Offene Themen für Abschlussarbeiten

KI-gestützte Vibe-Coding-Plattformen für die schnelle Prototypenentwicklung

Diese Bachelorarbeit untersucht das Potenzial KI-gestützter Vibe-Coding-Plattformen (z. B. V0.dev, Bolt.new) für die schnelle Prototypenentwicklung von Web- und Mobile-Applikationen. Im Mittelpunkt stehen die Analyse der Funktionsumfänge, typischer Einsatzszenarien – insbesondere im Frontend-Prototyping – sowie der technischen und organisatorischen Hürden im praktischen Gebrauch. Auf Basis empirischer Erkenntnisse (Workshop-/Beobachtungsstudie) wird ein praxisorientierter Leitfaden mit Do's & Don'ts entwickelt, der ein strukturiertes Vorgehen in frühen Softwareentwicklungsphasen beschreibt.

Bearbeitungsschwerpunkte:

• Analyse existierender Vibe-Coding-Tools und ihrer Kernfunktionen
• Identifikation geeigneter Einsatzszenarien (Rapid Prototyping, MVP-Entwicklung)
• Empirische Untersuchung der Nutzung (Beobachtungsstudie / Workshop)
• Bewertung von Chancen, Limitierungen und Kritikpunkten (Usability, Code-Qualität, Wartbarkeit)
• Entwicklung eines praxisorientierten Vorgehensmodells für den Einsatz von Vibe-Coding

Der digitale Patient als kognitives Artefakt

Diese Abschlussarbeit widmet sich dem digitalen Patienten als kognitivem Artefakt zur Unterstützung medizinischer Entscheidungsfindung und Versorgung. Ziel ist es, eine gezielte Analyse der Funktionen und Datenstrukturen vorzunehmen, die den digitalen Patienten als Werkzeug in der Interaktion mit medizinischen Fachkräften und Patienten definieren. Der Schwerpunkt liegt auf der Modellierung von Anwendungsfällen sowie der Darstellung der Interaktion mit anderen Systemen, wie elektronischen Gesundheitsakten oder Wearables.

Bachelor/
Master

Agentic AI im Patient Onboarding – Potenziale und Herausforderungen der Prozessautomatisierung

Diese Arbeit untersucht, wie agentische KI-Systeme – bestehend aus orchestrierten Language Models, Retrieval-Komponenten und Regelmechanismen – das Patient Onboarding im Gesundheitswesen effizienter und nutzerfreundlicher gestalten können. Der Schwerpunkt liegt auf der Analyse bestehender Prozessstrukturen und technischer Rahmenbedingungen (z. B. FHIR), der Identifikation von Risiken und Gestaltungsoptionen sowie der prototypischen Umsetzung eines Agentic-AI-Assistenzsystems in einem ausgewählten Teilprozess. Ziel ist ein bewertbares Konzept mit realem Umsetzungspotenzial.

Hinweis: Im Abstract darf ein alternativer eHealth-Use-Case vorgeschlagen werden, sofern Datenzugang (synthetisch oder öffentlich) und Prozessklarheit gewährleistet sind.

Bearbeitungsschwerpunkte:

• Analyse typischer Onboarding-Prozesse (Voranmeldung, Check-in, Patientenaufnahme, u. a.)
• Beschreibung und Evaluation relevanter Agentic-AI-Komponenten
• Identifikation technischer, organisatorischer und regulatorischer Herausforderungen (z. B. DSGVO, EU-AI-Act, MDR)
• Entwicklung, prototypische Implementierung und Evaluation eines Use-Case-Segments zur Entscheidungs- oder Informationsunterstützung

Agentic-RAG-Systeme für das Unternehmenswissensmanagement – Potenziale und Herausforderungen

Diese Arbeit untersucht den Einsatz agentenbasierter Retrieval-Augmented-Generation-Systeme (RAG) zur automatisierten Wissenserschließung in Unternehmen. Im Mittelpunkt steht die Verbindung strukturierter Retrieval-Komponenten mit generativen Sprachmodellen für interne Support-, Policy- und Onboarding-Prozesse. Ziel ist es, technische wie organisatorische Herausforderungen (u. a. Halluzinationen, Datenschutz, Zugriffskontrolle) zu identifizieren, geeignete Architekturen zu entwerfen und ein prototypisches RAG-System für einen konkreten Use-Case (z. B. FAQ-Agent, Troubleshooting-Assistent) umzusetzen und zu evaluieren.

Hinweis: Ein alternativer Wissensmanagement-Use-Case kann eingereicht werden, sofern geeignete (synthetische oder öffentliche) Daten verfügbar sind.

Bearbeitungsschwerpunkte:

• Analyse von Architektur und Funktionsweise agentischer RAG-Systeme
• Identifikation geeigneter Anwendungskontexte im internen Wissensmanagement
• Auseinandersetzung mit technischen, ethischen und rechtlichen Herausforderungen
• Konzeption, prototypische Umsetzung und Evaluation eines Agentic-RAG-Systems für einen ausgewählten Use-Case

Skalierbarkeit und Effizienz von Multi-Agenten-Systemen in großskaligen Umgebungen: Eine systematische Literaturübersicht

Multi-Agenten-Systeme (MAS) bestehen aus mehreren autonomen, interagierenden Einheiten, die durch koordinierte Zusammenarbeit komplexe Probleme und Aufgaben lösen. Mit wachsender Agentenzahl steigen die Anforderungen an Koordination und Kommunikation, wodurch klassische Orchestrierungsmechanismen an Grenzen stoßen können. Diese Arbeit führt eine systematische Literaturrecherche durch, um bestehende Ansätze zur Skalierung und Effizienz von MAS zu analysieren, zentrale Herausforderungen und Empfehlungen abzuleiten.

Einsatz von Web Scraping für Social Media Analytics zur Markt- und Wettbewerbsanalyse in der Automobilindustrie

Social Media stellt in der heutigen datengetriebenen Geschäftswelt eine wichtige Datenquelle zur Analyse von Kundenverhalten und Wettbewerbsaktivitäten dar. Web Scraping ermöglicht die automatisierte Extraktion großer, unstrukturierter Datenmengen aus sozialen Netzwerken als Grundlage für Business-Intelligence-Anwendungen.

Diese Arbeit untersucht technische und rechtliche Herausforderungen des Web Scrapings sowie die Integration der gewonnenen Daten in analytische Prozesse. Ziel ist es, Potenziale und Limitationen des Einsatzes von Web Scraping in einer marktbezogenen Analyse für die Automobilbranche systematisch darzustellen.

LLM-basierte Szenario-Analyse in der treiberbasierten Unternehmensplanung

Klassische Planungsansätze sind oft statisch und zeitaufwendig, wodurch eine schnelle Reaktion auf volatile Märkte erschwert wird. Um flexibler auf Veränderungen reagieren zu können, werden in der treiberbasierten Planung Einflussfaktoren, sogenannte Wert- und Kostentreiber, identifiziert, die als wesentliche Hebel für die zukünftige Entwicklung des Unternehmens dienen und es ermöglichen, Szenarien präzise zu modellieren und anzupassen. Ziel der Arbeit ist die Entwicklung eines Konzepts, dass die Unternehmensplanung durch die Integration verschiedener Datenquellen, wie interne Unternehmenskennzahlen (z. B. Kosten, Umsatz) mit externen Einflussfaktoren (z. B. Markttrends, Rohstoffpreise), optimiert. Die Interaktion mit Chatbot kann dabei Planern ermöglichen, Szenarien in natürlicher Sprache zu erstellen, wichtige Treiber zu erkennen und damit Geschäftsanalysen und Entscheidungen sowie Maßnahmen präzise und flexibel zu treffen.

Der digitale Patient als digitaler Zwilling – Systematische Analyse von Datenströmen, Schnittstellen und regulatorischen Anforderungen

Diese Arbeit zielt darauf ab, ein systematisches Verständnis des digitalen Patientenmodells (Digital Patient Twin) zu erarbeiten. Im Fokus stehen die relevanten Datenquellen (u. a. Wearables, ePA), die Klassifikation und Analyse der eingesetzten Schnittstellenstandards (u. a. HL7 V2/V3, FHIR, IHE-Profile) sowie die Betrachtung zentraler regulatorischer Rahmenbedingungen (DSGVO, MDR, Digitale-Versorgung-Gesetz). Das Ergebnis soll eine strukturierte Übersicht der Datenströme und Interoperabilitätsstandards liefern, ergänzt durch ein konsistentes Datenfluss- bzw. Schnittstellenmodell.

Bearbeitungsschwerpunkte:

• Strukturierung und Kategorisierung relevanter Datenquellen für den digitalen Patienten
• Klassifizierung von Schnittstellenarten und Interoperabilitätsstandards (HL7, FHIR, IHE u. a.)
• Analyse rechtlicher und regulatorischer Anforderungen (DSGVO, MDR, DVG u. a.)
• Erstellung eines Typologie- bzw. Datenflussmodells zur Visualisierung der Schnittstellen und Datenströme

Automatisierte Interpretation und Kommentierung von Dashboard-Daten durch agentenbasierte Sprachmodelle – Entwicklung und Evaluation eines prototypischen Reporting-Agenten

Business-Intelligence-Dashboards liefern eine Vielzahl an Metriken, Visualisierungen und Zeitreihen, die häufig von Entscheidungsträgern manuell interpretiert werden müssen. In zeitkritischen oder informationsüberlasteten Kontexten besteht jedoch Bedarf an automatisierten Textzusammenfassungen, die relevante Erkenntnisse, Trends und Anomalien extrahieren und in verständlicher natürlicher Sprache kommunizieren.

Mit dem Aufkommen leistungsfähiger Large Language Models (LLMs) und agentenbasierter Architekturen (z. B. LangChain, AutoGPT) eröffnet sich die Möglichkeit, ein sogenannte Reporting Agents zu entwickeln, die Dashboard-Daten analysieren, interpretieren und kommunizieren.

Ziel der Arbeit ist die Entwicklung, prototypische Implementierung und Evaluation eines agentischen KI-Systems, das Daten aus einem bestehenden Business-Intelligence-Dashboard automatisiert interpretiert und in verständliche Management-Zusammenfassungen als Kommentierung im Dashboard überführt.

Entwicklung eines Frameworks für die Interoperabilität digitaler Gesundheitstechnologien: Der digitale Patient als Schnittstelle

Die fortschreitende Digitalisierung im Gesundheitswesen erfordert eine nahtlose Integration und Interoperabilität zwischen unterschiedlichen digitalen Technologien wie dem digitalen Patienten, elektronischen Patientenakten (EPA), E-Rezepten, medizinischen Wearables und Conversational Agents. Diese Arbeit hat das Ziel, ein Framework zu entwickeln, das als Schnittstelle für die Interoperabilität dieser Technologien dient. Inspiriert von Industriestandards wie "OPC UA" im Maschinenbau soll das Framework den Datenaustausch standardisieren und die Effizienz in Versorgungsprozessen steigern. Die Arbeit wird sich mit den technologischen Herausforderungen der Interoperabilität, Best-Practice-Modellen sowie der Analyse bestehender Kommunikationsstandards in verwandten Branchen befassen. Ziel ist es, ein interoperables Modell zu entwickeln, das eine sichere und effiziente Kommunikation im Gesundheitssektor ermöglicht.

Interaktionsmechanismen zwischen Patienten - AI-Agent - digitaler Patienten

Diese Arbeit untersucht die Interaktionsmechanismen zwischen Patienten, AI-gestützten Assistenzsystemen und digitalen Patientenmodellen. Ziel ist es, bestehende und potenzielle Kommunikationsformen zu analysieren, Herausforderungen zu identifizieren und ein Konzept für effektive, nutzerfreundliche Interaktionsprozesse zu entwickeln. Ein besonderer Fokus liegt auf der Integration von multimodalen Kommunikationskanälen (z. B. Sprache, Text, Gesten) sowie der Nutzung von Personalisierungsmechanismen zur Optimierung der Patientenerfahrung. Ziel der Arbeit ist eine Konzeptentwicklung für ein Interaktionsmodell für den geschilderten Anwendungsbereich unter Berücksichtigung relevanter Schnittstellen.

Bearbeitungsschwerpunkte:

• Systematische Analyse bestehender Interaktionsmechanismen in Gesundheits- und KI-Systemen
• Untersuchung von Dialogmanagement-Ansätzen für AI-gestützte Systeme
• Konzeptentwicklung für ein adaptives Interaktionsmodell unter Berücksichtigung relevanter Schnittstellen (z. B. FHIR für medizinische Datenintegration)

Konzept für eine verteilte Datenarchitektur für digitale Technologien in der Gesundheitsbranche

Die zunehmende Digitalisierung im Gesundheitswesen erfordert robuste und effiziente Datenarchitekturen, um den reibungslosen Betrieb digitaler Technologien zu gewährleisten. Ziel dieser Arbeit ist es, eine verteilte Datenarchitektur zu entwerfen, die speziell auf die Anforderungen der Gesundheitsbranche zugeschnitten ist. Dabei werden Anwendungsfälle wie der digitale Patient, die elektronische Patientenakte (EPA) und medizinische Wearables untersucht. Ein besonderer Fokus liegt auf der Bewertung der Datenschutz- und Effizienzvorteile einer solchen Architektur. Durch Simulationen soll die praktische Anwendbarkeit der entwickelten Architektur veranschaulicht werden. Je nach Studienniveau (Bachelor/Master) wird die Arbeit theoretisch oder praktisch vertieft.