Das Erlernen von Arbeitstechniken und der Umgang mit chemischen Substanzen sind Gegenstand des Laborpraktikums. Die Versuche setzen sich aus 4 Themenbereichen zusammen, i) Atomaufbau durch spektroskopische Methoden, Einblick in Teile der analytischen Chemie ii) Chemische Reaktionen via Nachweisreaktionen, Bindungsarten und Reaktionstypen, beinhaltet die Aufstellung von Reaktionsgleichungen iii) Konzept von Säuren und Basen, Beschreibung von Säure-Base-Reaktionen in Wasser, Pufferlösungen, Quantitative Analyse mittels Titration iv) Redoxprozesse in Wasser, Redoxpotentiale, Beschreibung der Konzentrationsabhängigkeiten entlang dem Gesetz von Nernst von Redoxpotentialen, Funktionsweise von galvanischen Elementen und Elektrolysezellen.
Es wird in kleinen Gruppen (12-15 Studenten) vorjedem Versuch ein Seminar abgehalten, in dem sich die Studenten mündlichbeteiligen. Teamarbeit und Kooperation werden gefördert, da die Versuche im Laborsowie das Schreiben der Protokolle in 3er/4er Gruppen durchgeführt werden.Zudem wird wissenschaftliches Arbeiten vermittelt (Dokumentation derVersuchsergebnisse im Laborjournal, Zitieren von Literatur im Protokoll).
TeilnehmerInnen:
Studierende des Chemie- und Bioingenieurwesen sowie der Green Technology
Voraussetzungen:
Teilnahme (dokumentiert) an der Sicherheitsunterweisung am 25.10. ab 12:30 h
Lernorganisation:
Gruppenarbeit
Leistungsnachweis:
305 - Allgemeine und Anorganische Chemie<ul><li>305 - Allgemeine und Anorganische Chemie: Klausur schriftlich</li><li>805 - Verpflichtende Studienleistung Laborpraktikum: Allgemeine und Anorganische Chemie: Fachtheoretisch-fachpraktische Studienleistung</li></ul>
ECTS-Kreditpunkte:
2
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
Heimatinstitut: Universität Hamburg (UniHH)
In Stud.IP angemeldete Teilnehmer: 143
Anzahl der Dokumente im Stud.IP-Downloadbereich: 41
Betreute Abschlussarbeiten
laufende
beendete
2021
Hund, P. (2021). Modellierung eines elektrischen Netzes zur Demonstration des Einflusses von virtueller Trägheit durch umrichterbasierte Energieanlagen.
Hund, P. (2021). Koordinierte Bereitstellung von virtueller Trägheit durch erneuerbare umrichterbasierte Energieanlagen in Verteilnetzen mithilfe von künstlicher Intelligenz.
Möller, P. (2021). Erfassung der Knotenspannung in Niederspannungsnetzen auf Basis von dezentralen Messeinrichtungen mithilfe von Machine learning.
Plant, R. (2021). Estimation of Power System Inertia in an Inverter-Dominated Distribution Grid Using Machine Learning.
2020
Dressel, M. (2020). Modellierung der Zustandsschätzung eines elektrischen Netzes mit Hilfe von Graph neuronalen Netzen.
Schmidt, M. (2020). Vorhersage von zuverlässig bereitstellbarer Regelleistung aus Erneuerbaren Energien mithilfe von neuronalen Netzen.