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.

Thema Ansprechpartner BSc MSc

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 Hahn   X

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 Dekwonker (christyiwuiantsj.denker@i/offis.i1ide) X X

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

Christiau0xin Denker&ni4ibsp;pyoin (christian.denmgker@bvoffis.dj6e) X X

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

Prof. Axel Hahn   x

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 Lamm X X

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 Lamm X X

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 Lamm X X

Entwicklung eines Gerätes zum Logging und Reporting von Gefahrensituationen in der Schifffahrt

Um in Zukunft die Schifffahrt sicherer zu machen ist es nötig, die maritime Domäne im Hinblick auf bestehende Risiken zu sensibilisieren. Neben schweren Unfällen (Kollisionen, etc.) kommt es immer wieder zu Gefahrensituationen auf See. Diese Gefahrensituationen treten weit häufiger auf als Unfallsituationen, haben aber mindestens genau so viel Aussagekraft. Um derartige Beinahkollisionen sichtbar zu machen, werden Experten benötigt die besagte Situationen identifizieren und loggen sollen. Da während eines Anti-Kollisions-Manöver nicht viel Zeit bleibt, wird ein Gerät benötigt welches mithilfe eines einzelnen Knopfdrucks die wichtigsten Informationen speichert.

Hierfür soll ein Raspberry Pi verwendet werden, das mithilfe von GPS die aktuelle Position und Zeitpunkt eines Schiffes bei Knopfdruck speichert. Dabei soll ein Konzept entwickelt werden, wie die Daten auf dem Gerät geloggt und anschließend automatisiert mit der Datenbank über aktuelle Schiffspositionen abgeglichen werden kann. Weiter soll das entworfene Gerät im realen Einsatz erprobt werden. Hierfür werden wir das Gerät Lotsen an die Hand geben damit sie es in ihrem täglichen Arbeitsalltag integrieren. Als Ergebnis soll ein Labeling-Mechanismus für Beinahkollisionen entstehen.

Im Laufe dieses Projektes sollt ihr Einblicke in die hardwarenahe Programmierung erhalten. Erfahrungen im 3D-Druck sammeln, um ein entsprechendes Gehäuse für euren Ein-Platinen-Computer mitsamt Sensorik zu entwickeln. Weiter erwartet euch ein spannendes und praktisches Projekt welches direkt in den produktiven Betrieb eingesetzt werden kann.

 
Arne Lamm
 
X  

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 Hartmann X X

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 Sauer   x

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

Prof. Jürgen Sauer x x

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

Prof. Jürgen Sauer x x

Scheduling4Green
Entwicklung eines Planungssystems, das den Stromverbrauch optimiert

Prof. Jürgen Sauer x x

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 Hahn x x
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 Hahn x x
Maritime Verkehrssimulation
Entwicklung weiterer Agenten für die Simulation von Schiffen mit unterschiedliem Verhalten und Dynamik, Umwelt, Störgrößen etc.
Prof. Axel Hahn x x
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 Hahn x x
Verkehrsoptimierung für die Elbe

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

Prof. Axel Hahn x x
Webmagt6steu1gewrhkuk6 (marco.iiqgrawunderlruz@uol.ondeifgta) (Stand: 02.02.2019)