Navigation

Skiplinks

Themen Abschlussarbeiten

Kontaktdaten

Carl von Ossietzky Universität Oldenburg
Fak. II - Dept. Informatik
Abteilung Systemanalyse- und optimierung
26111 Oldenburg

+49 (0) 441 / 9722-117 (Sekretariat)

OFFIS e. V., Escherweg 2, 26121 Oldenburg

www.offis.de

Bachelor- und Masterarbeiten (BSc und MSc)

Beratung

In diesem Bereich werden aktuelle Themen für Bachelor- und Masterarbeiten (ggf. noch IPs und Diplomarbeiten) veröffentlicht. Dabei handelt es sich im internen Bereich i.d.R. um Arbeiten im Rahmen unserer Forschungsarbeiten und bei den externen Ausschreibungen um Arbeiten, die von Unternehmen bzw. in Kooperation mit diesen ausgeschrieben werden. Die ausgeschriebenen Arbeiten stellen nur einen Teil der möglichen Themen dar. Bitte sprechen Sie bei Interesse immer auch die entsprechenden Mitarbeiter an.

Eine Seite zum Ablauf einer Studienarbeit beschreibt die Schritte zur fertigen Arbeit und zeigt, wie Betreuung durch die Ansprechpartner in der Abteilung Business Engineering geboten wird.

Noch ein wichtiger Hinweis für die Studierenden der Wirtschaftsinformatik: Die Arbeiten müssen nicht in den Abteilungen der Wirtschaftsinformatik (IS, VLBA und BE) gemacht werden. Sie können auch bei allen anderen Abteilungen des Departments eine Abschlussarbeit machen.

Die Teilnahme am Oberseminar ist für Kandidaten verpflichtend. Die Daten dazu sind den Terminen zu entnehmen. Im Rahmen des Oberseminars sollen Studierende ihre Arbeitsergebnisse im Rahmen ihrer Studienarbeiten (Bachelor, Master) oder Dissertation vorstellen. In diesem Zusammenhang besteht auch Gelegenheit, Probleme mit Inhalt oder Darstellung bestimmter Sachverhalte anzusprechen und gemeinsam zu diskutieren. Das Seminar dient auch dazu, das Präsentieren geplanter Vorträge zu üben. Das Oberseminar wird über eine Veranstaltung im Stud.IP organisiert.

Folgende Themenschwerpunkte werden von der Abteilung Systemanalyse- und optimierung neben den bereits ausgeschriebenen Arbeiten betreut:

  • Automatisierung von Transportsystemen (Prof. Axel Hahn)
  • Modellierung und Simulation von Verkehrssystemen (Prof. Axel Hahn)
  • Planungs- und Schedulingprobleme in der Logistik (Prof. Jürgen Sauer)
    • Agentenbasierte Systeme, KI-Planungsverfahren
    • Koordination von Planungssystemen, Multi-Site Scheduling
    • Transportplanung, Ablaufplanung, reaktive Planung
    • Intelligentes Monitoring

Bitte beachten: Eigene Vorschläge sind zu den o.a. Themen willkommen! Vereinbart einen Termin mit einem Ansprechpartner um eigene Themen zu entwickeln.

ThemaAnsprechpartnerBScMSc

Personal Time Planning Tool CreaM

This this is done in cooperation with Jin H. Park, visiting scientists from KRISO, Korea. The challenge is the development of an intelligent tool that automatically identifies work duration and adopts personal, group or project schedules
Prof. Dr. Axel HahnX

Ship Route Prediction with the Route Topology Model

Prediction of ship routes is an important topic when it comes to maritime collision detection and prevention. You will contribute to that in the sense that you will try to predict future waypoints of ships. You receive access to historic marine AIS tracks from marinetraffic.com and use the Route Topology Model in order to derive a prediction for the future tracks of the ships. You will be asked to compute 1 or 2 future waypoints of the corresponding ships. For this, you can truncate the tracks at some point and make a prediction in order to compare the prediction result with the track that the ship has actually driven in.

Leon Siegel XX
GNSS/INS Integration for Maritime Application
In order to control or estimate the parameters of a surface vessel, the vessel position velocities, and heading angle must be measured or estimated. This is usually achieved using the integration of an Inertial navigation system (INS) such as an inertial measurement unit (IMU), and a global navigation satellite system (GNSS) such as a Global Positioning System (GPS).

Thesis Objective:
  • Get knowledge of different GNSS/INS integration methods.
  • Choose a suitable method for maritime applications.
  • Test your method using MATLAB/Simulink.
  • Experimental validation on our boot.
Mohamed AbdelaalX

A Bayesian Network for Ship Trajectory Prediction
You receive access to a huge set of AIS tracks sourced from eMIR infrastructure. You create multiple bayesian networks, which you expect to predict ship trajectories best. Finally, you evaluate the networks' fitness to the data. As bonus, you integrate indicators on seacharts, ship-ship encounters, or e.g. the tidal and current situation

Christian Denker
XX

Aufbereitung von AIS-Informationen

Mittels AIS (Automatic Identification System) senden Schiffe stetig Informationen wie z.B. Kurs, Geschwindigkeit, Zielhafen oder Länge des Schiffes.
Die Analyse historischer AIS-Daten ermöglichen interessante Einblicke in das maritime Verkehrssysteme. Eine solche Analyse ist zum Beispiel hier zu sehen: https://www.marinetraffic.com/de/p/density-maps.
Leider ist die Richtigkeit der AIS-Informationen nicht immer gewährleistet, da viele dieser Informationen manuell von der Besatzung eingegeben werden. So tauchen beispielsweise für den Zielhafen Cuxhaven die Schreibweisen CUXHAVN, CUXHAVEM und CUXHAFEN auf.

Im Kontext der Arbeit soll sich diesem Problem gewidmet werden. Neben einer ausführlichen Recherche bereits existierender Ansätze soll eine beispielhafte Implementierung einen möglichen Lösungsansatz aufzeigen. 

Matthias SteidelXX

Big Data in der maritimen Welt: Analyse von historischen Bewegungsdaten

Durch die Analyse von historischen AIS-Daten (Automatic Identification System) können typischen Bewegungsmuster extrahiert werden. Neben einer Density Map sind Wegenetze eine gute Möglichkeit diese Bewegungsmuster zu repräsentieren.
Die Arbeit soll sich mit bestehenden Ansätzen zur Extraktion solcher Bewegungsmuster beschäftigen. Aufbauend auf einem ca. 170GB großen Datenpool an historischen AIS-Daten soll dann exemplarisch ein Wegenetz für die Nordsee erstellt werden.

Matthias SteidelXX

A Neural Network for Ship Trajectory Prediction
You receive access to a huge set of AIS tracks sourced from eMIR infrastructure. You create multiple Neural Networks, which you expect to predict ship trajectories best. Finally, you evaluate the networks' fitness to the data. As bonus, you integrate indicators on seacharts, ship-ship encounters, or e.g. the tidal and current situation

Christian Denker 
XX

Modellierwerkzeug zur Missionsplanung 
Erstellung eines Werkzeuges für die Beschreibung von Handlungsanweisungen für nautische Manöver

Prof. Axel Hahnx

Extraktion eines Manövernetzes aus historischen AIS-Daten zur Detektion von Anomalien im Seeverkehr

Mit unserer "Reference Waterway" haben wir eine Fülle an Sensoren, die zur Überwachung des Seegebiets dienen. Verschiedene AIS-Geräte helfen uns die Verhaltensweisen von Schiffen nachvollziehen zu können. 

Um kritische Situationen frühzeitig erfassen zu können, ist es notwendig ein Verständnis über das Verhalten von Schiffen in unterschiedlichen Seegebieten zu erhalten. Hierfür lassen sich Manöver extrahieren um bspw. unübliches Verhalten frühzeitig zu erfassen. Die Detektion von speziellen Manövern wie die des Last-Minute Manövers hilft eine Kollision zu erfassen und diese im idealfall noch vermeiden zu können.

Mithilfe von Ansätzen des Data Mining und Machine Learning, sowie etablierten Datenanalysetools werdet Ihr eine praktische Möglichkeit haben eure Expertise im Bereich von Datenbanken und Datenanalyse aufzubauen oder zu erweitern.

Arne LammXX

Konzeption und Implementierung einer Datenqualitätsbewertung für maritime Sensordaten

Für die Datenanalyse im Hinblick auf Data Mining und Big Data ist es allgemeinhin sinnvoll vollständige und korrekte Daten zu verwenden. Maritime Sensoren wie AIS und Radar haben hingegen das Problem das durch bspw. Wettereinflüsse, Artefakte oder Fehlkonfiguration der Sensoren die Datenqualität sinkt. Um eine Aussage über das Ergebnis der Datenanalysen treffen zu können ist die anfängliche Bewertung der Datenbasis unumgänglich. 

Demnach soll ein Konzept zur Evaluierung dieser Datenbasis erzeugt und die Datenbasis anschließend auf die abgeleiteten Faktoren hin untersucht werden. 

Mithilfe von Ansätzen des Data Mining und Machine Learning, sowie etablierten Datenanalysetools werdet Ihr eine praktische Möglichkeit haben eure Expertise im Bereich von Datenbanken und Datenanalyse aufzubauen oder zu erweitern.

Arne LammXX

Explorative Untersuchung von Einflussfaktoren auf das Kollisionsrisiko von Schiffen

Um das Risiko einer Schiff zu Schiff Begegnung bewerten zu können spielt nicht nur die Distanz der Schiffe zueinander eine entscheidende Rolle. Auch Wetter, Verkehr sowie die Tageszeit haben einen Einfluss auf die Kritikalität. Um eine Aussage über die Gewichtung dieser Einflussfaktoren treffen zu können, sollen historische maritime Datensätze von Schiffstracks genutzt werden und in Beziehung zu diversen Faktoren gesetzt werden. Lässt sich eine Korrelation feststellen? Gemeinsam Untersuchen wir den Einfluss auf Schiffsbgegnungen und Umweltfaktoren.

Mithilfe von Ansätzen des Data Mining und Machine Learning, sowie etablierten Datenanalysetools werdet Ihr eine praktische Möglichkeit haben eure Expertise im Bereich von Datenbanken und Datenanalyse aufzubauen oder zu erweitern.

Arne LammXX

Generalisierung der Verhaltensänderungen von Schiffen in unterschiedlichen Seegebieten

Um das System "Schifffahrt" besser verstehen zu können ist es allgemeinhin zielführend, signifikante Seegebiete und ihre Eigenschaften aufzudecken und Ursachen dafür abzuleiten. Wo ändern mehrere Schiffe bspw. ihren Zustand? Warum ändern Schiffe in Gebiet XY ihre Geschwindigkeit?

Ansätze wie das "Dynamic Time Warping" helfen dabei, ebendiese Änderungen zu generalisieren und aufzudecken. Ähnlich wie bei einer Heatmap sollen hier Attribute wie die Geschwindigkeit von Schiffen und Ihre Änderungen genutzt werden um sogenannte "Hot Spots" zu finden und das System "Schifffahrt" besser zu verstehen und langfristig sicherer zu machen.

Mithilfe von Ansätzen des Data Mining und Machine Learning, sowie etablierten Datenanalysetools werdet Ihr eine praktische Möglichkeit haben eure Expertise im Bereich von Datenbanken und Datenanalyse aufzubauen oder zu erweitern.

Arne LammXX

Abschlussarbeiten im Kontext "Entwicklung autonomer Katamaran"

In Zusammenarbeit mit dem ICBM soll die IT-Infrastruktur für einen neuen autonomen Katamaran aufgebaut werden. Der Katamaran dient zum Sammeln von Wasserproben in allen Meeren der Welt. Im Vordergrund dieser Abschlussarbeit steht die Implementierung der autonomen Funktionalität sowie die Validierung der fehlerfreien Funktion. Als Basis dieser Arbeit können die Erfahrungen der Projektgruppe MOPS4 dienen, die bereits einen Großteil der Anforderungen in einem kleinen Maßstab umsetzen konnte. Ihr könnt gemeinsam mit uns entscheiden, welchen Bereich ihr bei der Entwicklung adressieren wollt und selbstständig spannende Bereiche zum autonomen Fahren im maritimen Umfeld beleuchten. 

Nils HartmannXX

Entwicklung einer Multiagentenumgebung für Planungsprobleme
Ziel der Arbeit ist der Entwurf und die Implementierung einer flexiblen Umgebung, in die Agenten zum Lösen von klassischen Planungsproblemen (wie in der Veranstaltung Intelligent Systems behandelt) zum Einsatz gebracht werden können. Die Plattform soll dabei möglichst unterschiedliche Planungsprobleme unterstützen.

Prof. Jürgen Sauerx

Visualisierung von Planungsverfahren für die Lehre
unterschiedliche Planungsverfahren sollen an Beispielszenarien dargestellt werden können

Prof. Jürgen Sauerxx

Reaktive Planung
reaktive und robuste Planungsansätze sollen entwickelt und ggfls. mit Simulationsansätzen überprüft werden

Prof. Jürgen Sauerxx

Scheduling4Green
Entwicklung eines Planungssystems, das den Stromverbrauch optimiert

Prof. Jürgen Sauerxx

Dynamikmodell Forschungsboot Zuse
Entwicklung eines Agenten im Rahmen einer Maritimen Verkehrssimulation für das Forschungsboot Zuse. Hierzu ist das Verhalten auf See zu erproben und ein entsprechendes Modell zu entwickeln

Prof. Axel Hahnxx
Analyse Verkehrsdaten
wir haben das Seegebiet zwischen Cuxhafen und Brunsbüttel mit Sensorik ausgestattet. Hier gibt es eine Reihe von Aufgaben zur Datenanalyse / Data Mining / Big Data.

Darunter z.B.: Bilddatenanalyse, Sensordatenfusion, Verhaltensdetektion.

Prof. Axel Hahnxx
Maritime Verkehrssimulation
Entwicklung weiterer Agenten für die Simulation von Schiffen mit unterschiedliem Verhalten und Dynamik, Umwelt, Störgrößen etc.
Prof. Axel Hahnxx
Maritime Traffic Collision System
Beschreibung der Prozesse für eine sichere Einbindung in die Verkehrsabwicklung für ein MTCAS in Anlehnung an die Lösung für die Luftfahrt.
Prof. Axel Hahnxx
Verkehrsoptimierung für die Elbe

System für die Berechnung einer optimalen Abwicklung des Schiffsverkehrs für begrenzte Fahrwasser.

Prof. Axel Hahnxx
Webmaster (Stand: 10.09.2018)