Datenwerkstatt Jena 2026
Informationen zum Data & AI Literacy Datathon an der Universit?t Jena
Stadtpanorama von Jena
Auf dieser Seite finden Sie n?here Informationen zur Datenwerkstatt Jena 2026, die vom vom 5. bis 9. Oktober an der Universit?t Jena stattfindet.
Organisatorisches
| Termin: Ort: Anmeldung: |
5. - 9. Oktober 2026 |
|---|
Datathon Bootcamp
Vor dem Beginn des Bearbeitungszeitraums bieten am 5. und 6. Oktober vorbereitende Workshops an, in denen wir Einführungen in digitale Tools geben, die den Teilnehmenden bei der Bearbeitung der Challenges helfen sollen.
Alle Angebote in dieser Zeit sind optional und k?nnen entsprechend der eigenen Interessen wahrgenommen werden.
Projektbearbeitung
Im Rahmen der Veranstaltung bearbeiten die Teilnehmenden vom 7. - 9. Oktober in interdisziplin?ren Teams an einer der gestellten Challenges. Für den Zeitraum der Veranstaltung stehen für die Gruppen Seminarr?ume? von 9 - 17 Uhr zur Verfügung. Dort bieten wir euch:
- Arbeitsinseln für die Gruppen,
- Unterstützung durch Mentoren bei technischen oder methodischen Fragen,
- kleine Erfrischungen.
Die Gruppen sind für die Arbeit an den Challenges nicht auf diesen Zeitraum beschr?nkt und k?nnen die Arbeit am Projekt innerhalb der drei Tage weitgehend eigenst?ndig organisieren. Es gibt nur einige Agendapunkte, bei denen die Anwesenheit verpflichtend ist. Diese werden vor Beginn der Veranstaltung bekanntgegeben.
Call for Challenges
Für die Veranstaltung haben wir bereits Partner*innen aus der Universit?t Jena, der Thüringer Universit?ts- und Landebibliothek und der Stadtverwaltung Jena gewinnen k?nnen.
Im Rahmen des Datathons m?chten wir auch anderen Interessierten, beispielsweise aus den Bereichen Studium und Lehre, der Verwaltung oder auch Nicht-Regierungsorganisationen (NGOs), die M?glichkeit bieten, ihre Daten und Challenges in die Veranstaltung einzubringen.
Haben Sie Interesse? Dann k?nnen Sie bis zum 31. August 2026 Vorschl?ge für Challenges via E-Mail an uns senden:?dalije@uni-jena.de
Die Challenges
Hier finden Sie die Beschreibungen der verschiedenen Challenges. Zur besseren Orientierung sind Kategorien angegeben, die dabei helfen sollen, die Art der Challenge einzusch?tzen.
Klassisch:?Daten und Fragestellung werden von unseren Partnern zur Verfügung gestellt und sollen durch Analyse der Daten gel?st werden
Konzeptionell:?Entwicklung von Konzepten für die Beantwortung von Fragestellungen (Welche Daten werden ben?tigt? Wie k?nnen diese gewonnen werden? Wie k?nnen diese für andere nutzbar gemacht werden?)
Kreativ:?Entwicklung von z.B. Visualisierungen, Infografiken oder Dashboards zu Themen
Die Seite befindet sich aktuell im Aufbau und wird kontinuierlich erweitert. Um einen Eindruck zu der Art der Challenges bekommen, k?nnen die Themen aus dem letzten Jahr weiterhelfen.
-
Polish & Proof: KI-gestützte Digitalisierung von Texten (ThULB Jena)
Challengetyp: klassisch
Organisator: Tom Mei?ner
1. Die Ausgangslage
Moderne Systeme zur Digitalisierung analoger Dokumente wie z.B. OCR (Optical Character Recognition) und VLMs (Vision Language Models) sind zwar leistungsstark, produzieren aber oft "schmutzige" Daten:
- Zeichenfehler:?"0" statt "O", "l" statt "I".
- Strukturverlust:?Tabellen werden flachgedrückt, Zeilenumbrüche zerst?rt.
- Kontextfehler:?Fachbegriffe werden aufgrund schlechter Bildqualit?t falsch interpretiert.
2. Die Challenge
Im Rahmen der Challenge so eine intelligenter Workflow entwickelt werden, der extrahierte Rohdaten von digitalisierten Texten entgegennimmt (JSON/Text) und sie mithilfe von LLMs und algorithmischen Ans?tzen verbessert.
Dazu geh?rt:
- Validierung:?Erkennt das Modell, ob die Extraktion plausibel ist? (z.B. Checksummen bei IBANs, Abgleich mit Datumsformaten).
- Korrektur: Automatisches Fixen von Schreibfehlern (z.B. "Rechnun9" -> "Rechnung").
- Anreicherung & Qualit?t: Fehlende Infos durch Kontext erg?nzen und den Text in ein perfekt strukturiertes Format (z.B. sauberes Markdown oder JSON) überführen.
-
Studien-Dashboards für Transparenz und Orientierung im Studienverlauf (Universit?t Jena)
Challengetyp: konzeptionell, kreativ
Organisator: David Schneider
Ziel dieser Challenge ist es, nutzerzentrierte Dashboards für Studierende zu entwerfen. Diese sollen den eigenen Studienverlauf verst?ndlich und übersichtlich darstellen. Im Mittelpunkt steht ein zentrales Dashboard mit verschiedenen Ansichten auf wichtige Kennzahlen, zum Beispiel zu Prüfungsanmeldungen, Notenverl?ufen oder Durchschnittsnoten. Dabei soll gekl?rt werden, welche Darstellungen wirklich hilfreich sind und welche Kennzahlen für Studierende einen echten Mehrwert bieten.
Ein wichtiger Punkt ist die Frage, ob und wie Vergleichsdaten sinnvoll sind. Dazu geh?rt etwa der Vergleich der eigenen Leistungen mit der Kohorte oder dem Studiengangsdurchschnitt. Hier müssen auch m?gliche psychologische Effekte bedacht werden. Zus?tzlich soll geprüft werden, welchen Nutzen erkl?rende und unterstützende Elemente haben k?nnten, zum Beispiel durch ein angebundenes Sprachmodell. Diese k?nnten helfen, die Daten besser zu verstehen und auf passende Unterstützungsangebote hinzuweisen.
Die Ergebnisse der Challenge sollen dazu beitragen, Studierenden ihren Studienverlauf transparenter darzustellen und bei Bedarf passende Angebote der Zentralen Studienberatung besser sichtbar zu machen.
-
KI-Wegweiser für digitales Lehren und Lernen (Universit?t Jena)
Challengetyp: kreativ, konzeptionell
Organisator: Charlotte Steinke
?ber den Uni-MarktplatzExterner Link k?nnen Studierende und Lehrende Angebote aus dem Bereich digitale Lehre an der Universit?t Jena finden. ?hnlich einem Onlineshop kann man dort beispielsweise Qualifizierungsm?glichkeiten, Austausch- und Beratungsangebote oder digitale Tools finden und die Suche über entsprechende Filter eingrenzen.
Viele ?hnlicher Plattformen verfügen heute über KI-Chatbots, die Fragen von Nutzer*innen direkt beantworten und auf passende Angebote verweisen k?nnen.
Im Rahmen der Challenge soll ein Konzept und ein erster Prototyp für einen KI-Chatbot entwickelt werden, der die Suche nach passenden Angeboten im Uni-Marktplatz erleichtert und auf individuelle Anfragen eingeht.?
Dabei sollen Anforderungen aus Sicht der Nutzenden an das System definiert und eine Umsetzung mit den verfügbaren KI-Infrastrukturen der Universit?t getestet werden. -
Wider die Datenflut – Wie viel ist genug? (Stadt Jena)
Challengetyp: klassisch
Organisator: Stadt Jena
Die Stadt erhebt t?glich riesige Mengen an Daten über Sensoren – von Luftqualit?t und Verkehrsdichten bis hin zu Wetterbedingungen. Diese Daten sind essenziell für Planung, Monitoring und Bürgerdienste. Doch die enormen Datenmengen (bis zu Terabytes pro Jahr) verbrauchen nicht nur viel Speicher und verlangsamen die Analyse, sondern verursachen auch hohe Kosten und erheblichen Energieverbrauch, was im Sinne der ?kologischen Nachhaltigkeit problematisch ist. Dabei sind meist nicht alle gesammelten Daten für die eigentliche Fragestellung wirklich n?tig.
Die Herausforderung:
Es sollen Ans?tze entwickelt werden, mit denen sich die Datenmenge sinnvoll reduzieren l?sst ohne die Auswertbarkeit für wichtige Anwendungen zu beeintr?chtigen.
Wichtige Leitfragen sind:- Welche Informationen sind für unterschiedliche Anwendungsf?lle wirklich relevant?
- Wie kann man Daten so zusammenfassen (aggregieren, komprimieren), dass wichtige Trends und Muster erhalten bleiben?
Gesucht sind praktikable, nachvollziehbare L?sungen, die der Stadt Jena dabei helfen, ihre Daten effizienter, kostengünstiger und nachhaltiger zu speichern.
Datathon Bootcamp
Das Programm der vorgelagerten Workshops wird im Laufe des Sommersemesters ver?ffentlicht.