Prognosemodell Mensaauslastung

Entwicklung und Erprobung eines KI-gestützten Modells zur Prognose von Wartezeiten in der Mensa
März 2024 – Oktober 2024

Header Mensa-Auslastung (c) Magmell

Ansprechpartner

Philipp-Goebels-Bild

Vincent Philipp Göbels
E-Mail: vincent-philipp.goebels [at]
iao.fraunhofer.de
Telefon: +49 711 970-5268

Die Mensa des Studierendenwerks Heidelberg bietet täglich von 11:00 bis 14:30 Uhr Essen für die knapp 10.000 Studierenden am Bildungscampus an. Während der Mittagszeit ist die Nachfrage besonders hoch und es bilden sich oft lange Schlangen an der Essensausgabe und den Kassen. Um diesem Problem entgegenzuwirken, haben die Studierenden den Wunsch geäußert, die Auslastung der Mensa im Voraus digital abrufen zu können. Dadurch könnten sie lange Wartezeiten vermeiden und ihren Besuch auf weniger stark frequentierte Zeiten legen.

Dank moderner Sensortechnologie kann die aktuelle Auslastung der Mensa bereits jetzt angezeigt werden. Das Ziel des Projekts ist die Entwicklung und Erprobung eines Prognosemodells, mit dem die Wartezeiten in der Mensa für die kommende Zeit vorhergesagt werden können.

Das Projekt verfolgt einen daten- und sensorbasierten Ansatz zur genauen Auslastungsprognose der Mensa. Dafür wird die Mensa mit Lichtschranken ausgestattet, um Echtzeitdaten zu erfassen. Diese hochpräzise Technologie ermöglicht eine datenschutzkonforme Erfassung von Personen an den Ein- und Ausgängen. Durch die Differenz der Messungen wird die aktuelle Belegung der Mensa bestimmt. Zusätzlich werden Informationen über Stundenpläne, Semesterferien der Hochschulen sowie Datenquellen wie Wetter und Parkhausbelegung verwendet, um ein KI-gestütztes Prognosemodell zu entwickeln und zu erproben. Die Mensa dient als Testfeld für die Zuverlässigkeitsprüfung der Sensorik und die Evaluation des Prognosemodells.

Die aktuelle Auslastung der Mensa und die Wartezeiten sollen künftig in der Bildungscampus-App angezeigt werden. Dadurch werden nicht nur die Entscheidungsprozesse für oder gegen den Besuch der Mensa unterstützt, sondern es kann auch der Personaleinsatz und das Speisenangebot bedarfsgerechter geplant werden.

Die Ausweitung des Projekts auf andere Bereiche am Campus wäre im nächsten Schritt gut möglich. Dieselbe Sensortechnologie ist bereits in der Aula auf dem Bildungscampus verbaut, um Veranstaltungen zu evaluieren. Weiterhin könnten Studierende künftig bei der Suche nach freien Arbeitsplätzen in der Bibliothek unterstützt werden, indem deren Belegungsstatus über Sensoren erfasst und an zentraler Stelle abgerufen werden kann. Darüber hinaus wäre das Prognosemodell überall dort einsetzbar, wo sich viele Menschen konzentrieren und es zu Wartezeiten kommt. Anbieten würde sich die Lösung beispielsweise in Bürgerbüros oder Kundenzentren. Aber auch in Supermärkten, Friseursalons, Schwimmbädern oder Museen könnte das Kunden- bzw. Besucheraufkommen mit einem Prognosemodell besser gesteuert werden.

Weitere Anwendungsfelder

Öffentliche Einrichtungen

Warenhäuser

Großveranstaltungen

Gastronomie

Freizeiteinrichtungen