• Vor dem Hintergrund sinkender Studierendenzahlen und des Fachkräftemangels in den technischen Berufen in Deutschland, rekrutieren die Hochschulen in Bayern zunehmend Studierende aus dem Ausland. Dabei stoßen die angebotenen internationalen Studiengänge besonders bei Studierenden aus Indien auf großes Interesse. Andersartige Kompetenzprofile aus dem außereuropäischen Bachelorstudium in Kombination mit sehr hohen Erwartungen der Studierenden an ein Masterstudium in Deutschland führen zu enormen Herausforderungen bei allen Beteiligten. Förderlich für den erfolgreichen Studienverlauf ist es, Maßnahmen zur Gruppendurchmischung zwischen ausländischen und deutschen Studierenden wie internationale Postersessions und gemeinsame Studienangebote zu implementieren. Darüber hinaus ist es erforderlich, Regeln der guten wissenschaftlichen Praxis klar zu kommunizieren und deren Befolgung einzufordern. Nicht zuletzt ist die Stärkung der Sprachkompetenz ein Schlüssel für ein erfolgreiches Studium.

Photovoltaic (PV) energy production in Western countries increases yearly. Its production can be carried out in a highly distributed manner, not being necessary to use large concentrations of solar panels. As a result of this situation, electricity production through PV has spread to homes and open-field plans. Production varies substantially depending on the panels’ location and weather conditions. However, the integration of PV systems presents a challenge for both grid planning and operation. Furthermore, the predictability of rooftop-installed PV systems can play an essential role in home energy management systems (HEMS) for optimising local self-consumption and integrating small PV systems in the low-voltage grid. In this article, we show a novel methodology used to predict the electrical energy production of a 48 kWp PV system located at the Campus Feuchtwangen, part of Hochschule Ansbach. This methodology involves hybrid time series techniques that include state space models supported by artificial intelligence tools to produce predictions. The results show an accuracy of around 3% on nRMSE for the prediction, depending on the different system orientations.