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.