Präsentationen der Ergebnisse im Projekt Data-driven Solutions for the Smart City Hamburg
27. Juli 2022
Am 27.07.2022 fanden im Projekt Data-driven Solutions for the Smart City Hamburg (D²S²C) die Abschlusspräsentationen der Ergebnisse aller Use-Cases statt. Diese wurden von Studierenden der MIN-Fakultät in Zusammenarbeit mit der Hamburger HOCHBAHN, dem HSV/Future Dock und dem Landesbetrieb Geoinformation und Vermessung erarbeitet, die hierfür Daten bereitstellten und sich im regelmäßigen Austausch mit den Studierenden befanden.
Das Projekt D2S2C wurde im Sommersemester 2022 zum ersten Mal angeboten und die Idee, Lehre und das interdisziplinäre Arbeiten in Teams mit realen Use-Cases aus der Praxis zu verbinden, ist in dieser Form einmalig. Aufgrund der vielfältigen Arbeitsweisen und Kenntnisse bei Studierenden aus unterschiedlichen Studiengängen und Fachdisziplinen sowie fehlenden Erfahrungswerten aus vergleichbaren Lehrformaten war zu Beginn unklar, wie die Zusammenarbeit bestmöglich gestaltet und unterstützt werden kann und wie mögliche Ergebnisse bzw. Prototypen aussehen können. "Ich freue mich, dass die Idee und das Projekt auf so viel Zuspruch getroffen sind und sich die Studierenden und Partner auf dieses Experiment eingelassen haben und möchte mich dafür hiermit bedanken" (Marten Borchers).
Insgesamt wurden vier Use-Cases bearbeitet bzw. Prototypen entwickelt. Diese betreffen die (1) Indoor- bzw. Sitzplatznavigation im Stadion mithilfe von 3D-Modellen und Methoden der Computer Vision (HSV/Future Dock). Die (2) Vorhersage des Energieverbrauchs von E-Bussen mithilfe von bereitgestellten Daten und Machine Learning Modellen. Die (3) Entwicklung einer interaktiven Karte (Heatmap) zur Identifikation von Unfallhotspots und Ursachen im Einzugsgebiet der HOCHBAHN sowie (4) in Kooperation mit dem Landesbetrieb Geoinformation und Vermessung die automatisierte Auswertung von Daten aus Beteiligungsprojekten des digitalen Partizipationssystems DIPAS der Behörde für Stadtentwicklung und Wohnen.
Die Präsentationen der Ergebnisse unterstreichen den Mehrwert interdisziplinärer und anwenderorientierter Arbeit in Teams. Die entwickelten Lösungen zeigen, wie technische Lösungen und innovative Methoden wie z. B. das Machine Learning in den Use-Cases mehrwertig eingesetzt werden können. Durch die Entwicklung lauffähiger Lösungen werden zudem die im Studium gelernten Inhalte angewandt und deren Relevanz bestätigt. Ich freue mich auf die Fortführung des Projektes im nächsten Semester und die weitere Zusammenarbeit mit Studierenden und Partnern und bin gespannt, was für Prototypen im Winter implementiert werden.
Das Projekt ist im März 2022 gestartet, hat eine Laufzeit von einem Jahr und wird vom DDLitLab gefördert.