Der 24-jährige Schweers schrieb seine Abschlussarbeit zum Thema “The impact of consumer heterogeneity on building retrofit decisions” (Die Auswirkungen der Heterogenität von Verbraucher*innen auf Entscheidungen zur Gebäudesanierung) im Fach Volkswirtschaftslehre. Darin beschäftigte er sich mit der Energieeffizienz von Gebäuden und der Frage, welche Faktoren energieeffiziente Renovierungsentscheidungen beeinflussen. Grundlage der Arbeit ist die Tatsache, dass die Erhöhung der Gebäudeenergieeffizienz von Privathaushalten ein zentraler Baustein ist, um die deutschen bzw. globalen Klima- und Nachhaltigkeitsziele zu erreichen. Schweers ermittelt in seiner Arbeit, welche sozioökonomischen und individuellen Faktoren die Entscheidung, ein Gebäude energieeffizient zu sanieren, positiv beeinflussen oder hemmen.
Die 29-jährige Hahn schrieb ihre Masterabschlussarbeit zum Thema „Multi-Agent Reinforcement Learning Applied to Traffic Signal Optimisation for Emission Reduction“ (Multi-Agent Reinforcement Learning bei der Optimierung von Verkehrssignalen zur Emissionsreduzierung) im Fach Data Science. Sie beschäftigte sich darin mit der Optimierung der Verkehrssignalsteuerung innerhalb der Mannheimer Innenstadt. Die Anwendung von Multi-Agent Reinforcement Learning als Teil von Machine Learning ermöglicht es, dass durch dynamische Anpassung an Verkehrsbedingungen der Verkehrsfluss verbessert und Emissionen reduziert werden. Die Arbeit von Hahn zeigt somit, dass Künstliche Intelligenz einen bedeutenden Beitrag zur Lösung städtischer Herausforderungen leisten kann.