Wie viele freie Parkplätze können Menschen erwarten, die in Paderborn zu einer bestimmten Zeit einen Parkplatz suchen? Mit dieser Frage haben sich Schülerinnen und Schüler des Gymnasiums Theodorianum und des Reissmann Gymnasiums im Rahmen des Projekts „Data Science und Big Data in der Schule“ (ProDaBi) beschäftigt. ProDaBi wurde von der Deutsche Telekom Stiftung ermöglicht und unter Leitung von Prof. Dr. Rolf Biehler, Didaktik der Mathematik, und Prof. Dr. Carsten Schulte, Didaktik der Informatik, an der Universität Paderborn betreut. Mit dem Projekt soll ein Curriculum zu Data Science in der Sekundarstufe II entwickelt werden. „Um die eigene, aktuelle und zukünftige Lebenswelt gestalten zu können, ist die Fähigkeit zum Verständnis und zur Reflexion über die Funktion, Anwendung, Chancen und Risiken von Systemen, die Algorithmen der Künstlichen Intelligenz verwenden und auf große Datenmengen zurückgreifen, von hoher Bedeutung. Daher ist es wichtig, dass Schülerinnen und Schüler in Unterrichtseinheiten genau diese Kompetenzen erwerben“, bekräftigt Carsten Schulte.
Die Ergebnisse aus ihrer Projektarbeit stellten die Schulgruppen am Montag, 1. April, bei einer Abschlusspräsentation im Heinz Nixdorf Institut der Universität vor.
Bereits im September 2018 erhielten die Schüler im „PIN-Lab“ der Fachgruppe Didaktik der Informatik der Universität von Dozenten aus der Mathematikdidaktik und der Informatikdidaktik eine Einführung in verschiedene Methoden der Data Science und des Maschinellen Lernens. Der anschließende Auftrag lautete, innerhalb von zehn Wochen jeweils ein Modell für ein Vorhersagesystem zu entwickeln, das die Anzahl der zu erwartenden freien Parkplätze zu einem zukünftigen Zeitpunkt am Liboriberg sowie in der Tiefgarage am Königsplatz berechnen kann. Dabei griffen die Schüler u. a. auf Daten des Verkehrsleitsystems aus den vergangenen beiden Jahren zurück, die von den Unternehmen RTB aus Bad Lippspringe und ASP (Abfallentsorgungs- und Stadtreinigungsbetrieb Paderborn) zur Verfügung gestellt wurden. So mussten beide Gruppen bei der Verarbeitung der mehr als 800.000 Datensätze, die in Uhrzeiten, Wochentage und Monate gegliedert waren, u. a. besondere Fälle wie Feiertage berücksichtigen. Mithilfe von künstlichen neuronalen Netzen konnten die Daten dann ausgewertet werden und führten zu einer Vorhersagegenauigkeit für freie Parkflächen von mindestens 80 Prozent, was einen praxistauglichen Wert darstellt. Der letzte Schritt bestand darin, eine benutzerfreundlich gestaltete Webseite zu erstellen, die die Möglichkeit bietet, freie Parkplätze für die jeweils zukünftigen 48 Stunden zu erfragen.
Die Vertreter der beteiligten Schulen, der Kooperationspartner sowie die betreuenden Mitarbeiter der Universität zeigten sich beeindruckt von den Ergebnissen der Schülerinnen und Schüler, die auf diese Weise gut vorbereitet in ihre Abiturprüfungen gehen können und ein besseres Verständnis von Künstlicher Intelligenz und Big Data gewonnen haben.
