Print bookPrint book

5. Praxisbeispiele für AR in Umwelt- oder biobezogenen Bereichen

Site: Bios4You
Course: (6) Vom Labor ins Feld: Wie Wissenschaftler die mikrobiellen Reinigungsverfahren in echten Ökosystemen testen
Book: 5. Praxisbeispiele für AR in Umwelt- oder biobezogenen Bereichen
Printed by: Guest user
Date: Wednesday, 26 August 2026, 9:26 AM

Table of contents

5. Praxisbeispiele für AR in Umwelt- oder biobezogenen Bereichen

Die Erweiterte Realität (Augmented Reality, AR) hat sich rasant von einem Werkzeug zur visuellen Ansprache zu einer funktionalen Schnittstelle für komplexe wissenschaftliche Überwachung und Entscheidungsfindung entwickelt. In den Umweltwissenschaften und der Biotechnologie beginnt AR, physische Landschaften mit Echtzeitdaten zu verbinden und ermöglicht es Forschern, Ingenieuren und Entscheidungsträgern, mit unsichtbaren biologischen oder chemischen Prozessen am jeweiligen Ort zu interagieren.

Während direkte Anwendungen von AR in der mikrobiellen Bioremediation noch in der Entwicklung sind, zeigt eine wachsende Zahl von Praxisbeispielen in der Umweltüberwachung, der Verschmutzungskontrolle, der Datenvisualisierung und der Risikobewertung das enorme Potenzial von AR zur Verbesserung von „Labor-zu-Feld“-Prozessen. Nachfolgend finden Sie zentrale Beispiele mit Bedeutung für die mikrobielle Reinigung in realen Ökosystemen.

5.1. AR für die Vor-Ort-Umweltüberwachung und Datenvisualisierung

Überblick

Umweltmonitoring an Feldstandorten umfasst typischerweise das Ausbringen von Sensoren, das Sammeln von Proben und die Durchführung von Analysen außerhalb des Standorts – Methoden, die häufig die Reaktionszeit verzögern und den räumlichen Kontext einschränken. Im Fall der mikrobiellen Bioremediation wird dies besonders problematisch, da mikrobielle Aktivität, Redoxbedingungen oder Konzentrationsgradienten von Schadstoffen weitgehend unsichtbar und hochdynamisch sind. Augmented Reality (AR) behebt cartige Probleme, indem sie eine Echtzeit-, räumlich verankerte Visualisierung von Felddaten ermöglicht und Wissenschaftler:innen erlaubt, mit Umweltinformationen genau dort zu interagieren, wo sie am relevantesten sind (Wang et al., 2022; Pokrić et al., 2012).

 

AR-Systeme können folgende Daten zusammenführen:

  • ·       Umweltsensordaten (z. B. pH, gelöster Sauerstoff, Temperatur),
  • ·       GIS-basierte Standortpläne (z. B. Schadstoffquellenzonen),
  • ·       Prädiktive Modelle (z. B. TamCOMSOL/MODFLOW),
  • ·       Muster~ mikrobieller Aktivität (z. B. eDNA-basierte Häufigkeit oder Expressionsprofile von Genen).

Dadurch können Forscher:innen, Umwelttechniker:innen oder Standortmanager:innen 

5.2. Wohlhabendes Abwasser: AR-Modellierung mikrobieller und chemischer Dynamiken

Entwickelt von Silva & Gültekin (2021), Affluent Effluent ist eine AR-App, die Umweltinteraktionen zwischen Schadstoffen und mikrobiellen Populationen simuliert. Das Modell beinhaltet:

  • ·       Nährstoffdynamik,
  • ·       Mikrobielle Wachstumsphasen,
  • ·       Abbauraten von Schadstoffen.

1. Nährstoffdynamik

Definition:
Nährstoffdynamik bezeichnet die Bewegung, Umwandlung, Verfügbarkeit und Aufnahme von essenziellen Nährstoffen (z. B. Kohlenstoff, Stickstoff, Phosphor, Sauerstoff oder Elektronendonoren wie Acetat), die das mikrobielle Leben unterstützen und deren Aktivität in belasteten Umgebungen beeinflussen.

Im Kontext der Bioremediation:

  • ·       Mikroorganismen, die zur Sanierung im Feld eingesetzt werden, sind auf verfügbare Nährstoffe angewiesen, um zu wachsen und Schadstoffe zu metabolisieren.
  • ·       Manchmal sind Nährstoffe natürlich vorhanden, aber in vielen Fällen müssen sie

5.3. AR für das Bewusstsein über städtische und industrielle Verschmutzung

Forschende in Italien haben ein AR-System implementiert, um das öffentliche Bewusstsein für Luftverschmutzung zu erhöhen. Das System blendet mid, mithilfe von GIS und mobiler AR, Messwerte des Luftqualitätsindex (AQI) und Quellen von after contacts auf physische Standorte ein.

Fallstudie:

  • Region Marken, Italien (Sanità et al., 2024): Das System integrierte Satell situ, patriarchale Sensoren und AQI-Modelle, sodass Nutzende durch verschmutzte Zonen „hindurchgehen“ und die Konzentrationen, von NO₂, PM2.5 und Ozon in Echtzeit visualisieren konnten.

Relevanz für die speciation:
Obwohl für die städtische Luftverschmutzung entwickelt, zeigt dieses Anwendungsbeispiel die visuelle Kraft von AR, unsichtbare Umweltgefahren sichtbar zu machen. Ebenso kann AR für mikrobielle Feldstandorte angepasst werden, um unterirdische Schwaden von Schwermetallen oder Öl, Hotspots collectively Aktivität oder sich entwickelnde Redoxzonen, die die Bioverfügbarkeit von Schadstoffen beeinflussen, darzustellen.

5.4. AR für interaktive Feldplanung in Wasser- und Bodenprojekten

In der industriellen Sanierung ist das Management mehrerer Eingaben, Probebohrungen, Injektionspunkte und Zonen mit einheimischen Arten logistisch komplex. AR kann unterstützen:

  • Überlagerung von Infrastrukturelementen vor Ort;
  • Verfolgung des Fortschritts (z. B. gereinigte Zonen, mikrobielle Häufigkeit);
  • Simulation von Injektionswolken und der Bewegung der Abbaufront.

Beispiel:

  • Mobile Augmented Reality für Umweltüberwachung (Stojanovic et al., 2012): Zeigte den Einsatz mobiler AR-Plattformen zur Visualisierung von Umweltsimulationen, die mit georeferenzierten Daten verknüpft sind.

Relevanz für die Bioremediation:
Dieses Modell kann die Logistik und Kommunikation im Feld bei mikrobiellen Reinigungsmaßnahmen direkt verbessern, indem es eine Echtzeitinspektion ermöglicht, welche Zonen eine erneute mikrobielle Inokulation benötigen, wo die Schadstoffkonzentrationen sinken oder wie sich mikrobielle Gemeinschaften nach der Behandlung verändern.

5.5. Clean-AR: AR für Risikokartierung und Kontaminationskontrolle

Ursprünglich für Krankenhäuser entwickelt, um Risiken durch luftübertragene Krankheiten zu managen, verwendet Clean-AR AR-Brillen und 3D-Modellierung, um:

  • Kontaminationswege zu identifizieren.
  • Oberflächen mit hohem Risiko hervorzuheben.
  • Die Ausbreitung von Krankheitserregern in Echtzeit zu verfolgen (Schmidt et al., 2021).

Relevanz für die Bioremediation:
Bei mikrobiellen Anwendungen im Feldmaßstab, insbesondere mit genetisch modifizierten Mikroben, ist die Überwachung ökologischer Eindämmungszonen unerlässlich. AR könnte ähnlich verwendet werden, um:

  • Grenzen zu markieren, über die eingeführte Mikroben nicht hinaus gelangen sollten.
  • Zonen mit Überwucherung durch Biofilm zu identifizieren.
  • Forscher auf unbeabsichtigte mikrobielle Migration außerhalb der Behandlungszonen aufmerksam zu machen.

Dies gewährleistet die Einhaltung der Biosicherheitsvorschriften und eine transparente Dokumentation, insbesondere in regulierungssensiblen Kontexten.

5.6. Neue Forschung: AR + Multi-Omics für Feld-Bioinformatik

Aktuelle Arbeiten deuten darauf hin, dass AR mit Omics-Plattformen (Metagenomik, Metabolomik, Transkriptomik) integriert werden kann, um mikrobielle Funktionsdaten im Raum darzustellen.

Beispiel:

  • Wang et al. (2022) entwickelten eine AR-Visualisierungs-Engine, die Umgebungs-DNA (eDNA)-Daten mit GPS-Koordinaten integriert, um räumlich genaue Überlagerungen der mikrobiellen Diversität und funktionaler Merkmale in realen Landschaften zu erzeugen.

Relevanz für die Bioremediation:

Dies hat einen direkten Nutzen in Feldstudien, bei denen Forschende bewerten müssen, ob Mikroben aktiv Schadstoffe abbauen, spezifische Gene exprimieren (z. B. alkB, pahR, cydA) oder Konsortien bilden. Mit AR könnten solche Daten vor Ort für eine sofortige ökologische Interpretation visualisiert werden.

Diese Praxisbeispiele zeigen, wie AR in verschiedenen Umweltbereichen eingesetzt wird, um Kontaminationen zu visualisieren, Remediationsdynamiken zu simulieren, ökologische Risiken zu überwachen und mikrobiologische Daten zu interpretieren. Jedes Beispiel bietet eine übertragbare Methode für mikrobielle Bioremediationsmaßnahmen, insbesondere bei Feldversuchen, bei denen räumliches Bewusstsein, Echtzeitüberwachung und Sicherheit entscheidend sind.