Themen für Abschlussarbeiten

An unserem Lehrstuhl sind jederzeit interessante Themen für studentische Abschlussarbeiten (Bachelor / Master) oder für Praxis-, Forschungs- oder Projektmodule zu vergeben. Aktuelle verfügbare Themen stellen wir interessierten Studierenden gerne auf Anfrage persönlich vor. Selbstverständlich besteht zudem die Möglichkeit, mit Vorschlägen auf uns zuzukommen.

Die betreuten Themen beziehen sich vornehmlich auf unsere Forschungsschwerpunkte bzw. auf unsere Forschungsprojekte. Wir sind jederzeit bestrebt, Studierende frühzeitig in unsere Forschungstätigkeiten und - projekte einzubinden, um Ihnen somit eine Vorstellung von akademischer Forschung vermitteln zu können.

Bitte nehmen Sie direkt mit uns Kontakt auf - entweder mit dem jeweiligen Mitarbeiter (Bezug auf ein konkretes Projekt) oder mit Prof. Dr. Hähner bei allgemeinen Themen im Umfeld des Lehrstuhls.

 

Im Folgenden sind die groben Themenbereiche dargestellt, in denen ein individuelles Thema festgelegt werden kann. Bei Interesse kontaktieren Sie bitte den jeweils angegebenen Betreuer. In der Regel sind die angebotenen Themen auch um Forschungs-/Praxis- und Projektmodule erweiterbar. Sollten Sie noch unentschlossen, an Organic Computing im Allgemeinen interessiert oder mit einer eigenen Idee ausgerüstet sein, wenden Sie sich bitte direkt an Prof. Dr. Hähner (Kontaktdaten finden Sie unter "Team").

 

 

Regelbasiertes Machine Learning

  • Lambda-Kalkül basiertes Genetic Programming inkl. Implementierung in Haskell (Master- oder auch Bachelorarbeit, Ansprechpartner: David Pätzel)
  • Benchmarking und Vergleich verschiedener Supervised Lernverfahren auf synthetischen Regel-basierten Lernproblemen (Bachelor- oder Masterarbeit, Ansprechpartner: David Pätzel)
  • Multiobjective Optimization im evolutionären Machine Learning / Pittsburgh LCS (Bachelor- oder Masterarbeit, Ansprechpartner: Michael Heider)
  • Lokale Modelle im evolutionären Machine Learning / Pittsburgh LCS für Funktionsapproximation (Bachelor- oder Masterarbeit, Ansprechpartner: Michael Heider)
  • Compaction algorithms in XCS(F) (Bachelor- oder Masterarbeit, Ansprechpartner: Michael Heider)

Optimierung / Metaheuristiken

  • Analyse des Verhaltens von Optimierern mittels Autoencoder und Deep Learning (Bachelor-/Masterarbeit, Ansprechpartner: Michael Heider)
  • Optimierung der Ausführreihenfolge von Programmcode (Bachelor-/Masterarbeit, Ansprechpartner: Michael Heider)
  • Verteilung von Aufträgen gemäß Priorisierungen unter Berücksichtigung von Auslastungsconstraints (Forschungs-/Projektmodul, Ansprechpartner: Michael Heider)

Cartesian Genetic Programming

  • Cartesian Genetic Programming ist eine Form der Genetischen Programmierung. Die grobe Idee ist es, ein Programm mithilfe einer Graphenstruktur darzustellen. Mithilfe genetischer Algorithmen kann sich diese Graphenstruktur selbstständig verändern, um sich an das aktuelle Ziel anzupassen (Bachelor- und Masterarbeit, Ansprechpartner: Henning Cui)     

Internet der Dinge

  • Der 6TiSCH Stack ist ein vielversprechender Kandidat für ressourcenbeschränkte Mesh Netzwerke. Contiki NG ist ein Betriebssystem, dass den 6TiSCH Protokollstapel vollständig implementiert. Code der mit Contiki NG geschrieben wurde, kann mit Simulatoren wie Cooja, oder auf echten Testbeds getestet werden. In diesem Kontext können Themen wie Scheduling, Routing oder auch Software-Defined Networking behandelt werden (Projektmodul, Bacheloarbeit oder Masterarbeit; Ansprechpartner: Victor Gerling).
  • Optimierung und Entscheidungsprobleme im Kontext von determinisitschen Multi-Hop Netzwerken: Network Flows, Scheduling, Vertex Coloring in Python  (praktisches Modul, Abschlussarbeit; Ansprechpartner: Victor Gerling).
  • Einarbeitung in das Testbed FIT IoT-Lab, Programmierung mit C  (Praxis-/Forschungs-/Projektmodul; Ansprechpartner: Victor Gerling).

Reinforcement Learning

  • Modellbasierte Reinforcement-Learning-Methoden setzen auf die Verwendung von expliziten Umgebungsmodellen, um Vorhersagen über künftige Zustände und Belohnungen zu treffen. Ziel dieser Arbeit ist die Reimplementation solcher Methoden sowie ihre Anwendung und Evaluation anhand verschiedener Problemstellungen im gymnasium-Umfeld. (Projektmodul, Bachelor- oder Masterarbeit, Ansprechpartner:  Marco Steinberger)
     
  • Eine zentrale Herausforderung von Reinforcement Learning besteht in der Identifikation geeigneter Reward-Funktionen. Ziel dieser Arbeit ist es, sowohl Einblicke in den Prozess der Auswahl solcher Funktionen zu geben, als auch diesen Auswahlprozess anhand konkreter Beispiele zu veranschaulichen. (Projektmodul, Bachelor- oder Masterarbeit, Ansprechpartner:  Marco Steinberger)

Erzeugung und Validierung synthetischer Datensätze für Machine Learning:

  • Zeitreihendaten sind in vielen Anwendungsfällen im Überfluss vorhanden - Anomalien oder aufgezeichnete Fehler hingegen nicht. Wie können mit wenig Informationen oder Beispielfehlern Daten für eine Modellvalidierung erzeugt werden? (Projektmodul, Bacheloarbeit oder Masterarbeit; Ansprechpartner: Lukas Meitz).

Bayesian Networks für Fehlerdetektion und Diagnose:

  • Bayesian Networks sind als Tool für viele Anwendungen verwendbar, darunter auch für die Detektion und Diagnose von Anomalien in Datensätzen. Wie kann ein Anwendungsfall im Feld Predictive Maintenance mithilfe von Expertenwissen und aufgezeichneten Daten implementiert werden? (Projektmodul, Bacheloarbeit oder Masterarbeit; Ansprechpartner: Lukas Meitz).

Implementierung eines Monitoring für 3D-Drucker:

  • 3D-Drucker sind ein Produktautomatisierungssystem, sie implementieren dabei einen technischen Prozess - beispielsweise durch FDM - und arbeiten dabei vollautomatisiert. Auf Basis eines Voron 0.2 mit Klipper Firmware soll ein Proof-of-Concept für das Monitoring von Produktautomatisierungen erstellt und getestet werden.(Projektmodul; Ansprechpartner: Lukas Meitz).

Implementierung einer IoT-Monitoring-Infrastruktur für eine Siebträger-Kaffeemaschine:

  • Thermodynamsiche Prozesse kommen in vielen Maschinen vor, die in den Bereich Produktautomatisierung fallen. Das Monitoring und die Analyse dieser Daten sollen durch die beispielhafte Implementierung an einer Siebträgermaschine erforscht werden. (Projektmodul, Bacheloarbeit oder Masterarbeit; Ansprechpartner: Lukas Meitz).

Externe Abschlussarbeiten

Eine Abschlussarbeit in Kooperation mit einem externen Unternehmen kann nach Absprache von uns betreut werden. Nehmen Sie gerne Kontakt mit uns auf, falls Sie ein spannendes Thema und einen passenden Partner an der Hand haben.

 

  • Wir bieten einige Themen in Kooperation mit folgenden Unternehmen an:
     
    • Firma OSRAM im Bereich
       
      • Active Learning zum Effizienten Trainieren von Industriedaten
      • Explainable AI für industrielle Bildverarbeitung
      • Weitere Themen nach Absprache möglich

Suche