Inhalt

KI-basierte Tourenplanung für verbesserte Mitarbeitergesundheit und nachhaltigen Straßenverkehr - Civic Innovation Platform

KI-basierte Tourenplanung

für verbesserte Mitarbeitergesundheit und nachhaltigen Straßenverkehr

Gemeinsam mit der LEAD Machine LearningGmbH wollen die Berliner Stadtreinigungsbetriebe AöR die Gesundheit der Beschäftigten verbessern, indem Stress und Kontakte reduziert werden. Dafür soll eine KI-Anwendung, die eine optimale Ressourcen- und Tourenplanung ermöglicht, entwickelt werden. Auf diese Weise soll zudem die Verkehrssicherheit erhöht und ein Beitrag zum Klimaschutz geleistet werden.

Weswegen seid ihr ein starkes Team?

Uns alle eint die Leidenschaft, Künstliche Intelligenz zu einer Erfolgsgeschichte zu machen. Für dieses Ziel bringen wir vielfältige Hintergründe zusammen – von Expertise im Bereich Logistik über viel Erfahrung im Gesundheitsmanagement bis hin zu Machine Learning-Fachwissen. Wir fordern uns wechselseitig mit voller Wertschätzung heraus, gemeinsam gesellschaftlichen Mehrwert mit KI zu erzielen!

Eure Idee in drei Sätzen erklärt.

Wir wollen die Gesundheit von Mitarbeiter*innen der Berliner Stadtreinigung (BSR) und Berlin Recycling (BR) fördern, indem wir die gefahrenen Touren durch die Stadt optimieren. Dabei versuchen wir, die Auslastung bzw. gesundheitliche Belastung von Touren vorherzusagen und sowohl die Touren als auch die Personalplanung entsprechend anzupassen. Gleichzeitig wollen wir dabei die Verkehrssicherheit erhöhen und für eine nachhaltigere Stadt sorgen.

Was macht eure Idee besonders?

In einem bisher einmaligen Vorhaben wagen wir uns an eine sowohl praktisch als auch intellektuell ambitionierte Aufgabe, die zukünftig nicht nur der BSR/BR, sondern vielen weiteren Betrieben eine große Hilfe sein kann. Zudem greifen wir auf hochspannende Datenquellen zurück und arbeiten an unseren Prototypen explizit co-kreativ und hands-on.

Wie geht’s jetzt weiter?

In den nächsten Wochen steht die Verfeinerung unseres Use Cases im Vordergrund. Dabei sind insbesondere eine fundierte Datenexploration sowie die Sicherstellung des Anwendungsbezugs zentral. Im Anschluss geht es in die zügige Implementierung von Modellen, um zu testen, inwieweit das Lernen aus Daten tatsächlich möglich ist.

Kontakt zum Projektteam