Seiteninhalt Kontaktlinks
Fakultät Nachhaltige Agrar- & Energiesysteme befindet sich im Gebäude D1.
© Josef Gangkofer
  • Zukunft studieren in Weihenstephan

Fakultät Nachhaltige Agrar- & Energiesysteme

In Lehre und Forschung stellen wir uns den gesellschaftlichen Veränderungen unserer Zeit und den damit einhergehenden Herausforderungen wie Klimawandel, Nahrungsmittelerzeugung, Ernährungssicherheit und Ernährungsqualität. Mit unserer Forschung erarbeiten wir Beiträge für nachhaltige Lösungen.

Studieren an der Fakultät Nachhaltige Agrar- & Energiesysteme

„Lehren und Forschen in Systemen“: In unseren Studiengängen vermitteln wir solides Grundlagenwissen. Der direkte Praxisbezug steht bei uns an erster Stelle. 

Unsere Fakultät mit dem Bachelor-Studiengang Landwirtschaft (Weihenstephan) (mit den Studienrichtungen konventionelle Landwirtschaft und ökologische Landwirtschaft), den wir auch dual anbieten, gibt es bereits seit über 50 Jahren. Im Laufe der Zeit kam der heutige Bachelorstudiengang Agribusiness hinzu, der ebenfalls als Dual-Studium möglich ist, sowie die Bachelor-Studiengänge Management erneuerbarer Energien (mit den Studienschwerpunkten Ökonomie, Bioökonomie und International Management) und Bio-Lebensmittel & Business. Die Masterstudiengänge Agrarmanagement, Business Management und Entrepreneurship Erneuerbarer Energien und Climate Change Management (englischsprachig), sowie das Weiterbildungsstudium Tiergesundheitsmanagement erweitern unser Angebot ideal. Wir aktualisieren und erweitern unser Studiengangsangebot laufend. Auslandssemester und Auslandspraktika sind für alle Studierenden möglich. 

Bei unseren Forschungsthemen hat die effiziente und nachhaltige Nutzung von Ressourcen einen sehr hohen Stellenwert. Die Nachhaltigkeit sowie der Systemgedanke, stellen in der Lehre, wie auch in der Forschung die verbindenden Leitmotive dar

News

Veranstaltungen

zurück
vor

Fakultät für Nachhaltige Agrar- & Energiesysteme: unser Netzwerk

Durch unsere enge Vernetzung mit Industrie, Verbänden und Forschungseinrichtungen bieten wir in Kooperation interessante Projekte, Seminare und Praxissemester während des gesamten Studiums an. Unsere Absolvent:innen sind mehr denn je als verantwortliche Führungskräfte gefragt. Sie zeichnen sich durch Mehrfachqualifikationen aus und kommen oftmals schon während dem Studium zu ihren späteren Arbeitgeber:innen. Beschäftigungsfelder reichen vom Handel über den vor- und nachgelagerten Bereich bis hin zum öffentlichen Dienst und Interessensvertretungen. 

Lehr- & Forschungseinrichtungen der Fakultät Nachhaltige Agrar- & Energiesysteme

Im modernen Gebäude der Fakultät Nachhaltige Agrar- und Energiesysteme finden unsere Studierenden neben den Hörsälen, geräumigen Laboren und Praktikumsräumen auch weitere Lehreinrichtungen. Das Studienangebot wird ergänzt durch Demonstrationsflächen auf dem Campus und Versuchsflächen im campusnahen Umfeld von Freising.. Dadurch bietet die HSWT ein optimales Studienumfeld an, in dem das theoretische Wissen praktisch angewandt und vertieft werden kann.

Lehr- & Versuchsbetrieb

Auf dem Lehr- und Versuchsbetrieb (LuV) im Freisinger Umland werden Übungen in den Bachelorstudiengängen Landwirtschaft, Management erneuerbarer Energien und Agribusiness angeboten. Der Lehr- und Versuchsbetrieb besteht aus drei Betriebsstätten:

  1. landwirtschaftlicher Betrieb Grünschwaige | Grünschwaige 2, 85462 Eitting

  2. Technologiegebäude H14 | Lange Point 2, 85354 Freising

Energiewald Zurnhausen

Der Energiewald wird in Übungen und Vorlesungen verschiedener Studiengänge am Campus Weihenstephan einbezogen. Forschungsprojekte und Abschlussarbeiten liefern fortlaufend neue Erkenntnisse über die Kurzumtriebsplantage in Zurnhausen. Studentinnen und Studenten der HSWT legten im Rahmen von Projektarbeiten den etwa zwei Hektar großen Energiewald mit schnellwachsenden Pappelsorten und Miscanthus an. Die dort wachsende Biomasse wird im hochschuleigenen Heizwerk in Wärme umgewandelt.

Heizwerk Weihenstephan

Das Heizwerk Weihenstephan wird mit Holz aus dem hochschuleigenem Energiewald, Waldhackschnitzeln und Landschaftspflegeholz, wie aus den Pflegearbeiten vom Campus Weihenstephan, betrieben. Mit einer Leistung von 850 kW können Gewächshäuser und Bürogebäude der HSWT am Campus Weihenstephan nachhaltig beheizt werden. So können rund 320.000 Liter Heizöl ersetzt und damit 1.000 t fossiles CO2 eingespart werden.

Laborräume Erneuerbare Energien D1 Gebäude

In den Laborräumen Erneuerbare Energien (Biogaslabor, Biomasse-Labor und EE-Technikum) finden zahlreiche Praktika, Projekt- und Forschungsarbeiten statt. Hier wird das erlernte theoretische Wissen der ME-Studierenden an Mess- und Versuchsständen mit der Praxis verknüpft.

Forschungsprojekte

Publikationen

  • Lisa Murken, Julia Tomalka, David Abigaba, Antwi-Bosiako Amoah, Joseph Armathé Amougou, Muriel Anaba, Ponraj Arumugam, Eres Awori, Hye-Rin Léa Baek, Till Below, Matti Cartsburg, Abel Chemura, Carla Cronauer, Iulii Didovets, Adefires Worku Gizaw, Stephanie Gleixner, Nele Gloy, Enrico Grams, Lemlem Habtemariam, Anna Hampf, Ylva Hauf, Tim Heckmann, Boubacar Ibrahim, Francis Jarawura, Timothee Kagonbe, Juliane Kaufmann, Priscilla Kephe, Lena Klockemann, Stefan Lange, Rahel Laudien, Stefan Liersch, Naima Lipka, Sophia Lüttringhaus, Sibylla Neer, Oble Neya, Steffen Noleppa, Sebastian Ostberg, Jonas Pollig, Paula Romanovska, Felicitas Röhrig, Prof. Dr. Bernhard Schauberger, Roopam Wortmann, Amsalu Woldie Yalew, Isabella Zouh, Prof. Dr. Christoph Gornott

    • Berechtigungen:  Open Access
    • Berechtigungen:  Peer Reviewed

    The need for evidence-based climate risk and adaptation assessments: lessons learned from the AGRICA project (2024) Environmental Research Letters 19 (6). DOI: 10.1088/1748-9326/ad50eb

    Mehr

  • Ashima Khanna, Prof. Dr. Florian Haselbeck, Prof. Dr. Dominik Grimm

    Predicting Protein Thermostability through Deep Learning Leveraging 3D Structural Information (2024) Biological Materials Science - A workshop on biogenic, bioinspired, biomimetic and biohybrid materials for innovative optical, photonics and optoelectronics applications 2024 .

    In protein engineering, improving thermostability is essential for many industrial and pharmaceutical applications. However, the experimental process of identifying stabilizing mutations is time-consuming due to the enormous search space. With the increasing availability of protein structural and thermostability data, computational approaches using deep learning to identify thermostable candidates are gaining popularity. In this work, we present and benchmark a novel graph neural network, ProtGCN, that incorporates geometric and energetic details of proteins to predict changes in Gibbs free energy (ΔG), a key indicator of thermostability, upon single point mutations. Unlike conventional methods that rely on sequence or structural features, our model uses protein graphs with rich node features, carefully preprocessed from a comprehensive dataset of approximately 4149 mutated sequences across 117 protein families. In addition, ProtGCN is enhanced by incorporating embeddings from the Evolutionary Scale Modeling (ESM) protein language model into the protein graphs. This integration allows ProtGCN (ESM) to outperform comparison models, achieving competitive performance with XGBoost and a protein language model-based multi-layer perceptron on all evaluation metrics, and outperforming all models on further analyses. A strength of ProtGCN (ESM) is its ability to correctly identify and predict stabilizing and destabilizing mutations with extreme effects, which are typically underrepresented in thermostability datasets. These results suggest a promising direction for future computational protein engineering research.

  • Prof. Dr. Florian Haselbeck, Maura John, Yuqi Zhang, Jonathan Pirnay, Juan Pablo Fuenzalida-Werner, Ruben Costa, Prof. Dr. Dominik Grimm

    Superior Protein Thermophilicity Prediction With Protein Language Model Embeddings (2024) Biological Materials Science - A workshop on biogenic, bioinspired, biomimetic and biohybrid materials for innovative optical, photonics and optoelectronics applications 2024 .

    Protein thermostability is an essential property for many biotechnological fields, such as enzyme engineering and protein-hybrid optoelectronics. In this context, machine learning-based in silico predictions have the potential to reduce costs and development time by identifying the most promising candidates for subsequent experiments. The development of such prediction models is enabled by ever-growing protein databases and information on protein stability at different temperatures. In this study, we leverage protein language model embeddings for thermophilicity prediction with ProLaTherm, a Protein Language model-based Thermophilicity predictor. We assess ProLaTherm against several feature-, sequence-, and literature-based comparison partners on a new benchmark dataset derived from a significant update of published data. ProLaTherm outperforms all comparison partners both in a nested cross-validation setup and on protein sequences from species not seen during training with respect to multiple evaluation metrics. In terms of Matthew's correlation coefficient, ProLaTherm surpasses the second-best competitor by 18.1% in the nested cross-validation setup. Using proteins from species that do not overlap with species from the training data, ProLaTherm outperforms all competitors by at least 9.7%. On this data, it misclassified only one non-thermophilic protein as thermophilic. Furthermore, it correctly identified 97.4% of all thermophilic proteins in our test set with an optimal growth temperature above 70°C.

Ansprechpersonen

Lageplan des Gebäudes D1 am Campus Weihenstephan.

Adresse

Hochschule Weihenstephan-Triesdorf
Fakultät Nachhaltige Agrar- und Energiesysteme
Gebäude D1
Am Staudengarten 1
85354 Freising

nach oben