Aktuell | 2. Mai 2023

Capstone-Projekt 2022/23 | KI für die Autowaschstrasse

Der Major Digital Business & AI Management des Bachelor Business Administration HWZ wird mit einem Capstone-Projekt abgeschlossen. In diesem Projekt müssen die Studierenden einen Business Case für den Einsatz von KI in einem Unternehmen erstellen. Das beste Projekt wird dieses Jahr mit einem Award ausgezeichnet. Mehr über das Gewinnerprojekt und den Award erfährst du im Interview mit der Siegergruppe.

Über den Award

Im Jahr 2019 wurde der Major Digital Business & AI Management im Bachelor Betriebsökonomie konzipiert, der im Herbst 2020 erstmals durchgeführt wurde. Seit drei Jahren erhalten Bachelorstudierende an der HWZ einen vertieften Einblick in ausgewählte Aspekte der künstlichen Intelligenz, deren Einfluss und Auswirkungen stetig zunehmen. Der Award wurde zu Ehren des einflussreichsten Mitbegründers dieser Vertiefung lanciert, der Anfang 2022 leider von uns gegangen ist. Dieser Award berücksichtigt Aspekte der Persönlichkeit des Mitgründers: Innovationskraft, Nachhaltigkeit und gesellschaftlichen Mehrwert.

Das Siegerprojekt

Eine KI für die Autowaschstrasse

Bei einer Waschstrasse kann alle 30 Sekunden ein Fahrzeug durch die Waschstrasse gezogen werden. An Ort und Stelle stehen Fahrzeuge bei einem Waschvorgang in einer Portalanlage. Im Durchschnitt dauert dieser Waschvorgang 10,5 Minuten.

Problem

In Spitzenzeiten (z.B. Saharastaubtage, Feiertage, schöne Samstage) kommt es bei Portalanlagen oft zu sehr langen Wartezeiten. Dies, weil die Waschzeit unabhängig vom Verschmutzungsgrad festgelegt ist. Ob leicht oder stark verschmutzte Fahrzeuge, die Waschzeit beträgt 10,5 Minuten. Aufgrund der daraus resultierenden Wartezeit verlassen die Kunden die Waschanlage.

Ziele

Das Hauptziel einer Portalwaschanlage ist es, die Kundinnen und Kunden jederzeit zufriedenzustellen. Zukünftige Verbesserungsmassnahmen sind so zu gestalten, dass auch weiterhin einwandfreie Waschergebnisse erzielt werden. Das Einnahmepotential der Betreiber soll voll ausgeschöpft werden.

Lösung

Je nach Art der Verschmutzung benötigen die rotierenden Waschbürsten unterschiedlich lange, um den Schmutz zu entfernen. Mithilfe eines Computer-Vision-AI-Modells soll die Durchlaufzeit eines Fahrzeugs in Portalwaschanlagen optimiert werden. Dies geschieht, indem das KI-Modell anhand von Bildaufnahmen die Wahrscheinlichkeit einer Verschmutzungsart vorhersagt. Ein nachgelagertes Regelwerk reguliert die Durchlaufzeit auf Basis des Modell-Outputs mittels Softwareprogrammierung.

Die Präsentation mit Lego-Prototyp einer KI-unterstützten Waschstrasse

Verantwortlich in der Siegergruppe waren Annina Berweger, Daniel Eng und Lukas Huber. Wir trafen sie zum Interview und wollten mehr von ihnen über das Projekt erfahren.

Was ist eure Verbindung zu Autowaschanlagen? Wie seid ihr auf das Problem gestossen?

Wir suchten ein praxisnahes Beispiel aus unserem Berufsalltag. Ein Teamkollege ist Inhaber einer Tank- und Autowaschanlage im Herzen von Zürich Wiedikon und berichtete über Herausforderungen mit Portalwaschanlagen. So stiessen wir auf das Problem, dass die Waschdauer immer dieselbe ist und nicht der effektive Verschmutzungsgrad des Fahrzeugs berücksichtigt wird. Dies führte auch bei seiner Waschanlage an schönen Sommertagen zu Stau und zu Umsatzeinbussen (Kundenabsprung aufgrund von zu langer Wartezeit).

Wie seid ihr bei der Lösungsfindung vorgegangen?

Es war ein iterativer Prozess. Wir recherchierten Best Practices im Bereich Computer Vision, sammelten mögliche Lösungsansätze und prüften, welche Hardware (Kamera/Beleuchtung) eingesetzt werden könnte. Der Austausch mit den Dozierenden war dabei sehr hilfreich.

Was war die grösste Herausforderung bei dem Projekt?

Unsere ersten Lösungen waren sehr umfassend. Sie beinhalteten auch die Steuerung der Waschdüsen und die Zugabe von Chemikalien in Abhängigkeit vom Verschmutzungsgrad und waren dementsprechend komplex. Es war wichtig, die Komplexität zu reduzieren und sich zunächst auf das Wesentliche zu konzentrieren. Die Erkennung des Verschmutzungsgrades am Fahrzeug rückte so in den Fokus. Alle anderen Features wurden im Backlog belassen.

Inwiefern half euch das Know-how aus dem bisherigen Studium bei diesem Projekt?

In einem ersten Schritt haben wir die Wirtschaftlichkeit des Projektvorhabens bewertet und uns in einem zweiten Schritt auf eine mögliche technologische Lösung konzentriert. Das Wissen aus unserem Hauptstudium (Betriebsökonomie) und dem Major Digital Business & AI Management war dabei entscheidend.

Was nehmt ihr als grösstes Learning mit?

Ein interdisziplinäres Projektteam ist entscheidend. So muss neben unternehmerischem Denken, auch Know-how aus unterschiedlichen Bereichen, wie zum Beispiel Data Science, Software-Engineering, Projektmanagement, Fotografie und Beleuchtung vorhanden sein, um ein solches Projektvorhaben effektiv zu realisieren. Weiter muss eine komplexe Problemstellung vereinfacht werden, um schnellstmöglich mit einem MVP auf den Markt zu kommen.

Wie geht es weiter mit eurem Projekt?

Bei unserem Capstone-Projekt handelt sich um ein praxisnahes Beispiel, welches wir nur theoretisch aufgearbeitet haben und nicht weiterverfolgen.