Navigation auf uzh.ch
Navigation auf uzh.ch
Die App «ShopSensor» berechnet, in welchem Laden man zu einem bestimmten Zeitpunkt am besten einkaufen sollte, um das Risiko einer Infektion mit
«Ich wollte meine Kenntnisse für etwas einsetzen, womit sich die Leute in dieser Corona-Zeit gegenseitig helfen können», sagt Maximilian Hartmann, PhD-Student der Abteilung Geocomputation. In den letzten Wochen entwickelte er in seiner Freizeit eine Web-App, die automatisch die Kundenfrequenzen in den Läden einer Region anhand von öffentlich zugänglichen Daten vergleicht. Sodann berechnet die App, wo aktuell ein Einkauf mit dem geringsten Risiko einer COVID-19-Ansteckung verbunden ist.
Entstanden ist die Idee an einem Hackathon, den das Statistische Amt des Kantons Zürich gemeinsam mit der Schweizer Opendata-Szene schon in der ersten Woche des schweizweiten Lockdowns im März durchführte - selbstverständlich virtuell. Eine bunt gemischte Gruppe von Teilnehmer*innen begann, Daten aus dem Gesundheitssystem, aus Wirtschaft und Gesellschaft aufzubereiten und sie offen zur Verfügung zu stellen. Bei einer der ausgeschriebenen «Challenges» ging es darum, wie sich die Mobilität der Bevölkerung verändert. «Zuerst stand im Vordergrund, Daten zu erheben, wie viele Leute in welchen Läden zu welchem Zeitpunkt einkaufen gehen», erzählt Maximilian. Möglich ist das, indem man die Verbindung von Handys mit den WLAN-Netzwerken in der Umgebung kartiert. Anhand der Signalstärke lässt sich feststellen, wie nahe sich dieses Gerät zur Quelle eines Netzwerkes befindet, das beispielsweise zu einem gewissen Laden gehört.
Die App «ShopSensor» speichert nun den historischen Verlauf dieser Daten und vergleicht sie mit den aktuell gemessenen Werten. «Wenn ich in zwei Stunden einkaufen gehen möchte, kann ich mir mit Hilfe der App anschauen, wie der Verlauf der Kundenfrequenzen in der Vergangenheit war und wie es jetzt gerade aussieht», sagt Maximilian. Daraus ermittelt die App ein Ranking, in welchem Laden es zu diesem Zeitpunkt am besten wäre, den Einkauf zu machen.
Doch für viele, vor allem kleinere Läden sind diese Daten noch nicht verfügbar. Hier kommen die Nutzerinnen und Nutzer ins Spiel. Sie können für jedes Geschäft in Echtzeit eingeben, wie viele Kundinnen und Kunden sich aktuell dort aufhalten und ob sich eine Schlange vor dem Laden gebildet hat. Mit ihrer tatkräftigen Mithilfe soll der Datensatz weiterwachsen und damit die App verbessern.
«Dieser Citizen Science-Ansatz ist ein wichtiger Aspekt der App», sagt Maximilian. Mitgenommen hat er ihn aus der Winter School des UZH Graduate Campus zum Thema Citizen Science im Januar dieses Jahres.
Für die Zukunft wird die App dennoch ein Nebenschauplatz bleiben. In der nächsten Zeit wird sich Maximilian wieder auf seine Dissertation fokussieren. Die Konzeptpräsentation steht in wenigen Wochen an.
