konzept für urbane Lebensmittelproduktion, das KI-gestützte
Hydroponik mit einem öffentlichen Food-Erlebnis verbindet. Ziel ist es, nachhaltige
Lebensmittelproduktion sichtbar zu machen und Vertrauen in neue Ernährungstechnologien zu
stärken.

GrowFlow entwickelt ein Konzept für transparente urbane Lebensmittelproduktion, das Hydroponik,
künstliche Intelligenz und ein erlebbares Nutzungskonzept miteinander verbindet. Ziel ist es,
nachhaltige Lebensmittelproduktion nicht nur ressourcenschonender zu gestalten, sondern sie für
Verbraucherinnen und Verbraucher sichtbar und nachvollziehbar zu machen.

Der Klimawandel, zunehmende Wasserknappheit, der Verlust landwirtschaftlicher Flächen sowie der
Einsatz von Pestiziden und Düngemitteln stellen unsere Ernährungssysteme vor große
Herausforderungen. Gleichzeitig wissen viele Menschen kaum noch, woher ihre Lebensmittel
stammen oder wie sie produziert werden. Dadurch entsteht ein wachsendes Misstrauen gegenüber
neuen Lebensmitteltechnologien und Nachhaltigkeitsversprechen.

GrowFlow verbindet deshalb Produktion und Konsum an einem Ort. Nutzerinnen und Nutzer können
den Anbau in einer hydroponischen Anlage direkt beobachten, Informationen zur Produktion digital
nachvollziehen sowie die erzeugten Lebensmittel vor Ort konsumieren oder erwerben. KI-gestützte
Bildanalyse und Sensorik unterstützen dabei die Überwachung des Pflanzenwachstums und helfen,
Produktionsbedingungen ressourceneffizient zu steuern. Technologie verstehen wir dabei nicht als
Selbstzweck, sondern als Werkzeug für mehr Transparenz, Vertrauen und nachhaltigen
Ressourceneinsatz.

Das Projekt entstand aus der Erkenntnis, dass innovative Agrartechnologien häufig nicht an ihrer
technischen Machbarkeit, sondern an mangelnder gesellschaftlicher Akzeptanz scheitern. Um dieses
Problem besser zu verstehen, führten wir bislang über 50 Interviews mit Verbraucherinnen und
Verbrauchern sowie weiteren relevanten Stakeholdern durch. Ein zentrales Ergebnis war, dass für
viele Menschen weniger technische Kennzahlen als vielmehr die Möglichkeit entscheidend ist,
Lebensmittelproduktion selbst zu erleben und nachvollziehen zu können. Diese Erkenntnisse führten
zu einer Weiterentwicklung unseres ursprünglichen Konzepts hin zu einem transparenten Food-
Erlebnis.

GrowFlow leistet insbesondere Beiträge zu den Nachhaltigkeitszielen SDG 2 (Kein Hunger), SDG 11
(Nachhaltige Städte und Gemeinden), SDG 12 (Nachhaltige Konsum- und Produktionsmuster) sowie
SDG 13 (Maßnahmen zum Klimaschutz). Durch ressourceneffiziente Produktion, kurze Lieferwege
und die Förderung eines bewussteren Konsumverhaltens möchten wir nachhaltige
Ernährungssysteme im urbanen Raum stärken.

Aktuell entwickeln wir einen ersten Software-Prototypen sowie ein hydroponisches Pilotsystem zur
technischen und gesellschaftlichen Validierung. Langfristig soll Grow Flow zu einem skalierbaren
Konzept für Städte und öffentliche Begegnungsorte werden, an denen nachhaltige
Lebensmittelproduktion sichtbar, verständlich und unmittelbar erlebbar ist.

(Die Präsentation mit anschaulicheren Abbildungen finden Sie unter dem Link)

docs.google.com/presentation/d/18jte04m13PlzsQ86hus0DI5s_wTxYJkrviwKdisOyAs/edit

Ben Laurenzis

Jede Anfrage an die Campus-KI verbraucht Energie und Wasser und benötigt Hardware, jedoch ist
nichts davon sichtbar. Das Projekt macht diesen Aufwand bei der Nutzung explizit sichtbar, setzt das
sparsamste Modell als Voreinstellung und ermöglicht der TU datengetriebene Entscheidungen.

Spätestens seit der Einführung der Campus-KI gehört generative KI zum Studienalltag. Ihr
Ressourcenverbrauch bleibt dabei, anders als bei Strom oder Wasser, unsichtbar. Nutzenden fehlt
ein Gefühl für Größenordnungen, insbesondere da zwischen einer kurzen Frage an ein kleines Modell
und einer langen Anfrage mit Reasoning schnell ein Faktor 50 bis 100 liegt. Der Universität fehlen
vermutlich Daten für die Entscheidung, welches Modell den Nutzenden als Voreinstellung angeboten
wird.

Die Projektidee besteht darin, eine kleine Transparenz- und Steuerungsschicht an der Campus-KI mit
folgenden Zielen einzubauen:

Aufwand bewusst im Verhältnis sichtbar machen ("diese Anfrage entspricht ungefähr 40
Standardanfragen"). Absolutwerte, etwa eine Angabe in Gramm CO2, sind klein und unsicher.
Arbeiten unserer Fakultät zeigen, dass verbreitete Schätzwerkzeuge erhebliche systematische
Abweichungen aufweisen. Verhältnisse sind hier robuster und zeigen, was Nutzende beeinflussen
können.

Freiwillige Einsparungsoptionen wählen erfahrungsgemäß nur wenige. Wirksamer ist die Umkehr, bei
der das kleinste geeignete Modell als Standard ausgewählt werden sollte. Wer mehr will, ändert das
Modell bewusst und kann einsehen, was die Änderung kostet.

Eine aggregierte und offene Bilanz der Campus-KI-Nutzung an der TU Dortmund als Grundlage für
Entscheidungen und Information.

Die beschriebene Idee zielt im Kern auf das Nachhaltigkeitsziel 12.8 ab. Menschen sollen über die
Informationen für nachhaltige Entwicklung verfügen. Weiterhin finden die Ziele 4.7 und 13.3 (Bildung
und Bewusstsein) sowie 7.3 (Energieeffizienz) und 9.4 (ressourcenschonende Infrastruktur)
Anwendung. Ziel ist aber nicht, Verzicht zu fordern oder ein schlechtes Gewissen zu machen, da der
individuelle Fußabdruck klein ist. Vielmehr geht es um Ressourcenkompetenz, da
Informatikstudierende später Systeme mit potenziell Millionen von Anfragen entwerfen. Zusätzlich
geht es um institutionelle Entscheidungen, die diese Kompetenz voraussetzen.

Die Umsetzbarkeit beurteile ich als realistisch. Das ITMC leitet Anfragen bereits über eigene Server
anonymisiert weiter. Für die Abschätzung könnten offene Tools wie EcoLogits verwendet werden und
an Vorarbeiten aus der Fakultät (Ground-Truthing AI Energy Consumption, Nachhaltige LLMs) lässt
sich anschließen.

Zur Wirkung und Skalierbarkeit lässt sich sagen, dass der größte Hebel in der Voreinstellung liegt.
Offen bleibt ein möglicher Rebound-Effekt und damit die Frage, ob Effizienz Mehrnutzung anregt. In
weiteren Ausbaustufen könnten etwa lernende Router für Modell- und Reasoning-Wahl, freiwillige
Budgets oder zeitversetzte Ausführungen nicht dringender Anfragen bei sauberem Strom umgesetzt
werden. Das Konzept lässt sich auf andere Hochschulen übertragen.