Themen für Abschlussarbeiten (Bachelor & Master) im SoSe 2026

• 
  
  Prof. Dr. Matthias Schumann (0/2 vergeben)
  
  
  
  

  
  

  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  

  Betreuer	Status	Thema	Kurzbeschreibung
  M. Schumann	Frei	Organisatorische Einbettung von KI-Aktivitäten in Unternehmen	Die Arbeit soll untersuchen, wie KI-Aktivitäten in Unternehmen eingeführt werden. Gehen diese Maßnahmen von einzelnen Personen oder Abteilungen aus oder findet eine systematische Einführung statt? Wer und wie werden Projekte gesteuert, die sich mit der KI-Themen auseinandersetzen? Stehen zentrale oder dezentrale Aktivitäten im Vordergrund? Wie erfolgt die Schulung von Mitarbeitern? Wie gehen die Unternehmen damit um, dass in kurzen Zeitabständen immer neue Versionen, z. B. von LLMs verfügbar sind. Unterscheiden sich KI-Projekte in der Praxis von solchen, die sonst zur Digitalisierung aufgesetzt werden? Anhand einer Literaturstudie, insbes. zu Projektbeschreibungen und Erfahrungsberichten, soll der Stand des Wissens zusammengestellt werden.
  M. Schumann	Frei	Einsatz von Large Language Modellen in der Softwareentwicklung (nur Bachelor)	In verschiedenen Berichten wird dargestellt, dass LLMs große Teile der Softwareentwicklung übernehmen. Zum Beispiel wird über den erfolgreichen Einsatz von Claude berichtet. In der Arbeit soll untersucht werden, welche Berichte es über den Einsatz von LLMs in der Softwareentwicklung gibt, welche Aufgaben der Softwareentwicklung (Anforderungsspezifikation, Entwurf, Codierung, Dokumentation, Test) mit LLMs unterstützt werden, welche Qualifikationen die Mitarbeiter haben, die diese Tools einsetzen und welchen Komplexitätsgrad die erstellten Lösungen aufweisen. Dabei wäre auch interessant, wie viel personelle Ergänzungen oder Nacharbeiten an den KI-erstellten Lösungen vorzunehmen sind. Ebenso ist zu prüfen, ob bestimmte Anwendungsgebiete bevorzugt unterstützt werden können.

  
  

  
  
  
  

  
  
  
  



• 
  
  Leonie Kopahs - Themenschwerpunkte: Didaktische Konzepte und technische Anforderungen für virtuelle Lernszenarien (1/4 vergeben)
  
  
  
  

  
  

  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  

  Betreuer	Status	Thema	Kurzbeschreibung
  L. Kopahs	Frei	Von Realvideo zu immersiver Trainingssimulation: Entwicklung eines Vorgehensmodells zur Extraktion und Transformation von Videomaterial für MANV-Trainings (nur Master)	Diese Arbeit befasst sich mit der Entwicklung eines Vorgehensmodells zur Transformation bestehenden Videomaterials in immersive Trainingsformate zur Vorsichtung im Rahmen eines Massenanfalls von Verletzten (MANV). Ziel ist es, zu untersuchen, wie Videos analysiert, didaktisch aufbereitet und in immersive Videoformate überführt werden können. Auf Basis theoretischer Grundlagen wird ein konzeptionelles Modell entwickelt und exemplarisch an einem bestehenden Videoprototyp angewendet. Abschließend erfolgt eine Evaluation des Vorgehensmodells hinsichtlich Verständlichkeit, Umsetzbarkeit und wahrgenommener Immersion, aus der Gestaltungsempfehlungen für videobasierte MANV-Trainings abgeleitet werden.
  L. Kopahs	Frei	Wirksamkeit videosimulierten Trainings in der MANV-Vorsichtung: Eine empirische Evaluation von Entscheidungsqualität, Stresswahrnehmung und ethischer Reflexion (nur Master)	Diese Arbeit untersucht die Wirksamkeit videosimulierter Trainingsformate zur Vorsichtung im Rahmen eines Massenanfalls von Verletzten (MANV). Ziel ist es, die Effekte videosimulierten Trainings auf die Entscheidungsqualität, die Nutzerakzeptanz und die subjektive Belastung zu analysieren. Hierzu werden MANV-Videoszenarien in einer strukturierten Evaluation mit einer definierten Zielgruppe eingesetzt und ausgewertet. Die Ergebnisse werden mit bestehenden VR-gestützten Trainingsansätzen verglichen, um Stärken und Einsatzpotenziale videosimulierter Trainingsformate abzuleiten.
  L. Kopahs	Frei	Was macht Videos immersiv? Eine empirische Untersuchung von Gestaltungsmerkmalen immersiver Videos im MANV-Training (nur Bachelor)	Diese Arbeit untersucht gestalterische Merkmale immersiver Lernvideos zur Vorsichtung im MANV-Kontext. Ziel ist es, zu analysieren, welche visuellen und didaktischen Gestaltungselemente die Wahrnehmung von Immersion und Verständlichkeit beeinflussen. Auf Basis ausgewählter Videoszenarien erfolgen eine vergleichende Analyse sowie eine explorative Evaluation mit einer Zielgruppe. Abschließend werden grundlegende Gestaltungsempfehlungen für den Einsatz von Lernvideos in der MANV-Ausbildung formuliert.
  L. Kopahs	Vergeben	Erfassung ethischer Entscheidungsfindung in VR-Triage-Simulationen: Eine explorative Analyse qualitativer Evaluationsmethoden (nur Bachelor)	Diese Arbeit untersucht, wie ethische Entscheidungsfindung in VR-gestützten MANV-Triage-Simulationen qualitativ erfasst werden kann. Ziel ist es, geeignete qualitative Erhebungs- und Auswertungsmethoden (z. B. Interviews, Think-Aloud, offene Reflexionsfragen) zu analysieren und deren Eignung für die Evaluation ethischer Entscheidungsprozesse zu bewerten. Auf Basis einer Literaturrecherche und der exemplarischen Anwendung auf ein bestehendes VR-Triage-Szenario werden Stärken und Grenzen der identifizierten Methoden diskutiert. Die Ergebnisse dienen als Grundlage für weiterführende Evaluationskonzepte in immersiven Trainingssimulationen.

  
  

  
  
  
  

  
  
  
  



• 
  
  Tamino Marahrens - Themenschwerpunkte: Digitalisierung und Automatisierung in der Intralogistik (1/3 vergeben)
  
  
  
  

  
  

  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  

  Betreuer	Status	Thema	Kurzbeschreibung
  T. Marahrens	Vergeben	Einsatzmöglichkeiten von digitalen Zwillingen in der Intralogistik in Forschung und Praxis (nur Bachelor)	Digitale Zwillinge gewinnen in der Intralogistik zunehmend an Bedeutung. Da sie eine virtuelle Abbildung physischer Systeme, Prozesse und Ressourcen ermöglichen. Durch die Verknüpfung von Betriebsdaten mit digitalen Modellen eröffnen sich Potenziale zur Überwachung, Simulation und Steuerung intralogistischer Abläufe, etwa in Lager-, Förder- oder Kommissioniersystemen. Neben Ansätzen aus der Forschung werden insbesondere industrielle Anwendungen in der Praxis diskutiert. Ziel dieser Bachelorarbeit ist daher, die Einsatzmöglichkeiten digitaler Zwillinge in der Intralogistik systematisch darzustellen und zu strukturieren. Dazu sollen typische intralogistische Anwendungsfelder identifiziert und analysiert werden.
  T. Marahrens	Frei	Gestaltungsprinzipien für digitale Zwillinge intralogistischer Teilsysteme	Digitale Zwillinge werden als vielversprechendes Konzept zur Unterstützung intralogistischer Prozesse betrachtet, indem sie physische Teilsysteme (z. B. Lagerbereiche, Fördertechnik oder Kommissionierstationen) virtuell abbilden. Trotz zunehmender Forschung und erster Praxisanwendungen fehlt es bislang an systematisch abgeleiteten Gestaltungsprinzipien, die beschreiben, wie digitale Zwillinge intralogistischer Teilsysteme konzipiert werden sollten, um einen konkreten Nutzen zu entfalten. Ziel dieser Abschlussarbeit ist es, Gestaltungsprinzipien für digitale Zwillinge intralogistischer Teilsysteme zu identifizieren und auszuarbeiten. Hierzu werden zunächst ausgewählte Teilsysteme sowie bestehende Konzepte digitaler Zwillinge aus der Literatur analysiert. Darauf aufbauend werden Anforderungen und wiederkehrende Gestaltungsprinzipien herausgearbeitet. Diese Prinzipien sollen beschreiben, welche Aspekte bei der Modellierung, Datenintegration und Nutzung digitaler Zwillinge in der Intralogistik zu berücksichtigen sind. Als Bachelorarbeit liegt der Fokus auf der konzeptionellen Ableitung und strukturierten Beschreibung der Gestaltungsprinzipien. Als Masterarbeit können die Gestaltungsprinzipien zusätzlich anhand eines ausgewählten intralogistischen Teilsystems konkretisiert, beispielhaft angewendet oder prototypisch illustriert und reflektiert werden.
  T. Marahrens	Frei	Erfolgsfaktoren und Herausforderungen der digitalen Transformation in der Intralogistik – eine empirische Untersuchung (nur Master)	Die digitale Transformation wirkt sich zunehmend auf intralogistische Prozesse aus: Unternehmen setzen verstärkt auf automatisierte Abläufe, vernetzte IT-Systeme sowie digitale Technologien wie mobile Datenerfassung, cloudbasierte Lagerverwaltungssysteme oder autonome Fördermittel. Gleichzeitig stehen viele Betriebe vor praktischen Herausforderungen – etwa bei der Systemintegration, der Anpassung bestehender Prozesse oder der Akzeptanz neuer Technologien im Unternehmen. Ziel dieser Masterarbeit ist es, zentrale Erfolgsfaktoren und Herausforderungen bei der digitalen Transformation in der Intralogistik zu identifizieren und zu analysieren. Im Rahmen einer empirischen Untersuchung sollen Erfahrungen, Strategien und Hemmnisse aus der Praxis systematisch erfasst und ausgewertet werden. Die Ergebnisse sollen dazu beitragen, konkrete Gestaltungsansätze für die erfolgreiche Umsetzung digitaler Initiativen in der Intralogistik abzuleiten.

  
  

  
  
  
  

  
  
  
  



• 
  
  Lars Wilhelmi - Themenschwerpunkte: Validierung und Analyse von ESG-Daten in der Unternehmenskommunikation (2/3 vergeben)
  
  
  
  

  
  

  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  

  Betreuer	Status	Thema	Kurzbeschreibung
  L. Wilhelmi	Vergeben	Untersuchung von Active-Learning-Ansätzen zur Informationsextraktion aus Nachhaltigkeitsberichten mit Large Language Models (nur Bachelor)	Die systematische Erfassung und Auswertung von Nachhaltigkeitsinformationen aus Unternehmensberichten bildet eine wichtige Datengrundlage für nachgelagerte Systeme. Die Informationen sind jedoch häufig unstrukturiert, narrativ formuliert und über verschiedene Textabschnitte und Tabellen verteilt. Large Language Models (LLMs) ermöglichen neue Ansätze zur automatisierten Informationsextraktion, benötigen jedoch in realen Systemen Überprüfungen und Korrekturen. Um diese Einschränkungen zu adressieren, werden Human-in-the-Loop-Ansätze eingesetzt, bei denen menschliche Expertise gezielt in den Extraktionsprozess eingebunden wird. Active Learning stellt hierbei eine besondere Form des Human-in-the-Loop dar, bei der menschliche Überprüfungen nicht zufällig, sondern anhand von Unsicherheits- oder Relevanzkriterien selektiv ausgelöst werden, um den manuellen Aufwand zu reduzieren und gleichzeitig die Qualität der Extraktion zu verbessern. Ziel dieser Arbeit ist es, den Einsatz von Active-Learning-Strategien als gezielten Human-in-the-Loop-Mechanismus für die Informationsextraktion aus Nachhaltigkeitsberichten zu untersuchen. Auf dieser Basis sollen Designentscheidungen und ein prototypisches Artefakt um eine Active-Learning-Komponente erweitert werden.
  L. Wilhelmi	Frei	Einsatz von Fine-Tuning zur Verbesserung der Informationsextraktion aus Nachhaltigkeitsberichten mit Large Language Models	Unternehmen stehen zunehmend vor der Herausforderung, Nachhaltigkeitsdaten offenzulegen. Diese Informationen sind in Nachhaltigkeitsberichten jedoch häufig in Texten, Abbildungen und Tabellen eingebettet, uneinheitlich formuliert und nicht explizit strukturiert, wodurch ihre automatisierte Nutzung erschwert wird. Eine zuverlässige Extraktion solcher Emissionsinformationen ist daher eine zentrale Voraussetzung für skalierbare ESG-bezogene Informationssysteme. Large Language Models (LLMs) eröffnen neue Möglichkeiten zur automatisierten Informationsextraktion, indem sie komplexe sprachliche Strukturen und kontextabhängige Aussagen verarbeiten können. In der Praxis werden hierfür häufig sehr große, allgemein vortrainierte Modelle eingesetzt, die zwar gute Ergebnisse liefern, jedoch einen hohen Ressourcenverbrauch und Kosten verursachen. Gleichzeitig zeigen diese Modelle Schwächen bei domänenspezifischen Aufgaben. Parameter-Efficient Fine-Tuning stellt einen vielversprechenden Ansatz dar, um kleinere Sprachmodelle gezielt an solche spezialisierten Extraktionsaufgaben anzupassen. Ziel dieser Arbeit ist es, die Extraktionsqualität eines feinjustierten kleinen Sprachmodells mit der Leistung großer, nicht feinjustierter Sprachmodelle bei der Emissionsdatenextraktion aus Nachhaltigkeitsberichten zu vergleichen, um das Potenzial von Fine-Tuning als effizientere Alternative für den praktischen Einsatz in ESG-bezogenen Informationssystemen zu bewerten. Als Datengrundlage dient ein Benchmarkdatensatz zu Treibhausgasemissionswerten von Unternehmen.
  L. Wilhelmi	Vergeben	Untersuchung von Human-in-the-Loop-Systemen zur Bewertung komplexer ESG-Metriken aus Nachhaltigkeitsberichten (nur Master)	Die Bewertung von Nachhaltigkeitsleistungen auf Basis von ESG-Metriken stellt eine zentrale Grundlage für regulatorische Prüfungen, Investitionsentscheidungen und Nachhaltigkeitsratings dar. Nachhaltigkeitsberichte enthalten hierfür relevante Informationen. Diese Informationen sind jedoch häufig unstrukturiert, narrativ formuliert und über verschiedene Textabschnitte und Tabellen verteilt, was eine vollautomatische und zuverlässige Extraktion erheblich erschwert. Large Language Models (LLMs) bieten vielversprechende Möglichkeiten zur automatisierten Extraktion solcher ESG-Metriken, zeigen jedoch insbesondere bei anspruchsvollen Bewertungen eine erhöhte Fehleranfälligkeit und fehlende Nachvollziehbarkeit. Vor diesem Hintergrund gewinnen Human-in-the-Loop-Systeme an Bedeutung, bei denen maschinelle Extraktionen durch menschliche Expertise überprüft, validiert und gegebenenfalls angepasst werden. Ziel dieser Masterarbeit ist es, Designentscheidungen für Human-in-the-Loop-Systeme zur ESG-Bewertung systematisch zu untersuchen. Die Arbeit soll unterschiedliche HITL-Designansätze vergleichen, etwa hinsichtlich Erklärungen oder dem Umgang mit Unsicherheiten, und daraus Gestaltungsempfehlungen für robuste ESG-Bewertungssysteme ableiten.