Die Tickets waren schnell weg, bis zu 20 Einladungen pro Minute vergab der HPI Connect Klub, der den Hackathon selbstständig organisiert hat. Interesse am "HackHPI" kam auch international schnell auf: Unter den Teilnehmern waren nicht nur Studierende der Berliner Universitäten, des Karlsruher Institut für Technologie, der Universität Osnabrück und der Jacobs University Bremen, sondern auch junge Informatiker der University of Toronto, der University of Sussex sowie der Denmark Technical University. Sie kamen am Wochenende nach Potsdam, um rund 22 Stunden lang - genauer 1337 Minuten - neue selbstlernende Algorithmen und automatisierte Lösungen für die Analyse großer Datenmengen zu entwickeln. Der besondere Reiz: Nur sehr wenige Hackathons beschäftigen sich bisher mit diesen komplexen Themen.
Zu Beginn der Veranstaltung boten Experten zunächst Workshops zu den Bereichen Machine Learning und Data Analytics an. Es folgten kurze Präsentationen der Sponsoren zu den spezifischen Daten und Programmierschnittstellen, die sie den Teilnehmern im Kontext des Hackathons zur Verfügung stellten. Die Aufgaben, die u.a. von SAP, IBM, Wikidata, idealo und twilio gestellt wurden, waren weit gefasst: Sie reichten von möglichst kreativen Lösungen in einem bestimmten Bereich bis hin zu konkreten Programmier-Challenges.
Nach einer anstrengenden Nacht präsentierten insgesamt 18 drei- bis vierköpfige Teams am Sonntag ihre Ergebnisse. Unter den von den Sponsoren ausgezeichneten Lösungen waren beispielsweise ein virtueller Assistent, der Fotos für blinde Nutzer auditiv beschreibt, eine Anwendung zur Verhaltens-Analyse von Online-Spielern sowie mehrere Apps zur Unterstützung medizinischer Diagnosen. Eine vierköpfige Jury - darunter HPI-Professor Dr. Emmanuel Müller vom Fachgebiet "Knowledge Discovery and Data Mining" - kürte das Team von "ReadMap" anschließend zum Sieger des Gesamtwettbewerbs.
Die Anwendung der HPI-Studenten Fabian Windheuser, Danijar Hafner und Willi Raschkowski analysiert die inhaltliche Ähnlichkeit zwischen verschiedenen Texten und stellt diese auf einer Karte da. So wird es etwa möglich, weitere interessante Artikel zu entdecken: "Bisherige Empfehlungs-Algorithmen ermitteln Vorschläge nur anhand dessen, was andere User mit ähnlichen Profilen ebenfalls interessant fanden - der eigentliche Inhalt bleibt hierbei außen vor", so Hafner. Gleichzeitig soll die auf Machine Learning basierende Anwendung dazu anregen, "über den eigenen Horizont hinauszugehen und das eigene Lesespektrum gezielt zu erweitern", ergänzt HPI-Student Windheuser.
