Die Hochschulgruppe „Bayreuth AI Association” arbeitet gemeinsam mit dem Studierendenwerk Oberfranken (SWO) an der Entwicklung eines Programms zur Vorhersage des täglichen Verkaufs von Mensa-Mahlzeiten an der Universität Bayreuth. Der Ansatz besteht aus Machine Learning, bei dem der Algorithmus aus seiner Erfahrung lernt.

„Bayreuth AI Association” ist eine Gruppe von Studenten der Universität Bayreuth, die sich für künstliche Intelligenz interessieren. Sie arbeiten mit Large Language Models, Algorithmen und Machine Learning und untersuchen, wie viele Portionen Kartoffelsalat wahrscheinlich in der nächsten Woche in der Mensa verkauft werden. Ihr Ziel ist es, Nachhaltigkeit durch die Nutzung von künstlicher Intelligenz zu fördern. Laut Andreas Voigt, dem Leiter der SWO-Verpflegungsbetriebe, wäre eine KI-gestützte Verkaufsprognose für die Mensen sehr wertvoll für ihre Planung und die Verringerung von Lebensmittelabfällen.

Es ist unerlässlich, Ressourcen aus ökologischen und wirtschaftlichen Gründen effizient zu nutzen. Eine optimierte Lagerhaltung kann zur Förderung der Nachhaltigkeit beitragen, indem schlicht weniger weggeworfen wird. Eine genaue Abschätzung des Verkaufs und damit des Verbrauchs bestimmter Lebensmittel ist entscheidend für die Lagerhaltung in einer Großkantine wie der Mensa der Universität Bayreuth. Vor diesem Hintergrund wurde das Projekt „Machine Learning 4 Mensa an der Uni Bayreuth” (ML4Mensa) von Pascal Fechner, einem Doktoranden der Universität Bayreuth und Gründer der „Bayreuth AI Association”, ins Leben gerufen.

Das erste Planungstreffen zwischen der „Bayreuth AI Association”, Andreas Voigt und Leon Leichsenring von SWO fand im Herbst 2024 statt. Seitdem haben die Mitglieder der Hochschulgruppe ein vorläufiges Modell erstellt, das den Verkauf von Heißgetränken in der Mensa genau vorhersagt. Fechner berichtet, dass sie den durchschnittlichen täglichen Kaffeeabsatz auf 17 Tassen genau vorhersagen können, im Vergleich zu 29 Tassen bei Schätzungen basierend auf historischen Daten. Basierend auf diesen Ergebnissen wurde eine Prognose für Kaffeeverkäufe im Jahr 2025 erstellt.

Die Studenten arbeiten nun an einem Programm, in dem die Namen der regelmäßig wiederkehrenden Mahlzeiten und der geplante Verkaufstag eingegeben werden. Mit diesen und früheren Daten - wie oft wurde welches Gericht in den letzten 48 Monaten an welchem Tag verkauft? - berechnet der Algorithmus die wahrscheinliche Anzahl der verkauften Mahlzeiten. Diese Vorhersage basiert hauptsächlich auf historischen Daten des Mensa-Verkaufs seit der Coronavirus-Pandemie. Zusätzliche Faktoren wie Jahreszeit, Wetter, Studierendenzahlen an der Universität Bayreuth und die Zeit im Semester werden ebenfalls berücksichtigt. Die Ergebnisse werden für den Herbst 2025 erwartet.