Data-driven Solutions for the Smart City Hamburg (D²S²C)

Aufgrund der fortschreitenden Digitalisierung aller Lebensbereiche sind die Anforderungen an Bürgerinnen und Bürger, sich selbstständig in einer sich schnell verändernden und von Informationen durchdrungenen Welt zurechtzufinden, gestiegen.

Im Projekt Data-driven Solutions for the Smart City Hamburg (D²S²C) werden real existierende Herausforderungen aus dem Bereich Smart City von Studierenden im Rahmen der Lehrveranstaltung analysiert und prototypische Lösungen entwickelt. Hierfür wird mit der HOCHBAHN, dem HSV/Future Dock und dem Landesbetrieb Geoinformation und Vermessung zusammengearbeitet und so ein Transfer zwischen Theorie und Praxis ermöglicht.

Das Konzept “Smart City” beschreibt in vielschichtiger Hinsicht den Aufbau und die Vernetzung unzähliger Stakeholder in einer intelligenten und innovativen Stadt, in der ein gemeinschaftliches Miteinander mit hoher Lebensqualität und nachhaltigem Ressourcenverbrauch angestrebt wird. In der Lehrveranstaltung wird mit unterschiedlichen Methoden aus den Bereichen Requirement Engineering, Projektmanagement, Business Intelligence, Prozessmanagement, Data Science und künstliche Intelligenz gearbeitet. Diese werden von den Studierenden eingesetzt, um in Kooperation mit den Organisationen und Unternehmen praktikable Lösungen zu entwickeln. Dies beinhaltet die Analyse und Visualisierung von Daten und Prozessen, um Informationen und Wissen zu generieren. Zudem kann der Einsatz von künstlicher Intelligenz auch Vorhersagen und damit Automatisierungen ermöglichen, sodass Arbeitsschritte ggf. entfallen oder operative Optimierungen möglich werden.

In der ersten Phase des Projektes werden zunächst die Grundlagen in den Bereichen Requirement Engineering, Projektmanagement, Business Intelligence, Data Science und künstliche Intelligenz vermittelt und wiederholt. In der zweiten Phase identifizieren die Studierenden zusammen mit den Projektpartnerinnen und Projektpartnern zentrale Herausforderungen und realisieren selbstständig und interessengeleitet mögliche Lösungen. In der dritten und letzten Phase werden die Ergebnisse aufbereitet, dokumentiert und allen Projektbeteiligten vorgestellt.

Das Arbeiten an praxisnahen Projekten schärft und erweitert die Data Literacy der Studierenden in den Bereichen der Datenerhebung und -bewertung, des Transfers von Daten in Wissen und der Vorhersage auf Basis von Daten.