Bachelor-/Masterthesis

Du kannst dich bei uns gerne mit deinem eigenen Themenvorschlag oder einfach initiativ bewerben. An unseren Standorten bieten wir jedes Semester Thesis-Stellen für Abschlussarbeiten in den Bereichen Softwareentwicklung und IT-Prozessanalyse/ -optimierung. #Wunschthema #IT

Standort: Friedrichshafen, München oder Stuttgart

Ziel der Thesis soll sein, Schwächen von End-to-End Encryption (E2EE) aufzudecken und ein alternatives Sicherheitskonzept im Business-Kontext zu entwickeln. Dieses soll anhand des doubleSlash Business Filemanagers – einer Datenaustauschplattform – erprobt und darauf aufbauend Anpassungen konzipiert und prototypisch umgesetzt werden. #E2EE #Business Filemanager

Standort: Friedrichshafen

Im Zusammenhang mit neuen Geschäftsmodellen sowie verbesserten Lieferantenbeziehungen wird aktuell die Blockchain als das strategische IT-Werkzeug angesehen. Im Rahmen der Thesis soll erarbeitet werden, wie die Technologie im Subcription Management mehrwertbringend eingesetzt werden kann und Potenziale und Risiken für zukünftige Anwendungen aufgezeigt werden. #IoT #Blockchain #SubscriptionBilling

Standort: Friedrichshafen

Im Rahmen der Thesis soll der aktuelle Stand der Vernetzung von Fahrzeugen und der verfügbaren Daten/Funktionen beleuchtet und verschiedene technische Ansätze im Markt für den remote Zugriff (z.B. über Dongle-Lösungen) auf das Fahrzeug und dessen Daten erarbeitet werden. Darauf aufbauend soll ein Blick in die Zukunft der Mobilität und der Nutzung des vernetzten Fahrzeugs vorgenommen werden. #IoT #ConnectedCar #telematics

Standort: Friedrichshafen

Elektroautos haben momentan im Schnitt noch geringere Reichweiten als Fahrzeuge mit "herkömmlichen" Antrieben. Gleichzeitig befindet sich aktuell die Infrastruktur für Ladestationen noch im Aufbau, so dass es zu bestimmten Zeitpunkten zu Überlastsituationen kommen kann. Im Rahmen der Thesis soll zunächst ein Verfahren entwickelt werden (z.B. mit Machine Learning Modellen), das Routen von Elektrofahrzeugen unter Einbeziehung der jeweiligen Reichweite und (voraussichtlichen) Verfügbarkeit der Ladestationen berechnet. Anschließend soll mit Hilfe von öffentlich verfügbaren oder selbst generierten Testdaten ein einfacher (backendseitiger) Prototyp entwickelt werden. #MachineLearning #eCar #Prototyp

Standort: München

Vortrainierte Modelle zur Echtzeit-Objekterkennung wie z.B. YOLO ("You only life once") sind mittlerweile von guter Qualität und frei verfügbar. Die Herausforderung besteht in der Anpassung des Modells mit eigenen Daten und dem Deployment in der Cloud. Ziel der Thesis soll sein, ein frei verfügbares, vortrainiertes Modell mit einem selbst zu wählenden zusätzlichen, freien Bilddatensatz anzureichern. Zusätzlich soll ein prototypisches Servicedeployment mit Cloudtools erfolgen (z.B. auf Azure, Google Cloud oder AWS) und die Performance des Prototyps unter Last untersucht werden. #VortrainierteModelle #Cloud #Prototyp

Standort: München

Viele Machine Learning Use Cases scheitern daran, dass sie nicht in eine skalierbare, stabile und damit produktive Lösung überführt werden können. Im Rahmen der Thesis sollen deshalb verschiedene Technologie-Plattformen für den Einsatz in Data Analytics Projekten verglichen und bewertet werden. Darauf aufbauend soll auf jeder Plattform ein kleiner, bereits existierender Showcase prototypisch entwickelt und implementiert werden. #MachineLearning #DataAnalytics

Standort: München

Im Rahmen der Thesis soll zunächst eine Übersicht der Verfahren zur Textanalyse gegeben werden. Mit einbezogen werden sollen dabei notwendige Vorverarbeitungsschritte und typische Stolpersteine. Im weiteren Verlauf der Thesis soll ein Prototyp implementiert werden, der mit mindestens einem Verfahren Twitter-Daten klassifizieren kann. Abschließend sollen die jeweiligen Verfahren bewertet werden. #MachineLearning #DataAnalytics

Standort: München

Machine Learning wird erfolgreich in immer mehr Anwendungsgebieten genutzt. Ein wiederkehrendes Hindernis für den produktiven Einsatz vieler Lösungen ist jedoch die mangelnde Erklärbarkeit von Modellen gegenüber den Endanwendern. Ziel der Thesis soll sein, eine Übersicht darüber zu erstellen, inwiefern allgemein angewandte Machinelearningalgorithmen erklärbar sind und wie zusätzliche Methoden angwendet werden können um die Erklärbarkeit nachträglich zu gewährleisten. #MachineLearning

Standort: München

Im Rahmen der Thesis sollen die Themenfelder Predictive Maintenance und Data Analytics strukturiert werden. Hierzu soll zunächst eine Übersicht erstellt werden die beschreibt, welche großen Predictive Maintenance Use Cases und Probleme es gibt. Darauf aufbauend sollen unterschiedliche Ansätze beschrieben werden, wie man diese mit bestimmten Data Analytics Verfahren wie z.B. Machine Learning lösen kann. Darüber hinaus soll ein Vorgehensmodell entwickelt werden, das für unterschiedliche Predictive Maintenance Projekte adaptiert werden kann. #Data Analytics #Predictive Maintenance

Standort: München