Wie wir Smart Cities und KI vermitteln
Unsere Kurse basieren auf praktischer Erfahrung und echten Projekten. Wir zeigen konkrete Anwendungsfälle aus der urbanen Technologie und erklären KI-Systeme anhand von Beispielen, die in deutschen Städten bereits laufen.
Projektbasiertes Lernen
Jeder Kurs beinhaltet ein reales Szenario – vom Verkehrsmanagement bis zur Energiesteuerung. Sie arbeiten mit Datensätzen, die aus echten Smart City Implementierungen stammen. Das bedeutet: keine theoretischen Konstrukte, sondern Probleme, die tatsächlich gelöst werden müssen.
Datengestützte Fallstudien
Wir nutzen anonymisierte Daten aus Sensornetzwerken, IoT-Plattformen und urbanen KI-Systemen. Sie lernen, wie man Verkehrsflüsse analysiert, Energieverbrauch optimiert oder Predictive Maintenance für städtische Infrastruktur aufbaut – mit echten Zahlen und messbaren Ergebnissen.
Praxisnahe Betreuung
Unsere Dozenten arbeiten aktiv in Smart City Projekten und KI-Entwicklung. Sie bringen aktuelle Herausforderungen direkt in den Unterricht – von Datenschutzfragen bei Sensornetzwerken bis zu Performance-Problemen bei Echtzeit-Algorithmen. Das Feedback ist konkret und auf Ihre Arbeit zugeschnitten.
Unser Lernprozess
Wir strukturieren Kurse so, dass Sie schrittweise von den Grundlagen zu eigenständiger Arbeit kommen. Jeder Schritt baut auf dem vorherigen auf und führt zu einem konkreten Ergebnis.
Technische Grundlagen verstehen
Bevor Sie mit komplexen Systemen arbeiten, klären wir die technischen Basics: Wie funktionieren Sensornetzwerke? Was sind neuronale Netze wirklich? Welche Datenformate nutzen Smart Cities? Sie lernen die Werkzeuge kennen, die Sie später brauchen – Python für Datenanalyse, grundlegende ML-Modelle, IoT-Protokolle. Dieser Teil dauert etwa zwei Wochen und basiert auf kurzen, fokussierten Übungen.
Reale Szenarien analysieren
Danach arbeiten Sie mit echten Fällen: Ein Verkehrssystem, das Staus vorhersagen muss. Eine Energieplattform, die Lastspitzen optimiert. Abfallmanagement mit dynamischer Routenplanung. Sie bekommen die Daten, die Problemstellung und die Einschränkungen – genau wie in einem echten Projekt. Hier geht es darum, Zusammenhänge zu erkennen und sinnvolle Lösungsansätze zu entwickeln.
Eigene Lösungen entwickeln
Im letzten Schritt bauen Sie Ihr eigenes Projekt. Das kann ein Verkehrsvorhersagemodell sein, eine KI für Gebäudesteuerung oder ein Dashboard für urbane Sensordaten. Sie bekommen technisches Feedback, Hinweise zur Performance und Vorschläge für Verbesserungen. Am Ende haben Sie etwas, das funktioniert und das Sie verstehen – nicht nur in der Theorie, sondern als lauffähiges System.
Wer unterrichtet hier
Unsere Dozenten arbeiten parallel in der Industrie und bringen aktuelle Erfahrungen aus laufenden Projekten mit.
Dr. Matthias Korner
Arbeitet seit 2018 an Machine Learning Modellen für urbane Infrastruktur. Hat Vorhersagesysteme für Verkehr und Energie in mehreren deutschen Städten implementiert. Unterrichtet praxisorientiert mit echten Datensätzen aus laufenden Projekten.
Sabine Richter
Entwickelt IoT-Plattformen und Sensornetzwerke für kommunale Verwaltungen. Kennt die technischen Herausforderungen von Echtzeitsystemen, Datenschutz und Skalierung. Bringt konkrete Beispiele aus Implementierungen in Hamburg und München mit.
Jana Ullmann
Analysiert urbane Datenströme und entwickelt Vorhersagemodelle für Stadtplanung. Hat an Projekten für Verkehrsmanagement und Umweltmonitoring gearbeitet. Zeigt, wie man aus rohen Sensordaten brauchbare Erkenntnisse extrahiert.