Institute for Technologies and Management of Digital Transformation

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

  • Nachimplementierung eines Reinforcement Learning Ansatzes für die Produktionsplanung (PDF)
  • Optimierung von FEM-Simulationen mittels Graph Neural Networks (PDF)
  • Datensatzerzeugung in realer Umgebung mittels Industrierobotern (PDF)

Interpretable Learning Models

  • Interpretierbarkeit und Transparenz für Vision Transformer Modelle (PDF)
  • Beladungsanalyse von Güterwagen mittels Deep Learning (PDF)

Semantic Systems Engineering

  • Gemeinsame Embeddings von Text und Graphen (PDF)
  • Domänenspezifische Sprachmodelle in der semantischen Modellierung (PDF)

Virtual and Augmented Reality

  • Auf Abstand - Anforderungen an Personal Space in Virtual Reality (PDF)
  • Authoring Doors  - Erstellen von Interaktionen und Beziehungen zwischen Objekten in der VR (PDF)
  • Betrachtung des Potentials von Virtual Reality als neues Lehr- und Lernmedium (PDF)
  • Das Ego erforschen - Persönliche Avatare in virutellen Lernumgebungen (PDF)
  • Direkt vs. Indirekt - Wann und wie man mit der virtuellen Welt interagiert (PDF)
  • Durchführung einer explorativen Studie zu Determinierung diverser Parameter für Text in VR (PDF)
  • Einfluss von Abstraktion in Virtual Reality auf den Lernerfolg (PDF)
  • Kombination von 360° und raumbezogener VR (PDF)
  • Recherche, Einordnung und Umsetzung diverser Lehr- und Lernmethoden für verschiedene Kontexte in Virtual Reality (PDF)
  • Visuelle Komplexität in virtuellen Lernumgebungen (PDF)

Offene Master-Arbeiten

Digital Transformation

  • Publikationen und Zitationen: Die Möhre der Wissenschaft (PDF)

Industrial Deep Learning

  • Vorgehensmodell für Machine Learning-basiertes Predictive Maintenance (PDF)
  • Nutzung von Monte-Carlo Search für Reinforcement Learning Basierte Produktionsplanung (PDF)
  • Optimierung von FEM-Simulationen mittels Graph Neural Networks (PDF)
  • Transfer Learning für die visuelle Qualitätsinspektion auf einer Normalizing-Flow-Architektur (PDF)

Interpretable Learning Models

  • Interpretierbarkeit und Transparenz für Vision Transformer Modelle (PDF)
  • KI-basierte Key Information Extraction aus gescannten Dokumenten mittels Optical Character Recognition (PDF)
  • Beladungsanalyse von Güterwagen mittels Deep Learning (PDF)

Semantic Systems Engineering

  • Semantische Modellierung von Open Data mittels öffentlicher Ontologien (PDF)
  • Graph-Neuronale Netze zur Verbesserung der semantischen Kennzeichnung und Modellierung (PDF)
  • Gemeinsame Embeddings von Text und Graphen (PDF)
  • Domänenspezifische Sprachmodelle in der semantischen Modellierung (PDF)
  • Circular Economy Ontologies and Vocabularies and their Evaluation Criteria (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
2023 BA Curricular Reinforcement Learning für das Dual-Resource Constrained Job Shop Scheduling Problem Max André Montag
2023 MA Decision Transformer für die Lösung von Produktionsplanungsproblemen mittels Reinforcement Learning Fabian Wolz
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 Automatization of image dataset generation using an industrial roboter and further analysis regarding its reproducibility. Leon Wengenroth
2023 MA Anforderungsanalyse und -spezifikation für die Datenverarbeitung in Funktionen einer IoT-Plattform zur Energieüberwachung von Einzelhandelsketten Jannik Bals
       

Abgeschlossene Arbeiten

Jahr Typ Titel Studierende*r
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

Weitere Infos über #UniWuppertal: