Prognosemodell Mensaauslastung

Entwicklung und Erprobung eines KI-gestützten Modells zur Prognose von Wartezeiten in der Mensa
Dezember 2019 – Oktober 2020

Header Mensa-Auslastung (c) Magmell

Ansprechpartnerin

Diana Egeler
E-Mail: diana.egeler [at]
iao.fraunhofer.de
Telefon: +49 711 970-5264

Mit der Fertigstellung des Bildungscampus Nord im Oktober 2019 und der damit einhergehenden Ansiedelung weiterer Studiengänge, sind rund 6.500 Studierende auf dem Bildungscampus ins Wintersemester gestartet. Künftig werden es sogar bis zu 10.000 Studierende sein. Das steigende Personenaufkommen macht sich schon heute deutlich bemerkbar und verändert die Ansprüche an Campusbetrieb und (Gemeinschafts)infrastrukturen: So waren die Kapazitäten in der Mensa bei Weitem nicht mehr ausreichend und während der Mittagszeit bildeten sich teils lange Schlangen an der Essensausgabe und den Kassen. Seitens der Studierenden wurde der Wunsch geäußert, die Auslastung in der Mensa im Vorfeld digital abrufen zu können, um langes Anstehen zu vermeiden und den Besuch auf weniger stark frequentierte Zeiten legen zu können.

Im März 2020 wurde schließlich die neue Mensa in Betrieb genommen, die ein höheres Besucheraufkommen zulässt. Jedoch wurde diese bereits einen Tag nach Eröffnung aufgrund des Corona Lock Downs temporär geschlossen. Im Kontext der schrittweisen Rückkehr in den Normalbetrieb, erhält die Erfassung, Vorhersage und Steuerung des Personenaufkommens am Campus eine völlig neue Relevanz: Ziel des Projekts ist die Entwicklung und Erprobung eines Prognosemodells, mit dem Wartezeiten in der Mensa für die nächste halbe Stunde vorhergesagt werden können.

Das Projekt verfolgt einen daten- und sensorbasierten Ansatz: In der Mensa werden alle Bezahlvorgänge digital per CampusCard abgewickelt, was den großen Vorteil bietet, dass Besucherzahlen genauestens erfasst werden. Mithilfe der historischen Kassendaten können Wartezeiten über ein neuronales Netzwerk simuliert werden. Um genauere Aussagen unter Einbezug von Echtzeitdaten treffen zu können, wird die Mensa zusätzlich mit Sensoren ausgestattet. Hierbei könnten unterschiedliche Technologien zum Einsatz kommen, die ein- und ausgehende Besucher via Lichtschranken, Bluetooth oder Bilderkennung erfassen. Die Mensa wird somit zum Testfeld für die Zuverlässigkeitsprüfung unterschiedlicher Sensorlösungen. Dabei soll u.a. geschaut werden, welche Technologien sich aus unterschiedlichen Gesichtspunkten, wie Messgenauigkeit, Datenschutz, Kosten und Anbringungsmöglichkeiten am besten eignen.

Über ein Dashboard könnten die Wartezeiten künftig online abrufbar gemacht werden. Dadurch werden nicht nur die Entscheidungsprozesse für oder gegen den Besuch der Mensa unterstützt, auch der Personaleinsatz und das Speisenangebot könnten bedarfsgerechter geplant werden. Außerdem könnten Hochschulen beispielsweise das Besucheraufkommen in der Mensa bei der Erstellung von Stundenplänen berücksichtigen und Mittagspausen besser untereinander abstimmen, was langfristig zu einer effizienteren und ausgewogeneren Nutzung von Campusinfrastrukturen führen könnte.

Die Ausweitung des Projekts auf andere Bereiche am Campus wäre durchaus denkbar. Beispielsweise 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