✅ Key features van de challenge

• Studiejaar studenten: 2e, 3e en 4e jaars HBO-ICT Bachelor Voltijd (focus op 3e jaars studenten). Multidisciplinaire teams.
• Aantal studenten per team: 4-5 studenten per team.
• Tijdsinvestering door studenten: 40 uur per week per student (contacttijd n.n.b., daadwerkelijk door student bestede tijd aan de opdracht: ga uit van 28 uur per week per student)
• Duur opdracht (in weken): 14 weken
• Tijdsinvestering door ondernemer (gemiddeld aantal uur per week): 2
• Deliverables (advies, ontwerp, product etc.): Ontwerp, Proof of Concept, evt. werkend product, adviesrapport.
• Taal opleiding:  Nederlands
• Matching fee: gratis

📑 Module informatie 

Projectonderwijs met jou als opdrachtgever voor een team studenten met de profielen: 

--> Cloud Engineer, Security Specialist, AI Engineer, Digital Business Engineer.

3 van de 4 profielen moeten kunnen werken aan de geformuleerde challenge.

De volgende deelproducten kunnen opgeleverd worden;

• cyber: pentest / AVG compliance / malware report / security improvements / Infrastructure as code (IAC) / Role base access control (RBAC) / Terraform als multi provider deployment taal / Security audit rapport
• cloud: Beveiligingsoplossingen voor cloudomgevingen / Cloud-native applicaties / Cloud monitoring en logging dashboards
• AI: Machine learning modellen / Voorspellingssystemen /Natural Language Processing (NLP) toepassingen / Computer vision-oplossingen / Chatbots en virtuele assistenten

• Digital: 

1. Dashboards 

2. Implementatieplan

3. Database 

Fasering (onder voorbehoud):
1. Onboarding (3 weken)
2. Voorbeeldproject (3 weken)
3. Sprint 1 (3 weken)
4. Sprint 2 (3 weken)
5. Sprint 3 (3 weken)
6. Oplevering

📑 Challenge voorbeelden

1. Internationaal Cosmetica Merk
Ontwikkel een datagedreven oplossing om markttrends en klantbehoeften in kaart te brengen voor een internationale cosmeticaketen. Verzamel en analyseer externe data, zoals sociale media, productreviews en concurrentie-informatie, om inzicht te krijgen in sentiment en populariteit van producten. Bouw een dashboard dat deze inzichten overzichtelijk presenteert en aanbevelingen biedt voor strategische beslissingen, zoals productontwikkeling en marketingcampagnes. Het project combineert data-analyse, cloudoplossingen en visualisatietechnieken om de keten te helpen concurrerend en innovatief te blijven.

2. Roetz e-bikes

Ontwikkel een systeem om operationele data van Roetz E-Bikes te verzamelen en te analyseren met als doel het werkproces efficiënter en voorspelbaarder te maken. Door gegevens over gebruik, slijtage en onderhoud te combineren, kan een datagedreven model inzicht geven in welke onderdelen het vaakst onderhoud nodig hebben en wanneer reparaties te verwachten zijn. Dit helpt Roetz om proactief onderhoudsplanning te optimaliseren, stilstand te minimaliseren en kosten te verlagen. Het project richt zich op het opzetten van een dataverzamelingsproces, het bouwen van een voorspellend model en het ontwikkelen van een dashboard voor real-time inzicht.

3. Waternet
Ontwikkel een machine learning-model dat storingsklachten in waterleidingen analyseert om preventief onderhoud te voorspellen. Veel storingsmeldingen in een bepaalde regio kunnen wijzen op structurele problemen in het leidingennet, wat kan leiden tot grotere storingen of wateroverlast. Door historische klachten, waterdrukdata en andere relevante factoren te verwerken, helpt het model Waternet om tijdig onderhoud uit te voeren voordat er grote problemen ontstaan. Dit project omvat het verzamelen en verwerken van data, het trainen van een voorspellend model en de implementatie van een dashboard waarmee Waternet medewerkers direct inzicht krijgen in potentiële risicogebieden.

📑 Criteria Bedrijf/challenge:

• · Bedrijfsgrootte: Minimaal 5-10 medewerkers
• · Gevestigd rondom Amsterdam
• · Studententeam werkt één of meer dagen per week op locatie bij de opdrachtgever.
• · Opdrachtgever werkt in sprints en houdt sprint reviews.

🗓 Planning:

o Startdatum: 01-02-2026

o Einddatum: 30-06-2026

- Opdrachtgever is aanwezig bij de eindoplevering van de studenten (eigen project).

- Opdrachtgever is aanwezig bij de presentatie halverwege het semester om feedback, feedup, feedforward te geven.

- Contact met het projectteam aan het begin van elke sprint voor het geven van input sprintplanning.