Wäre es nicht praktisch, wenn ein Getränk im Restaurant automatisch wieder nachbestellt würde, sobald es leer ist? Und wie wäre es, wenn die BürgerWOLKE noch genauer würde ohne, dass in kostspieligere Sensoren investiert werden müsste? Mit genau diesen spannenden Fragen haben sich Studierende der FH Südwestfalen auseinandergesetzt. Ein Blick auf zwei Projekte.

Smarter Bierdeckel

Im Rahmen des Masters „Digitale Technologien“ haben sechs Studierende im Sommersemester 2022 einen intelligenten Bierdeckel („Beer Mate“) entwickelt und prototypisch umgesetzt. Hierzu wurde neben Konzeption, Entwurf, 3D-Druck, Elektrotechnik und Programmierung auch ein Image-Video in der Soester Brauerei „Zwiebel“ gedreht, welches hier angeschaut werden kann.

Was genau steckt hinter „Beer Mate“?

Der Bierdeckel dient insbesondere dazu lange Wartezeiten zu vermeiden und hilft der Servicekraft dabei, den Überblick zu behalten und Laufwege einzusparen. Der Bierdeckel hat verschiedene Funktionen: es kann per Knopfdruck die Bedienung gerufen, zwischen drei Getränken ausgewählt oder das automatische Nachbestellen des letzten Getränks eingeleitet werden. Will der Gast bezahlen, wird einfach der Deckel umgedreht. Beim Auslösen einer der verschiedenen Funktionen erscheint ein Lichtsignal, das dem Gast ebenfalls die Möglichkeit gibt, eine Aktion wieder abzubrechen.  

Kooperation mit dem „Brauhaus Zwiebel“ in Soest

Hinter dem digitalen Bierdeckel steckt jede Menge Technik und Entwicklung.

Die elektrische Schaltung wurde auf Basis eines Arduino-Systems gebaut. Vereinfacht gesagt ist dies ein Steuerungssystem bestehend aus einer Platine mit Mikrocontroller, also einer Art Mini-PC. Das Geniale an Arduino ist, dass es eine Open Source Plattform ist, also frei verfügbar und für alle zugänglich. Die Studiengruppe hat ebenfalls eine Software entwickelt, die das Arduino-System antreibt. Das Produktgehäuse wurde mit einem 3D-Drucker gedruckt.

Der fertige Prototyp wurde im Brauhaus ausprobiert – im Studienprojekt entstanden ist ein vollständig bedienbares Produkt, welches sehr nutzerfreundlich kreiert wurde und nun auch für den UX-Design Award nominiert wurde.

Interdisziplinäre Projektarbeit im Modul Physical Computing, Studiengang M.Eng. Digitale Technologien, FH SWF Soest

Betreuung durch: Prof. Dr. Frank Hellweg & Prof. Dipl.-Des. Markus Strick

Projektteam: Tobias Beckmann, Lars Büker, Cedric Gidde, Marina Groß, Marco Jakubowksi, Alexandra Lumpe

Die BürgerWOLKE wird schlauer – Studienprojekt der FH Südwestfalen trainiert KI um Messdaten zu verbessern

Fehler passieren nicht nur Menschen, auch die Sensoren der Bürgerwolke sind nicht unfehlbar. Doch anstatt direkt in neue und weitaus kostspieligere Sensoren investieren zu müssen, haben Studierende der FH Südwestfalen einen anderen Weg zur deutlichen Verringerung der Abweichungen von den Referenzwerten gefunden.

Das Studienprojekt „KI4KlimaKorr“ einer Gruppe Studierender im Wintersemester 2022/2023 befasst sich mit der Verbesserung von unplausiblen Daten der kostengünstigen SenseBoxen der Bürgerwolke, einem Digitalprojekt der Stadt Soest zur Erfassung der Klimadaten im gesamten Stadtgebiet.

Von 25 % auf 1 % Abweichung

Um die Künstliche Intelligenz trainieren zu können, analysierten die Studierenden circa 2,6 Millionen Datensätze, die zwischen Januar und Oktober 2022 gesammelt wurden. So stellten sie fest, dass 25 % dieser Daten unplausibel waren und teilweise um circa 4°C von der tatsächlichen Temperatur abwichen. Doch nicht nur die SenseBoxen enthielten Abweichungen, sondern auch die Daten des Deutschen Wetterdienstes (DWD) enthielten unplausible Messwerte und Ausfälle. Die Vergleichswerte hierbei stammten von höherwertigen und deutlich teureren Sensoren. Am Ende war es der Gruppe jedoch möglich, die Abweichung der Sensordaten der Bürgerwolke auf 1 % zu reduzieren.

Abweichungen auf maximal 2°C minimieren

Um solch ein gutes Ergebnis zu erzielen, entwickelten die Studierenden zwei unterschiedliche Lösungsmodelle für die KI und testeten tausende Modelle. Dadurch war es ihnen möglich, die optimalen Parameter der KI zu bestimmen und so eine Korrektur der Temperatur-Messwerte anzuwenden. So war es am Ende gelungen, den Anteil der unplausiblen Daten auf 1 % zu reduzieren.

Durch diese Künstliche Intelligenz ist die Bürgerwolke nun also noch ein Stück genauer und besser geworden.

Studiengang M. Eng. Digitale Technologien, FH SWF Soest, Projekt „KI4KlimaKorr: KI im Einsatz zur Klima-Messdaten Korrektur – Ein Ansatz mit geographischen Standortfaktoren von Low-Cost Messstationen“      

Betreuung durch: Prof. Dr. Katharina Stahl und Prof. Dr. Frank Hellweg

Projektteam: Jan Niklas Ottow, Julia Degen, Hendrik Brinkmann, Florian Maximilian Kuch, Fabian Hattermann