Daten statt Bauchgefühl: Team um HSBI-Data-Science-Student Omkar Gharat gewinnt MittelstandsMakerthonNRW

Bielefeld/Gütersloh (hsbi). Wie viele Kinder und Familien morgens durch die Drehkreuze des Potts Park laufen, entscheidet über Dienstpläne, Wareneinkauf und Umsatz. Doch verlässlich vorhersagen lässt sich das selten. Beim jüngsten MittelstandsMakerthon NRW wurde dafür eine Lösung entwickelt: ein KI-gestütztes Prognosetool zur besseren Planung. Das Konzept des dreitägigen Makerthons: Die Teilnehmenden, darunter Studierende der Hochschule Bielefeld (HSBI) und der Universität Bielefeld, arbeiteten in Kleinteams an acht Challenges von mittelständischen Unternehmen aus der Region. Veranstalter des Makerthons war der Bielefeld Research + Innovation Campus (BRIC) und die Mittelstandsplattform NRW.Bank.

Eine Aufgabe kam direkt aus dem Freizeitpark: Betriebsleiter Patrick Pott wollte wissen, wie sich die täglichen Besucher:innenzahlen zuverlässiger prognostizieren lassen, um den Personaleinsatz, das Gastronomieangebot und den Einkauf besser planen zu können. Bislang basierte die Planung vor allem auf der Erfahrung der Parkbetreiber und einzelnen Wetterdaten. Doch ein Freizeitpark mit 300.000 Besucher:innen im Jahr ist ein komplexes System: Kommen mehr Gäste als erwartet, fehlen Personal und Verpflegung. Kommen weniger, entstehen unnötige Kosten.

KI- gestütztes Prognosetool wertet Wetterdaten und Ferienzeiten aus

Dafür wollten Omkar Gharat, Student im neuen englischsprachigen Research Master „Data Science“ am Campus Gütersloh der HSBI, Stefanie Lehmann, Studentin der Angewandten Psychologie der Apollon Hochschule für die Gesundheitswirtschaft, und Domenic Gilardon, Absolvent der Wirtschaftsinformatik von der FHDW Paderborn, eine Lösung finden. Die Idee des interdisziplinären Teams: ein KI-gestütztes Prognosetool. Dessen Kern bildet ein Machine-Learning-Modell, also ein lernfähiger Algorithmus, der aus historischen Daten Muster erkennt und daraus Vorhersagen ableitet.

„Bisher gab es keine Möglichkeit, die verschiedenen Einflussfaktoren systematisch zu kombinieren“, erklärt Gharat. Gemeinsam hat das Team daher ein Modell programmiert, das genau das leisten kann. Eingeflossen sind Wetterdaten wie Temperatur und Niederschlag, Schulferien in Nordrhein-Westfalen und Niedersachsen, gesetzliche Feiertage sowie regionale Veranstaltungen. Besonders weil sich der Park vor allem an Kinder unter 14 Jahren richtet, zeigten Ferienzeiten und gemäßigte Temperaturen eine hohe Korrelation mit den Besucher:innenzahlen. „Eltern gehen mit ihren Kindern in den Park, wenn Ferien sind und es weder zu heiß noch zu kalt ist“, so Gharat. Genau solche Zusammenhänge macht das Modell messbar und nutzbar.

Die größte Hürde war dabei nicht der Algorithmus, sondern der Fundus akribisch dokumentierter, aber digital nur schwer verwertbarer Daten. „Wir hatten nur die Daten der vergangenen drei Jahre“, so Gharat. Zusätzlich mussten Wetterdaten aus externen Quellen eingebunden werden. Für belastbare Prognosen ist das eine schmale Basis. Das Team bereitete die Daten deshalb intensiv auf, bereinigte sie und passte das Modell mehrfach an, um dennoch aussagekräftige Ergebnisse zu erzielen. Innerhalb des Teams übernahmen Omkar Gharat und Domenic Gilardoni die Analyse der Daten und die Auswahl geeigneter Modelle. Stefanie Lehmann verantwortete das Requirements Engineering (Anforderungsmanagement), Präsentation und Visualisierungen und sorgte dafür, die Ausgangssituation ganzheitlich zu betrachten.

Prototyp hat den Test bestanden

Das Feedback aus dem Park war entsprechend positiv. Patrick Pott: „Statt reiner Intuition sollen so evidenzbasierte, tagesaktuelle Prognosen entstehen, die wir perspektivisch direkt in unsere Planung integrieren können. Besonders beeindruckt hat uns der hohe Praxisbezug, die interdisziplinäre Zusammenarbeit und der bereits konkret umgesetzte technische Ansatz. Dass diese Lösung am Ende auch mit dem 1. Platz ausgezeichnet wurde, freut uns sehr. Vor allem, weil sie zeigt, wie wertvoll der Blick von außen für unsere Prozesse hinter den Kulissen ist. Wir nehmen viele Impulse mit und sind gespannt, wie sich diese Ansätze weiterentwickeln lassen."

Ob genau dieser Prototyp zum Einsatz kommt, ist offen. Für Omkar Gharat ist jedoch klar: Mit einer breiteren Datenbasis ließe sich die Prognose weiter verbessern. „Die nächsten Schritte wären, historische Daten aus 30 bis 50 Jahren zu digitalisieren und in das Modell einzubinden.“ Viele dieser Informationen liegen bislang nur in Büchern vor. Mehr Daten würden das System robuster und die Vorhersagen präziser machen.

Erster Preis beim Makerthon

Am Ende der drei Tage stand die Abschlusspräsentation vor einer Fachjury aus Vertreter:innen der HSBI, der Universität Bielefeld, der Stadt Bielefeld, der IHK Bielefeld und der NRW.BANK. Hier konnte das Team überzeugen und belegte den ersten Platz. Die Jury hob vor allem den hohen Praxisbezug und den bereits umgesetzten technischen Ansatz in ihrer Begründung für den Sieg hervor. Jurymitglied Prof. Dr. Natalie Bartholomäus, HSBI-Vizepräsidentin für Transfer und gesellschaftliche Wirkung: „Uns hat die Herangehensweise des Teams auch deswegen überzeugt, weil sie aus Intuition eine evidenzbasierte Automatisierungslösung geschaffen hat. Was Herr Pott früher 'aus dem Bauch heraus' entschieden hat, basiert in Zukunft auf Echtzeitdaten, Erfahrungswerten und wirksamen Einflussgrößen.“

Team-Mitglied Stefanie Lehmann ist sich sicher, dass es auch an der Arbeitsweise ihres interdisziplinär zusammengesetzten Teams lag, dass am Ende ein gutes Ergebnis stand. Lehmann: „Wir haben super harmoniert und ziemlich entspannt, agil und fokussiert gearbeitet, auch ohne viel Vorgaben von den Coaches zu bekommen. Von dieser Arbeitsatmosphäre könnten sich viele Unternehmen eine Scheibe abschneiden!“

Studiengang Data Science: anwendungsorientiert und praxisnah

Der erste Preis beim Makerthon ist für Gharat mehr als eine Auszeichnung: „Er zeigt, dass unsere Lösung echten Mehrwert schaffen kann“, so der Student. Zugleich bestätigt der Wettbewerb den Ansatz seines Studiums. Studiengangsleiter Prof. Dr. Christian Schwede: „Der Research Master Data Science verbindet Programmierung, maschinelles Lernen und Künstliche Intelligenz mit angewandter Forschung und ist dabei über ein studienbegleitendes Projekt stark anwendungsorientiert.“ Genau deswegen hat sich Omkar Gharat, der seinen Bachelor in Indien gemacht hat, für den Studiengang an der HSBI entschieden. „Das Studium hat mir das Fundament gegeben, ein Geschäftsproblem in eine Data-Science-Lösung zu übersetzen“, so der Student. „Wir arbeiten bereits im Studium an Projekten, die reale Probleme lösen.“ (she)