Genau das war der Ausgangspunkt unserer gemeinsamen Lehrveranstaltung mit meteoblue. Studierende aus den Studiengängen BWL-Digital Business Management sowie Data Science und Künstliche Intelligenz starteten bewusst mit einem sehr offenen Themenfeld rund um Wetterdaten. Es gab keinen fertig definierten Use Case und keine vorgegebene Produktidee.
Die Aufgabe war vielmehr, selbst relevante Anwendungsfelder zu identifizieren, Probleme zu verstehen, Hypothesen zu formulieren und daraus Schritt für Schritt ein tragfähiges Geschäftsmodell und einen Prototyp zu entwickeln. Aus vielen möglichen Ansätzen kristallisierte sich schließlich ein konkretes Problem heraus: die intelligente Steuerung von Weichenheizungen.
Das Ergebnis: MeteoSwitchGuard
Wetterdaten und Sensordaten werden mit einem KI-Modell kombiniert, um Vereisungsrisiken frühzeitig zu erkennen und Empfehlungen für den Betrieb von Weichenheizungen abzuleiten. Ziel ist es, Energie gezielter einzusetzen, Störungen zu reduzieren und den Bahnbetrieb zuverlässiger zu machen.
Besonders beeindruckend finde ich den Weg dorthin. Das Team hat recherchiert, verschiedene Märkte analysiert, mit Expertinnen und Experten aus der Bahnbranche gesprochen, Annahmen getestet, das Geschäftsmodell angepasst und schließlich einen funktionsfähigen Prototyp entwickelt.
Genau hier liegt der besondere Wert der Zusammenarbeit zwischen den beiden Studiengängen: Geschäftsmodell, Kundenverständnis und Marktlogik auf der einen Seite, Daten, KI und technische Umsetzung auf der anderen. Erst durch die Verbindung dieser Perspektiven konnte aus einem offenen Ausgangspunkt eine konkrete Lösung entstehen.
Ein großes Kompliment an das Team für Eigeninitiative und Ausdauer, und ein großes Dankeschön an meteoblue für die Möglichkeit, unseren Studierenden genau diesen Freiraum zu geben.
Zuerst erschienen auf LinkedIn.