Universität Hamburg - der Forschung, der Lehre, der Bildung, zur Homepage
Wirtschaftsinformatik, Sozio-Technische Systemgestaltung (WISTS)
Fachbereich InformatikWirtschaftsinformatik, Sozio-Technische Systemgestaltung (WISTS)

Foto: WISTS Team

Forschung

Aktuelle Projekte

RESCUE-MATE

Ausgangslage

Die Erstellung eines digitalen Zwillings mit fortlaufender Einbindung von Echtzeitdaten ist ein wichtiger Schritt in der heutigen vernetzten Welt. Dieser Prozess beinhaltet die Erhebung, die Integration und die Interpretation von Echtzeitdaten aus verschiedenen etablierten Datenquellen. Dazu gehören Informationen von Rettungsfunktionen, Umweltsensoren und Verkehrssensoren. Diese Daten werden zu einem umfassenden Lagebild zusammengeführt, das als Orientierungs- und Bewertungsgrundlage für Einsatzkräfte und Entscheidungsträger dient. Darüber hinaus werden auch Social Media-Daten und Informationen aus Erkundungsflügen von Drohnenschwärmen in diesen digitalen Zwilling integriert. Dies ermöglicht eine noch genauere und umfassendere Darstellung der aktuellen Situation. Diese vielfältigen Datenquellen tragen dazu bei, dass der digitale Zwilling stets auf dem neuesten Stand ist und somit eine wertvolle Unterstützung für diejenigen bietet, die in Notfallsituationen schnelle und fundierte Entscheidungen treffen müssen.

Ziel des Projektes

Im Rahmen des Forschungsprojekts Rescue-Mate wird die Herausforderung der Lagebilderstellung und Optimierung von Informationsflüssen im Sicherheitsszenario einer Sturmflut in Hamburg untersucht. Diese Herausforderung ergibt sich vor dem Hintergrund des steigenden Meeresspiegels, häufigerer Extremwetterereignisse und einer wachsenden Anzahl von Anwohnern, die im Katastrophenfall evakuiert und versorgt werden müssen. Die beteiligten Akteure in diesem Szenario sind Behörden und nachgelagerte Einheiten wie Feuerwehr, Polizei, der Hafenstab und verschiedene Hilfsorganisationen. Sie benötigen dringend ein gemeinsames Lagebild zur Einsatzplanung und Echtzeitinformationen zum aktuellen Status. Dies ist besonders relevant in Katastrophensituationen, wie zum Beispiel einer Sturmflut, die Aspekte wie Ertrinkende, treibende Schiffe und gesperrte Straßen mit sich bringt. Der geografische Fokus liegt auf dem Hamburger Hafen und den Stadtteilen Wilhelmsburg und Hafencity, da diese Gebiete besonders betroffen sind und eine hohe Anzahl von potenziell gefährdeten Einwohnern aufweisen. Die Dringlichkeit dieses Projekts wird durch steigende Einwohnerzahlen, die besonders gefährdeten Stadtteile, höhere Sturmflutpegel sowie veraltete analoge Informations- und Kommunikationsflüsse unterstrichen. Aktuell fehlt es an einer digitalen Aufbereitung der Echtzeitdaten, die eine umfassende Lagebeurteilung ermöglichen würde. Die Lösung besteht in der Schaffung einer gemeinsamen Datenplattform für alle beteiligten Akteure. Diese Plattform ermöglicht die Einbeziehung, Auswertung und Konsolidierung von Sensordaten wie Wasserständen und Verkehrsflüssen sowie Social Media und Informationen aus drohnenbasierten Luftaufklärungen. Das Hauptziel dieses Projekts ist die Minimierung der Gefahren für die Einsatzkräfte, die Evakuierung und Betreuung der Bürger, eine passgenaue Einsatzplanung und eine effiziente Verwendung der verfügbaren Ressourcen.

Im Projekt verantwortet die AG WISTS den Bereich Bürgerbeteiligung und ist für die Entwicklung der Rescue-Mate App zuständig, die präventiv als auch im Krisenfall die Einbindung und Erhebung von Daten aus Gefahrengebieten ermöglichen soll, um das Lagebilde zu vervollständigen und Entscheidungen zu unterstützen.

Geförderte Partner

  • Universität Hamburg (UHH)
    • Arbeitsgruppe Wirtschaftsinformatik, Sozio-Technische Systemgestaltung (WISTS)
    • Arbeitsgruppe Human-Computer Interaction (HCI)
    • Arbeitsgruppe Rechnernetze (NET)
    • House of Computing and Data Science (HCDS)
  • Behörde für Inneres und Sport (BIS)
  • Absolute Software (AS)
  • Bundesanstalt Technisches Hilfswerk (THW)
  • Eurocommand (EC)
  • HafenCity Universität (HCU)
  • Hamburg Port Authority (HPA)
  • Hanseatic Aviation Solution GmbH (HAS)
  • Hochschule für Angewandte Wissenschaften (HAW)
  • Hamburger Informatik Technologie-Center (HITeC)
  • Landesbetrieb Straßen, Brücken und Gewässer (LSBG)

Assoziierte Partner

  • Artificial Intelligence Center (ARIC)
  • Bezirksamt Hamburg-Mitte
  • Bundesrettungshundestaffel Hamburg & Harburg e.V (RHS)
  • Deutsche Telekom AG (DTAG)
  • Deutsche Lebensrettungsgesellschaft (DLRG)
  • Deutsche Rote Kreuz (DRK)
  • Esri Deutschland GmbH
  • Freiwillige Feuerwehr Pinneberg
  • Hamburg Aviation
  • Innovations Kontaktstelle Hamburg (IKS)
  • Landesbetrieb Geoinformation und Vermessung (LGV)
  • Lufthansa Industry Solutions (LHIND)
  • NMS New Mobility Solutions Hamburg GmbH
  • Stadtreinigung Hamburg
  • UAM-InnoRegion-SH

Projektdetails

  • Dauer: 01.10.2023 – 30.09.2027
  • Projektleitung: Behörde für Inneres und Sport (BIS)
  • Projektwebseite: https://www.rescue-mate.de/
  • Förderhinweis: Die Fördermaßnahme SifoLIFE wird vom Bundesministerium für Bildung und Forschung (BMBF) im Rahmen des Programms „Forschung für die zivile Sicherheit“ der Bundesregierung gefördert (Förderkennzeichen 13N15596 und 13N15597).

Toward intelligent assistance systems for the smart utilization of participation data for urban planning and design

Ausgangslage

Die Urbanisierung hat in den vergangenen Jahrzehnten zu einem starken Städtewachstum geführt. So leben in Europa bereits heute ca. 70 % der Bevölkerung in Städten und mit der globalen Entwicklung vergleichbar. Die fortschreitende Digitalisierung sowie die steigenden Bemühungen, vorhandene Ressourcen nachhaltig zu verwalten und Umweltbelastungen zu reduzieren, haben den Begriff „Smart City“ neben weiteren Faktoren geprägt. Urban Planning ermöglicht in diesem Kontext die zielgerichtete Stadtplanung, die zunehmend partizipativer gestaltet wird. So konnten in verschiedenen Forschungsprojekten bereits erste Anwendungen in der Praxis erprobt und initiale Prozesse für das partizipative Urban Planning erforscht werden, auf die nun aufgebaut wird.

Ziel des Projektes

Im Rahmen des Projektes werden Artefakte für eins digitales Assistenzsystem zur Unterstützung des Urban Planning entwickelt, mit dem Ziel Urban Planning Prozesse zu stützen, die Qualität der Ergebnisse zu verbessern und die Beteiligung von Bürgerinnen und Bürgern zu vereinfachen. Hierfür werden entsprechende Anforderungen von Bürgerinnen und Bürgern sowie Stadtplanerinnen und Stadtplanern erhoben, unterschiedliche Prototypen entwickelt und evaluiert. Dabei steht insbesondere auch der Einsatz von künstlicher Intelligenz (KI) und Machine Learning (ML) Ansätzen im Fokus, um die Interaktionen zwischen Menschen und Maschinen zu unterstützen und Auswertungen zu automatisieren.

Projektbeteiligte

  • Universität Hamburg (UHH) – Arbeitsgruppe Wirtschaftsinformatik, Sozio-Technische Systemgestaltung (WISTS)
  • HafenCity Universität (HCU) – Arbeitsgruppe Digital City Science

Projektdetails

Hybridisierung von menschlicher und künstlicher Intelligenz in der Wissensarbeit (HyMeKI)

Ausgangslage

Fortschritte im Bereich der künstlichen Intelligenz, (insb. des maschinellen Lernens und der Spracherkennung), bieten neue Gestaltungsmöglichkeiten zur Reorganisation von Wissensarbeit an der Schnittstelle von Mensch und KI. KI-Systeme liefern nicht nur Potenziale in der Automatisierung von Routineaufgaben, sondern können als neue „Teammitglieder“ die Lösung von komplexen Aufgaben von Mitarbeiter*innen unterstützen, da sie in vielen Bereichen zum Menschen komplementäre Fähigkeiten beitragen. Menschen nehmen KI-basierte Systeme als soziale Akteure wahr, stellen deshalb aber auch ähnliche Erwartungen an die Qualität ihrer Lösungsbeiträge und ihr Kommunikationsverhalten, die häufig nicht erfüllt werden und zu Unzufriedenheit, Ablehnung bzw. Nicht-Nutzung der Systeme führen können. Durch die Unterschiede hinsichtlich der Fähigkeiten und Fertigkeiten von Menschen (d.h. menschlicher Intelligenz) und Maschinen (d.h. künstlicher Intelligenz) entstehen neuartige Gestaltungsherausforderungen in der Zusammenarbeit sowie den Lernverfahren für menschliches und maschinelles Lernen.

Ziel des Projektes

Ziel der Nachwuchsgruppe ist die Entwicklung, Erprobung und Validierung von sozio-technischen Gestaltungsanforderungen und –mustern zur Entwicklung von KI-Systemen in der Wissensarbeit. Diese implementieren kollaborative Arbeitspraktiken der Mensch-KI-Zusammenarbeit, insbesondere zur Arbeitsteilung, zur transparenten, nachvollziehbaren Übergabe von Aufgaben und Arbeitsständen und zur Förderung des Lernens zwischen Menschen und KI-Systemen entsprechend ihrer jeweiligen Stärken.

Zur Zielerreichung werden zunächst repräsentative Kollaborationsszenarien im Bereich der Wissensarbeit anwendungsorientiert durch empirische Anforderungserhebung mit Unternehmen erhoben und modelliert. Die Nachwuchsgruppe entwickelt darauf aufbauend eine Taxonomie zur Arbeitsteilung von Menschen und KI-Systemen. In Anlehnung daran werden Techniken zur Übergabeorchestrierung zwischen Mensch und KI sowie Techniken zur Förderung von KI-(bzw. Mensch-) unterstützten menschlichem (bzw. maschinellen) Lernen exploriert und in Gestaltungsmuster überführt. Die entwickelten Techniken und Gestaltungsmuster werden prototypisch instanziiert und in Labor-, Feld- und Onlinestudien sozio-technisch evaluiert. Das Vorhaben folgt damit einem gestaltungsorientierten Multimethodenansatz iterativer Entwicklung und Evaluation.

Beteiligung des Arbeitsbereichs WISTS

Fokus von WISTS im Verbundprojekt liegt auf die Entwicklung und Erprobung von Gestaltungsmuster zur Aufgabenteilung, Übergabe- und Arbeitsorchestrierung zwischen Wissensarbeiter*innen und lernenden Systemen (z.B. Entscheidungsvorlagen durch KI-System, menschlichem Feedback für maschinelles Lernen etc.). Anhand der Analyse praktischer Anwendungsfälle aus Anwenderorganisationen werden zunächst relevante Übergabeszenarien von Mensch zu KI identifiziert und modelliert sowie sozio-technische Lösungsansätze in Form von Gestaltungsmustern zu Übergabevoraussetzung, Übergabeinhalten und deren Aufbereitung sowie zur Übergabeorchestrierung prototypisch instanziiert werden. Lösungsansätze für die Übergabe von KI zu Mensch werden analysiert, modelliert und entwickelt. Daraufhin werden diese Ansätze experimentell und anhand von Nutzer*innenevaluationen im Teamlabor in Hamburg und in den Anwenderorganisationen pilotiert und evaluiert.

Projektbeteiligte

  • Universität Kassel - Fachgebiet Wirtschaftsinformatik
  • Universität Kassel - Wissenschaftliches Zentrum für Informationstechnik-Gestaltung (ITeG)
  • aiconix.ai
  • IHK Hessen innovativ
  • smarttransfer

Projekthomepage

www.hymeki.de

Projektdetails

  • Dauer: 01.10.2020 - 30.09.2024
  • Projektleitung: Prof. Dr. Eva Bittner Dr. rer. pol. Sarah Oeste-Reiß
  • Förderkennzeichen: 01IS20057