⟶

Bloomate

Idee

Beetplanung kann zu einem komplexen Thema werden, da es viele Faktoren wie beispielsweise Umweltparameter, Pflanznachbarn oder Schädlinge und Krankheiten gibt, die beachtet werden sollten. Ziel der Masterarbeit war die Entwicklung einer Anwendung namens Bloomate, die die Planung und Gestaltung von Pflanzen in Beeten unkompliziert ermöglicht. Auf Basis von Umweltparametern sollen Pflanzen empfohlen und passende Pflanznachbarn angezeigt werden. Dadurch soll es sowohl Anfängern ohne intensive Pflanzenkenntnisse die Gestaltung und Pflege eines Beets vereinfachen als auch erfahrenen Gärtnern eine sinnvolle Übersicht bieten.

Aufbau

Die Anwendung greift dabei zur Visualisierung des Beets auf Augmented Reality zurück. Zusätzlich kommen Sensoren zum Einsatz, um Umweltparameter wie Belichtung, Temperatur, Luft- und Bodenfeuchtigkeit zu messen. Dazu wurde ein Mikrocontroller eingesetzt und mit den zugehörigen Sensoren verbunden. Die sensorischen Informationen werden an eine Datenbank übermittelt und von der Anwendung angefragt.

Vorgehen

Im Laufe der Arbeit wurden relevante Themenfelder wie das Internet of Things, Smart Gardening, Augmented Reality und die Kombination dieser Bereiche sowie Aspekte der Beetplanung untersucht. Hierbei wurden bestehende Forschungsarbeiten und Produkte analysiert. Zudem wurde eine Mitbewerberanalyse mit Anwendungen aus den Bereichen AR, Smart Gardening und Beetplanung durchgeführt. Außerdem wurde die Zielgruppe im Rahmen von Interviews und Umfragen definiert. Nach einer ausführlichen Recherche und Analyse wurde ein Konzept der Anwendung in Form von Wireframes und anschließend ein Styleguide erstellt. Im Rahmen eines ersten Prototyps wurde die Anwendung und die dazu notwendige Sensorik umgesetzt. Anschließend wurde sie in Form von Nutzertests evaluiert.

Analyse

Aus der Mitbewerberanalyse konnten Stärken und Schwächen von bestehenden Produkten in ähnlichen Bereichen herausgearbeitet werden. Die qualitativen und quantitativen Nutzerbefragungen in Form von Interviews und einer Online-Umfrage dienten dazu, um Zusammenhänge zwischen demografischen Merkmalen, Technologie-Nutzung und Interesse an Pflanzen sowie Unterschiede bezüglich Pflanzenkenntnissen und Beet-Nutzung zu untersuchen. Ein Wunsch nach mehr Wissen, Herangehensweisen und Motivationen beim Pflanzenanbau zählten zu den wichtigsten Erkenntnissen der Studie. Die Zielgruppe wurde dabei auf ein Alter von 20 bis 40 Jahren mit einer weiblichen Tendenz und einem gesteigerten Interesse an Pflanzen und Technologie eingegrenzt und Personas abgeleitet. Aus den Ergebnissen der Mitbewerber- und Zielgruppenanalyse konnten Anforderungen für die Anwendung definiert werden.

Konzept

Das Menü der Anwendung lässt sich in die drei Punkte Beetplan, Pflanzenlexikon und Profil untergliedern. Der Menüpunkt Beetplan ermöglicht die Verwaltung von Beetplänen. Von ihm aus lassen sich Unterseiten zur Konfiguration eines Beetplans als auch Inspirationsbeiträge aufrufen, die von anderen Nutzern oder der Anwendung selbst bereitgestellt werden. Zur Erstellung eines Beetplans gehört die Feststellung der Umweltparameter sowie Empfehlungen, die Zusammenstellung und die Visualisierung von Pflanzen. Das Pflanzenlexikon verfügt über eine Auflistung aller in der Anwendung verfügbaren Pflanzen. Über dieses kann der Nutzer auf die jeweiligen Pflanzenbeschreibungen zugreifen. Im Reiter Profil können Einstellungen getätigt werden. Ebenso ist es dabei möglich als Nutzer einen Inspirationsbeitrag anzulegen.

Design

Nachdem ein erstes Konzept der Anwendung mit Wireframes erstellt wurde, wurde die zugehörige Gestaltung ausgearbeitet. Für die Anwendung wurden dabei Grün- und Blautöne gewählt, um Assoziationen wie Frische und Wachstum hervorzurufen. Ebenso wurde ein Rotton als Akzentfarbe eingesetzt. Die Typografie beläuft sich auf die Schriftarten Gloock und Inter, die eine moderne Optik und gute Lesbarkeit mit sich bringen sollen. Das Logo ergibt sich aus der stilisierten Darstellung zweier Pflanzen und lässt sich in den Schriftzug Bloomate integrieren.

Technologie

Um das Appkonzept und die zugehörige Sensorik zu realisieren, wurden zunächst Technologien ausgewählt, die sich zur Umsetzung eignen. Um die Informationen der Sensoren an eine mobile Anwendung weiterzuleiten, gibt ein Arduino-Mikrocontroller diese per kabelloser Verbindung an eine Firebase-Datenbank weiter. Bei den Sensoren wurde auf einen Temperatur- und Luftfeuchtigkeitssensor (DHT22), einen Fotowiderstand (LDR) zur Messung der Belichtung und ein Capacitive Soil Moisture Sensor zur Messung der Bodenfeuchtigkeit zurückgegriffen. In der Datenbank werden sowohl Informationen zu den Sensordaten als auch zu den in der Anwendung bestehenden Pflanzen gespeichert. Die Applikation greift auf diese gespeicherten Daten zu und setzt den Prozess der Beetplanung mittels AR um. Zur Realisierung der AR-Funktionalität und der Anwendung allgemein wurde die Software Unity und das Framework AR Foundation eingesetzt.

Entwicklung

Zunächst wurde eine Schaltung aller Sensoren mit dem Arduino erstellt und ein passendes Gehäuse gebaut, in das Löcher für die einzelnen Sensoren gebohrt wurden. Per WiFi werden die Sensorwerte an die Firebase-Datenbank übergeben und so an die Anwendung weitergegeben. Die Datenbank beinhaltet ebenso relevante Pflanzeninformationen auf die die Anwendung zurückgreifen kann. Der Prototyp ermöglicht es Nutzern mittels Smartphone-Kamera ein Beet zu scannen und 3D-Modelle von Gemüse-, Obst- und Blumenpflanzen virtuell einzusetzen, die auf Basis der Umweltparameter vorgeschlagen werden. Des Weiteren werden passende Pflanznachbarn gekennzeichnet. Außerdem können Informationen zu den einzelnen Pflanzen im Pflanzenlexikon nachgelesen werden.

Usertests

Nachdem die Entwicklungsphase des Prototyps abgeschlossen wurde, wurden Nutzertests durchgeführt. Hierzu wurden Personen, die sich im Rahmen der Zielgruppe verorten lassen, eingeladen und bekamen Aufgaben vorgelegt, um die Anwendung zu testen und sie danach zu bewerten. Zusätzlich wurde die Zeit gemessen, die die Nutzer zum Erledigen der Aufgabe benötigten (Task Completion Time) und die Anzahl an Fehlern notiert, die sich pro Aufgabe ergab (Error Rate). Standardisierte Fragebögen wie System Usability Scale und AttrakDiff kamen ebenso zum Einsatz. Hieraus liesen sich Unterschiede zwischen Personen, die bereits AR-Erfahrung aufwiesen und den restlichen Teilnehmern identifizieren. Zudem wiesen die Ergebnisse der Usertests auf eine hohe Nutzerfreundlichkeit und gute User Experience hin.