piwik-script

Deutsch Intern
    Lehrstuhl für BWL und Wirtschaftsinformatik - Prof. Dr. A. Winkelmann

    Wissenschaftliche Arbeiten

    Wissenschatliche Arbeiten am Lehrstuhl für BWL und Wirtschaftsinformatik

    • Die Vergabe von Bachelor-, Master- und Seminararbeiten erfolgt für jedes Semester über ein zentrales Vergabeverfahren.
    • Alle weiteren Informationen entnehmen Sie bitte der entsprechenden Meldung der Fakultät sowie den dort aufgeführten weiterführenden Links und Dokumenten.
    • Beachten Sie in diesem Zusammenhang bitte auch die dort aufgeführten Fristen. Bei Rückfragen zum zentralen Vergabeverfahren steht das Studiendekanat gerne zur Verfügung.
    • Für Fragen bezüglich Voraussetzungen für die Anfertigung einer Abschlussarbeit (z. B. Mindestanzahl an ECTS Punkten) kontaktieren Sie bitte das Prüfungsamt oder das Studiendekanat.

    • Bitte kontaktieren Sie den zuständigen Betreuer Ihres Wunschthemas bezüglich eines ersten Besprechungstermins.
    • Sollten Sie eigene Ideen für eine Abschlussarbeit haben, bspw. aus einer Praxistätigkeit bei einem Unternehmen heraus, sprechen Sie uns an! Praxisthesen können jedoch nur in begrenzter Zahl betreut werden.

    Hinweis: Aufgrund der Masse der Arbeiten kann bei Praxisthemen in Unternehmen keine Geheimhaltungsvereinbarung und kein Sperrvermerk in die Arbeiten eingefügt werden. Falls Sie eine Praxisarbeit in einem Unternehmen planen, klären Sie dies bitte mit dem Lehrstuhl vor der Suche nach einem Betreuer ab!

    • Bevor Sie Ihre Abschlussarbeit offiziell anmelden können, müssen Sie Inhalte und Zielsetzungen mit Ihrem Betreuer abgesprochen haben (siehe 2) Themenfindung und Abstimmung). 
    • Den offziellen Antrag auf Zuteilung einer Bachelorarbeit finden Sie hier. 
    • Den offziellen Antrag auf Zuteilung einer Masterarbeit finden Sie hier. 
    • Bitte beachten Sie unbedingt unsere Zulassungsvoraussetzungen und Hinweise zu den Anmeldeformalitäten:

    Voraussetzungen zur Thesiszulassung:

    Bachelor Master

    100 ECTS in allen Bereichen

    Bestandenenes Wirtschaftsinformatik-Seminar oder vergleichbare Leistung (Anfertigung einer wissenschaftlichen Arbeit und Präsentation der Ergebnisse)

    Bestandenenes Seminar Wissenschaftliches Arbeiten

    60 ECTS in allen Bereichen. (Beachten Sie bitte ausdrücklich die individuellen Vorgaben in der für Sie gültigen Prüfungsordnung)

     Bitte Verwenden Sie zum Anfertigen Ihrer Abschlussarbeit die Dokumentenvorlage für Seminar- und Abschlussarbeiten unseres Lehrstuhls­.­

      

     

    Exposé (doc) (Stand 29.01.2020)

    Dokumentenvorlage für wissenschftliche Arbeiten (doc) (Stand 31.07.2019)

    Dokumentenvorlage für wissenschaftliche Arbeiten (Latex) (Stand 25.02.2020)

    Präsentationsvorlage (ppt) (Stand 14.11.2019)
     

     

     Der Umfang der Abschlussarbeiten beträgt

      

    •  40 Seiten für Bachelorarbeiten und

    •  60 Seiten für Masterarbeiten.

    •  Jeweils exkl. Titelseite, Abstract, Verzeichnissen und Anhang.

     Die Bearbeitungszeit für Abschlussarbeiten beträgt

      

    •  8 Wochen ab Zuteilungsdatum für Bachelorarbeiten und

    •  6 Monate ab Zuteilungsdatum für Masterarbeiten.

    Außerdem empfehlen wir Ihnen die Verwendung einer Literaturverwaltung, bspw. Citavi  hier

    Hilfreiche Links zum Erstellen wissenschaftlicher Arbeiten

     

    • Umfangreicher Literaturbestand der UB Würzburg hier

    • KOMPASS-Kurs: „Systematisches wissenschaftliches Arbeiten (Wirtschaftsinformatiker)“ hier

    • Kurse zum Erstellen wissenschaftlicher Arbeiten hier

    • Angebote des Schreibzentrums hier

     

    Hilfreiche Links zur Recherche

     

     

    • Informationsangebot der Universität hier

    • Einführung in die Datenbankrecherche hier

    • Literaturverwaltung hier

    • Google Scholar hier

     

     

    • Sie müssen drei  (Bachelor: zwei) schriftliche, gebundene Ausfertigungen fristgerecht im Prüfungsamt abgeben.
    • Eine Schriftliche Versicherung / Eidesstaatliche Erklärung ist in der Dokumentenvorlage integriert und muss unterschrieben werden.
    • Weiterhin ist eine elektronische Fassung der Arbeit (z. B. CD/ USB-Stick) in zweifacher (Bachelor: einfach) Ausführung mit der schriftlichen Ausfertigung abzugeben (.pdf, .doc, .docx o. ä.).

    Aktuelle Themenvorschläge

    Bachelor

    In Deutschland wächst der Internethandel kontinuierlich weiter und lässt sich auch durch die weltumspannende Covid-19-Pandemie nicht aufhalten. Immer mehr Menschen bestellen online Produkte und lassen sich diese nach Hause liefern. Unabhängig von der aktuellen Situation wachsen der Umsatz und das Sendungsvolumen im deutschen E-Commerce schon seit Jahren stark an und dementsprechend auch die Retourenquote.

    Betreuer: Kevin Fuchs

    Transaktionen und Prozesse werden heute in großen Unternehmen (vermehrt auch in KMU) mittels ERP-Systemen abgebildet und unterstützt. Demnach stellen diese Systeme das Datenfundament eines Unternehmens dar. Die fortschreitende Digitalisierung sowie neue gesetzliche Regelungen und Richtlinien stellen Unternehmen permanent vor die Herausforderungen, diese in die Unternehmensprozesse sowie Systeme einzubinden. Im Wirtschaftsleben wird unter Compliance die Anforderung verstanden, bestimmte Gesetze und Regulatorien zu erfüllen. Ihre Aufgabe ist es daher den aktuellen Stand des Begriffs „Compliance“ in der IS-Forschung aufzuarbeiten und eine konzeptionelle Übersicht zu erstellen.

    Betreuerin: Anna Fuchs

    Process Mining in der Logistik und Produktion

     

    Eigene Themenvorschläge können eingebracht werden.

    Eine Kooperation oder Zusammenarbeit mit Unternehmen ist möglich.

    Als Unterstützung können kostenlose Online-Schulungen für Studenten/Forscher in Anspruch genommen werden.

    https://www.celonis.com/de/academic-alliance/

    https://www.coursera.org/learn/process-mining

    Betreuer: Norman Pytel

    Ziel der Arbeit ist die Evaluation eines bestehenden Kommissionier-Prozesses sowie der im ERP-System damit verbundenen Daten. Aufbauend auf den bestehenden Prozess sollen anhand aktueller Literatur und Forschungsergebnisse mögliche Verbesserungspotentiale aufgezeigt werden.

    Bei Fragen könnt ihr euch jederzeit melden.

    Betreuer: Franz Seubert

    Aktuelle Data Science Anwendungen (KI, Machine Learning, Data Mining) werden meist getrennt von den operativen Systemen entwickelt und betrieben, aus denen die analysierten Daten eigentlich stammen und in denen diese generiert werden. Um die Daten zwischen den Systemen zu transferieren werden hauptsächlich drei Mechanismen herrangezogen ETL, Data Pipeplines und Stream Processing. Die hier fokussierte Arbeit, hat das Ziel den aktuell Forschungsstand und Insdustriestandard zur extraction, also dem austausch von Daten, zwischen Enterprise Software Systemen und KI-Anwendungsplattformen zu analysieren und zu konzeptionalisieren.

    Betreuer: Fabian Gwinner

    Vorschläge für interessensgetriebene eigene Themen im Bereich Machine Learning und Künstliche Intelligenz können gerne diskutiert werden.

    Betreuer: Fabian Gwinner

    Thema „RPA Prototyp zur Automatisierung von Prozessen“

    Das Thema befasst sich mit den Grundlagen der Prozessautomatisierung mittels RPA und dem praktischen Einsatz im Bereich von IT-Lösungen.

    Inhaltlich sollen:

    • Grundlagen von RPA erarbeitet,
    • der mögliche Einsatz von UiPath geprüfut werden (Vergleich zu anderen RPA-Software-Anbietern),
    • die vorhandene IT-Lösung der Bex AG vorgestellt und einen von BEX gewählten Teilprozess analysiert werden,
    • ein Konzept für die Automatisierung vorschlagen sowie praktisch als Prototyp umgesetzt und evaluiert werden.

    Weitere Informationen zum Unternehmen, deren Mission - mit Zollsoftware die Welt verbessern und welche Lösungen dafür entwickelt wruden auf www.bex.ag.

    Bei dem Thema handel es sich um eine Praxisarbeit mit dem Ziel der Umsetzung / Implementierung von RPA in einer bwl-Softwarelösung.
    Hierzu haben wir als Partner die bex.ag , welche die Arbeit praktisch betreuen wird und in deren Lösung das Thema implementiert werden soll.

    Betreuer: Fabian Gwinner

     

     

    Themenfelder: Governance, Compliance, Smart Contracts, Colored Coins im Kontext von Produktion und Logistik.

    Die Rückverfolgung von Produkten durch zunehmend verteilte und komplexe Lieferketten ist eine große Herausforderung. Die Blockchain-Technologie soll viele Probleme lösen, da sie verspricht, Zeit zu sparen, Kosten zu vermeiden, Risiken zu reduzieren und das Vertrauen zwischen den Teilnehmern zu erhöhen. Sie führt zu vielen Ansätzen, die eine Nachverfolgung von Waren in Lieferketten ermöglichen. Wir haben festgestellt, dass die vorgeschlagenen Lösungen teilweise redundant zu Rückverfolgungs-Funktionalitäten in ERP Systemen sind. Kern der Arbeit ist es einen Vergleich zwischen verschiedenen ERP Systemen und Blockchainlösungen herzustellen, um jeweilige Vor- und Nachteile zu ermitteln.

    Info: Der Betreuer unterstützt Sie bei der Herstellung von Kontakten zu ERP Herstellern.

    Betreuer: Norman Pytel

    Master

    Abschlussarbeit zum Thema Produktion- und/oder Materialflussanalyse auf Basis von ERP Systemen, RFID, IoT oder Blockchain-Technologie:

    Ausarbeitung können bspw. auf Basis eines Datensatzes mithilfe von Python oder anderen Tools bearbeitet werden: Disco, ProM, PM4PY,  https://plotly.com/python/sankey-diagram/

    Eine Kooperation mit Unternehmen ist grundsätzlich möglich und erwünscht.

    Bitte kontaktieren Sie den Betreuer, sofern Sie Unterstützung bei der Kontaktsuche zu Industrieunternehmen benötigen.

    Empfehlung: Grundlegende Datenbank und Programmierkenntnisse

     

    Als Unterstützung können kostenlose Online-Schulungen für Studenten/Forscher in Anspruch genommen werden.

    https://www.celonis.com/de/academic-alliance/

    https://www.coursera.org/learn/process-mining

    https://pm4py.fit.fraunhofer.de/

    https://fluxicon.com/disco/

    Betreuer: Norman Pytel

    Künstliche Intelligenz ist das Buzzword der Stunde. Das Potential zu Effizienz- und Effektivitätssteigerungen in Unternehmen ist enorm. Jedoch ist die Qualität der Modelle und somit der Erfolg von KI-Technologien, im Speziellen von Machine-Learning-Anwendungen, eng mit den vorhandenen Trainingsdaten verbunden. Beispielsweise können verschiedene Bildklassifizierungsverfahren auf die ImageNet-Datenbank, in der über 14 Millionen handgelabelte Bilder vorhanden sind, zurückgreifen. Gerade in betrieblichen Anwendungen wie Rechnungsprüfung, Bedarfsvorhersagen, Produktdesign, Predictive Maintenance oder Inventory Management verfügen Unternehmen nicht über Daten in ausreichender Quantität und Qualität um Modelle zu trainieren. In den letzten Jahren wurden erfolgreich verschiedene Verfahren und Techniken (z. B. Data Augmentation) vorgestellt, die es ermöglichen synthetische Daten zu erzeugen.

    Ihre Aufgabe ist es im Rahmen der Masterarbeit sich einen Überblick über den State-Of-the-Art der Erzeugung bzw. Augmentierung von Daten durch eine strukturierte Literaturrecherche zu verschaffen. Zudem sollen verschiedene Use Cases im betrieblichen Kontext identifiziert werden, wovon einer prototypisch in Python implementiert werden soll.

    Literatur/Inspiration:

    Betreuer: Tobias Prätori

    In den letzten Jahren entwickelte sich ein Trend von der traditionellen Prozessanalyse hin zur datengetriebenen, proaktiven Prozessanalyse. Hierbei werden Methoden des maschinellen Lernens eingesetzt, um  basierend auf, aus Prozessdaten generierten Features oder Embeddings, prozessbezogenen Variablen vorherzusagen. Dabei werden die Prozessdaten aus bestehenden Informationssystemen extrahiert und verarbeitet.  Für die Vorhersage des nächsten Prozessschrittes haben sich Convolutional-Neural-Networks als geeignete Neuronale-Netzwerk-Architektur herauskristallisiert. Aufgrund ihrer Fähigkeit sowohl zeitliche- als auch räumliche Strukturen in den Prozessdaten zu erfassen bieten sie für die Aufgabenstellung großes Potential. Um jedoch ein generalisierbares Modell für die Prozessvorhersage zu erhalten sind große Datenmengen notwendig. In der Bildvorhersage haben sich für die Lösung dieser Problemstellung Transferlernen Methodiken etabliert.

    In dieser Arbeit soll die Anwendbarkeit verschiedener Methoden des Transferlernens für die Vorhersage von Prozessschritten evaluiert werden. Die Methoden sollen basierend auf einem bestehenden Datensatz implementiert werden und ihre Leistungsfähigkeit untersucht und verglichen werden.

    Betreuerin: Myriam Schaschek

    Ziel Ihrer Thesis ist die Erarbeitung eines Frameworks zur Implementierung einer ERP-Blockchain Lösung. Die Themenbereiche und Schwerpunkte können technisch und betriebswirtschaftlich individuell ausgelegt werden. Als Unterstützung  können verschiedene ERP Systeme des Lehrstuhls (Bspw. Navision, MyFactory, etc.) genutzt werden, um erworbenes Wissen aus dem Studium zu vertiefen.

    Betreuer: Norman Pytel

    "Silodenken" ist ein unterschätztes Phänomen in größeren Unternehmen, das unnötig viele Barrieren in Richtung Unternehmenserfolg aufbaut.  Dieses Phänomen findet man aus eigener Erfahrung in zahlreichen produzierenden Unternehmen aber auch bei Prozess- und IT-Beratern wieder. Die SAP AG versucht dieses Silo-Denken aufzubrechen und wirbt in ihrem aktuellen S/4 Hana System nicht mehr mit "Modulen", sondern mit "integrativen" Fiori-Apps[1][2]. Aktuelle Stellenausschreibungen auf Xing oder Headhunter-Seiten erlauben ausschnittsweise ein anderes Bild, als das Marketing zum neuen SAP S/4Hana System.

    Forschungsmöglichkeiten der Master-Thesis:

    Ausarbeitungen eines Analyticsansatzes zur Untersuchung von Industrieunternehmen (bspw. aus Dax, MDax,TecDax, SDax), SAP-Beratungshäuser und SAP Beratern, die Experten in diversen "Modulen" (SAP MM,PP;WM,eWM,PP/DS,SRM,CRM) sind. Hierzu lassen sich diverse Jobbörsen, Seiten von Beratungsunternehmen und Plattformen wie Xing, LinkedIn analysieren.

    Eine Hilfestellung zu existierenden SAP-Beratungshäusern und SAP "Modulen" kann durch den Betreuer gegeben werden. Eigene oder zusätzliche Ideen sind grundsätzlich möglich und gewünscht!

    [1] https://visioneleven.com/perfektes-dashboard-mit-sap-fiori/

    [2] https://mission-mobile.de/knowhow/sap-fiori/

    Betreuer: Norman Pytel

    Abschlussarbeit zum Thema: Smart Contracts or Colored Coins? - Which concept performs more efficient?

    Produktions- und Materialflüsse können auf Basis von Hyperledger, Ethereum oder Iota mithilfe von Smart Contracts oder Colored Coins dargestellt werden. Eine grundlegende Herausforderung der Blockchain-Technologie stellt nach wie vor die Skallierbarkeit für den industriellen Einsatzbereich dar. Ihre Aufgabe ist es zwei verschiedene Ansätze/Konzepte (Smart Contracts vs. Colored Coins) miteinander zu vergleichen und eine Handlungsempfehlung für Industrieunternehmen herzuleiten. Die Arbeit kann in Kooperation mit folgendem Praxispartner ausgearbeitet werden.

    Praxispartner: https://de.actiware-development.com/index.php?id=541

    Betreuer: Norman Pytel

    Die Profilmetall Engineering GmbH ist im Bereich Sondermaschinenbau mit dem Fokus auf Herstellung von Rollformmaschinen und der Integration weiterer umformtechnischer Bearbeitungsschritte (Stanzen, Biegen, …) tätig. Im mittelständischen Sondermaschinenbau ist eine zeit- und kostenorientierte Erledigung von Konzept- und Konstruktionsarbeiten zur Erreichung der Kundenzufriedenheit und Unternehmensziele essenziell.

    Aufgrund der immer wechselnden Anforderungen hinsichtlich Funktion und Aufgabenbereich einer Umformanlage lassen sich die Zeitdauer zur Erstellung der notwendigen Baugruppen erfahrungsbasiert nicht genau abschätzen und es kommt zu Verzögerungen in den Terminplänen, die sich über unterschiedliche Abteilungen hinweg fortpflanzen und den fristgerechten Projektabschluss gefährden.

    Ziel dieser Arbeit ist es, auf der Datenbasis der Nachkalkulation für unterschiedlichste Projekte ein Modell zur baugruppenbasierten Abschätzung der Bearbeitungszeit in einem KMU zu entwickeln und in die Prozessabläufe des Unternehmens zu implementieren. Das Modell dient als Grundlage zur Clusterung und standardisierten Kalkulation neuer Projekte. Die Daten zu den Durchlaufzeiten abgeschlossener Projekte werden hierzu bereitgestellt und mit den Baugruppen korreliert. Das System soll fortlaufend weiter lernen und neue Daten berücksichtigen.

    Kenntnisse in der Datenaufnahme und -verarbeitung sowie im Bereich Maschinenkonstruktion und -fertigung sind zur Bearbeitung dieser Aufgabe hilfreich.

    Die genaue Aufgabenstellung kann noch an die Bedürfnisse des Bearbeiters angepasst werden. Die Bearbeitung erfolgt unter Einhaltung der aktuell gültigen Corona-Bestimmungen. Die Betreuung erfolgt federführend durch den Lehrstuhl und in Kooperation mit der Profilmetall Engineering GmbH.

    Betreuer: Norman Pytel

    Kontakt seitens der Profilmetall Engineering GmbH:
    Peter Sticht | Mail: peter.sticht@profilmetall.de 

    Die Ausschreibung von Projekten (IT, Bau, Beschaffung von Waren, ...)  findet auf deutscher und europäischer Ebene heute oft über elektronische Plattformen statt. Insbesondere der öffentliche Bereich (Einrichtungen der öffentlichen Verwaltung sowie Städte, Länder, etc.) ist zur Ausschreibung von Projekten verpflichtet. Dabei werden Ausschreibungsplattformen genutzt, die von Lieferanten der freien Wirtschaft durchsucht und auf geeignete Opportunitäten geprüft werden. Die Vorliegende Arbeit beschäftigt sich mit der Analyse der Daten solcher Ausschreibungsplattformen, mit dem Ziel Anbietern und Lieferanten, einen Mehrwert durch betriebswirtschaftliche Analysen zu liefern.

    Themen der Arbeit können sein:
    - Social network analytics
    - Sentiment analysis
    - NLP & extraction of metadata
    - ... weitere Themen möglich

    Betreuer: Fabian Gwinner 

    Lange Zeit war Deutschland ein von Industrie und Produktion geprägtes Land. Durch Labour-Effekte und internationalen Handel wird Arbeit jedoch immer mehr ins Ausland ausgelagert. Übrig geblieben sind Schlüsselbereiche, wie der Maschinenbau oder der Automobilsektor, die stark in der lokalen Wirtschaft verankert sind. Auch hier spürt man jedoch Digitalisierung und technischen Fortschritt. Informations- und Kommunikationstechnologien fördern immer mehr die Entwicklung und Vermarktung von neuen Dienstleistungen auch im Produktionsbereich. Für das vorgeschlagene Thema soll eine Analyse und Klassifikation der aktuellen Entwicklung der Dienstleistung in Klassischen Produktionsbereichen vorgenommen werden. 

    Betreuer: Fabian Gwinner 

    Graphen können für die Darstellung und Speicherung von Daten aus unterschiedlichsten Systemen verwendet werden.
    In der vorliegenden Arbeit soll das Potenzial untersucht werden, Daten aus Informationssystemen wie ERP-Software aktivitätspezifisch zu speichern und verarbeiten.
    Dazu sollen Graphstrukturen und Graphdatenbanken vorgestellt und analysiert werden. Außerdem soll ein konzeptioneller Vorschlag erarbeitet werden, wie eine Implementierung erfolgen kann.
    Auf dieser Basis soll ein Proof-of-Concept aufgebaut werden, um dieses an einem ausgewählten Prozess exemplarisch zu demonstrieren.

    Folgende Kenntnisse von Vorteil aber nicht unbed. nötig: SQL / GraphQL, Einsteigerkenntnisse python, Process Mining / Eventlogs.

    Betreuer: Fabian Gwinner

    Verfahren aus den Neurowissenschaften machen es möglich bspw. Gehirnfunktionen und Bereiche des Gehirns zu kokrete Repräsentationen von Wissen unterschiedlicher art zuzuordnen. Diese Verfahren wurden in der Vergangenheit genutzt um ein besseres Verständnis unseres Gehirns zu erlagen. Die Vorliegende Arbeit hat das Ziel aktuelle Verfahren aus der Literatur zu extrahieren und im Bezug auf die adaption dieser Verfahren in der Betriebswirtschaft zu untersuchen.

    Betreuer: Fabian Gwinner 

    Ziel der Arbeit ist es auf Grundlage des Vehicle Routing Problem (VRP) ein Konzept zur Optimierung von Liefertouren für verderbliche Ware zu entwickeln. Sowohl die Liefermengen als auch die Anzahl der Lieferstationen variieren dabei täglich.

    Für die Umsetzung und den Test eures Konzepts steht ein umfangreicher Echt-Datensatz zur Verfügung.

    Kenntnisse in Python oder R sind von Vorteil.

    Bei Fragen könnt ihr euch jederzeit melden.

    Betreuer: Franz Seubert

    Blockchain oder ERP - Rückverfolgbarkeit von Produkten - Hype or Hope?

    Themenfelder: Governance, Compliance, Smart Contracts, Colored Coins im Kontext von Produktion und Logistik.

    Die Rückverfolgung von Produkten durch zunehmend verteilte und komplexe Lieferketten ist eine große Herausforderung. Die Blockchain-Technologie soll viele Probleme lösen, da sie verspricht, Zeit zu sparen, Kosten zu vermeiden, Risiken zu reduzieren und das Vertrauen zwischen den Teilnehmern zu erhöhen. Sie führt zu vielen Ansätzen, die eine Nachverfolgung von Waren in Lieferketten ermöglichen. Wir haben festgestellt, dass die vorgeschlagenen Lösungen teilweise redundant zu Rückverfolgungs-Funktionalitäten in ERP Systemen sind. Kern der Arbeit ist es einen Vergleich zwischen verschiedenen ERP Systemen und Blockchainlösungen herzustellen, um jeweilige Vor- und Nachteile zu ermitteln.

    Info: Der Betreuer unterstützt Sie bei der Herstellung von Kontakten zu ERP Herstellern.

    Betreuer: Norman Pytel

    "Big Data" findet so gut wie in jeder Branche Anwendung, da jede Organisation davon profitiert, wenn sie Daten als zentralen Bestandteil von Ansätzen für KI und maschinellen Lernen verarbeiten können. Die Verwendung von Daten für bessere Einsichten in Organisationen ist nur einer der aufkommenden Technologien, die mit der 4. industriellen Revolution einhergehen. Die Blockchain und verwandte Distributed-Ledger-Technologien transformieren den heutigen Technologiesektor. Die Fähigkeit der Blockchain-Technologie, die Genauigkeit von Daten zu garantieren, macht sie für eine Reihe von KI-Anwendungen nützlich, wie bspw. für die Einspeisung von Daten in KI-Systeme, oder die Aufzeichnung von Ergebnissen aus den Systemen. Das Zusammenfließen der Technologien kann von Vorteil sein um eine Vielzahl von innovativen Anwendungen zu schaffen.

    Das Ziel der Arbeit ist den Stand der Forschung, sowie Forschungsschwerpunkte zum Zusammenspiel zwischen der Blockchain-Technologie und anderen aufkommenden Technologien herauszuarbeiten. Darüber hinaus sollen zukünftige Forschungsschwerpunkte vorgeschlagen werden.

    Info: Beachten Sie, dass dieses Thema auf eine Bachelor- oder Masterarbeiten zugeschnitten werden kann.

    Betreuerin: Myriam Schaschek