Simulationsgestützte Standortwahl von Zugbildungsanlagen für Rohstofftransporte angeben
Simulation-based site selection of train formation facilities for raw material transports.
28.11.2023
Masterarbeit
Motivation
Die Bedeutung von Rohstofftransporten im Schienengüterverkehr ist von zentraler Bedeutung, insbesondere vor dem Hintergrund der Zielsetzung der Bundesregierung, die Transportleistung auf der Schiene zukünftig zu steigern (Masterplan Schienengüterverkehr, BMDV 2017). Dabei sind die Zusammenführung und das Sammeln von Transporten für die effiziente Durchführung der Transporte besonders wichtig, um die Kapazitäten des Schienennetzes und der Güterzüge möglichst auszuschöpfen.
In diesem Kontext spielen Zugbildungsanlagen als Sammelstellen für Rohstofftransporte eine entscheidende Rolle. Die Auswahl geeigneter Standorte für diese Sammelstellen ist von essenzieller Bedeutung und erfordert eine sorgfältige Planung. Das Finden und Auswählen solcher Sammelstellen wird in der Forschung als Hub-Location-Problem (HLP) bezeichnet, welches ein klassisches Problem der Logistik ist.
Durch die hohe Komplexität der heutigen Transportnetzwerke ist eine Planung durch robuste Analyseinstrumente wie Simulationen sinnvoll. Durch den Einsatz von Simulationen lassen sich logistische Prozesse effizienter planen und Entscheidungen unterstützen. Die Simulation bietet viele Möglichkeiten im Vergleich zu herkömmlichen Lösungen, die auf statischen Tabellenkalkulationen basieren. Insbesondere unter Unsicherheit können mit Hilfe von Simulationen einzelne Parameter variiert und deren Auswirkung auf das gesamte Transportnetzwerk untersucht werden.
Zielsetzung
Ziel dieser Abschlussarbeit ist die Untersuchung des Hub-Location-Problems mittels Simulationssoftware Anylogic®. Es soll ein Simulationsmodell erstellt werden, was ein Transportnetzwerk inkl. Sammelstellen, die Rohstofftransporte sowie die Kunden (sowohl Sender als auch Empfänger) darstellt. Das erstellte Simulationsmodell soll dafür geeignet sein, verschiedene Lösungen des Hub-Location-Problems zu überprüfen und so die Bestimmung der optimalen Sammelstellen zu ermöglichen. In dem Simulationsmodell sollen entscheidungsrelevante Faktoren wie unterschiedliche Arten von Kosten und Zeiten berücksichtigt werden. Das Simulationsmodell soll zunächst prinzipiell mit Beispieldaten durchführbar sein und kann anschließend bei Bedarf mit Realdaten getestet werden.
Literatur
Simulation mit Anylogic
Gutenschwager, K., Rabe, M., Spieckermann, S., & Wenzel, S. (2017). Simulation in Produktion und Logistik. Springer. https://doi.org/10.1007/978-3-662-55745-7
Grigoryev, I. (2023). AnyLogic 8 in Three Days. (wird in neuem Tab geöffnet) https://www.anylogic.com/upload/al-in-3-days/anylogic-in-3-days.pdf
Einblicke in die Praxis
Axelson, M./Oberthür, S./Nilsson, L.J. (2021): Emission reduction strategies in the EU steel industry. Implications for business model innovation. In: Journal of Industrial Ecology, (2021)25, S.390–402.
DB Cargo (2022): Wagen mit System. Salzgitter AG und DB Cargo setzen auf die Schiene – und auf das Güterwagensystem m². https://www.dbcargo.com/rail-de-de/logistik-news/neues-wa-gen-kreislaufwirtschaft-salzgitter-ag-m2-wagen-8965290
Rahmenbedingungen
Simulationskenntnisse sind erforderlich. Bei Interesse an der Abschlussarbeit schicken Sie bitte einen aktuellen Leistungsspiegel an Aylin Altun und Yuerui Tang. In einem persönlichen Gespräch können die Modalitäten und der Fokus der Arbeit entsprechend der persönlichen Präferenzen besprochen werden.
Fachgebiet Unternehmensführung und Logistik
Betreuer/innen: Yuerui Tang, M.Sc., Aylin Altun, M.Sc.
Datenanalyse und -prognose von Güteraufkommen in einem intermodalen Transportnetzwerk
Data analysis and forecasting of freight volumes in an intermodal transportation network
16.11.2023
Masterarbeit
Motivation:
Die Optimierung des Güterverkehrs erfordert ein umfassendes Verständnis der Frachtflüsse zwischen verschiedenen Start- und Zielpunkten (OD) in einem gegebenen Gebiet. Um dieser Anforderung gerecht zu werden, ist die Analyse von Güteraufkommensdaten unerlässlich. Eine Vielzahl von Datenanalysemethoden, wie zum Beispiel maschinelles Lernen und Regressionsanalyse, wird im Bereich des Güterverkehrs bereits weitreichend angewendet. Durch die gründliche Analyse historischer Daten werden die Volumenbeziehungen und Trends der Frachtflüsse zwischen verschiedenen OD-Relationen ermittelt, um als Grundlage für zukünftige Aufkommensprognosen dienen zu können. Dies trägt wesentlich zur Optimierung des operativen Tagesgeschäfts und zur Ressourcenallokation im Güterverkehr bei.
Ziel:
Das Ziel dieser Abschlussarbeit besteht darin, geeignete Datenanalysemethoden anzuwenden, um anhand historischer Güteraufkommensdaten die Volumenentwicklung zwischen verschiedenen OD-Relationen in einer gegebenen Region zu analysieren. Des Weiteren soll die zukünftige Nachfrageentwicklung zwischen diesen ODs vorhergesagt werden.
Literatur:
Hassan, L. A. H./Mahmassani, H. S./Chen, Y. (2020). Reinforcement learning framework for freight demand forecasting to support operational planning decisions. In: Transportation Research Part E: Logistics and Transportation Review, 137, 101926.
Moscoso-López, J. A./Turias, I. T./Come, M. J./Ruiz-Aguilar, J. J./Cerbán, M. (2016). Short-term forecasting of intermodal freight using ANNs and SVR: case of the Port of Algeciras Bay. In: Transportation research procedia, 18, 108-114.
Burua, L./Zou, B./Zhou, Z. (2020): Machine learning for international freight transportation management: A comprehensive review. In: Research in Transportation Business & Management, 34, 100453
Fachgebiet Unternehmensführung und Logistik
Betreuer/in: Hongjun Wu, M.Sc.
Wie kann der zukünftige Frachtvolumen prognostiziert werden? – Eine systematische Literaturrecherche
16.11.2023
Bachelorarbeit
Motivation:
Im ständig wachsenden Kontext globaler Wirtschaft und sich entwickelnder Handelsströme wird die genaue Prognose des zukünftigen Frachtbedarfs zu einer entscheidenden Herausforderung für das Logistik- und Transportmanagement. Die Fähigkeit, den kommenden Frachtbedarf exakt vorherzusagen, trägt nicht nur zur Verbesserung der Effizienz im Transportbetrieb bei, sondern unterstützt auch die effektive Ressourcenallokation und Kostenreduktion. Angesichts der sich ständig ändernden Marktbedingungen und der komplexen Einflussfaktoren ist es von größter Bedeutung, einen umfassenden Überblick über die in der Literatur diskutierten Methoden zur Frachtprognose zu entwickeln.
Ziel:
Diese Abschlussarbeit hat das Ziel, systematisch eine Literaturrecherche durchzuführen, die sich mit verschiedenen Methoden zur präzisen Prognose der zukünftigen Frachtvolumen beschäftigt. Durch die Analyse und Zusammenfassung relevanter Literatur werden die Vor- und Nachteile verschiedener Methoden sowie ihre Anwendbarkeit in unterschiedlichen Szenarien aufgezeigt.
Literatur:
Kitchenham, B./Charters, S. (2007): Guidelines for performing systematic literature Reviews in Software Engineering. In: Keele University and Durham University Joint Report, EBSE-2007-01
Burua, L./Zou, B./Zhou, Z. (2020): Machine learning for international freight transportation management: A comprehensive review. In: Research in Transportation Business & Management, 34
Fachgebiet Unternehmensführung und Logistik
Betreuer/in: Hongjun Wu, M.Sc.
Masterarbeit, Masterarbeit (30 CP)
Ab sofort schreiben wir gemeinsam mit dem Institut für Mechatronische Systeme im Maschinenbau eine Masterarbeit aus, die sich mit den Herausforderungen im Spannungsdreieck Gesetzgebung, Normung und Förderung zur Energieeffizienz beschäftigt. Ziel ist es, aus diesen Portfolio an Einflussfaktoren im ersten Schritt die Motivationstreiber für Unternehmen zu folgern, um energieeffizienter zu sein. In einem zweiten Schritt soll darauf aufbauend das Potential für neue und innovative Geschäftsmodelle abgeleitet werden und insbesondere die Forschungsfrage beantwortet werden: Wie können die sich aus den externen Einflussfaktoren ergebenden neuen Bedürfnisse für Unternehmen im Rahmen der Energieeffizienz, durch neue Geschäftsmodelle befriedigt werden?
Aufgaben:
– Recherche zur Gesetzgebung, Normung und Förderung von Energieeffizienzmaßnahmen
– Extrahierung von Motivationstreibern
– Extrahierung von Geschäftsmodellen
Bei Interesse an dieser Masterarbeit melden Sie sich bitte an Christian Tschiedel.
Fachgebiet Technologie- und Innovationsmanagement
Bachelorarbeit, Masterarbeit, Studienarbeit
Fachgebiet Marketing und Personalmanagement
Betreuer/in: Prof. Dr. Dr. Ruth Stock-Homburg
Simulationsgestützte Kapazitätsanalyse: Wachstumstrends des Hafens Aktau
Simulation-based capacity analysis: growth trends of Port of Aktau
07.11.2023
Masterarbeit
Motivation:
Der Hafen von Aktau ist ein Binnenhafen in Kasachstan, der eine bedeutende Rolle im internationalen Güterverkehr spielt. In dem Maße, wie sich die Dynamik des Welthandels verändert und regionale Handelskorridore entstehen, wird die Bedeutung des Hafens für die Erleichterung von Handel und Gewerbe noch zunehmen. Die Analyse seiner Kapazität vor dem Hintergrund der prognostizierten Wachstumstrends ist nicht nur für die Operateure des Hafens von größter Bedeutung, sondern auch für Unternehmen, politische Entscheidungsträger und Forscher, die die Zukunft des interregionalen Handels verstehen und gestalten wollen. Um sicherzustellen, dass der Hafen das künftige Wachstum bewältigen kann, ohne Kompromisse bei der Effizienz oder Sicherheit einzugehen, bedarf es einer sorgfältigen Planung und Voraussicht, die durch robuste Analyseinstrumente wie Simulationen unterstützt wird. Durch den Einsatz von Simulationen lassen sich logistische Prozesse besser planen und Entscheidungen unterstützen. Die Simulation bietet viele Möglichkeiten im Vergleich zu herkömmlichen Lösungen, die auf statischen Tabellenkalkulationen basieren. Insbesondere unter Unsicherheit können mit Hilfe von Simulationen einzelne Parameter variiert und der Einfluss stochastischer Variablen auf ein komplexes Gesamtsystem untersucht werden.
Zielsetzung:
Ziel dieser Abschlussarbeit ist es, eine umfassende Bewertung der aktuellen und zukünftigen Kapazität des Hafens zu geben. Dazu soll ein Simulationsmodell des gesamten Betriebsspektrums des Hafens geschaffen werden, dass die Liegeplätze, die Umschlagverfahren und die Lagereinrichtungen umfasst. Innerhalb dieser simulierten Umgebung sollen eine Reihe von Szenarien getestet werden, um die Anpassungsfähigkeit des Hafens an das wachsende Handelsvolumen zu ermitteln. Abschließend sollen anhand der Simulationsergebnisse potenzielle Bereiche mit Überlastungen, Ineffizienzen oder Einschränkungen aufgedeckt und mögliche infrastrukturelle und betriebliche Verbesserungen diskutiert werden.
Literatur
Simulation mit Anylogic
Gutenschwager, K., Rabe, M., Spieckermann, S., & Wenzel, S. (2017). Simulation in Produktion und Logistik. Springer.
Muravev, D., Hu, H., Rakhmangulov, A., & Mishkurov, P. (2021). Multi-agent optimization of the intermodal terminal main parameters by using AnyLogic simulation platform: Case study on the Ningbo-Zhoushan Port. , 57, 102133. International Journal of Information Management
Grigoryev, I. (2023). AnyLogic 8 in (wird in neuem Tab geöffnet) Three Days.
Einblicke in die Praxis
Nova, R. A. (2023). Das Frachtaufkommen auf der Transkaspischen Route stieg im Jahr 2,5 um das 2022-fache. Agenzia Nova.
Mittlere Route über kaspisches Meer ist noch wenig befahren | Special | Zentralasien | Konnektivität. (o. J.). Abgerufen 15. Oktober 2023.
Rahmenbedingungen
Bei Interesse an der Abschlussarbeit schicken Sie bitte einen aktuellen Leistungsspiegel an Yuerui Tang. In einem persönlichen Gespräch können die Modalitäten und der Fokus der Arbeit entsprechend der persönlichen Präferenzen besprochen werden.
Fachgebiet Unternehmensführung und Logistik
Betreuer/in: Yuerui Tang, M.Sc.
Simulationsbasierte Analyse der Reduktion von Transportkosten im Straßengüterverkehr mithilfe von deep reinforcement learning
Simulation-based analysis of transportation cost reduction in road freight transport using deep reinforcement learning
31.10.2023
Masterarbeit
Motivation
Stetig steigender Wettbewerbsdruck und Kosten für negative Externalitäten zwingen Transportunternehmen dazu, stetig neue und effizientere Technologien einzuführen. Eine Möglichkeit, Transportkosten zu senken, ist es, mithilfe von Verfahren wie deep reinforcement learning (DRL) autonom entscheidende Lkw darauf zu trainieren, stets die Kosten günstigste Route zum Kunden zu wählen. Ziel der Arbeit ist es, ein Simulationsmodell aufzubauen, bei dem ein geeigneter Algorithmus aus dem Bereich des DRL ausgewählt wird, in ein agentenbasiertes Simulationsmodell eingebaut und die Transportkosten mithilfe des entwickelten Modells minimiert werden.
Zur Bearbeitung dieser Arbeit sind Kenntnisse aus dem Bereich des DRL und in der Programmiersprache Java zwingend erforderlich!
Literatur
Gutenschwager, K., Rabe, M., Spieckermann, S., & Wenzel, S. (2017). Simulation in Produktion und Logistik. Springer Berlin Heidelberg.
Borshchev, A. (2013). The big book of simulation modeling: multimethod modeling with AnyLogic 6.
Wittenbrink, P. (2014). Transportmanagement: Kostenoptimierung, Green Logistics und Herausforderungen an der Schnittstelle Rampe. Springer-Verlag.
Farazi, N. P., Zou, B., Ahamed, T., & Barua, L. (2021). Deep reinforcement learning in transportation research: A review. Transportation research interdisciplinary perspectives, 11, 100425.
Rahmenbedingungen
Bei Interesse an der Abschlussarbeit schicken Sie bitte einen aktuellen Leistungsspiegel an Felix Roeper (Verlinken: roeper@log.tu-darmstadt.de). In einem persönlichen Gespräch können die Modalitäten und der Fokus der Arbeit entsprechend der persönlichen Präferenzen besprochen werden.
Fachgebiet Unternehmensführung und Logistik
Betreuer/in: Felix Roeper, M.Sc.
Simulationsbasierte Analyse der Entwicklung von Transportkosten im Straßengüterverkehr
Simulation-based analysis of the development of transportation costs in road freight transport
31.10.2023
Masterarbeit
Motivation
Die Herausforderungen, vor denen Transportunternehmen wie Speditionen und Frachtführer in Zukunft stehen, sind enorm. Stetig steigender Wettbewerbsdruck sowie steigende Preise für negative Externalitäten zwingen Transportunternehmen dazu, kostengünstige sowie emissionsarme Technologie einzuführen. Auf die Reduktion von negative Externaliäten wie CO2 Emissionen kann dabei nur bedingt Einfluss genommen werden, da durch die mangelnde Bereitstellung von Infrastruktur (wie bspw. E-Ladesäulen; Tankstellen für E-Fuels oder Wasserstoff) und die teure Erneuerung der Flotten auf neue und emissionsärmere Lkw eine Reduktion von negative Externaliäten nur langsam gelingt. Ziel der Arbeit ist es, simulationsbasiert zu untersuchen, welche Auswirkungen die Erhöhung der Preise von negativen Externaliäten wie CO2 Emissionen auf die Transportkosten hat. Hierfür soll ein bestehendes agentenbasiertes und ereignisdiskretes Simulationsmodell so erweitert werden, das ein Vergleich mit den aktuellen Transportkosten möglich wird.
Zur Bearbeitung dieser Arbeit sind Kenntnisse mit der Simulationssoftware AnyLogic zwingend erforderlich!
Literatur
Gutenschwager, K., Rabe, M., Spieckermann, S., & Wenzel, S. (2017). Simulation in Produktion und Logistik. Springer Berlin Heidelberg.
Borshchev, A. (2013). The big book of simulation modeling: multimethod modeling with AnyLogic 6.
Wittenbrink, P. (2014). Transportmanagement: Kostenoptimierung, Green Logistics und Herausforderungen an der Schnittstelle Rampe. Springer-Verlag.
Rahmenbedingungen
Bei Interesse an der Abschlussarbeit schicken Sie bitte einen aktuellen Leistungsspiegel an Felix Roeper. In einem persönlichen Gespräch können die Modalitäten und der Fokus der Arbeit entsprechend der persönlichen Präferenzen besprochen werden.
Fachgebiet Unternehmensführung und Logistik
Betreuer/in: Felix Roeper, M.Sc.
Generative AI - Improving Agile Software Projects Using Contextual Retrieval and LLMs
FB 20 / FB01 (Winf)
26.10.2023
Bachelorarbeit, Masterarbeit, Masterarbeit (30 CP)
The core task of this thesis will revolve around the utilization of LLM methodologies combined with vector databases to find similarities in user story descriptions within large-scale agile software projects.
• Dataset Collection & Preprocessing to ensure uniformity, remove noise, and make it suitable for LLM.
• LLM Implementation, focusing on generating embeddings of the user stories which capture the semantic essence of each story.
• Vector Database Integration: Store these embeddings in a vector database, ensuring efficient querying capabilities. This setup will enable the fast retrieval of similar user stories based on their vector representations.
• Similarity Analysis: Design and implement a robust mechanism to query the vector database to identify similar user stories. This step will involve determining a suitable similarity threshold and optimizing for both accuracy and computational efficiency.
• Evaluation: Assess the accuracy, efficiency, and scalability of the implemented system. This will involve creating test sets, defining metrics for evaluation, and comparing results against other standard methodologies if available.
• Insights & Recommendations: Beyond mere similarity detection, the thesis should also offer insights into patterns of redundancy in user stories and make recommendations for optimizing user story creation and management in agile projects
Fachgebiet Wirtschaftsinformatik | Software & Digital Business
Betreuer/innen: Dr. Timo Koppe, Prof. Dr. Peter Buxmann
22.09.2023
Masterarbeit
Fachgebiet Produktion und Supply Chain Management
Betreuer/innen: Prof. Dr. Christoph Glock , Dr. Ting Zheng
Masterarbeit
Research Questions:
How have the main storylines and media coverage evolved over time?
Is there a (statistical) relation between the number of cooperatives/initiatives in a region and media coverage (data is available)?
See, e.g., for an example study. https://doi.org/10.1016/j.erss.2022.102747
Italian native speakers are also welcome for a possible extension of the project.
Fachgebiet Unternehmensfinanzierung
Betreuer/in: Lukas Müller, M.Sc.
Masterarbeit
The data will be (largely) provided by the supervisor.
Basic knowledge in R (tidyverse, preferably) or Python is required.
The thesis has to be written in English.
Fachgebiet Unternehmensfinanzierung
Betreuer/in: Lukas Müller, M.Sc.
Bachelorarbeit, Masterarbeit, Studienarbeit
Fachgebiet Marketing und Personalmanagement
Betreuer/innen: Prof. Dr. Dr. Ruth Stock-Homburg, M. Sc. Sven Schultze
Masterarbeit
Fachgebiet Information Systems & E-Services
Betreuer/in: Jan-Hendrik Schmidt, M.Sc.
Masterarbeit
Fachgebiet Management Science / Operations Research
Betreuer/in: Prof. Dr. Felix Weidinger
Bachelorarbeit
Fachgebiet Management Science / Operations Research
Betreuer/in: Prof. Dr. Felix Weidinger
Masterarbeit
Fachgebiet Gründungsmanagement
Betreuer/in: Prof. Dr. Carolin Bock
Bachelorarbeit, Masterarbeit
The steady growth of the e-commerce industry, especially fuled by the pandemic, puts increased pressure on various warehouse operations. One potential approach to increase order picking efficiency is to reduce picker walking distances. The unique feature in mixed shelves storage warehouses is that items to be picked can be located in multiple storage positions in the warehouse. This results in a multi-layered optimization problem: Suitable positions must be selected as well as the shortest route between them has to be found. The goal of this thesis is to develop a heuristic solution for the picker routing problem in mixed shelves storage warehouses, to implement it and to test it against existing methods.
Fachgebiet Management Science / Operations Research
Betreuer/in: Constantin Wildt, M.Sc.
Bachelorarbeit
This study will examine a number of regression models for optimizing warehouse picking routing. Regression models including linear regression, multiple regression, and logistic regression will be compared and analyzed. This study will also identify factors affecting regression model accuracy in a warehouse, factors such as distance, time, and item location and so on. The results of this study will provide insights into the most effective regression models for optimizing warehouse picking routing.
Fachgebiet Management Science / Operations Research
Betreuer/in: Setareh Behzadi, M.Sc.
Bachelorarbeit
This topic would involve discussion about several machine learning methods such as regression analysis, decision trees, neural networks and random forests methods. The focus would be on describing property of models and identifying which data would be used to train the models in warehouse.
Fachgebiet Management Science / Operations Research
Betreuer/in: Setareh Behzadi, M.Sc.
10.05.2023
Bachelorarbeit
The purpose of this literature review is to provide an overview of machine/reinforcement learning methods that can be used to optimize warehouse processes. Various types of machine/reinforcement learning algorithms will be explored in this review, including those used for inventory management, item placement, and delivery. The challenges and limitations of using machine/reinforcement learning to optimize warehouses will also be discussed in order to suggest future research directions.
Fachgebiet Management Science / Operations Research
Betreuer/in: Setareh Behzadi, M.Sc.
Bachelorarbeit, Masterarbeit
Fachgebiet Wirtschaftsinformatik | Software & Digital Business
Bachelorarbeit, Masterarbeit
Fachgebiet Wirtschaftsinformatik | Software & Digital Business
Bachelorarbeit, Masterarbeit
Fachgebiet Wirtschaftsinformatik | Software & Digital Business
Masterarbeit, Masterarbeit (30 CP)
Your task is to replicate the coding of an existing agent-based model using the platform “”, or to code your model of choice using the platform “ Repast Simphony” and analyse it. For the latter option, you may choose a textbook model you learned about during your studies, or a topic from another area of interest. Repast Simphony
If you are interested please contact Michael Neugart via michael.neugart@tu-….
Fachgebiet Finanzwissenschaft und Wirtschaftspolitik
Betreuer/in: Prof. Dr. Michael Neugart
Masterarbeit, Masterarbeit (30 CP)
Your task is to replicate an empirical research paper with the data used in the original publication and add further robustness analyses, or to replicate the research paper using similar data, e.g. from another country.
(wird in neuem Tab geöffnet) Guide for replication studies
If you are interested please contact Marcel Eckardt via marcel.eckardt@tu-… or Michael Neugart via michael.neugart@tu-…
Supervisor: Marcel Eckardt (M. Sc.) or Prof. Dr. Michael Neugart
Fachgebiet Finanzwissenschaft und Wirtschaftspolitik
Bachelorarbeit, Masterarbeit, Studienarbeit
E-Commerce Websites haben sich in den letzten Jahren zu einem wichtigen Kanal für kommerzielle Transaktionen entwickelt. In Europa und den Vereinigten Staaten kaufen mehr als 70% aller Einwohner bereits online ein. Jedoch ist nicht jeder Website Besuch für einen Plattformbetreiber gewinnbringend. Tatsächlich enden sogar 96% aller Website Besuche nicht in einem Kauf.
Um die Wahrscheinlichkeit eines Kaufs zu erhöhen, vertrauen Verkäufer auf bestimmte Beeinflussungs-mechanismen, die potentielle Käufer zu einer vorteilhaften Entscheidung bewegen. Ein Beispiel dafür sind Produkt-Empfehlungen bei Amazon, die Kosumenten dazu animieren sollen, mehr zu kaufen als sie ursprünglich planten. Mittlerweile sind Beeinflussungsmechanismen fest etabliert und individuell wissenschaftlich analysiert. Neue Phänomene wie Digital Nudging und Gamification eröffnen jedoch neue Perspektiven, um bessere Lösungen zu finden. Eine offene Frage ist zudem, wie die einzelnen Beeinflussungen sich gegenseitig anregen – ob die Effekte additiv sind oder sich gegenseitig in ihren Effekten abschwächen oder sogar verstärken.
Im Rahmen der Abschlussarbeit geht es darum, Beeinflussung auf bekannten Websites zu identifizieren und neue (ergänzende) Beeinflussung vorzuschlagen. Basierend auf einer Literaturaturrecherche soll anschließend hypothetisch argumentiert werden, welche Beeinflussungen welche Effekte aufeinander haben können. Ggf. kann ein Experiment durchgeführt werden, in dem zwei isolierte Beeinflussungen in ihren Effekten betrachtet werden. Schlagwörter sind (begrenzen sich jedoch nicht auf):
• Gamification, Digital Nudging, Cognitive Biases
• Compliance/Persuasion Techniques, IT Zertifikate
• E-Commerce (aber auch Gaming, Robo-Advisory, Crowdfunding, u.a.)
• Chatbots, Web FormulareDie Arbeit kann als Bachelor-, Master- oder Studienarbeit geschrieben werden. Alle weiteren organisatorischen Details (Ablauf, Betreuung, Literaturhinweise, etc.) werden bei einem ersten Treffen geklärt. Bei Interesse an der Abschlussarbeit bitte einen aktuellen Leistungsspiegel, einen kurzen Lebenslauf und eine kurze Info über den geplanten Beginn (Datum) der Arbeit an Martin Adam (adam@ise.tu-…) schicken.
Fachgebiet Information Systems & E-Services
Betreuer/in: Dr. Martin Adam
Bachelorarbeit, Masterarbeit
1. Forschungsbereich
Gamification, Digital Nudging, Mindfulness, Technostress, Well-Being
2. Beschreibung und Zielsetzung der Arbeit
Wie können die Erkenntnisse der Forschung eingesetzt werden, um das psychologische Wohlbefinden (z.B. Freude, Lebensqualität, Nachhaltigkeit) von einzelnen Individuen zu verbessern?
Motiviert durch diese Frage erscheinen immer mehr wissenschaftliche Konzepte, die hohen praktischen Mehrwert versprechen. Z.B.
- Gamification (u.a. das Einführen von motivierenden Spielelementen)
- Digital Nudging (u.a. das digitale Beeinflussen zugunsten von Usern)
- Mindfulness (u.a. die bewusste Nutzung von Technologien)
- Technostress (u.a. die Entstehung von Stress durch die Nutzung von Technologien)
Auch wenn diese Konzepte vielversprechend sind, ist es relativ unklar, wie ein Individuum die erforschten Inhalte am besten im Alltag adressieren kann, um sein psychologisches Wohlbefinden zu verbessern.
Im Rahmen der Abschlussarbeit geht es darum, sich mit diesen Konzepten auseinanderzusetzen und eine (technologische) Anwendung zu gestalten. Im Idealfall ist die gestaltete Anwendung so wirkungsvoll und hilfreich, dass Sie sie persönlich gerne einsetzen möchten, um ihr eigenes Wohlbefinden zu verbessern. Konkret könnte im Rahmen der Abschlussarbeit wie folgt vorgegangen werden:
- In einem ersten Treffen besprechen wir den Ablauf der Abschlussarbeit, welche Konzepte im Rahmen der Arbeit möglich sind und welches Konzept Sie persönlich interessiert
- Sie lesen sich in das ausgewähltes Thema ein – die dazugehörige Literatur wird Ihnen zur Verfügung gestellt
- Sie erstellen und präsentieren verschiedene Vorschläge, welche Anwendung Sie gerne umsetzen möchten. Dabei ist es wichtig, dass Sie erklären, welche Herausforderung Sie mit der ausgewählten Anwendung adressieren wollen, um das (eigene) Wohlbefinden zu verbessern. In einer gemeinsamen Unterhaltung wird der vielversprechendste Vorschlag ausgewählt und weiterverfolgt
- Sie gestalten basierend auf dem Vorschlag eine technologische Anwendung. Dies geschieht mithilfe eines Programms (z.B. Python, Java, R, C++) oder bei nur wenig Programmierkenntnissen mithilfe bereits existierender Lösungen (z.B. Apps). Wichtig ist, dass Sie die gewählte Lösung nach Ihren Anforderungen modifizieren können
- Im Rahmen einer Masterarbeit würden Sie die Anwendung dann auch evaluieren, beispielsweise indem Sie die Anwendung einer anderen Person vorstellen und deren Feedback einholen, um die Anwendung zu verbessern
Am Ende der Abschlussarbeit werden Sie folgende drei Take-Aways mitnehmen:
- Wissen über ein state-of-the-art Konzept eines aktuellen Felds in der Forschung
- Praxisnahe Erfahrung durch die Gestaltung einer technologischen Anwendung
- Verbessertes Wohlbefinden (optional): Sie haben sich entschieden eine persönliche Herausforderung in die Abschlussarbeit zu integrieren und sind daran gewachsen
Die Arbeit kann als Bachelor- oder Masterarbeit geschrieben werden. Alle weiteren organisatorischen Details (Ablauf, Betreuung, Literaturhinweise, etc.) werden bei einem ersten Treffen geklärt.
Bei Interesse an der Abschlussarbeit bitte
- einen aktuellen Leistungsspiegel
- einen Lebenslauf und
- eine kurze Info über den geplanten Beginn (Datum) der Arbeit
an Martin Adam (adam@ise.tu-…) schicken.
Anbei noch erste Literatur zu den oben genannten Themen:
- Gamification (u.a. das Einführen von motivierenden Spielelementen)
Liu, D., Santhanam, R., & Webster, J. (2017). Toward Meaningful Engagement: A Framework for Design and Research of Gamified Information Systems. MIS Quarterly, 41(4), 1011-1034. - Digital Nudging (u.a. das digitale Beeinflussen zugunsten von Usern)
Weinmann, M., Schneider, C., & Vom Brocke, J. (2016). Digital Nudging. Business & Information Systems Engineering, 58(6), 433-436. - Mindfulness (u.a. die bewusste Nutzung von Technologien)
Thatcher, J. B., Wright, R. T., Sun, H., Zagenczyk, T. J., & Klein, R. (2018). Mindfulness in Information Technology Use: Definitions, Distinctions, and a New Measure. MIS Quarterly, 42(3), 831-848. - Technostress (u.a. der entstehende Stress durch die Nutzung von Technologien)
Ayyagari, R., Grover, V., & Purvis, R. (2011). Technostress: Technological Antecedents and Implications. MIS Quarterly, 35(4), 831-858.
Fachgebiet Information Systems & E-Services
Betreuer/in: Dr. Martin Adam
Bachelorarbeit, Masterarbeit, Studienarbeit
Konversationsagenten wie Chatbots haben in letzter Zeit großes Interesse bei Firmen geweckt, da radikale Entwicklungen hinsichtlicher künstlicher Intelliegenz diese Art von Bots für einen einfachen Nutzer nach etlicher Forschung nun nutzbar machen. Obwohl virtuelle Assistenen wie Siri oder Alexa zwar sehr populär sind, sind die meisten Entwicklungen doch eher in Chatbots zu finden. Zum Beispiel ist die Anzahl von Chatbots im Facebook Messenger mittlerweile von 11.000 im Jahr 2016 auf über 200.000 im Jahr 2018 gestiegen. Viele Organisationen planen Chatbots auch bei sich einzuführen, da diese als Kosten-effiziente Lösungen betrachtet werden, um Internetbenutzern ein besseres Website Erlebnis zu bereiten.
Im Rahmen der Abschlussarbeit geht es darum, Touchpoints von Chatbots anhand bekannter Websites zu identifizieren und Möglichkeiten der Gestaltung dieser Chatbots ausfindig zu machen. Basierend auf einer Literaturaturrecherche soll anschließend hypothetisch argumentiert werden, welche Beeinflussungen welche Effekte aufeinander haben können. Ggf. kann ein Experiment durchgeführt werden, in dem zwei isolierte Beeinflussungen in ihren Effekten betrachtet werden.
Die Arbeit kann als Bachelor-, Master- oder Studienarbeit geschrieben werden. Alle weiteren organisatorischen Details (Ablauf, Betreuung, Literaturhinweise, etc.) werden bei einem ersten Treffen geklärt. Bei Interesse an der Abschlussarbeit bitte einen aktuellen Leistungsspiegel und einen kurzen Lebenslauf an Martin Adam (adam@ise.tu-…) schicken.
Fachgebiet Information Systems & E-Services
Betreuer/innen: Dr. Martin Adam, Prof. Dr. Alexander Benlian
Bachelorarbeit, Masterarbeit
Fachgebiet Information Systems & E-Services
Betreuer/in: Dr. Martin Adam
Bachelorarbeit
Dezentral agierende Reinigungsroboter agieren zumeist auf einem statischen Regelset. Ziel dieser Arbeit ist es verschiedene Regelsets in unterschiedlichen Umgebungen zu simulieren und sinnvolle Regeln zu identifizieren. Implementierungskenntnisse oder die Bereitschaft zur Einarbeitung sind hierbei eine Voraussetzung.
Fachgebiet Management Science / Operations Research
Betreuer/in: Prof. Dr. Felix Weidinger
Bachelorarbeit, Masterarbeit
Fachgebiet Wirtschaftsinformatik | Software & Digital Business
Bachelorarbeit, Masterarbeit
Fachgebiet Wirtschaftsinformatik | Software & Digital Business
Betreuer/in: Dr.-Ing. Melanie Reuter-Oppermann
03.09.2021
Bachelorarbeit, Masterarbeit
Fachgebiet Wirtschaftsinformatik | Software & Digital Business
Betreuer/in: Mariska Fecho, M.Sc.
03.09.2021
Bachelorarbeit, Masterarbeit
Fachgebiet Wirtschaftsinformatik | Software & Digital Business
Betreuer/in: Dr.-Ing. Melanie Reuter-Oppermann
Masterarbeit
Fachgebiet Wirtschaftsinformatik | Software & Digital Business
Betreuer/innen: Dr. Amina Wagner, Anne Zöll, M.Sc.
Abschlussarbeiten im Bereich IT-Management
In Kooperation mit Campana & Schott
18.10.2020
Bachelorarbeit, Masterarbeit (15 CP)
Fachgebiet Wirtschaftsinformatik | Software & Digital Business
Betreuer/in: Dr. Nihal Wahl
Masterarbeit
Hintergrund:
Um die in der Logistik immer wieder auftretenden kombinatorischen Probleme möglichst schnell und gut zu lösen wird häufig auf Heuristiken als Lösungsverfahren (Solver) zurückgegriffen. Die besten Lösungsverfahren sind jedoch häufig Meta-Solver: diese bestehen aus mehreren Heuristiken sowie einem KI-Verfahren das für jede Instanz die beste Heuristik auswählt.
Hier sollen die Verfahren auf autonome Gabelstapler in einem Lagerhaus angewendet werden.
Ziel ist es, dass die Gabelstapler in möglichst kurzer Zeit alle Aufträge erfüllen. Jedoch besteht das Problem, dass die Gabelstapler in den Gängen der Regale nicht aneinander vorbeifahren können.
Ziel:
Ziel dieser Arbeit ist es einen Meta-Solver zu implementieren und zu testen.
Dazu müssen Sie bereit sein die Programmiersprache C# zu lernen, einige Heuristiken zu implementieren und mit den Machine-Learning Bibliotheken aus C# zu implementieren.
Es wird ein sinnvolles Testen der implementierten Heuristiken und des Meta-Solvers sowie eine wissenschaftliche Einordnung der Methoden sowie eine wirtschaftswissenschaftliche Einordnung des konkreten Optimierungsproblems für den Unternehmenserfolg erwartet.
Betreuer/in: M. Sc. Lukas Polten
Bewerbung: Bitte nutzen Sie zur für Ihre Bewerbung unser Bewerbungsformular. Das Formular sowie weitere Informationen zu den Abschlussarbeiten unseres Lehrstuhls sind auf unserer Website unter der Rubrik Lehre » Abschlussarbeiten zu finden.
Bachelorarbeit, Masterarbeit
Hintergrund: Die meisten praxisrelevanten Optimierungsprobleme sind ganzzahliger bzw. kombinatorischer Natur, z.B. Tourenplanungs-, Maschinenbelegungs- oder Projektplanungsprobleme. Moderne kommerzielle Solver sind mittlerweile in der Lage, eine Vielzahl solcher Probleme mit akzeptablen Aufwand zumindest näherungsweise zu lösen. Bei großen (realistischen) Instanzen scheitern die Standard-Lösungsverfahren jedoch oft, optimale Lösungen zu finden.
In jüngerer Vergangenheit drängen sogenannte „local solver“ auf den Markt, die – ähnlich wie klassische Solver – eine breite Klasse von Optimierungsproblemen lösen können, ohne jedoch den Anspruch zu haben, zwangsläufig eine optimale Lösung zu finden. Local solver sind von vornherein als Heuristiken angelegt.
Ziel:Ziel dieser Arbeit ist es, mehrere kommerzielle Standard-Optimierer zu vergleichen. Insbesondere sollen klassische exakte Solver mit neueren heuristischen Solvern verglichen werden. Die Bereitschaft, sich in die jeweiligen Softwarepakete einzuarbeiten, ist nötig.
Betreuer/in: Jun.-Prof. Dr. Simon Emde
Bewerbung: Bitte nutzen Sie zur für Ihre Bewerbung unser Bewerbungsformular. Das Formular sowie weitere Informationen zu den Abschlussarbeiten unseres Lehrstuhls sind auf unserer Website unter der Rubrik Lehre » Abschlussarbeiten zu finden.
Betreuer/in: Prof. Dr. Simon Emde
02.03.2016
Bachelorarbeit, Studienarbeit
Auf unserer finden Sie aktuelle Themen, die zur Bearbeitung für Abschlussarbeiten stehen. Homepage
Gerne können auch eigene Themenvorschläge eingereicht werden. Bitte wenden Sie sich dazu an wirz@marly.de oder an prinz@marly.de
Fachgebiet Zivilrecht, Gewerblicher Rechtsschutz und Urheberrecht sowie Recht der Informationsgesellschaft
Betreuer/innen: Dr. jur. Anna-Lena Fehr, geb. Wirz, RA Matthias Prinz
02.03.2016
Bachelorarbeit, Studienarbeit
Betreuer/innen: Dr. jur. Anna-Lena Fehr, geb. Wirz, RA Matthias Prinz
Bachelorarbeit, Masterarbeit, Studienarbeit
Hintergrund: Topologische Netzwerk Zentralitätsmaße1 sowie Konzentrationsmaße finden breite Anwendung in verschiedensten Bereichen. So ist es beispielsweise möglich mittels einfacher Zentralitätsmaße Aussagen über die Effizienz oder das Verhalten des Netzwerkes hinsichtlich von Ausfällen zu treffen.
Zielstellung: In der Arbeit soll das aus den einzelnen Verbindungen entstehende Netzwerk mittels topologische Maße und Methoden untersucht werden2. Zunächst sollen geeignete Maße und Metriken für den zu untersuchenden Kontext identifiziert werden. Diese werden dann mittels eines Datensatzes zu Verbindungen und eines Analyse-Tools ausgewertet. Ziel einer solchen Arbeit ist es dann, anhand der identifizierten Struktureigenschaften Rückschlüsse auf die Eigenschaften zu ziehen.
Bereiche: Derzeit können folgende Themen bearbeitet werden mit den Schwerpunkten Fernbusnetzwerk in Deutschland, sowie in anderen europäischen Ländern und ICE/IC/EC-Netzwerk in Deutschland.
Für Fragen steht Ihnen Tobias Bier gerne zur Verfügung.
1:Freeman, Linton C., Stephen P. Borgatti, and Douglas R. White. „Centrality in valued graphs: A measure of betweenness based on network flow.“ Social networks 13.2 (1991): 141-154.
2:Guimera, Roger, et al. „The worldwide air transportation network: Anomalous centrality, community structure, and cities' global roles.“ Proceedings of the National Academy of Sciences 102.22 (2005): 7794-7799.
Betreuer/in: Dipl.-Phys. Tobias Bier
Lizenzmodelle für den Statistikserver
Praxisarbeit mit Q-DAS
17.01.2014
Bachelorarbeit, Masterarbeit, Studienarbeit, Diplomarbeit
Im Zuge von zunehmend heterogenen und virtualisierten Systemlandschaften und globalen Installationen wird es immer schwieriger, die Zugriffe auf die vertraglich vereinbarte Nutzung zu begrenzen.
Deshalb sollten folgende Fragestellungen im Rahmen einer Master-Arbeit erörtert werden:
• Wie können die Zugriffe auf den Server protokolliert bzw. beschränkt werden? Dabei können verschiedene Volumenmodelle, Zeitmodelle sowie Ergebnismodelle untersucht werden.
• Wie können Installationen protokolliert werden, sowie die Nutzung von nicht lizenzierten Installationen verhindert werden?
• Welche Geschäfts-/Abrechnungsmodelle könnten für die Nutzung des Statistikservers speziell im Umfeld der industriellen Produktion in Frage kommen? Hierbei kommt insbesondere zum Tragen, dass die verwendete IT-Infrastruktur der Unternehmen so ausgelegt ist, dass die Fertigungsbereiche systematisch für Zugriffe auf externe Systemen sowie von externen Systemen nach innen abgeschottet sind.
Betreuer/in: Prof. Dr. Peter Buxmann