Übersicht

Diese Challenge wurde gemeinsam mit dem Museum of London (MoL) durchgeführt. Das MoL bietet seinen Besuchern seit 1965 Einblicke in die Geschichte von London und besitzt insgesamt über eine Million Ausstellungsstücke. Um den vielen Besuchern aus aller Welt einen reibungslosen Aufenthalt gewährleisten zu können, braucht es ein gutes Facility Management. Daraus entstand eine Challenge mit der HM Hochschule München University of Applied Sciences.

Problem

Das Museum of London hat ein neues Ziel: moderneres Gebäudemanagement zur Einsparung von Zeit und Ressourcen. Bereits vor einigen Jahren installierte das Museum Sensoren, die wichtige Daten über den aktuellen Zustand des Gebäudes generieren. Allerdings wurden die Daten von einem Drittanbieter verwaltet. Bei Problemen mussten die Facility Manager (FM) sich an den Drittanbieter wenden, um mehr Informationen über die Anlagen zu erhalten. Dies führte zu unnötigen Zeitverzögerungen und hohen Kosten. Außerdem konnten die Daten nicht nachgeprüft werden und man musste sich auf die Informationen des Drittanbieters verlassen. Das Museum of London möchte nun datengetriebenes Facility Management einführen. Dafür benötigt es einen Zugang zu den eigenen Daten und eine Plattform, wo diese sinnvoll angezeigt werden.

Im Januar 2021 versuchte das Museum, die Sensordaten über eine Software abzugreifen. Dies verschaffte eine kleine Übersicht, aber die Facility Manager konnten aus den gewonnenen Daten kaum Informationen ablesen. Außerdem war es dem Museum wichtig, zu wissen, warum bestimmte Anlagen nicht funktionieren und über das System benachrichtigt zu werden, sollte eine Anlage außerhalb der festgelegten Set Points laufen.

Für diese Challenge arbeiteten zehn Bachelor- und Masterstudierende der HM Hochschule München University of Applied Sciences mit dem Museum of London zusammen. Die Studierenden entwickelten eine Lösung, die dem Museum dabei helfen soll, Daten zu steuern, zu überwachen und sinnvoll zu verwenden und dabei Zeit und Ressourcen zu sparen.

Lösungsansatz

Um eine Lösung für das gegebene Problem zu finden, teilten sich die Studierenden in zwei Gruppen auf, die den gleichen Arbeitsprozess durchliefen. Der Weg vom ersten Kundenmeeting bis zum Prototypen bestand aus sechs Arbeitsschritten und dauerte 16 Wochen. Zur Ausarbeitung der Lösung für das oben beschriebene Problem nutzten die Studierenden die Design-Thinking-Methode. Im ersten Schritt beantworteten sie dafür die „5 Working Backwards Questions“, die auch im Unternehmen Amazon verwendet werden. Dies half ihnen dabei, das Problem, die Bedürfnisse des Kundens und ihre Lösung zu definieren. Als nächstes kreierten sie eine Empathy Map zur genaueren Darstellung des Kundens. Sie enthielt die Faktoren, die das Endprodukt berücksichtigen musste, darunter die Aufgaben, Ziele, Einflussfaktoren, Emotionen und sogenannten Schmerzstellen („pain points“) des Kundens.

Zur Generierung erster Produktideen nutzten die Studierenden die „Crazy 8“-Methode. Die beste Idee, genannt the „Big Idea“ wurde im nächsten Schritt präsentiert. Hierfür erstellten die Studierenden pro Idee ein Storyboard, einen fiktiven Zeitungsartikels, genannt Press Release, und eine FAQ, die das Endprodukt detailliert beschreiben. Basierend auf diesen Artefakten wurde dann im Laufe des Semesters in fünf sogenannten „Sprints“ ein Prototyp gebaut. Der Entwurf des Prototypen geschah auf Basis der Scrummethode.