AIxCity

Die Urbanisierung weltweit nimmt immer mehr zu. Das stellt die Städte vor wachsende Herausforderungen wie Umweltverschmutzung, wachsende soziale Ungleichheit, Entsorgung steigender Abfallmengen sowie zunehmende Mobilitätsbedarfe. Einige dieser Probleme versuchen die Städte mithilfe von Technologie zu bewältigen. Sogenannte “Smart Cities” und StartUp-Lösungen in diesem Bereich versuchen, Datenmengen einer Stadt zu nutzen zur Verbesserung der Lebensqualität und Entwicklung nachhaltiger Städte. Hierbei spielt künstliche Intelligenz auch eine große Rolle. In unserem Projekt haben wir in drei Teilgruppen versucht, mit einem StartUp-orientierten Ansatz Probleme dieser Thematik zu analysieren und Lösungen zu entwickeln. Die Ergebnisse dieser drei “StartUps” wollen wir euch gerne präsentieren.

BSAG Dashboard

Unser Projekt zielt darauf ab, die Verspätungszeiten von Bussen und Straßenbahnen in Bremen zuverlässig vorherzusagen. Hierfür setzen wir einen Machine-Learning-Algorithmus ein, der Verkehrsdaten, Wetterdaten, Baustellendaten und Informationen der Bremer Straßenbahn AG (BSAG) nutzt. Unser Dashboard bietet die Möglichkeit, auf einer interaktiven Karte verschiedene Haltestellen und Linien auszuwählen, um die voraussichtlichen Verspätungszeiten anzuzeigen. Darüber hinaus stellt das Dashboard weitere Tools bereit, um die Daten besser zu interpretieren.

eConnect

Das Projekt eConnect ist Teil von AIxCity und hat zum Ziel, Arbeitsabläufe bei der Erfassung und Verarbeitung von eingehenden Dokumenten zu beschleunigen. Zielgruppe dieser Anwendung sind Angestellte in der Verwaltung, die täglich unzählige Dokumente erhalten, sortieren und verarbeiten. Wir haben dafür eine Anwendung entwickelt, die Anhänge aus den eingehenden E-Mails extrahiert und in einer Datenbank ablegt. Die abgelegten Dokumente werden anschließend mithilfe von OCR maschinenlesbar gemacht und anschließend durch ein Machine-Learning-Modell in Dokumentklassen eingestuft. Der Anwender kann die Dokumente nun in einer webbasierten Umgebung einsehen und überprüfen, ob dem Dokument die korrekte Dokumentenklasse zugeordnet wurde. Durch diese Rückmeldungen wird das Modell stetig verbessert.

SeafaringAirQuality

Unser Projekt SeafaringAirQuality hat sich zum Ziel gemacht, die Umweltverschmutzung von Binnenschifffahrt auf der Weser zu messen und anschaulich darzustellen. Dafür haben wir mithilfe einer OpenData-Community für Feinstaubsensoren 10 Sensoren gebaut und diese entlang der Weser platziert. Dazu haben wir ein Dashboard gebaut, wo sich genaue Positionsdaten der Schiffe ablesen lassen. Daneben stehen dann unsere gemessenen Feinstaubwerte an den Sensoren. Dadurch lassen sich Zusammenhänge zwischen Feinstaubbelastung und dem Schiffsverkehr anschaulich darstellen und bieten somit eine Diskussionsgrundlage für politischen Handlungsbedarf in diesem Bereich.