Die Vorhersage menschlicher Mobilität über mehrere Städte hinweg stellt aufgrund der komplexen und vielfältigen räumlich-zeitlichen Dynamiken, die in unterschiedlichen urbanen Umgebungen inhärent sind, erhebliche Herausforderungen dar. In dieser Studie stellen wir einen robusten Ansatz zur Vorhersage menschlicher Mobilitätsmuster vor, der als ST-MoE-BERT bezeichnet wird. Im Gegensatz zu bestehenden Methoden formulieren wir die Vorhersageaufgabe als ein räumlich-zeitliches Klassifikationsproblem. Unser Ansatz integriert die Mixture-of-Experts-Architektur mit dem BERT-Modell, um komplexe Mobilitätsdynamiken zu erfassen und die nachgeschaltete Aufgabe der menschlichen Mobilitätsvorhersage zu bewältigen. Zudem wird Transferlernen eingebunden, um die Herausforderung der Datenknappheit bei der Vorhersage über Städte hinweg zu bewältigen. Wir demonstrieren die Wirksamkeit des vorgeschlagenen Modells anhand der Metriken GEO-BLEU und DTW und vergleichen es mit mehreren state-of-the-art-Methoden. Insbesondere erreicht ST-MoE-BERT im Durchschnitt eine Verbesserung von 8,29 %.