Offene Themen für Abschlussarbeiten
Aktuell stehen die nachfolgenden Themen für Abschlussarbeiten zur Verfügung. Weitere neue Themen von den Professuren Wirtschaftsinformatik 1 & 2 werden bis Anfang Oktober 2024 hier bekanntgegeben. Gerne können Sie eigene Vorschläge einbringen.
Beachten Sie bitte die Informationen unter "Hinweise für Abschlussarbeiten".
Typ | Betreuer | Thema |
---|---|---|
Master | Franziska Ullmann (WI2) |
Nutzungspotentiale von maschinellem Lernen im Data Catalog |
Master | Lisa Remke (WI1) |
Einsatz von künstlicher Intelligenz zur Optimierung von Wissensmanagementsystemen (in Unternehmen) |
Master | Lisa Remke (WI1) |
Personalisierter Wissenstransfer durch maschinelles Lernen: Eine Untersuchung adaptiver Lernplattformen |
Bachelor/Master | Robert Schmelzer (WI1) |
Erfolgsfaktoren digitaler Geschäftsmodelle in der Kreislaufwirtschaft – Eine Analyse am Beispiel von "Product-as-a-Service"-Anwendungen |
Master | Robert Schmelzer (WI1) |
Datenmanagement in der Kreislaufwirtschaft am Beispiel des Digitalen Zwillingen |
Master | Rose/Eger (WI1) | Process-Aware Conversational Agents (PACAs): Integration von Geschäftsprozessen und Dialogsystemen
Ziel dieser Arbeit ist die Untersuchung und Entwicklung eines Process-Aware Conversational Agents (PACA), der Geschäftsprozesse durch die Integration mit BPMN-basierten Workflow-Management-Systemen unterstützen kann. Ein besonderer Fokus der Arbeit liegt auf der Differenzierung zwischen context-aware und process-aware Chatbots sowie auf der Analyse, wie process-aware Chatbots Geschäftsprozesse automatisieren und steuern. Es wird zudem eine exemplarische Implementierung eines PACA angestrebt, der auf Large Language Models (LLMs) basiert und durch die Verwendung von Frameworks wie Rasa und der Camunda-Engine die Möglichkeiten dieser Technologie verdeutlicht. Die Arbeit bietet die Möglichkeit, auf Grundlage der bestehenden Forschung, z.B. Lins et al. (2022), weitere Szenarien und Anwendungsfälle zu entwickeln. Eine Fokussierung auf spezifische Branchen oder Anwendungsfelder ist ebenfalls denkbar. |
Bachelor/Master | Remke/Eger (WI1) | Automatische Extraktion und semantische Organisation von Dokumentenwissen in Wissensgraphen mittels Large Language Models Organisationen generieren zunehmend große Mengen an unstrukturierten Daten, deren effiziente Organisation und Nutzung im Wissensmanagement eine Herausforderung darstellt. Ziel dieser Arbeit ist die Untersuchung des Einsatzes von Large Language Models (LLMs) zur automatischen Extraktion relevanter Informationen aus Textdokumenten sowie deren semantischer Organisation in Wissensgraphen. Der Schwerpunkt liegt auf der Analyse der Potenziale von LLMs zur Verbesserung der Effizienz und Genauigkeit von Wissensmanagementsystemen, indem Beziehungen zwischen Konzepten erkannt und diese sinnvoll miteinander verknüpft werden. Je nach Studienniveau (Bachelor/Master) wird die Arbeit theoretisch oder praktisch vertieft und in ihrem Umfang entsprechend angepasst. |
Bachelor/Master | Rose/Eger (WI1) |
Integration der Vorgaben des AI Acts in eine Prozessnotation Der AI Act der Europäischen Union stellt rechtliche Vorgaben für den Einsatz und die Entwicklung von Künstlicher Intelligenz bereit, die in betrieblichen Prozessen berücksichtigt werden müssen. Ziel dieser Arbeit ist es, eine methodische Vorgehensweise zur Integration dieser rechtlichen Anforderungen in bestehende Prozessnotationen, wie BPMN, zu entwickeln. Der Fokus liegt auf der Analyse der AI Act-Vorgaben und der Untersuchung, wie diese effizient und strukturiert in modellierte Geschäftsprozesse integriert werden können, um regulatorische Konformität zu gewährleisten. |
Bachelor/Master | Rose/Eger (WI1) |
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. |
Bachelor/Master | Rose/Eger (WI1) |
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. |