Unter dem Dach des Felix-Klein-Zentrums fand in den letzten Tagen die zweite Math-Talent-School dieses Jahres statt – aus gegebenem Anlass noch einmal in der Online-Variante. 20 Schülerinnen und Schüler von Schulen des MINT-EC Netzwerks haben dabei zu vier unterschiedlichen Themen ihre mathematischen Kenntnisse erweitert und im Rahmen einer mehrtägigen Projektarbeit in Kleingruppen bei der Lösung eine konkreten Problems umgesetzt. Neben dieser zentralen Projektarbeit gab es auch Einführungen in die Programmiersprache Python bzw. R, ein Online-Escape-Game sowie Informationen zum Mathematikstudium im Gespräch mit Studierenden. Finanziert wurde die Veranstaltung von der Fraunhofer-Gesellschaft.

Neben den zwei Projekten Einführung in Quantencomputing und Kreditvergabe unterstützen mit Maschinellem Lernen, die von Kolleginnen und Kollegen des Fraunhofer ITWM betreut wurden, hat auch das KOMMS zwei Fragestellungen beigesteuert und betreut. Nach intensiver Arbeit ging die Veranstaltung heute am frühen Nachmittag zu Ende, als alle Projektgruppen im Plenum die Ergebnisse ihrer Beschäftigung mit einer der vier Fragestellungen vorstellten und diskutierten. 

Einen kleinen Einblick in die zwei vom KOMMS beigesteuerten Projekte möchten die folgenden Kurzberichte geben:

Sauklaue vs. Machine Learning

Manchmal kann man seine eigene Schrift nicht mehr lesen, aber vielleicht hat der Computer noch eine Chance? Im Projekt Erkennen von Handschriften: Sauklaue vs. Machine Learning haben sich die Teilnehmenden gemeinsam mit den Betreuern von KOMMS – Corinna Zurloh und Luca Schäfer – die MNIST-Datenbank, die aus 70.000 Bildern von handgeschriebenen Ziffern besteht, angeschaut. Anhand dieser Datenbank konnten sie einen Eindruck davon gewinnen, wie neuronale Netze prinzipiell funktionieren und welche Rolle die Mathematik dabei spielt. Im Anschluss hat das Team mit Hilfe von Jupyter Notebooks in der Sprache Python ein eigenes Netz zur Ziffernerkennung trainiert und dieses zum Schluss auch an selbst per Hand geschriebenen Ziffern erfolgreich auf die Probe gestellt.

Die letzten Tage waren zwar arbeitsintensiv, aber am Ende waren sich alle einig, dass sie viel gelernt haben und das Wissen über Python und Machine Learning Basics woanders wieder verwenden können.

Evakuierungsprozesse untersuchen

Feueralarmübungen werden an Schulen in regelmäßigen Abständen durchgeführt und berühren somit unmittelbar den Erfahrungshorizont von Schülerinnen, Schülern und Lehrpersonen. Wenn ein solcher Alarm losgeht, müssen die Personen das Gebäude schnellstmöglich verlassen. Diese Übungen sind wichtig, um Evakuierungen des Schulgebäudes im Alarmfall möglichst schnell durchführen zu können, damit Menschenleben gerettet und Unfälle verhindert werden. Der Ablauf einer Evakuierung kann durch zahlreiche Faktoren beeinflusst werden. Diese Faktoren können mithilfe mathematischer Modelle untersucht werden.

Eine Gruppe hat sich im Rahmen der Math-Talent-School mit dem spannenden Thema Evakuierungsprozesse auseinandergesetzt. Mithilfe der Simulationssoftware Vadere, entwickelt von der Hochschule München, haben die Schülerinnen und Schüler Evakuierungssituationen erstellt und analysiert. Dabei nutzten sie unterschiedliche mathematische Modelle, wie z.B. das Optimal Steps Model oder das Social Force Model. Diese Modelle werden auch in der aktuellen wissenschaftlichen Evakuierungsforschung verwendet. Die Projektbetreuerinnen Lynn Knippertz und Lisa Schneider sind mit den erarbeiteten Ergebnissen der Gruppe sehr zufrieden und loben die gute Zusammenarbeit.