Offene Themen für Abschlussarbeiten

Nutzungspotentiale von maschinellem Lernen im Data Catalog
Ziel der Arbeit ist der Entwurf eines Konzepts, wie maschinelles Lernen zur Unterstützung der Metadatenverwaltung, -generierung und/oder -nutzung in Data Catalogs angewendet werden kann. Dazu eignet sich die Anwendung des Design-Science-(Research)-Ansatzes.

Einsatz von AI Agents in bestehende Business-Intelligence-Systemen zur automatisierten Datenanalyse und Berichtserstellung
In der heutigen datengetriebenen Geschäftswelt ist eine effiziente Analyse großer Datenmengen wichtig zur Messung des Unternehmenserfolgs. Traditionelle BI-Prozesse stoßen jedoch häufig an ihre Grenzen, insbesondere bei der schnellen Verarbeitung komplexer und vielfältiger Datenquellen. Die Integration von AI Agents in bestehende BI-Plattformen kann solche Herausforderungen lösen, indem sie beispielsweise Daten aggregieren, relevante Erkenntnisse extrahieren und in klare, visuelle Berichte umwandeln. Ziel ist es, ein Konzept zu entwickeln, das die Automatisierung von Analyse- und Berichtserstellungsprozessen ermöglicht, ohne die bestehende BI-Infrastruktur zu verändern. Dadurch soll die Effizienz und Präzision der Berichterstattung gesteigert und der manuelle Aufwand reduziert werden.

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.

Nutzung von Chatbots im agile Arbeitsprozess innerhalb des SAFe Frameworks
Im SAFe-Framework, welches skalierte agile Prozesse in großen Organisationen unterstützt, stellt die manuelle Pflege von Artefakten eine Herausforderung dar. Im Rahmen der Abschlussarbeit soll analysiert werden, auf welchen Ebenen des Frameworks die Zusammenarbeit mit Chatbots Sinn macht. Ein Beispiel ist die Integration von internen Informationen aus Confluence und Jira, um eine strukturierte und effiziente Generierung von User Stories und Featurebeschreibungen zu ermöglichen. Ein Fokus der Arbeit liegt auf der Optimierung von Prompts, die eine präzise und kontextsensitive Verarbeitung gewährleisten. Die Untersuchung wird durch ein praxisnahes Fallbeispiel ergänzt, indem die Automatisierung anhand eines konkreten Features demonstriert wird. Die Arbeit soll evaluieren, inwieweit der Einsatz von Chatbots somit die Effizienz in agilen Teams, insbesondere als Entwickler, steigert und den Dokumentationsaufwand reduzieren kann.

Erfolgsfaktoren digitaler Geschäftsmodelle in der Kreislaufwirtschaft – Eine Analyse am Beispiel von "Product-as-a-Service"-Anwendungen
Diese Arbeit untersucht die Wertschöpfung (Value Proposition, Configuration, Co-Creation) im Rahmen der Kreislaufwirtschaft, wobei der Fokus auf "Product-as-a-Service" (PaaS) und „Equipment-as-a-Service“ (EaaS) liegt. Ziel ist es, herauszufinden, wie digitale Technologien dazu beitragen können, und welche Herausforderungen bei der nachhaltigen Implementierung dieser Ansätze auftreten.

Datenmanagement in der Kreislaufwirtschaft am Beispiel des Digitalen Zwillingen
Diese Arbeit analysiert die spezifischen Anforderungen an den Digitalen Zwilling im Kontext der Kreislaufwirtschaft. Der Fokus liegt auf dem Requirements Engineering-Prozess, um sicherzustellen, dass die Anforderungen an Datenintegration und Interoperabilität entlang des gesamten Produktlebenszyklus klar definiert und dokumentiert werden.

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.

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.

Integration von NoCode/LowCode Tools in die Geschäftsprozessmodellierung zur Erstellung von AI Agents
Diese Arbeit untersucht die Schnittmenge zwischen Geschäftsprozessmodellierung und der Erstellung von AI-Agents mittels NoCode/LowCode Tools. Sie analysiert bestehende Tools, vergleicht deren Funktionalitäten, bewertet ihre Potenziale und zeigt auf, wie Flowcharts/Workflow-Editoren in die Erstellung von AI-Agents integriert werden können. Zudem wird die Verbindung zur Geschäftsprozessmodellierung hergestellt, um die Effizienz und Benutzerfreundlichkeit bei der Implementierung von AI-Agents in Geschäftsprozesse zu verbessern.

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.

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.

KI-basierte Literaturrecherche zu Typen von Agentic AI in Geschäftsprozessen nach Tingelhoff et al.
Dieses Forschungsthema untersucht systematisch, welche Typen von Agentic AI in Geschäftsprozessen Anwendung finden. Hierzu wird eine KI-basierte Literaturrecherche durchgeführt, die auf der von Tingelhoff et al. entwickelten Methodik für AI-basierte Literaturreviews basiert. Ziel ist es, ein fundiertes Typensystem zu erarbeiten, das sowohl technische als auch betriebliche Aspekte der Agentic AI beleuchtet und als Basis für zukünftige Implementierungsansätze in der Prozessdigitalisierung dient.

Bearbeitungsschwerpunkte:

• Detaillierte Betrachtung der Literaturreview-Methode von Tingelhoff et al.
• Einsatz von KI-gestützten Such- und Analysetools zur Identifikation relevanter wissenschaftlicher Quellen
• Entwicklung eines Typensystems zur Klassifizierung von Agentic AI-Anwendungen in Geschäftsprozessen

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)