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 künstlicher Intelligenz zur Optimierung von Wissensmanagementsystemen (in Unternehmen)
Die Arbeit soll untersuchen, wie KI-basierte Systeme genutzt werden können, um Wissensmanagementsysteme in Unternehmen zu verbessern. Der Fokus liegt dabei auf der automatischen Klassifizierung und Verteilung von Wissensinhalten sowie der Personalisierung von Lernmaterialien.

Personalisierter Wissenstransfer durch maschinelles Lernen: Eine Untersuchung adaptiver Lernplattformen
Ziel der Arbeit ist es, zu untersuchen, wie maschinelles Lernen zur Personalisierung von Lerninhalten in hybriden Lernplattformen eingesetzt wird. Der Fokus liegt auf der Anpassung von Lernpfaden in Echtzeit basierend auf dem Lernverhalten und den Fortschritten der Nutzer.

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.

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.

Je nach Studienniveau (Bachelor/Master) wird die Arbeit theoretisch oder praktisch vertieft und in ihrem Umfang entsprechend angepasst.

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.

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.

Evaluationsmöglichkeiten von LLM-basierten Conversational Agents

Die Arbeit untersucht verschiedene Evaluationsmethoden für Large Language Model (LLM)-basierte Conversational Agents. Sie entwickelt ein spezifisches Evaluationsframework, das Kriterien und Metriken zur Bewertung der Leistungsfähigkeit dieser Systeme definiert und wendet dieses Rahmenwerk an.

Bearbeitungsschwerpunkte:

• Untersuchung verschiedener Evaluationsmethoden für Conversational Agents / LLMs
• Entwicklung von Kriterien und Metriken zur Bewertung der Leistungsfähigkeit von LLMs in unterschiedlichen Anwendungskontexten
• Durchführung von Experimenten zur Evaluierung ausgewählter Conversational Agents

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

Bearbeitungsschwerpunkte:

• Analyse und Vergleich von NoCode/LowCode Tools zur Erstellung von Conversational Agents
• Untersuchung der Integration von Flowcharts in die Chatbot-Entwicklung
• Bewertung der Potenziale und Herausforderungen bei der Nutzung von NoCode/LowCode Tools in Geschäftsprozessen
• Verbindung zwischen Geschäftsprozessmodellierung und Chatbot-Erstellung

Referenzarchitektur für LLM-basierte Conversational Agents

Diese Arbeit zielt darauf ab, eine standardisierte Referenzarchitektur für Large Language Model (LLM)-basierte Conversational Agents zu entwickeln. Sie definiert Anforderungen, identifiziert Best Practices und integriert Sicherheits- sowie Datenschutzmechanismen, um eine umfassende Leitlinie für die Implementierung solcher Systeme bereitzustellen. In der Arbeit wird die entwickelte Architektur umfassend evaluiert und weiter optimiert.

Bearbeitungsschwerpunkte:

• Definition von Anforderungen und Best Practices für Conversational Agents
• Entwicklung einer standardisierten Referenzarchitektur für LLM-basierte Systeme zur Unterstützung verschiedener Geschäftsprozesse
• Integration von Sicherheits- und Datenschutzmechanismen in die Architektur