Themen für Abschlussarbeiten (Bachelor & Master) im WiSe 2026/27

Spätester Bearbeitungsbeginn (Anmeldung beim Prüfungsamt)

Masterarbeiten: 01.09.2026

Bachelorarbeiten: 01.11.2026

• 
  
  Leonie Kopahs - Themenschwerpunkte: Didaktische Konzepte und technische Anforderungen für virtuelle Lernszenarien (0/3 vergeben)
  
  
  
  

  
  

  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  

  Betreuer	Status	Thema	Kurzbeschreibung
  L. Kopahs	Frei	Feedback in VR-Trainingssystemen: Eine vergleichende Analyse korrektiver und reflexiver Feedbackmechanismen (nur Bachelor)	Diese Arbeit untersucht, welche Formen von Feedback in VR-basierten Trainingssystemen eingesetzt werden können und wie sie unterschiedliche Lernziele unterstützen. Dabei wird zwischen korrektivem Feedback, z. B. Fehlerhinweisen oder Leistungsindikatoren, und reflexivem Feedback, z. B. Entscheidungsprotokollen oder Debriefing-Fragen, unterschieden. Auf Basis einer Literaturrecherche und der Analyse ausgewählter VR-Trainingsszenarien werden Feedbackmechanismen systematisch kategorisiert und hinsichtlich ihrer Eignung für prozedurales Lernen, Entscheidungsfindung und ethische Reflexion bewertet. Die Arbeit leitet daraus Gestaltungsempfehlungen für lernzielorientiertes Feedback in VR-Trainings ab.
  L. Kopahs	Frei	Multi-User-VR im Training sicherheitskritischer Szenarien: Eine konzeptionelle Analyse von Kollaboration, Rollenverteilung und Teamfeedback (nur Bachelor)	Diese Arbeit untersucht, wie kollaborative VR-Trainingsszenarien gestaltet werden können, in denen mehrere Lernende gemeinsam handeln, kommunizieren und Entscheidungen treffen. Ziel ist es, Anforderungen an Rollenverteilung, gemeinsame Situationswahrnehmung, Kommunikation und Teamfeedback in immersiven Lernumgebungen zu analysieren. Auf Basis einer Literaturrecherche und der konzeptionellen Übertragung auf ein bestehendes Trainingsszenario, z. B. MANV-Triage oder industrielles Störungsmanagement, werden Potenziale und Herausforderungen von Multi-User-VR diskutiert. Die Ergebnisse liefern erste Gestaltungsempfehlungen für teamorientierte VR-Trainings.
  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.

  
  

  
  
  
  

  
  
  
  



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

  
  

  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  

  Betreuer	Status	Thema	Kurzbeschreibung
  T. Marahrens	Frei	Architekturansätze für digitale Zwillinge in der Intralogistik	Digitale Zwillinge eignen sich zur digitalen Abbildung und Unterstützung intralogistischer Systeme. Für ihre Umsetzung werden unterschiedliche Architekturansätze vorgeschlagen, die Komponenten zur Datenerfassung, Datenintegration, Modellierung, Simulation, Analyse und Visualisierung kombinieren. Bisher fehlt jedoch eine systematische Aufarbeitung dieser Architekturansätze speziell für den Anwendungsbereich der Intralogistik. Ziel dieser Arbeit ist die Analyse bestehender Referenzarchitekturen für digitale Zwillinge sowie die Ableitung von Gestaltungsempfehlungen für deren Einsatz in intralogistischen Umgebungen. Hierzu werden Architekturansätze aus Forschung und Praxis identifiziert, verglichen und anhand geeigneter Kriterien klassifiziert. Darauf aufbauen sollen wiederkehrende Architekturprinzipien und Gestaltungsempfehlungen für die Entwicklung digitaler Zwillinge herausgearbeitet werden.
  T. Marahrens	Frei	Technologische und organisatorische Fähigkeiten für digitale Zwillinge in der Intralogistik – Eine systematische Literaturanalyse (nur Bachelor)	Digitale Zwillinge unterstützen Überwachungs-, Simulations- und Entscheidungsprozesse in der Intralogistik. Die erfolgreiche Einführung und Nutzung digitaler Zwillinge hängt jedoch nicht allein von der eingesetzten Technologie ab. Vielmehr müssen Unternehmen verschiedene technologische und organisatorische Fähigkeiten aufbauen, beispielsweise im Bereich Datenmanagement, Systemintegration, Analysefähigkeiten oder Veränderungsmanagement. Bislang fehlt jedoch eine systematische Aufarbeitung dieser Fähigkeiten speziell für den Einsatz digitaler Zwillinge in der Intralogistik. Ziel dieser Bachelorarbeit ist die Identifikation und Strukturierung technologischer und organisatorischer Fähigkeiten, die für die erfolgreiche Einführung und den Betrieb digitaler Zwillinge erforderlich sind. Hierzu werden wissenschaftliche Veröffentlichungen zu digitalen Zwillingen, Industrie 4.0 und verwandten Digitalisierungskonzepten systematisch analysiert. Auf dieser Grundlage sollen relevante Fähigkeiten herausgearbeitet, kategorisiert und hinsichtlich ihrer Bedeutung für die Intralogistik eingeordnet werden.
  T. Marahrens	Vergeben	Fähigkeiten zur erfolgreichen Einführung digitaler Zwillinge in der Intralogistik – Entwicklung und Evaluation eines Capability Frameworks (nur Master; in Kooperation mit ZUFALL logistics group)	Digitale Zwillinge gelten als vielversprechender Ansatz zur Verbesserung von Transparenz, Entscheidungsunterstützung und Prozessoptimierung in der Intralogistik. Trotz der zunehmenden Verbreitung digitaler Zwillinge stehen viele Unternehmen vor erheblichen Herausforderungen bei deren Einführung. Insbesondere Defizite hinsichtlich Datenqualität, Sensorik, Systemintegration und organisatorischer Verankerung erschweren die erfolgreiche Umsetzung. Ziel der Masterarbeit ist die Identifikation und Analyse der organisatorischen, technischen und datenbezogenen Fähigkeiten, die für die erfolgreiche Einführung und den Betrieb digitaler Zwillinge erforderlich sind. Auf dieser Grundlage wird ein strukturierter Bezugsrahmen (Capability Framework) entwickelt, der Unternehmen bei der Einführung digitaler Zwillinge unterstützen kann.

  
  

  
  
  
  

  
  
  
  



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

  
  

  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  

  Betreuer	Status	Thema	Kurzbeschreibung
  L. Wilhelmi	Vergeben	Vorhersage zukünftiger Unternehmensemissionen: Ein Modellvergleich unter Einbezug von Klimazielattributen und textbasierten Merkmalen (nur Bachelor)	Die zukünftige Entwicklung der unternehmerischen Treibhausgasemissionen ist ein zentraler Bezugspunkt für regulatorische Anforderungen, Investitionsentscheidungen und Nachhaltigkeitsbewertungen. Ihre Prognose ist jedoch anspruchsvoll, da die zeitliche Entwicklung von verschiedenen Einflussfaktoren abhängt. Zudem liegen klimabezogene Informationen wie Reduktionsambitionen, Zielhorizonte oder die Scope-Abdeckung teils in strukturierter Form vor, teils sind sie narrativ formuliert und über Geschäfts- und Nachhaltigkeitsberichte verteilt. Dadurch wird ihre systematische Nutzung für Prognosemodelle erschwert. Maschinelle Lernverfahren eröffnen neue Möglichkeiten, um solche heterogenen Informationen für die Vorhersage künftiger Emissionen nutzbar zu machen. Dabei ist offen, welchen zusätzlichen prädiktiven Mehrwert klimazielbezogene und textbasierte Merkmale gegenüber klassischen Unternehmensdaten tatsächlich leisten. Um diesen Beitrag sichtbar zu machen, bietet sich ein Modellvergleich an, bei dem aufeinander aufbauende Modelle schrittweise um zusätzliche Informationsebenen erweitert werden. Ziel dieser Arbeit ist es, den prädiktiven Wert von Klimazielattributen und textbasierten Merkmalen für die Vorhersage zukünftiger Treibhausgasemissionen (Scope 1+2) zu untersuchen. Hierzu wird ein Basismodell auf Grundlage von Größen-, Finanz- und aktuellen Emissionsvariablen schrittweise erweitert: Zunächst werden strukturierte Klimazielattribute aus ESG-Datenbanken hinzugefügt, anschließend werden mittels Natural Language Processing Textmerkmale aus Unternehmensberichten extrahiert. Auf dieser Basis soll der marginale Beitrag jeder Informationsebene zur Prognosegüte quantifiziert werden.
  L. Wilhelmi	Frei	Entwicklung einer Taxonomie automatisierter Information-Extraction-Ansätze für Nachhaltigkeitsberichte	Nachhaltigkeitsberichte enthalten eine Vielzahl an Informationen zu ökologischen, sozialen und governancebezogenen Unternehmensaktivitäten. Diese Informationen befinden jedoch in umfangreichen PDF-Dokumente mit unterschiedliche Berichtsstandards und darüber hinaus oft in Tabellen und narrativen Textpassagen eingebettet. Es ist daher herausfordernd, aus solchen Berichten strukturierte, vergleichbare und überprüfbare Nachhaltigkeitsdaten zu gewinnen. Automatisierte Information-Extraction-Ansätze bieten hierfür neue Möglichkeiten, unterscheiden sich jedoch erheblich hinsichtlich ihrer Datenquellen, technischen Verfahren, Extraktionsziele, Ausgabestrukturen und Qualitätssicherung. In der wissenschaftlichen Literatur wurden bereits verschiedene Ansätze zur Analyse von Nachhaltigkeitsberichten entwickelt, darunter regelbasierte Verfahren, klassische NLP-Methoden, Transformer-Modelle sowie neuere LLM- und VLM-basierte Ansätze. Bislang fehlt jedoch eine fokussierte Systematisierung, die Information Extraction als spezifische Aufgabe der Überführung unstrukturierter Berichtsinhalte in strukturierte Nachhaltigkeitsdaten betrachtet. Eine solche Taxonomie kann dazu beitragen, bestehende Ansätze vergleichbar zu machen, Forschungslücken sichtbar zu machen und die Einordnung neuer Verfahren zu erleichtern. Ziel dieser Arbeit ist es, eine Taxonomie automatisierter Information-Extraction-Ansätze für Nachhaltigkeitsberichte zu entwickeln. Hierzu soll relevante wissenschaftliche Literatur zu Methoden der Extraktion untersucht werden und durch öffentlich verfügbare Methodikdokumente von ESG-Datenanbietern ergänzt werden. Auf Grundlage der Taxonomieentwicklung nach Nickerson et al. (2013) werden zentrale Dimensionen und Ausprägungen identifiziert. Die resultierende Taxonomie soll bestehende Ansätze systematisch einordnen und zeigen, welche Gestaltungsmerkmale aktuelle Information-Extraction-Verfahren für Nachhaltigkeitsberichte prägen. Für eine Masterarbeit kann die Taxonomie als Grundlage für eine Clusteranalyse genutzt werden, um wiederkehrende Archetypen zu identifizieren und daraus eine weiterführende Forschungsagenda abzuleiten.
  L. Wilhelmi	Vergeben	Gestaltung und Evaluation eines agentenbasierten Human-in-the-Loop-Systems zur Informationsextraktion aus Nachhaltigkeitsberichten (nur Master)	Nachhaltigkeitsberichte enthalten zentrale Informationen zur Bewertung ökologischer, sozialer und regulatorischer Unternehmensleistungen. Diese Informationen liegen jedoch häufig in umfangreichen, heterogen strukturierten Dokumenten vor und sind über Fließtexte, Tabellen und unterschiedliche Berichtsabschnitte verteilt. Large Language Models bieten neue Möglichkeiten, solche Informationen automatisiert zu extrahieren, weisen jedoch insbesondere bei komplexen oder mehrdeutigen Angaben weiterhin Grenzen hinsichtlich Zuverlässigkeit, Nachvollziehbarkeit und Kontrollierbarkeit auf. Ziel dieser Arbeit ist es vor diesem Hintergrund zu untersuchen, wie agentenbasierte Human-in-the-Loop-Systeme zur Informationsextraktion aus Nachhaltigkeitsberichten gestaltet und beurteilt werden können. Hierfür wird ein modularer Prototyp entwickelt, der ESG-Informationen aus Berichten extrahiert, Quellen dokumentiert, Ergebnisse validiert und menschliche Prüfungen gezielt einbindet. Auf dieser Basis sollen verschiedene technische Ansätze zur Gestaltung eines solchen Systems untersucht werden. Im Fokus steht dabei, wie agentische Mechanismen und Human-in-the-Loop-Komponenten zur Verbesserung der Extraktion, Prüfung und Nachvollziehbarkeit beitragen können und unter welchen Bedingungen menschliche Eingriffe besonders sinnvoll erscheinen. Daraus sollen Gestaltungsempfehlungen für robuste ESG-Informationssysteme abgeleitet werden.