Ob grundlagenorientiert oder praxisbezogen: wir bieten vielfältige und spannende Themen für Abschlussarbeiten.
Sie suchen ein Thema für Ihre Bachelor- oder Masterarbeit? Sie möchten schon während des Studiums in spannenden Projekten mitarbeiten? Bei uns bieten sich Ihnen alle Möglichkeiten! Wir bieten Abschlussarbeiten sowohl zu den neuesten Themen aus der Forschung oder in Zusammenarbeit mit der Industrie. Nachfolgend finden Sie eine Übersicht der ausgeschriebenen Arbeiten unserer Forschungsbereiche.
Offene Bachelor-Arbeiten
Industrial Deep Learning
- Intelligentes Schweißen: Literaturrecherche zu KI-Anwendungen in Schweißprozessen (PDF)
- Nachimplementierung eines Reinforcement Learning Ansatzes für die Produktionsplanung (PDF)
- Datensatzerzeugung in realer Umgebung mittels Industrierobotern (PDF)
- Reinforcement Learning for Product Scheduling – Flexible
Job Shop Scheduling mit Nebenbedingungen (PDF) - Reinforcement Learning for Product Scheduling – Flexible
Job Shop Scheduling unter multikriterieller Ausrichtung (PDF) - Designregeln für Agenten in der Erforschung emergenter Sprache (PDF)
- Dynamisches Netzwerkdesign für kontinuierliches Lernen (PDF)
- Interpretierbarkeit und Transparenz für Vision Transformer Modelle (PDF)
- Softsensors zur Vorhersage der Sauerstoffaufnahme von Sportlern mittels maschineller Lernverfahren (PDF)
Virtual and Augmented Reality
- Betrachtung des Potentials von Virtual Reality als neues Lehr- und Lernmedium (PDF)
- Durchführung einer explorativen Studie zu Determinierung diverser Parameter für Text in VR (PDF)
- Einfluss von Abstraktion in Virtual Reality auf den Lernerfolg (PDF)
- Recherche, Einordnung und Umsetzung diverser Lehr- und Lernmethoden für verschiedene Kontexte in Virtual Reality (PDF)
Digitale Transformation
Offene Master-Arbeiten
Digital Transformation
- Implementierung der Digitalen Zwillinge in der Industrie (PDF)
- Monetarisierung von Daten mithilfe des Digitalen Zwillings (PDF)
Industrial Deep Learning
- KI-gestütztes Schweißen: Literaturrecherche zu Anwendungen von Deep Learning in Schweißprozessen (PDF)
- Texturerzeugung mit Deep Learning (PDF)
- Action Sampling Methoden zur Effizienzsteigerung trainierter Deep Learning Modelle für die Produktionsplanung (PDF)
- Effektive Deep Learning Architekturen für die Produktionsplanung (PDF)
- Interpretierbarkeit und Transparenz für Vision Transformer Modelle (PDF)
- Explainable AI (XAI) für Multi-Kamera basierte 3D Objekterkennung (PDF)
- Hierarchical Reinforcement Learning Environment Design for Emergent Language (PDF)
- Quantifizierung der pragmatischen Nachrichtenverarbeitung – der nächste Schritt zum ‚Positive Listening‘ (PDF)
Semantic Systems Engineering
- Der Weg zur automatisierten Inspiration: Reverse Engineering von Bild-Prompts in der KI-Generierung (PDF)
- Der Einsatz von Webcrawlern zur automatisierten Datenaggregation und Qualitätsüberwachung in Dataspaces: Potenziale, Herausforderungen und
Implementierungsstrategien (PDF)
Virtual and Augmented Reality
- Nutzerbasierte Evaluierung diverser Virtual-Reality-Interaktionsarten in unterschiedlichen Anwendungskontexten (PDF)
- Untersuchung verschiedener Fortbewegungsarten in Virtual Reality in Bezug auf den Anwendungskontext (PDF)
- Wo ist die Funktion? - Untersuchung diverser Konzepte für Menüs in Virtual-Reality (PDF)
Laufende Arbeiten
| Jahr | Typ | Titel | Studierende*r |
| 2024 | MA | Effiziente Nutzung Neuronaler Agenten für das Job Shop Scheduling Problem durch Modell-komprimierung | von Faber, Richard |
| 2024 | BA | Beladungsanalyse von Güterwagen unter Verwendung des Segment Anything Modells | Seewald, Samuel |
| 2024 | BA | Large Language Models für die Code-Entwicklung: Eine systematische Literaturrecherche zu den aktuellen Ansätzen und Forschungsschwerpunkten | Aydin, Bugra |
Abgeschlossene Arbeiten
| Jahr | Typ | Titel | Studierende*r |
| 2024 | MA | Untersuchung von XAI Methoden für die Qualitätsvorhersage beim Lichtbogenschweißen mithilfe von diskreten Repräsentationen eines VQ-VAEs | Antonin Königsfeld |
| 2024 | BA | Eine empirische Untersuchung von Curriculum Learning im Kontext des Job Shop Scheduling mittels Reinforcement Learning | Holeczek, Maik |
| 2024 | BA | Untersuchung von öffentliche verfügbare LLMs, ob diese in der Lage sind Sprache zu vereinfachen | Al Hariri,Taha |
| 2024 | BA | Visual Question Answering: Eine systematische Literaturrecherche zu aktuellen Ansätzen und Trends | Beez, Alexander |
| 2023 | BA | Machine Learning Ansatz zum bestimmen der Post-View-Website-Besuch Konversionen von Usern der Connected-TV-Kampagne für die Messung von Werbekampagnen | Jeyhun Hasanli |
| 2023 | MA | Machine Learning Verfahren zur Vorhersage von Prüfintervallparametern im Qualitätsmanagement der Produktion | Simon Zürn |
| 2023 | MA | Evaluation of Monte Carlo Tree Search as a Policy Improvement Operator for Reinforcement Learning Based Job Shop Scheduling | Till Lemmer |
| 2024 | BA | Auswirkungen von Adversarial State Perturbations auf Emergent Language in Multiagenten Reinforcement Learning | Obahor, Osaze |
| 2024 | BA | Effektive Curriculum Learning Strategien für Deep Reinforcement Learning im Job Shop Scheduling Problem | Elias Theis |
| 2023 | MA | Decision Transformer für die Lösung von Produktionsplanungsproblemen mittels Reinforcement Learning | Fabian Wolz |
| 2023 | BA | Curricular Reinforcement Learning für das Dual-Resource Constrained Job Shop Scheduling Problem | Max André Montag |
| 2023 | BA | Out-of-Distribution Erkennung in einem VQ-VAE für verbesserte Vorhersagen beim Lichtbogenschweißen | Graf, Marius |
| 2023 | MA | Anforderungsanalyse und -spezifikation für die Datenverarbeitung in Funktionen einer IoT-Plattform zur Energieüberwachung von Einzelhandelsketten | Jannik Bals |
| 2023 | MA | Automatization of image dataset generation using an industrial roboter and further analysis regarding its reproducibility. | Leon Wengenroth |
| 2023 | BA | Suchverfahren für das Job Shop Scheduling Problem mittels trainierter Deep Reinforcement Learning Agenten | Paul Laszig |
| 2023 | MA | Neurowissenschaftlich inspirierte Ablationsstudien für Vision Transformer | Florian Hölken |
| 2023 | BA | Eine Untersuchung der Übertragbarkeit von „Customer Churn“ Kundenrepräsentationsmodelle auf andere E-Commerce Anwendungsfälle | Ngoc Quynh Nhu Nguyen |
| 2023 | MA | Pose Estimation using Deep Learning and Systematic Dataset Generation for Industrial Manufacturing. | Ali Rida Bahja |
| 2023 | MA | A Comparison of Customer Representation Approaches in E-Commerce | Fahd Bouyaouzane |
| 2023 | MA | Automatische Texturextraktion auf synthetischen Bildern mittels 6D Pose Estimation. | Oliver Jan Jarosik |
| 2022 | MA | Realisierung und Evaluation von Repräsentationslernansätzen zur Qualitätsklassifizierung des Lichtbogenschweißens. | Mauritius Schulz |
| 2022 | MA | Konzeptionierung, Entwicklung und Evaluation eines webbasierten Demonstrators zur adressatengerechten Vermittlung der Methodik und Ergebnisse von Deep Reinforcement Learning-basierter Produktionsplanung. | Mohammad Malmir |
| 2022 | MA | Untersuchung von Multi-task Transformer Modellen für visuelle Inspektion von Güterwagen. | Robin Teubert |
| 2022 | BA | Literaturanalyse zum Stand der Technik von Produktionsplanung mittels Reinforcement Learning. | Mustafa Aydin |
| 2022 | BA | Untersuchung von Zeitbeschränkungen für die Qualitätsvorhersage beim Lichtbogenschweißen mittels Deep Learning. | Lars Thun |
| 2022 | BA | Untersuchung der Übertragbarkeit von Machine Learning Methoden auf verschiedene E-Commerce Forecasting Tasks. | Josias Schelkes |
| 2022 | MA | Self-Supervised Pre-Training for Long-Term Time Series Forecasting | David Stöter |
| 2022 | MA | Einbeziehen der Aktivitätszeit bei der Erstellung von Aktivitäts-Embeddings von Online-Shopping Sessions | Mark Wönkhaus |
| 2022 | MA | Deep Reinforcement Learning für die Arbeitsvorbereitung: Erweiterung eines Python-basierten Simulationsrahmens um Transport- und Umrüstzeiten | Richard von Faber |
| 2022 | BA | Cross Robot Imitation Learning mittels Behavior Cloning für die industrielle Montage | Ilyes Rabai |
| 2022 | MA | Verbesserung von Deep Learning-basierten Empfehlungssystemen durch das Lernen von Kundenpräferenzen | Saad Sebti |
| 2022 | BA | Untersuchung ortsabhängiger Einflüsse auf Deep Learning Modelle bei der Vorhersage von Flusspegeln anhand realer Daten des Flusses Wupper | Finn Lucas Elbl |
| 2022 | BA | Untersuchung der Generalisierungsfähigkeit eines Reinforcement Learning Agenten für die Produktionsplanung | Merlin Montag |
| 2022 | BA | Untersuchung der Generalisierungsfähigkeit eines Reinforcement Learning Agenten durch Permutationen in einem Flexible Job Shop Scheduling Problem | Jan Voets |
| 2022 | MA | Auswertung und Vergleich von Link-Prediction-Verfahren auf Basis von Few-Shot Learning | Rebecca Braken |
| 2022 | MA | Eine Übersicht über aktuelle Deep-Learning basierte Empfehlungssysteme und ein Vergleich ihrer Generalisierbarkeit an öffentlich zugänglichen Referenz-Datensätzen | Shady Yehia |
| 2022 | BA | Ein Überblick über die Anwendung der KI-Paradigmen Continual Learning und Meta Learning im industriellen Produktionssektor | Robin Gansäuer |
| 2022 | MA | Optimierung der Lagerplatzvergabe in einem Hochregallager mittels Reinforcement Learning. | Dimitri Tegomo Nanfack |
| 2022 | BA | Die digitale Zukunft des Handwerks - Entwurf einer Wissensbasis zum Einsatz von IoT-Sensorik im Handwerk | Lena Schuster |
| 2022 | BA | Entwicklung eines smarten und interaktiven Gantt-Charts für die assistierte Produktionsplanung | Georg Wanja Zemke |
