Du bist auf der Suche nach einem geeigneten Praxiseinsatz, um Dein Wissen im Bereich Datenverarbeitung/ Machine Learning während des Studiums zu erweitern? Die Auswahl an Möglichkeiten hierfür ist riesig - doch was passt am besten zu Dir? Das Bildungs- und Forschungspraktikum TUM Data Innovation Lab richtet sich an Master-Studierende mit Interesse an datengesteuerten Verfahren. Unsere Kollegin Tanja war als Mentorin hautnah in einem Smart-City-Projekt dabei und erklärt Dir, was man im TUM DI Lab erlebt und warum sich eine Teilnahme lohnt.
Inhaltsverzeichnis
- Was ist das TUM Data Innovation Lab?
- Projekteinsatz als Mentorin im Smart-City-Umfeld
- Vorgehen bei der Bearbeitung der Use Cases im TUM Data Innovation Lab
- Ergebnispräsentation und Projektfazit
Mein Projekterfolg als Mentorin im TUM Data Innovation Lab
Im Sommersemester 2020 war ich stellvertretend für msg als Mentorin im Data Innovation Lab der Technischen Universität München aktiv. Das Projekt im Bereich Smart City, an dem ich zusammen mit fünf Studentinnen und Studenten beteiligt war, war super spannend und wir haben interessante und für die Zukunft nutzbare Ergebnisse für die Stadtentwicklung der Stadt Kirchheim bei München erzielt.
Doch fangen wir von vorne an.
Was ist das TUM Data Innovation Lab?
Im TUM Data Innovation Lab (kurz: TUM DI Lab) kooperiert die Universität mit verschiedenen Firmen, um Studierenden die Möglichkeit zu bieten, ihr Können in Bezug auf Datenverarbeitung und Machine Learning anhand von realen Problemen aus der Wirtschaft auszubauen.
Firmen stellen dabei den Use Case und die Datenbasis sowie zusätzlich einen Mentor, der die Studierenden das Semester über begleitet.
Die Universität organisiert die Projekte und lässt die Teilnehmer die geleisteten Stunden als Kursstunden in ihr Zeugnis einbringen.
Projekteinsatz als Mentorin im Smart-City-Umfeld
Da ich selbst bereits während meiner Studentenzeit am TUM DI Lab teilgenommen habe, kannte ich das Format und die Möglichkeiten, die sich hier für Firmen bieten. Im Gespräch mit Kontakten der Stadtverwaltung Kirchheim kamen dann mögliche Use Case-Ideen auf. Die Verantwortlichen der Gemeinde bei München brennen für alles rund ums Thema Smart City und haben jede Menge Ideen und noch mehr Lust darauf, diese in die Tat umzusetzen. Genau hier setzt unser Projektgedanke an.
Die Stadt Kirchheim interessiert sich für die Bewegungsmuster von Bürgerinnen und Bürgern und die Nutzung von öffentlichen Gegenständen auf dem Kirchheimer Marktplatz. Daher montierten die Verantwortlichen der Stadtverwaltung eine Kamera an einer günstigen Stelle, von der aus sie den gesamten Platz und die Straße überblickt.
 |
|
Beispielbild unserer Kameraaufzeichnungen |
Vorgehen bei der Bearbeitung der Use Cases im TUM Data Innovation Lab
Im Zuge des TUM Data Innovation Labs entwickelten wir nun mit einer Gruppe von Studierenden Algorithmen, um die Videos automatisch mithilfe von KI-Methoden auswerten zu können. Zum Beispiel wurde ein Algorithmus generiert, der mit modernsten Bilderkennungsmethoden die auf den ausgewiesenen Parkplätzen geparkten Autos zählt und feststellt, wie viele Parklücken noch frei sind. Aber auch andere Use Cases wurden von uns bearbeitet:
- Erstellung einer „Heatmap“, um zu zeigen, wo sich Bürger auf welche Art und Weise fortbewegen. Besonders interessant für die Verantwortlichen in Kirchheim waren dabei Stellen, an denen Fahrradfahrer und Autofahrer im selben Bereich fahren
- Zählen der Verkehrsmittel, die durch den Ortskern fahren
- Auswertung der Geschwindigkeit, mit der Fahrzeuge am Marktplatz vorbeifahren
 |
|
Heatmap der Bewegungen von Fußgängern auf dem Platz |
Diese Use Cases haben wir am Anfang des Projekts in einer Brainstorming-Runde im Team definiert und priorisiert. Als Mentorin traf ich mich einmal wöchentlich mit unserem Studententeam. Corona-bedingt mussten wir komplett remote arbeiten, was im Endeffekt unkompliziert geklappt hat. In den Meetings haben wir über die Fortschritte der vergangenen Woche und die Aufgaben der nächsten Woche gesprochen. Was ich großartig fand war, dass wirklich jede Woche ein Fortschritt zu sehen war. Das hat motiviert und Freude bereitet!
Natürlich sind wir auch auf einige Schwierigkeiten gestoßen: Die vortrainierten Netze, die wir zur Bilderkennung nutzen, waren nicht gut genug für die Erkennung von Autos und insbesondere von Radfahrern aus der Perspektive, die wir in den Kameraaufzeichnungen hatten – nämlich von oben. Das hieß für uns: Bilder labeln und das Netz nachtrainieren. Als die Algorithmen auf die Videos angewendet werden sollten, stellte uns außerdem die vorhandene Rechenpower vor ein Problem.
Wir hätten große GPUs benötigt, um alle Algorithmen auf die Videos, die zusammen immerhin 733 GB umfassten, anzuwenden. Jeder einzelne Rechner lief heiß, um am Ende praktische Ergebnisse vorstellen zu können.
Ergebnispräsentation und Projektfazit
Durch den Einsatz der Studentinnen und Studenten erzielten wir am Ende ein sehr gutes Ergebnis. Wir konnten den Verantwortlichen der Stadt Kirchheim einige interessante und hilfreiche Informationen zur Frequentierung des Marktplatzes und der Hauptstraße liefern. Auch die Verantwortlichen seitens der TU München lobten unsere Arbeit und Ergebnisse. Die Algorithmen, die entwickelt wurden, können wir als msg nutzen, um weitere Auswertungen und Analysen zu fahren.
Alles in allem war es ein spannendes Projekt mit einem aktuellen Anwendungsfall im Umfeld Smart City. Das Format des TUM Data Innovation Labs finde ich sehr gelungen, da es Firmen unkomplizierte Kooperationen mit der Universität sowie die gemeinsame Bearbeitung spannender Projekte mit Studierenden ermöglicht Wer weiß, vielleicht ergibt sich ja für uns als msg noch mal ein Anwendungsfall für das TUM Data Innovation Lab. Ich wäre gern dabei!
