Abschlusspräsentation des Lehrprojektes Data-driven Solutions for the Smart City Hamburg
12. Februar 2025, von Marten Borchers

Foto: UHH
Am 12. Februar fand die Abschlussveranstaltung des Lehrformats Data-driven Solutions for the Smart City Hamburg in der Universität Hamburg, das gemeinsam mit der Hamburger Hochbahn AG durchgeführt wird, statt.
Das Lehrformat zielt darauf ab, Studierenden die praxisnahe Bearbeitung von Anwendungsfällen zu ermöglichen, um so Innovationen und Kompetenzen zu fördern. Hierfür wurde mit dem Bereich Marketing, vertreten durch Michaela Krüger, dem Sachgebiet Verkehrswirtschaft, vertreten durch Mirko Ludewig und der HOCHBAHN U5 Projekt GmbH, vertreten durch Jan Hendrik Schmidt, zusammengearbeitet.
Die Gruppe der Studierenden mit Jolie Bast, Nicole Jun, Maximilian Hövelmann und Eduard Schütz untersuchte gemeinsam mit Michaela Krüger, ob und wie ein KI-basierter Avatar als personalisierbarer mobiler Mobilitätskompagnon genutzt werden kann. Hierfür wurde ein Webprototyp entwickelt, der Text- als auch Spracheingaben entgegennimmt und unter anderen Auskünften über den Fahrplan und bekannte Störungen geben kann. Darüber hinaus können relevante Routen und Einschränkungen hinterlegt werden, womit der Avatar als Mobilitätsassistent dienen soll.
In Zusammenarbeit zwischen Jeremiah Stüve, Dennis Ott, Kevin Heuer und Jan Hendrik Schmidt Schmidt wurde untersucht, wie KI-basierte Avatare auf den U-Bahn Stationen der Zukunft eingesetzt werden können. Neben dem Erteilen von Auskünften über den Fahrplan, Tickets und eventuellen Verspätungen wurde hier insbesondere auch betrachtet, wie der Avatar mithilfe eines räumlichen Models aus zielsicher Personen durch die Station navigieren kann und mithilfe von QR-Codes Links zu öffentlichen Lageplänen kommuniziert.
Die Gruppe mit Ksenia Valyshikina, Ani Nahapetyan, Florian Schleid und Thore Schönfeld untersuchte zusammen mit Mirko Ludewig ob und wie der Einfluss von kleinen und mittleren Veranstaltungen auf das Passagieraufkommen im Busbetrieb vorhergesagt werden kann. Der Fokus lag dabei auf der Linie 5 und es wurden Daten aus unterschiedlichen Quellen analysiert und unterschiedlich aufbereitet, um anschließend mehrere Machine Learning Modelle zu trainieren. Die Vorhersagen wurden untereinander als auch mit dem realen Passagieraufkommen vergleichen, um die Einflüsse einzelner Datenpunkte als auch Aufbereitungsvarianten zu prüfen.
Chikaodi Uba, Jan Krause, Benjamin Klinkigt, Eva Bittner und ich freuen uns über den gelungenen Abschluss des Lehrformat, die entwickelten Prototypen und die Diskussionen.
Einen herzlichen Dank an alle Studierenden, ohne die dies nicht möglich gewesen wäre! An die HOCHBAHN und alle Gäste. Wir freuen uns auf die weitere Zusammenarbeit und Unterstützung, das Lernen und Lehren an und mit realen Herausforderungen zu gestalten und zeitgleich Impulse für Innovationen zu setzen.
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |