Im Rahmen der Wildauer-Software-Fabrik hat das LotsToBe-Team eine IoT-Monitoring-Lösung für Parkplätze entwickelt. Das Projekt nutzt Parkplatzsensoren, um festzustellen, ob Parkplätze belegt sind, wodurch sich die Auslastung und die aktuell freien Parkplätze in einer übersichtlichen Webansicht darstellen lassen. Um die Verwaltung zu vereinfachen, liefert LotsToBe auch eine Admin-Anwendung, welche zur Verwaltung der Sensoren und Parkplätze genutzt werden kann, um eine abgerundete Gesamtlösung zur Parkraumüberwachung bereitzustellen. Der aktuelle Stand ist eine grundlegend fertige Nutzer- und Admin-Ansicht, welche noch durch Quality-of-Life-Features erweitert werden soll. Zudem muss noch der Rollout der Sensoren erfolgen, um die Anwendung praktisch nutzbar zu machen.

Projektkontext

Das Projekt ist aus dem Problem der überfüllten Parkplätze an der Technischen Hochschule Wildau entstanden, was dazu geführt hat, dass Studierende nicht wussten, wo sie parken sollen, wodurch sie auf dem Campusgelände umherirrten und nach freien Parkplätzen suchten. Das kostet Zeit und Nerven. Genau dort setzt LotsToBe an, indem die Studierenden schon vor der Ankunft sehen können, ob es freie Parkplätze gibt und wo sich diese befinden. Dadurch können sie gezielt dorthin fahren und sparen sich somit die unnötige Suche.

Herausforderungen für das Projekt

Zu Beginn des Projekts war das Team gespalten, was das Thema des Projektes sein soll. Es standen verschiedene Ideen im Raum, welche sich dann aufgrund eines fehlenden echten Mehrwerts nach und nach verlaufen haben, bis wir gemeinsam mit den Professoren zum Schluss gekommen sind, dass die Parkplatzsituation an der TH Wildau optimiert werden sollte. Bei der Umsetzung hatte das Team anfangs das Problem, kein Verständnis dafür zu haben, wie Parkplätze am besten überwacht werden. Dadurch kam es vor allem zum Start der Entwicklung zu Unklarheiten, welche sich in zu komplexen Features und falschen Erwartungen der Teammitglieder widerspiegelten. Dies hat für erhebliche Verzögerungen in der Entwicklung gesorgt. Nach dem ersten Sprint haben uns die Professoren durch Hinweise und Tipps geholfen, uns auf eine klare Vision mit den Sensoren als Technologie zu einigen. Dadurch ging die Entwicklung deutlich flüssiger vonstatten. Beim generellen Scrum-Prozess ist uns am Anfang das Arbeitsvolumen zum Verhängnis geworden. Wir hatten stark überschätzt, was in zwei Wochen geschafft werden konnte. Dies haben wir dann im Sprint-Review reflektiert und verbessert, indem Tasks und Issues klarer definiert wurden.

Herangehensweise

Nachdem das Thema gewählt war, mussten wir uns für eine Technologie zur Umsetzung entscheiden. Am Anfang standen noch Ansätze wie eine Kameraüberwachung in Kombination mit Machine Learning (ML) im Raum. Diese wurden jedoch schnell verworfen. Nach Rücksprache mit den Professoren haben wir uns für die IoT-Parksensoren entschieden, da diese zum einen die höchste Genauigkeit lieferten und zum anderen am einfachsten zu implementieren waren. Nachdem dies feststand, haben wir unser relativ großes Team von sieben Mitgliedern in zwei Unterteams aufgeteilt: ein Team für das Frontend mit vier Mitgliedern und ein Team für das Backend sowie die Datenhaltung mit drei Mitgliedern. Das Frontend-Team war größer, da hier der meiste Code entstehen musste, um eine flüssige und intuitive Benutzeroberfläche zu gestalten. Das Frontend hat sich dabei auch mit unserer Vision mitgewandelt. Es wurden Features gestrichen sowie so weit wie möglich vereinfacht und generalisiert, um bei der Version zu landen, bei der wir jetzt sind. Zudem wurden im Frontend zwei Anwendungen entwickelt: die Nutzer- und die Admin-Ansicht. Im Backend wurden vor allem die empfangenen Sensordaten geparst und die REST-API aufgebaut. Da diese Daten für beide Anwendungen identisch waren, lag die größte Herausforderung darin, die MQTT-Daten zu empfangen und richtig zu verarbeiten, da dieses IoT-Übertragungsprotokoll für uns neu war. Um die Codequalität sicherzustellen, gab es in jedem Team einen Lead, der den Überblick behielt und die Reviews für sein Team durchführte. Dadurch, dass immer im selben Kontext gearbeitet wurde, konnte eine bessere Codequalität gewährleistet werden. Einer der wichtigsten Schritte war, dass wir uns auf eine klare Sensor- und Gruppendatenstruktur geeinigt haben, welche durch Typisierung sowohl im Frontend als auch im Backend durchgesetzt wurde. Dies hat das Entwickeln deutlich intuitiver gemacht, da sich darauf verlassen werden konnte, dass die richtigen Daten an den richtigen Orten vorhanden waren. Um den Deployment- und Review-Prozess zu vereinfachen und sichere sowie stabile Anwendungen in Produktion zu bringen, wurde eine CI/CD-Pipeline aufgesetzt. Hierbei wurde jeder Push in den Main-Branch automatisch durch die CI validiert. Um zu deployen, haben wir uns für eine manuelle Variante entschieden, damit wir nicht einzelne Updates, sondern größere Änderungen effizient veröffentlichen konnten. Generell haben wir die Anwendung nach und nach um verschiedene Use Cases erweitert, bis wir bei diesem Basisprodukt angekommen waren. Im letzten Sprint wurde sich vor allem auf das Aufräumen und Vereinheitlichen des Codes im Frontend und im Backend fokussiert.

Lösung

Die entwickelte Lösung von LotsToBe ein vollständiges IoT-System zur Analyse des Parkverhaltens, was Mockdaten und eine moderne Webanwendung umfasst.

Daten werden von einem Simulator via MQTT an unser Backend übergeben, dort verarbeitet und über eine REST-API für das Frontend bereitgestellt wird.

Die Nutzeransicht zeigt Studierenden und Drittanwendern eine intuitive Übersicht über die aktuelle Parkplatzsituation auf dem Campus. Freie und belegte Parkplätze werden farbig von einander unterschieden, welches dem Nutzer einen klaren Überblick verschaft. Durch die Detailansicht einzelner Parkplätze können Nutzer sich einen weiteren Überblick verschaffen.

Die Admin-Anwendung ermöglicht die vollständige Verwaltung des Systems. Admins können Sensoren bearbeiten, Gruppen zuweisen, Parkplätze verwalten und weitere Nutzer administrieren. Durch die einheitliche Datenstruktur und Typisierung im gesamten Projekt ist die Bedienung konsistent und die Wartung effizient.

Zusätzlich sorgt eine CI\CD Pipeline für stabile Deployments und automatisierte Validierung des Codes. Die moderne Architektur erlaubt es dem System zu skalieren und zukünftig weitere Funktionen mühelos zu implementieren.

Fazit

Mit LotsToBe wurde eine funktionale und skalierbare IoT‑Lösung geschaffen, die einen echten Mehrwert für die Parkplatzsituation an der TH Wildau bietet. Studierende profitieren von einer transparenten Übersicht über freie Parkplätze, während die Hochschule langfristig bessere Entscheidungen zur Parkraumplanung treffen kann.

Für das Team war das Projekt besonders lehrreich:

• Die Bedeutung einer klaren Vision und eines gemeinsamen technischen Verständnisses wurde deutlich.
• Der Umgang mit IoT‑Technologien wie MQTT, Simulatoren und Datenverarbeitung stellte eine wertvolle praktische Erfahrung dar.
• Durch Scrum‑Prozesse, Sprint‑Reviews und realistische Planung lernte das Team, Arbeitsaufwände besser einzuschätzen und effizienter zusammenzuarbeiten.
• Die Einführung einer konsistenten Datenstruktur und sauberer Typisierung zeigte, wie stark gute Architektur die Entwicklung beschleunigt.
• Die Aufteilung in Frontend‑ und Backend‑Teams sowie strukturierte Code‑Reviews führten zu hoher Codequalität und klaren Verantwortlichkeiten.

Insgesamt hat das Team nicht nur eine funktionierende Anwendung geliefert, sondern auch wichtige Kompetenzen in Teamarbeit, Softwarearchitektur, IoT‑Entwicklung und agilen Methoden aufgebaut — ein Ergebnis, das weit über das fertige Produkt hinausgeht.

Screenshots