Open Access

Die immer stärker alternde Gesellschaft und der erhöhte Konsum von zuckerhaltigen Nahrungsmitteln sorgt für eine stetig steigende Anzahl an Diabetes mellitus Typ 2 Erkrankten. Zur Behandlung wird häufig der Wirkstoff Metformin verwendet, welcher die Neubildung von Glucose in der Leber hemmt. Neben den steigenden Patientenzahlen sind auch die hohen Mengen an wieder ausgeschiedenem Metformin mit großer Sorge zu beobachten. Metformin kann durch Förderung der Glukoseaufnahme und des Katabolismus in den Steroidstoffwechsel eingreifen und das endokrine System von Wirbeltieren wie Fischen und Säugetieren beeinflussen. Die Kontrolle von Abwasser-Grenzwerten ist bei Metformin bislang noch sehr aufwendig und teuer. Das Ziel dieser Arbeit ist, einen Dünnschichtchromatographie Assay zu entwickeln mit dem Metformin anhand von Fluoreszenz nachgewiesen werden kann. Voraussetzung ist, dass eine Reproduzierbarkeit mit gängigen Laborutensilien gegeben und ein Nachweis von Metformin in einer Abwasserprobe grundsätzlich möglich ist. Ein solcher Assay würde den Kosten- und Zeitaufwand reduzieren und gleichzeitig eine zuverlässige und regelmäßige Überprüfung von Abwässern ermöglichen. Es konnte ein Assay entwickelt werden, mit dem ein reproduzierbarer Nachweis von Metformin in Wasser möglich ist. Für eine Bewertung des Metformin-Gehaltes in unbehandelten Abwasserproben innerhalb des Grenzwertes konnte allerdings noch nicht die benötigte Sensitivität erreicht werden. Die Versuche mit DTT eine Verbesserung der Sensitivität zu erreichen, geben allerdings eine vielversprechende Aussicht auf eine weitere Möglichkeit den Assay zu verbessern. Die Umsetzbarkeit eine Abwasserproben mittels SPE vor dem Anwenden des Assays zu konzentrieren konnte belegt werden. Qualitativ ist der Assay somit grundsätzlich anwendbar. Voraussetzung hierfür ist ein ausreichendes Konzentrieren der Proben. Eine Nutzung zur quantitativen Bewertung hingegen kann durch eine schlechte Ausbeute an Analyt verfälscht werden und hängt somit stark von der Effizienz der SPE ab.

The “Enhanced Renewable-Energy Production from Co-Digestion of Waste Biomass and Sewage Sludge Based on Bio-Economic Prospects” could be the key to stopping reliance on fossil fuels that harm the ozone layer, change the climate over time, and increase global warming. Previous technologies were not mature enough to compete economically with fossil fuels, the microbial electrolysis cell in particular had weak points, and many configurations so the most optimal must be specific, optimizing it via combining with other technologies like anaerobic digestion helps overcome its limitations. The data used regarding different factors affecting the MEC’s performance (reactor design, cathode material, and surface area, anode material and surface area, micro-organism type, substrate, and membrane type) was taken mainly from previous studies and combined, then carefully examining the results, the findings give real hope in the future of renewable energy, especially with the MEC combined with the anaerobic digestion technology, and indicate that it is very possible to replace the fossil fuel energy, designing the most optimal MEC paired with economically profitable AD. However, research is still needed to further give the MEC paired with AD an edge.

Diese Arbeit untersucht die biomechanischen Unterschiede im Zusammenhang mit dem Countermovement Jump (CMJ) unter dem Einfluss von externem Fokus durch simulierte Kopfbälle aus zwei verschiedenen Einwurfpositionen (rechts und links vom Torpfosten). Der externe Fokus wird durch Extended Reality (XR) erzeugt. Das XR-Programm ist ein fußballspezifisches Szenario, in dem Kopfbälle aus zwei verschiedenen Positionen eingeworfen werden. Die Ergebnisse der Arbeit zeigen, dass die 1. Hypothese, die untersuchte, ob sich biomechanische Parameter bei Einwürfen von unterschiedlichen Positionen signifikant unterscheiden, nicht bestätigt werden konnte. Die Analyse der Daten ergab keine signifikanten Unterschiede zwischen den Einwurfpositionen rechts (EWR) und links (EWL), was darauf hinweist, dass die Richtung des Einwurfs keinen maßgeblichen Einfluss auf die biomechanischen Parameter hat. Diese Erkenntnis ist positiv für die Anwendung von RTS-Tests in XR-Umgebungen, weil der externe Fokus keinen signifikanten Einfluss auf das Bewegungsmuster hat und somit potenzielle Verzerrungen in den Testergebnissen minimiert werden können. Die 2. Hypothese, die die Beinsymmetrie mittels des Limb-Symmetrie-Index (LSI) untersuchte, zeigt teilweise signifikante Unterschiede. Die Analyse ergab signifikante Unterschiede bei drei Parametern, zwei aus der exzentrischen Absprungphase und einem aus der Landungsphase. Besonders in der exzentrischen Phase konnte eine Tendenz zur höheren Belastung des rechten Beins (meistens das dominante Bein) bei der EWR festgestellt werden. Diese Beobachtungen weisen auf eine mögliche asymmetrische Belastung hin, insbesondere bei Testpersonen, die tendenziell ihr dominantes Bein bevorzugen. Diese Unterschiede konnten jedoch nicht ausschließlich auf die Einwurfposition zurückgeführt werden. Die Limitationen der Studie umfassen unter anderem die zeitliche Dauer der Tests, die zu nachlassender Konzentration der Probanden und Probandinnen führen kann, sowie eine ungleiche Anzahl von Versuchen bei den Einwurfpositionen. Zukünftige Untersuchungen sollten auf eine gleichmäßige Verteilung der Versuche achten und könnten von der Untersuchung zusätzlicher Parameter, wie dem Knievalguswinkel und der Hüftflexion, profitieren. Diese Parameter sind besonders relevant für die Analyse von Verletzungsrisiken und könnten durch die Messungen zum Zeitpunkt der maximalen Auslenkung bei der Landung präziser bewertet werden. Zusammenfassend zeigt die Arbeit, dass es keine signifikanten Unterschiede zwischen den Einwurfpositionen für die meisten untersuchten Parameter gibt, jedoch interessante Tendenzen in der Beinsymmetrie bei der exzentrischen Phase aufgezeigt wurden. Zukünftige Studien sollten die zeitliche Entwicklung und weitere biomechanische Parameter, wie Knieflexion und Hüftflexion, sowie andere risikobehaftete Bewegungsmuster, wie abrupte Richtungswechsel und Landungen, detaillierter untersuchen.

Die vorliegende Bachelorarbeit mit dem Titel "Ableitung von Bruchflächen-Topographien mittels künstlicher neuronaler Netze" ist eine Machbarkeitsstudie, in der eine Möglichkeit untersucht wird, hochauflösende Raster-Elektronen-Mikroskop (REM)-Bilder zur präzisen Bestimmung der Topographie von Bruchflächen in Materialien zu nutzen. Ziel der Arbeit ist es, ein Verfahren zu entwickeln, das durch den Einsatz künstlicher Intelligenz den langwierigen und komplexen Prozess der manuellen Topographieerfassung ersetzt. Dies soll die Effizienz in der Materialprüfung steigern und tiefere Einblicke in das Verhalten von Materialien unter Belastung ermöglichen. Die Vision, die dadurch angestrebt wird, ist zukünftig, wichtige Zähigkeitskennwerte anhand von Bruchflächeninformationen abzuleiten. Ein großer Teil der Machbarkeitsstudie behandelt die Datenentstehung und Datenvorverarbeitung. Mit einem Raster-Elektronen-Mikroskop werden hochauflösende Graustufenbilder von Bruchflächen erzeugt. Das Weißlichtinterferometer scannt die Bruchfläche und erzeugt eine passende Topographie. Während der Datenvorverarbeitung werden die anfangs fehlerbehafteten Daten anhand mehrerer Methoden präpariert und für das Modell vorbereitet. Mithilfe geometrischer Transformationen wie Drehen oder Beschneiden werden das REM-Bild und die Topographie gemappt. Eine Gradient-basierte Helligkeitsfunktion soll unerwünschte Helligkeitsunterschiede auf Bruchflächenbildern vermeiden, sodass diese nicht zu viel Einfluss auf das Modell nehmen. Anschließend wird ein U-Net trainiert, welches das Graustufenbild als Input nimmt und eine dazugehörige Topographiematrix generieren soll. Häufig auftretende Artefakte bei Convolutional Neural Networks, wie Schachbrettmuster oder ein, durch das Zero-Padding entstehender, schwarzer Rahmen, werden mit besonderen Features in der Modellarchitektur vermieden. In diesem Modell ersetzt ein Reflective-Padding das standardmäßige Zero-Padding, um den Effekt des schwarzen Rahmens zu umgehen. Für das Hochskalieren der Bilder während der Up-Convolution bedient sich das Modell an einer nearest neighbor Interpolation. Die Ergebnisse werden durch Metriken wie Root-Mean-Squared-Error oder prozentuale Abweichung evaluiert. Dabei werden die Vorhersagen auf den unterschiedlichen Bereichen der Bruchfläche analysiert. Das Modell zeigt vielversprechende Ergebnisse in der Topographie-Generierung und bietet eine Grundlage für weitere Forschungen in diesem Gebiet.