Verspätungsrisiko S-Bahn-Stammstrecke München

CRISP-DM Vorlesungsbeispiel – FOM Digitales Live-Studium SS26 Autoren: Daniel H. Prost, Andreas Höpfel, Robert Müller

Voraussetzungen

mise muss installiert sein. Das war's.

# mise installieren (falls noch nicht vorhanden)
curl https://mise.run | sh

Setup

# Python 3.12 + uv einrichten
mise install

# Abhängigkeiten installieren
uv sync

Starten

uv run jupyter lab

Öffnet JupyterLab im Browser. Notebooks liegen unter notebooks/.

Notebooks

Die Notebooks bauen aufeinander auf und sollten in dieser Reihenfolge ausgeführt werden:

Notebook	Phase
01_business_understanding.ipynb	Forschungsfragen, Hypothesen
02_data_understanding.ipynb	EDA, Datenqualität
03_data_preparation.ipynb	Bereinigung, Feature Engineering → erzeugt data/features.parquet
04_modeling.ipynb	Modelltraining → erzeugt data/models/
05_evaluation.ipynb	Hypothesen H1–H4, Kalibrierung
06_deployment.ipynb	Dashboard-Konzept, Ampel-Score

Datensätze

sbahn_only_dedup.parquet und stations.parquet müssen im Projektroot liegen (nicht im Repo).

Bezug zur Prüfungsleistung

Das Projekt ist als vollständiger CRISP-DM-Durchlauf angelegt und deckt den geforderten Präsentationsaufbau direkt ab.

Einleitung

• Hintergrund, Forschungsfragen und Methodik: 01_business_understanding.ipynb

Theorie

• Wirtschaftlicher Hintergrund: Stammstrecke als Engpass, Kaskadeneffekte → Notebook 01
• KI/ML-Verfahren: Logistische Regression, Random Forest, HistGradientBoosting, Probability Calibration → Notebook 04/05
• Einordnung Periodensystem der KI: muss in der Präsentation noch ergänzt werden – die eingesetzten Verfahren sind Supervised Learning / Klassifikation (kein generatives KI)

Praxis

• Alle 6 CRISP-DM-Phasen als ausführbare Notebooks vorhanden
• Vorführung live in JupyterLab möglich (interaktive Plotly-Heatmaps in Notebook 06)
• Ergebnisse: H1–H4 alle bestätigt, HGB ROC-AUC 0.705, kalibrierter Risiko-Score

Abschluss

• Fazit und Hypothesenergebnisse: 05_evaluation.ipynb, Abschnitt 5.6
• Lessons Learned: muss in der Präsentation noch ergänzt werden (z.B. ID-Wechsel München Hbf, Bedeutung der Probability Calibration)
• Literatur/Abgabe: Präsentation + dieses Repo (Code) + thesis_main.pdf als Referenz

Formales

• Gruppe: 3 Personen ✓ (Mindestgröße erfüllt)
• Themenmeldung: Research Canvas vom 12.03.2026, Deadline war 19./21.03.2026 ✓
• Präsentationsdauer: 30 Minuten – 6 Phasen à ~4 Minuten + Demo ist realistisch

Hinweise

• Phase 4 dauert beim ersten Ausführen ~5 Minuten (Random Forest auf 3.7M Zeilen)
• Phase 5 und 6 setzen voraus, dass Phase 4 vollständig durchgelaufen ist (speichert Modelle nach data/models/)