Familienrezepte, frische Zutaten und eine Leidenschaft für Perfektion. Tritt ein und entdecke, warum Roberto's das beliebteste Restaurant der Nachbarschaft ist.
Lernt das Team hinter Roberto's legendären Pizzen kennen.
Von der Bestellung bis zur Lieferung — der Pizza-Lebenszyklus.
Jede Bestellung folgt einem strukturierten Lebenszyklus — ein realer Geschäftsprozess, wie ihn KI-Agenten steuern. Küche und Planung laufen parallel; erst wenn beide fertig sind (Status prepared_planned), wird ausgeliefert. Die Zustände des Lebenszyklus, so wie das Diagramm sie zeichnet:
ordered)prepared / planned)prepared_planned)/deliverdelivered)orderedprepared / plannedprepared_planned)/deliver now worksdeliveredRoberto's Küche wird von einer REST-API betrieben, die reales Prozessverhalten simuliert — inklusive Verzögerungen, Fehlern und verlorenen Bestellungen.
Bestellungen über die API aufgeben. Jede erhält eine UUID und wird in die Küchenwarteschlange eingereiht.
POST /pizzerias/{id}/orders
{
"customer_id": "...",
"items": [
{"menu_item_code": "margherita",
"quantity": 2}
]
}
Bestellungen dauern 60–180 Sekunden. 5% Wahrscheinlichkeit für Küchenfehler — falsche Artikel, fehlende Extras oder Mengenfehler.
POST /pizzerias/{id}/orders/{oid}/deliver
// Response may include:
// "incidents": [{
// "type": "wrong_item",
// "expected": "diavolo",
// "got": "margherita"
// }]
5% der Bestellungen gehen komplett verloren — genau wie im echten Leben. Euer Prozess muss damit umgehen können.
GET /pizzerias/{id}/orders/{oid}
// status: "lost"
// "No order found or order
// was lost in the kitchen."
Alles, was du für die Aufgaben brauchst — jede Pizzeria hat ihre eigenen Daten.
Pizzen, Pasta und Toppings — alle Produkte der Pizzeria mit Zutaten.
GET /menu
8 Jahre tägliche Wetterdaten aus Neapel für Analysen und Vorhersagen.
GET /weather
Italienische Fußball-Events und deren Einfluss auf die Bestellmenge.
GET /events
Italienische Feiertage, Brückentage und Schulferien.
GET /calendar
Wer wann in der Küche und im Lieferdienst eingeplant ist.
GET /staff/availability
Pro Pizzeria 180 Tage historische Bestelldaten mit allen Details.
GET /pizzerias/{id}/orders
Dazu kommen die Aufgaben-Datensätze: der Lebenslauf-PDF-Korpus (Aufgabe 3 und 6) und die Pizza-Bilder für die Bilderkennung (Aufgabe 1 und 2).
Nutzt Roberto's Pizzeria als Spielwiese für praktische KI- und Automatisierungsprojekte.
Ein CNN von Grund auf bauen, um Pizzabilder der Küchenkamera zu klassifizieren und Bestellfehler zu erkennen.
Transfer Learning mit einem vortrainierten Modell nutzen, um Pizzabilder zu klassifizieren und mit dem Ansatz von Grund auf zu vergleichen.
Zwei optimierte RAG-Systeme befragen, um den Bewerbungs-PDF-Korpus mit natürlicher Sprache zu durchsuchen.
Ein sprachbasiertes Bestellsystem bauen, das natürlichsprachliche Pizzabestellungen entgegennimmt und in API-Aufrufe umsetzt.
Bestellhistorie, Wetter- und Eventdaten analysieren, um Nachfrage vorherzusagen und die Küchenbesetzung zu optimieren.
PII in Lebenslaufdaten erkennen und anonymisieren für DSGVO-konformes RAG, dann eine ETL-Pipeline für pseudonymisierte Analysen bauen.