Rückblick

Reflektion und Selbstbewertung

Auch wenn nicht alle geplanten Funktionalitäten eingebaut werden konnten, war das Projekt erfolgreich. Im Rahmen der Projektarbeit wurden viele Technologien eingesetzt, welche wir zuvor nie verwendet haben. Das reicht vom Framework (Next.JS) über OpenLayers für die Kartendarstellung bis hin zu Three für die Darstellung des 3D-Modelles. So war ein stetiger Lernprozess vorhanden, welcher die Produktivität und schlussendlich auch den Umfang der Resultate einschränkte.

Die Erstellung des Konzeptes und die klare Aufgabenverteilung führte dazu, dass alle Projektmitglieder stets wussten, was sie zu tun haben. Die Zusammenarbeit war hauptsächlich über GitHub organisiert und hat sich bewährt. Nach einigen Anfangsschwierigkeiten, hat die simultane Zusammenarbeit am Projekt mit GitHub reibungslos funktioniert. Als Kommunikationskanäle wurden hauptsächlich die persönliche Kommunikation, vor Ort am Campus und WhatsApp verwendet. Besonders die persönlichen Besprechungen unter den Teammitgliedern hat sich als wertvoll erwiesen.

Herausforderungen und Schwierigkeiten

Die beiden Nachfolgenden Abschnitte wurden mithilfe von ChatGPT überarbeitet. Der Inhalt wurde vom Projektteam vorgegeben, die Satzstellung wurde von ChatGPT überarbeitet.

Technische und organisatorische Herausforderungen traten während des Projekts auf. Zu den grössten Problemen zählten Dateninkonsistenzen und Schwierigkeiten bei der Integration unterschiedlicher Datensätze. Das grösste Problem stellte die Bereitstellung des dreidimensionalen Höhenmodells dar. Bis zum heutigen Zeitpunkt konnte keine zufriedenstellende Lösung für die dynamische Berechnung dessen gefunden werden. Im Nachhinein ist dies allerdings nicht verwunderlich, da die dreidimensionale Geoverarbeitung mit Python eine eigene Bachelorarbeit am Institut Geomatik im Jahr 2024 war.

Weitere, kleine Probleme wie die Einbettung von Daten in die zweidimensionale Karte, das hin und her senden von Stati zwischen den Software-Komponenten und die Abfragen auf der Datenbank konnten durch Konsultation der jeweiligen Dokumentationen gelöst werden.

Lernprozess

Der letzte Abschnitt in diesem Kapitel wurde durch ChatGPT überarbeitet. Der Inhalt wurde vom Projektteam vorgegeben, die Satzstellung wurde von ChatGPT überarbeitet.

Wie in Abschnitt Reflektion beschrieben, wurden unbekannte Technologien eingesetzt. Dadurch wurden neue Kenntnisse und Fähigkeiten erworben. Darunter zählen der Umgang mit grossen Datensätzen und die Fähigkeit, komplexe Datenanalysen durchzuführen. Soft Skills wie Teamarbeit, Projektmanagement und effektive Kommunikation wurden ebenfalls verbessert. Ausserdem wurden das angesprochene Framework Next.JS und die Bibliotheken OpenLayers und Three.JS erlernt.

Die Auseinandersetzung mit aktuellen Programmier-Tools und -Techniken erweiterte das technische Wissen und stärkte die beruflichen Kompetenzen im Bezug auf die Geoinformatik. Teamarbeit förderte soziale Fähigkeiten und das Verständnis für interdisziplinäre Zusammenarbeit.

Teamarbeit

Der nachfolgende Abschnitt wurde mithilfe von ChatGPT überarbeitet. Der Inhalt wurde vom Projektteam vorgegeben, die Satzstellung wurde von ChatGPT überarbeitet.

Die Zusammenarbeit im Team war insgesamt sehr positiv. Anfangs gab es Abstimmungsprobleme, die durch klare Kommunikation und Rollenverteilung gelöst wurden. Jeder im Team brachte seine individuellen Stärken ein, was zu einem produktiven und harmonischen Arbeitsumfeld führte.

Regelmässige Meetings vor Ort halfen uns zudem die gesammelten Informationen zusammenzutragen und weiter zu verfolgen. Das Konzept ermöglichte die Überwachung des Projektfortschritts. Feedback und Diskussion von Lösungsansätzen in der Gruppe trugen zur erfolgreichen Zusammenarbeit bei.

Diskussion

Die Projektergebnisse zeigen, dass die angewendeten Methoden und Technologien effektiv waren, um die gesteckten Ziele (siehe Zielsetzung im Abschnitt “Konzept”) zu erreichen. Durch die unterschiedlichen Implementationen können Benutzende einen tiefen Einblick in ihre Daten erhalten und so neue Erkenntnisse über die Verschiebungen gewinnen.

Die meisten Ziele wurden erreicht. Unerwartete technische Schwierigkeiten, besonders mit der Darstellung von 3D-Elementen und Zeitmangel verhinderten das vollständige Erreichen kleinerer Ziele.

Vergleich mit anderen Arbeiten

Gegenüber anderen Programmen, welche die Beurteilung von Verschiebungen ermöglichen sticht diese Web-Applikation besonders durch die dreidimensionale Betrachtung hervor. Dadurch konnten neue Weichen in Richtung der Darstellung von Verschiebungsvektoren gelegt werden. Inwiefern sich die weiterentwicklung der gewählten Ansätze lohnt müsste in einer umfangreichen Nutzerstudie getestet werden. Man muss testen, ob die Visualisierung in drei Dimensionen den erhofften Mehrwert bietet.

Fazit

Die nachfolgenden Abschnitte wurden mithilfe von ChatGPT überarbeitet. Der Inhalt wurde vom Projektteam vorgegeben, die Satzstellung wurde von ChatGPT überarbeitet.

Das Projekt war erfolgreich. Die angewendeten Methoden und Technologien waren effektiv, und die Teamarbeit trug wesentlich zum Projekterfolg bei. Es wurden wertvolle Kenntnisse und Fähigkeiten erworben, die sowohl persönlich als auch professionell weiterentwickelt haben.

Die meisten Projektziele wurden erreicht, aufgrund unerwarteter Herausforderungen und zeitlicher Einschränkungen konnten gewisse Ziele nicht vollständig erreicht wurden. Insgesamt war das Projekt ein Erfolg und lieferte wertvolle Ergebnisse.

Das Projekt hat gezeigt, dass durch effektive Teamarbeit, den Einsatz moderner Technologien und eine iterative Arbeitsweise bedeutende Fortschritte im Bereich der Geoinformatik erzielt werden können. Die Erfahrungen und Erkenntnisse aus diesem Projekt werden sicherlich auch zukünftige berufliche Tätigkeiten und Projekte positiv beeinflussen.

Zurück nach ganz oben.