Willkommen: der Ablauf heute

Mindestens ein Drittel der Zeit ist für eigenes Ausprobieren reserviert.

Diese Fragen beantworten wir heute

Plus: Daten recherchieren · analysieren & visualisieren · für eigene Projekte einsetzen.

Spielregeln

• Keine Vorkenntnisse nötig: keine Programmierung, keine Installation.
• Alles läuft im Browser, mit frei verfügbaren Werkzeugen.
• Laptop hilft, ist aber nicht zwingend: zuschauen geht auch.
• Fragen jederzeit: keine Frage ist zu einfach.
• Reale Daten, realer Nutzen: wir arbeiten mit echten Daten der Stadt Würzburg.

WLAN-Zugang, Beamer und Steckdosen stellt die Smarte Region.

WLAN: Netz „Stadt.Land.Gast" · Passwort „stadt land smart macht Laune"

Kontext: Wie „denkt" eine KI?

Die Werkzeuge im Überblick

Heute brauchst du nur einen Browser und kostenlose Zugänge.

Gutes Prompting: in der Praxis

• Kontext mitgeben: Daten einfügen oder Datei hochladen.
• Schritt für Schritt: große Aufgabe in kleine zerlegen.
• Format vorgeben: „als Tabelle", „als Diagramm", „in drei Sätzen".
• Nachfassen: Ergebnis verfeinern statt von vorn beginnen.

Beispielprompts zum Kopieren

Tipp: Datensatz oder Link immer mitgeben und das Ausgabeformat vorgeben. Diese Prompts liegen auch im Handout.

Kosten, Datenschutz & Risiken

Was KI kann: zusammenfassen, strukturieren, Code-Entwürfe. Was nicht: garantiert korrekt sein, eigenständig verantworten.

Was sind Open Data, und warum veröffentlicht?

• Open Data = öffentliche Daten, die frei, kostenlos und maschinenlesbar zur Verfügung stehen, zur freien Weiterverwendung.

Warum veröffentlicht die Stadt sie?

• Transparenz gegenüber Bürgerinnen und Bürgern.
• Teilhabe & Innovation: Vereine, Initiativen, Unternehmen bauen Neues.
• Effizienz: einmal veröffentlicht, vielfach genutzt.
• Teils gesetzlich gefördert (Open-Data-/Informationsweiterverwendung).

Das Open Data Portal Würzburg

opendata.wuerzburg.de: seit 2019, Vorreiter in Bayern.

Von Verkehr über Soziales bis Klima: frei zugänglich.

Weitere öffentliche Datenquellen

• DWD Open Data: Wetter & Klima (Deutscher Wetterdienst).
• HND / Pegel Bayern · Pegelonline: Wasserstände, Gewässerkundlicher Dienst.
• Geodaten Bayern: Karten, Geobasisdaten.

Vom Datensatz zur KI

• Daten herunterladen (CSV/JSON) oder Link/API nutzen.
• In den KI-Chat einfügen oder als Datei hochladen.

Wie KI beim Verstehen & Auswerten hilft

• Erklären: „Was bedeutet diese Spalte?" KI ordnet Rohdaten ein.
• Zusammenfassen: große Tabellen auf das Wesentliche bringen.
• Auswerten: Muster, Ausreißer, Vergleiche finden lassen.
• Visualisieren: Diagramme aus Daten erzeugen, ohne Excel-Formeln.

Leitfrage 2: KI macht den Zugang zu Daten einfacher, auch ohne technisches Vorwissen.

ECHTES BEISPIEL · ECHTE WÜRZBURG-DATEN

Welcher Stadtbaum verdurstet zuerst?

Stefan vom Gartenamt hat in der Hitzewelle nicht genug Tankwagen, um alle Bäume zu gießen.
Seine Frage an die offenen Daten: Welche Gegend wird zuerst kritisch, wohin schicke ich die knappe Gießkolonne?

Schritt 1: Wann hatten wir überhaupt gute Daten?

Beste Hitzewellen-Daten 2018–2020, Höhepunkt Juli 2019 (38,3 °C).

Schritt 2: Aha, Daten ≠ nutzbare Daten

Der Forschungssensor driftet ab 2021 ins Negative, physikalisch unmöglich. Lektion: KI muss Open Data prüfen, nicht blind glauben.

Schritt 3: Die Realität heute, ein fast blindes Netz

Nur noch 2 aktive Sensoren, aber sauberes Signal: die Aufladung am 10.–11.06. (+3–5 % durch Regen/Gießen) ist klar sichtbar.

Schritt 4: Die Prognose fürs Hitze-Wochenende

Ein einfaches, erklärbares Modell projiziert: beide Bäume bleiben über der Stress-Schwelle, der Regen am So/Mo lädt sie wieder auf.

Schritt 5: Der Nutzen, Triage statt Bauchgefühl

Die KI rangiert die Gegenden: wo es am trockensten startet, fährt der Tankwagen zuerst hin.

Schritt 6: Ehrlich bleiben, auch das gehört dazu

Wichtig: Der Saftfluss korreliert in den Daten nicht mit der Temperatur (r≈0). Der Hitze-Faktor im Modell ist eine transparente Annahme, keine bewiesene Tatsache. Genau das muss man bei KI-Ergebnissen dazusagen.

Live: ein API-Call → die KI entscheidet

Das kann das Portal-Dashboard nicht: rangieren, entscheiden, in Klartext erklären.

Wie KI beim Coden hilft: „Vibe Coding"

• Du beschreibst in normaler Sprache, was die Anwendung tun soll.
• Die KI schreibt den Code, du prüfst und verfeinerst per Folgeanweisung.
• Mit Lovable entsteht aus der Beschreibung eine lauffähige Web-App.
• Kein Vorwissen in Programmiersprachen nötig: Iteration statt Perfektion.

Leitfrage 3: So wird aus einer Idee mit offenen Daten eine kleine Anwendung.

Live-Demo

KI-Assistent für Wassersport am Main

Schritt für Schritt: vom Datensatz zur funktionierenden Anwendung.

Diskussion: Welche Anwendungsfälle noch?

• Welche städtischen Fragen ließen sich mit diesem Muster beantworten?
• Beispiele: Spielplatz-Finder · Baum-Nachbarschaft · Parkhaus-Auslastung · Klima im Stadtteil.

Wir sammeln Ideen, eine davon baust du gleich selbst.

Ideensammlung

• Welche Frage an die Daten der Stadt interessiert dich?
• Allein oder in kleinen Gruppen, wir sammeln kurz gemeinsam.

5 Minuten Brainstorming · auf Flipchart oder digitalem Board.

Hands-on: wähle eine Aufgabe

• Analysieren: einen Datensatz aus dem Portal von der KI zusammenfassen lassen.
• Visualisieren: ein Diagramm erstellen (z.B. Baumverteilung je Stadtteil).
• Bauen: einen kleinen Prototyp mit Lovable.
• Kombinieren: offene Daten mit deiner eigenen Fragestellung verbinden.

30 Minuten · wir gehen herum und helfen. Beispielprompts liegen bereit.

Wie verifizieren? KI-Ergebnisse prüfen

• Nachfragen & kritisch gegenprüfen: „Woher stammt das? Ist das plausibel?" Die KI im Dialog hinterfragen, nicht das erste Ergebnis schlucken.
• Stichproben Quelldaten vs. Ergebnis: einzelne Werte zurück gegen die Rohdaten prüfen, stimmt die Zahl mit der Quelle überein?
• Testautomatisierung: wiederkehrende Prüfungen als kleinen Test/Skript automatisieren (z.B. Plausibilitätsgrenzen, Summen- oder Bereichskontrolle).

KI ist ein Werkzeug, kein Orakel. Die Verantwortung bleibt beim Menschen.

Eure Ergebnisse

• Wer mag, zeigt sein Ergebnis: Auswertung, Diagramm oder Prototyp.
• Reflexion: Was hat funktioniert? Was hat überrascht?

Haben wir die Fragen beantwortet?

Ziel: Hemmschwellen abbauen. Datenanalyse ist für alle zugänglich.

Gezeigt am echten Fall „Stefan/Gartenamt": von Rohdaten über Datenqualität bis zur Triage-Empfehlung.

Weiterführende Ressourcen

• opendata.wuerzburg.de: das Portal der Stadt
• DWD Open Data · Pegelonline · Geodaten Bayern
• Werkzeuge: ChatGPT · Claude · Microsoft Copilot · NotebookLM · Lovable
• Smarte Region Würzburg: smarteregion.wuerzburg.de
• Hackation Community: hackation.de · KI-Hackathons & Workshops