Data Science-Abschlussprojekte, Gruppe Nr. 32
von Ekaterina Butyugina
Wir freuen uns sehr, die Erfolge unserer neuesten Absolvent:innen aus dem Zürcher Batch #32 und der 11. Münchner Gruppe zu feiern, die soeben ihre Data-Science-Reise mit zwei beeindruckenden Projekten abgeschlossen haben, die reale Herausforderungen adressieren.
Die Präsentationen der Abschlussprojekte haben eindrucksvoll bewiesen, wie Data Science und künstliche Intelligenz branchenübergreifend Innovation ermöglichen – von der Transformation unternehmensinterner Entwicklungsprozesse bis hin zur Gestaltung von Lernumgebungen.
Wie sieht das genau aus? Die zwei Projekte unserer Absolvent:innen geben einen Einblick, wie Data Science neue Erkenntnisse ermöglicht und echten Impact erzielt.
Studenten: Damla Ünal, Ana Dobson, Cedric Jansen, Tim Hasenfuss
BAK Economics ist ein Schweizer Wirtschaftsforschungsinstitut, das umfassende Wirtschaftsanalysen erstellt und die gewonnenen Erkenntnisse Politik, Wirtschaft und Gesellschaft zur Verfügung stellt. Dies erfordert die Recherche auf über 10 Plattformen wie Simap und EU Tender. Dazu werden täglich mehrere Stunden (konkret ca. 3 Stunden pro Tag) in Anspruch genommen, um monatlich über 850 Ausschreibungen zu sichten, wobei mehr als 90 % davon irrelevant sind. Dieser äußerst manuelle und ineffiziente Prozess führte in der Vergangenheit zu verpassten Chancen, wie dem Verlust von Aufträgen im sechsstelligen Bereich.
Die von den Absolvent:innen entwickelte Lösung ist das Intelligent Tender Matching System – ein KI-gestütztes Tool, welches den gesamten Rechercheprozess automatisiert, irrelevante Ausschreibungen herausfiltert und dem BAK-Team gezielt aussichtsreiche Geschäftsmöglichkeiten vorschlägt.
Der Ansatz besteht aus drei Schritten: Zunächst, werden mithilfe von APIs und Web-Scraping Daten aus Schweizer (SIMAP), deutschen (e-VERGABE) und europäischen (EU Tender) Quellen automatisiert gesammelt und zu einer einheitlichen Ausschreibungsdatenbank zusammengeführt. Die Ausschreibungen werden dann durch ein KI-basiertes Modul analysiert, welches GPT-4o-mini nutzt. Dieses Modul wurde gezielt auf die Anforderungen von BAK angepasst, wofür unter anderem ein 4.100-Wörter umfassendes Manual, das Dienstleistungsportfolio von BAK sowie 93 erfolgreiche Ausschreibungsbeispiele zum Training zur Verfügung standen.
Das Ergebnis ist ein hoch effizientes System, welches den Workflow des Teams grundlegend verändert. Der automatisierte Prozess kann aus rund 850 Ausschreibungen analysieren und daraus 20–30 relevante Chancen identifizieren, die direkt geprüft werden können. Mit einer Accuracy-Rate von 95% erkennt das System passende Ausschreibungen und kann dabei auch verpasste Möglichkeiten aus der Vergangenheit entdecken.
Die Effizienzsteigerung, die das Intelligent Tender Matching System ermöglicht, ist eindrucksvoll. Der manuelle Aufwand wird von rund zwei Stunden täglich auf ein kompaktes 15-minütiges Review reduziert. Dabei ist zudem sichergestellt, dass alle relevanten Ausschreibungsplattformen vollständig abgedeckt sind. So können sich die Expert:innen von BAK Economics künftig auf das konzentrieren, was wirklich zählt: fokussierte, strategische Entscheidungen auf Basis fundierter Analysen.
Constructor Tech ist ein EdTech-Unternehmen, das sich auf den Einsatz von künstlicher Intelligenz in der Gestaltung und Vermittlung von Lerninhalten spezialisiert hat. Sie haben sich eine der größten Herausforderungen im Bildungsbereich zur Aufgabe gemacht: den zeitaufwendigen und oft uneinheitlichen Prozess der Erstellung hochwertiger, didaktisch fundierter Lerninhalte. Auch wenn klassische KI-Tools bei der zeiteffizienten Content-Erstellung unterstützen, liefern sie häufig oberflächliche oder unstrukturierte Ergebnisse, die pädagogischen Standards nicht gerecht werden können. Lehrkräfte müssen daher unzählige Stunden in die Überarbeitung von Kursstrukturen investieren, um den kohärenten Lernpfade und die didaktische Feinabstimmung sicherzustellen – ein Aufwand, der Skalierbarkeit und Innovation in der Kursentwicklung erheblich einschränkt.
Um diese Herausforderung zu lösen, entwickelten Karlo und Debbie Coursely ein Multi-Agent-KI-System, das die Art und Weise, wie Lehrende hochwertige Lerninhalte entwerfen und strukturieren, neu definiert. Coursely kombiniert mehrere spezialisierte KI-Agenten, die gemeinsam an Kursplanung, Inhaltserstellung und Qualitätsprüfung arbeiten. So entsteht ein skalierbares Tool für systematisches und didaktisch fundiertes Kursdesign.
Die zentrale Beobachtung des Teams ist, dass selbst leistungsfähige KI, genau wie Menschen, nicht gleichzeitig viele komplexe Aspekte ausreichend im Blick behalten können. Selbst mit detaillierten Prompts fällt es einem einzelnen KI-Agenten schwer, in allen Dimensionen der Kursgestaltung Qualität sicherzustellen.
Der Durchbruch von Coursely liegt in seiner Multi-Agent Architektur. Inspiriert von der Art und Weise, wie Menschen komplexe Projekte gemeinsam in Teams meistern, nutzt Coursely statt eines einzigen KI-Agenten ein System aus spezialisieren KI-Agenten, die kooperativ arbeiten:
Das Team von KI-Agenten wird mithilfe der Claude Agent SDK-Bibliothek für Python implementiert. So werden folgende Funktionen ermöglicht:
Für die Zukunft sieht das Team spannende Erweiterungen für das Multi-Agenten-System Coursely vor:
Coursely ist mehr als nur Workflow-Automatisierung, es ist ein echter Paradigmenwechsel in der Gestaltung von Lerninhalten! Durch die Kombination von KI mit den Organisationsprinzipien menschlicher Zusammenarbeit, dem sogenannten Human-in-the-Loop, können sich Lehrkräfte auf das Wesentliche konzentrieren: Lernende inspirieren und gezielt begleiten.
Die Weiterentwicklung dieser Technologie verspricht immenses Potenzial, die Erstellung hochwertiger Lerninhalte zu demokratisieren. Sie ermöglicht es Lehrenden, so umfangreiche und motivierende Kurse zu entwickeln, die den Bedürfnissen ihrer tatsächlich Lernenden entsprechen.
Mit dem Abschluss der Data-Science-Abschlussprojekte von Batch #32 feiern wir die beeindruckenden Leistungen unserer Absolvent:innen. Sie zeigen eindrucksvoll: Wo technische Expertise auf Kreativität trifft, entfaltet Data Science das volle Innovationspotenzial.
Ein riesiges Dankeschön geht an unsere Partner:innen, Mentor:innen und Dozent:innen, die die Teams während ihrer Reise begleitet haben. Euer Wissen, eure Unterstützung und eure Zusammenarbeit haben geholfen, Ideen in funktionierende Prototypen Realität werden zu lassen.
An unsere Absolvent:innen: Eure Neugier, euer Durchhaltevermögen und eure Ambition, echte Probleme zu lösen, sind das, was diese Community so besonders macht. Wir sind gespannt, wohin euch euer Weg als Nächstes führt und wie ihr die Zukunft von KI und datengetriebener Innovation weiter gestalten werdet.
Wenn euch diese Geschichten inspirieren, erfahrt hier, wie ihr Teil des nächsten Data-Science Batches an der Constructor Nexademy werdet und euer eigenes innovatives Projekt starten könnt.
Die Präsentationen der Abschlussprojekte haben eindrucksvoll bewiesen, wie Data Science und künstliche Intelligenz branchenübergreifend Innovation ermöglichen – von der Transformation unternehmensinterner Entwicklungsprozesse bis hin zur Gestaltung von Lernumgebungen.
Wie sieht das genau aus? Die zwei Projekte unserer Absolvent:innen geben einen Einblick, wie Data Science neue Erkenntnisse ermöglicht und echten Impact erzielt.
Die Nadel im Heuhaufen: Automatisierte Ausschreibungsrecherche für BAK Economics
Studenten: Damla Ünal, Ana Dobson, Cedric Jansen, Tim HasenfussBAK Economics ist ein Schweizer Wirtschaftsforschungsinstitut, das umfassende Wirtschaftsanalysen erstellt und die gewonnenen Erkenntnisse Politik, Wirtschaft und Gesellschaft zur Verfügung stellt. Dies erfordert die Recherche auf über 10 Plattformen wie Simap und EU Tender. Dazu werden täglich mehrere Stunden (konkret ca. 3 Stunden pro Tag) in Anspruch genommen, um monatlich über 850 Ausschreibungen zu sichten, wobei mehr als 90 % davon irrelevant sind. Dieser äußerst manuelle und ineffiziente Prozess führte in der Vergangenheit zu verpassten Chancen, wie dem Verlust von Aufträgen im sechsstelligen Bereich.
Die von den Absolvent:innen entwickelte Lösung ist das Intelligent Tender Matching System – ein KI-gestütztes Tool, welches den gesamten Rechercheprozess automatisiert, irrelevante Ausschreibungen herausfiltert und dem BAK-Team gezielt aussichtsreiche Geschäftsmöglichkeiten vorschlägt.
Der Ansatz besteht aus drei Schritten: Zunächst, werden mithilfe von APIs und Web-Scraping Daten aus Schweizer (SIMAP), deutschen (e-VERGABE) und europäischen (EU Tender) Quellen automatisiert gesammelt und zu einer einheitlichen Ausschreibungsdatenbank zusammengeführt. Die Ausschreibungen werden dann durch ein KI-basiertes Modul analysiert, welches GPT-4o-mini nutzt. Dieses Modul wurde gezielt auf die Anforderungen von BAK angepasst, wofür unter anderem ein 4.100-Wörter umfassendes Manual, das Dienstleistungsportfolio von BAK sowie 93 erfolgreiche Ausschreibungsbeispiele zum Training zur Verfügung standen.
Das Ergebnis ist ein hoch effizientes System, welches den Workflow des Teams grundlegend verändert. Der automatisierte Prozess kann aus rund 850 Ausschreibungen analysieren und daraus 20–30 relevante Chancen identifizieren, die direkt geprüft werden können. Mit einer Accuracy-Rate von 95% erkennt das System passende Ausschreibungen und kann dabei auch verpasste Möglichkeiten aus der Vergangenheit entdecken.
Die Effizienzsteigerung, die das Intelligent Tender Matching System ermöglicht, ist eindrucksvoll. Der manuelle Aufwand wird von rund zwei Stunden täglich auf ein kompaktes 15-minütiges Review reduziert. Dabei ist zudem sichergestellt, dass alle relevanten Ausschreibungsplattformen vollständig abgedeckt sind. So können sich die Expert:innen von BAK Economics künftig auf das konzentrieren, was wirklich zählt: fokussierte, strategische Entscheidungen auf Basis fundierter Analysen.
Coursely: Multi-Agent Magic für Lerninhalte
Studenten: Karlo Lukic, Debbie ToConstructor Tech ist ein EdTech-Unternehmen, das sich auf den Einsatz von künstlicher Intelligenz in der Gestaltung und Vermittlung von Lerninhalten spezialisiert hat. Sie haben sich eine der größten Herausforderungen im Bildungsbereich zur Aufgabe gemacht: den zeitaufwendigen und oft uneinheitlichen Prozess der Erstellung hochwertiger, didaktisch fundierter Lerninhalte. Auch wenn klassische KI-Tools bei der zeiteffizienten Content-Erstellung unterstützen, liefern sie häufig oberflächliche oder unstrukturierte Ergebnisse, die pädagogischen Standards nicht gerecht werden können. Lehrkräfte müssen daher unzählige Stunden in die Überarbeitung von Kursstrukturen investieren, um den kohärenten Lernpfade und die didaktische Feinabstimmung sicherzustellen – ein Aufwand, der Skalierbarkeit und Innovation in der Kursentwicklung erheblich einschränkt.
Um diese Herausforderung zu lösen, entwickelten Karlo und Debbie Coursely ein Multi-Agent-KI-System, das die Art und Weise, wie Lehrende hochwertige Lerninhalte entwerfen und strukturieren, neu definiert. Coursely kombiniert mehrere spezialisierte KI-Agenten, die gemeinsam an Kursplanung, Inhaltserstellung und Qualitätsprüfung arbeiten. So entsteht ein skalierbares Tool für systematisches und didaktisch fundiertes Kursdesign.
Die zentrale Beobachtung des Teams ist, dass selbst leistungsfähige KI, genau wie Menschen, nicht gleichzeitig viele komplexe Aspekte ausreichend im Blick behalten können. Selbst mit detaillierten Prompts fällt es einem einzelnen KI-Agenten schwer, in allen Dimensionen der Kursgestaltung Qualität sicherzustellen.
Der Durchbruch von Coursely liegt in seiner Multi-Agent Architektur. Inspiriert von der Art und Weise, wie Menschen komplexe Projekte gemeinsam in Teams meistern, nutzt Coursely statt eines einzigen KI-Agenten ein System aus spezialisieren KI-Agenten, die kooperativ arbeiten:
- Hauptagent: Koordiniert den gesamten Prozess der Kursgestaltung
- Planer: Erstellt umfassende Pläne, bevor Inhalte umgesetzt werden
- Material Support: Managt relevante Quellen für die Kursgestaltung auf
- Content-Generator: Produziert detaillierte Lektionen
- Fünf spezialisierte Reviewer: Jeder ist konzentriert auf einen kritischen Aspekt des Kursdesigns (Kohärenz der Struktur, Lernpfade, didaktische Qualität und strukturelle Integrität)
- Kurs-Editor: Setzt das Feedback der spezialisierten Reviewer um und sorgt für konsistente Kursgestaltung
Das Team von KI-Agenten wird mithilfe der Claude Agent SDK-Bibliothek für Python implementiert. So werden folgende Funktionen ermöglicht:
- Planungsmodus: Erstellt umfassende Pläne, bevor Inhalte umgesetzt werden
- Automatisierte Iteration in Loops: Feedback der Reviewer führt zu kontinuierlichen Optimierungen
- Fokussierte Expertise: Jeder Agent konzentriert sich auf seine Spezialisierung
- Nahtlose Koordination: Claude Agent SDK übernimmt das State Management und die Kommunikation zwischen den Agenten
Für die Zukunft sieht das Team spannende Erweiterungen für das Multi-Agenten-System Coursely vor:
- Erweiterte individuelle Anpassungen durch Model Context Protocol (MCP) Server
- Integration in Learning-Management-Systeme (LMS) für eine nahtlose Nutzung an Bildungseinrichtungen
- Weitere Formate: Interaktive Quizze, Videoskripte, Projektaufgaben
- Adaptive Lernpfade angepasst an die individuellen Bedürfnisse der Lernenden
Coursely ist mehr als nur Workflow-Automatisierung, es ist ein echter Paradigmenwechsel in der Gestaltung von Lerninhalten! Durch die Kombination von KI mit den Organisationsprinzipien menschlicher Zusammenarbeit, dem sogenannten Human-in-the-Loop, können sich Lehrkräfte auf das Wesentliche konzentrieren: Lernende inspirieren und gezielt begleiten.
Die Weiterentwicklung dieser Technologie verspricht immenses Potenzial, die Erstellung hochwertiger Lerninhalte zu demokratisieren. Sie ermöglicht es Lehrenden, so umfangreiche und motivierende Kurse zu entwickeln, die den Bedürfnissen ihrer tatsächlich Lernenden entsprechen.
Conclusion
Mit dem Abschluss der Data-Science-Abschlussprojekte von Batch #32 feiern wir die beeindruckenden Leistungen unserer Absolvent:innen. Sie zeigen eindrucksvoll: Wo technische Expertise auf Kreativität trifft, entfaltet Data Science das volle Innovationspotenzial.Ein riesiges Dankeschön geht an unsere Partner:innen, Mentor:innen und Dozent:innen, die die Teams während ihrer Reise begleitet haben. Euer Wissen, eure Unterstützung und eure Zusammenarbeit haben geholfen, Ideen in funktionierende Prototypen Realität werden zu lassen.
An unsere Absolvent:innen: Eure Neugier, euer Durchhaltevermögen und eure Ambition, echte Probleme zu lösen, sind das, was diese Community so besonders macht. Wir sind gespannt, wohin euch euer Weg als Nächstes führt und wie ihr die Zukunft von KI und datengetriebener Innovation weiter gestalten werdet.
Wenn euch diese Geschichten inspirieren, erfahrt hier, wie ihr Teil des nächsten Data-Science Batches an der Constructor Nexademy werdet und euer eigenes innovatives Projekt starten könnt.
