Abschlusspräsentation des Lehrprojektes Data-driven Solutions for the Smart City Hamburg

12. Februar 2026, von Marten Borchers

Foto: Marten Borchers/UHH

Am Mittwoch fand die Abschlussveranstaltung des Lehrprojektes Data-driven Solutions for the Smart City Hamburg statt. Das inter- und transdisziplinäre Lehrformat, das bereits zum achten Mal stattfand, wird gemeinsam mit der Hamburger Hochbahn AG, der Universität Hamburg und dem Hub of Computing & Data Science durchgeführt.

Das Lehrformat gibt Studierenden die Möglichkeit, praktische Erfahrungen zu sammeln sowie die Kompetenzentwicklung und Innovationen vielfältig zu fördern. Hierfür wurde mit dem Fachbereich Mobilitätsstrategie und strategische Produktplanung, vertreten durch Aurelia Mennerich, dem Stabsbereich Nachhaltigkeitsmanagement, vertreten durch Nienke Berger und Laureen Brieve, sowie den Fachbereich Mobility Data Analytics & Modellierung, vertreten durch Jastine Bergelt, und dem Fachbereich Betriebsorganisation Bus, vertreten durch Mirco Kötzsch, zusammengearbeitet.

Die Gruppe mit Michelle Hallmann, Nina Strarovitova, Julia Wilhelm, Bahar Barikzei und Patrick Leonhardt hat in Kooperation mit Jastine Bergelt, Michael Thüne und Mirco Kötzsch untersucht, wie die Analyse von Streckeninformationen zur Bewertung betrieblicher Auswirkungen bei Umleitungen und Haltestellenverlegungen durch KI-unterstützt werden kann. Hierfür wurde ein digitales Dashboard inkl. Karteentwickelt, das textbasierte Berichte automatisiert zerlegt und analysiert und die Auswirkungen durch Abfragen an das Haltestellenregister und OpenStreetMap quantifiziert. Der Prototyp vereinfacht die Analyse der Auswirkungen und systematisiert Berichte.

Julien Graf, Erik Pauli, Sardorbek Sabirov, Marvin Schmidt und Lukas Owen haben gemeinsam mit Nienke Berger und Laureen Brive eine Lösung für die Erstellung KI-gestützter Risikoprofile für Warengruppen und Produkte zur Identifizierung und Bewertung von Nachhaltigkeitsrisiken entlang der Lieferkette entwickelt. Hierfür wurde der bestehende Prozess betrachtet und ein Prototyp entwickelt, der über die Anbindung an eine Suchmaschine sowie ein Large Language Model Waren und Produkte in seine Bestandteile zerlegt und für diese eine automatisierte Suche nach menschenrechtlichen und umweltbezogenen Risiken durchführt. Die intelligente Suche unterstützt die Erstellung der Risikoprofile und bereitet qualitative Informationen und Quellen auf.

Die Gruppe mit Yasmine Khamassi, Leon Sothmann und Josef Hermann (+1) hat mit Aurelia Mennerich untersucht, wie ein KI-basierter Prototyp den Zugang über Anforderungen an die Barrierefreiheit für Umsetzungsverantwortliche verbessern kann. Hierfür wurde ein Large Language Model gemäß der Retrieval-Augmented Generation-Architektur entwickelt, das unterschiedliche Dokumente über Barrierefreiheitsanforderungen nutzt und dieses Wissen über eine intuitive Chatbot-Oberfläche zugänglich macht.

Jan Krause, Heiko Bornholdt, Benjamin Klinkigt, Eva Bittner, Martin Semmann und Marten Borchers freuen uns über den gelungenen Abschluss und die Ergebnisse. Einen herzlichen Dank an alle Beteiligten, und wir freuen uns auf die weitere Zusammenarbeit!