Die digitale Transformation wird oft abstrakt diskutiert. Mich hat jedoch eine praktische Frage beschäftigt: Wie kann ich in meiner Lehre zeigen, dass (Geo)Daten, Algorithmen und künstliche Intelligenz tatsächlich zur Lösung urbaner Herausforderungen genutzt werden können? Mir ging es dabei nicht nur um theoretische Konzepte, sondern um anwendungsnahe Lehrforschung: realen Daten, greifbare Fragestellungen und idealerweise einen konkreten Mehrwert für die Stadt Mainz.

Wieso bin ich ein Fan von Lehrforschungsprojekten? Die Studierenden haben sich in meinen Mastermodulen immer wieder klar positioniert: Sie wollen mehr Forschung, mehr Praxisbezug, „Hands-on“ und eigenständiges Arbeiten mit fachlicher Begleitung. Daraus ist folgendes Format entstanden: projekt- beziehungsweise problembasiertes Lernen anhand konkreter Projektausschreibungen. Im Modul „Geo-Government und Digitale Transformation“ arbeiten die Studierenden so in Zweierteams an Fragestellungen und entwickeln eigenständige Lösungsansätze.

Die Projektausschreibungen als Ausgangssituation

1. 1. Verkehrsfluss, Stauursachen und KI-gestützte Prognosen
      Mainz steht regelmäßig vor Herausforderungen durch Staus und stockenden Verkehr, insbesondere während der morgendlichen und abendlichen Rush Hour. Die hohe Verkehrsbelastung beeinträchtigt nicht nur die individuelle Mobilität, sondern wirkt sich auch auf Umwelt, Luftqualität und Stadtklima aus. Im Mittelpunkt steht daher die Analyse, wann und wo die größten Engpässe im Mainzer Stadtverkehr auftreten und welche räumlichen sowie zeitlichen Muster sich erkennen lassen. Ebenso ist zu untersuchen, welche Faktoren Stausituationen verstärken. Aufbauend darauf soll geprüft werden, wie KI-gestützte Verfahren dazu beitragen können, Verkehrsflüsse präziser vorherzusagen und gegebenenfalls aktiv zu steuern.
   2. Bikesharing in Mainz: Nutzung, Nachfrage und Verfügbarkeit
      Bikesharing gilt als flexible und nachhaltige Alternative zum privaten Pkw und ist ein wichtiger Baustein moderner urbaner Mobilitätskonzepte. In der Praxis zeigt sich jedoch häufig ein Ungleichgewicht: An stark frequentierten Standorten fehlen zu Stoßzeiten verfügbare Räder, während sie an anderen Stationen ungenutzt bleiben. Ziel ist es, räumliche und zeitliche Nutzungsmuster zu analysieren, Engpässe und Überangebote zu identifizieren und Einflüsse wie Tageszeit, Wochentag oder Wetterbedingungen zu berücksichtigen. Darauf aufbauend stellt sich die Frage, wie KI-gestützte Modelle dazu beitragen können, Verfügbarkeit und Nachfrage besser aufeinander abzustimmen.
   3. Parkhausnutzung und intelligente Lenkung des Innenstadtverkehrs
      Viele Autofahrende kennen die Situation: Statt direkt einen freien Stellplatz zu finden, kreisen sie durch die Innenstadt. Dieser Parksuchverkehr erzeugt zusätzlichen Verkehr, erhöht Emissionen und belastet die urbane Infrastruktur. Zu analysieren ist, wie sich die Auslastung der Parkhäuser über Tages- und Wochenverläufe verteilt und welche wiederkehrenden Muster, etwa bei Veranstaltungen oder Ferienzeiten, erkennbar sind. Darauf aufbauend soll untersucht werden, wie KI-gestützte Prognosen helfen können, Belegungsentwicklungen vorherzusagen und Parksuchverkehr gezielt zu reduzieren.

Forschung statt Reproduktion: Mein didaktischer Ansatz
Das Lehrformat verfolgt bewusst einen forschungsorientierten Ansatz. Im Mittelpunkt stehen weder reine Literaturarbeiten noch bloße Demonstrationen bestehender Tools. Stattdessen sollen die Studierenden eigenständig Hypothesen entwickeln, ein geeignetes Forschungsdesign konzipieren und reale Datenbestände analysieren. Entscheidend ist dabei für mich nicht die Präsentation einer vermeintlich „perfekten Lösung“, sondern der Aufbau einer gewissen Methodenkompetenz, die Förderung kritischen Denkens und die reflektierte Anwendung von KI. Gerade in einem Masterstudium geht es meines Erachtens nicht allein um die Fragen „Was ist technisch möglich?“, sondern vielmehr um: Was ist fachlich sinnvoll, ethisch vertretbar und (administrativ) umsetzbar?

Und wer weiß, vielleicht münden die Ergebnisse am Ende sogar in eine Publikation …