Abschlussarbeiten

Key Words:

Katastrophenmanagement, präventive Bürgerbeteiligung, Informationsmanagement, mobile App-Entwicklung, Strumfluten & Überschwemmungen, Prototyping, Künstliche Intelligenz und Machine Learning

Hintergrund:

Im Rahmen des Forschungsprojekts Rescue-Mate wird die Herausforderung der Lagebilderstellung und Optimierung von Informationsflüssen im Sicherheitsszenario einer Sturmflut in Hamburg untersucht. Diese Herausforderung ergibt sich vor dem Hintergrund des steigenden Meeresspiegels, häufigeren Extremwetterereignissen und einer wachsenden Anzahl von Anwohnern, die im Katastrophenfall evakuiert und versorgt werden müssen. Die beteiligten Akteure in diesem Szenario sind Behörden und nachgelagerte Einheiten wie Feuerwehr, Polizei, der Hafenstab und verschiedene Hilfsorganisationen. Vollständige Lagebilder und eine informierte und vorbereitete Bevölkerung sind für die Einsatzplanung bei Katastrophensituationen, wie zum Beispiel einer Sturmflut, die Aspekte wie Ertrinkende, treibende Schiffe und gesperrte Straßen mit sich bringt, besonders relevant.

Es ist möglich, Abschlussarbeiten, die zu den Inhalten und Zielen des Projektes Rescue-Mate beitragen, zu schreiben, um ausgewählte Themengebiete zu erforschen und Prototypen zu entwickeln und zu testen. Über das Projektkonsortium kann zudem der Zugang zu Expertinnen und Experten gewährt werden.

Aufgabenstellung:

Es können je nach Studium (Bachelor oder Master), inhaltlichen Schwerpunkt und Interesse, verschiedenste Aufgabenstellungen und Forschungsfragen bearbeitet werden. Zudem sind Kooperationen mit Organisationen und/oder Unternehmen grundsätzlich möglich, aber nicht erforderlich. Folgende Themenbereiche sind von besonderem Interesse und können bearbeitet werden:

• Analyse und Entwicklung von Konzepten und mobilen Prototypen für das Informieren und präventive Aufklären von Bürgerinnen und Bürgern im urbanen Raum und insbesondere Hamburg-Mitte als auch die Einbindung dieser im Krisenfall, um effizient Daten zu erheben und um krisenrelevante Akteure zu unterstützen.
• Entwicklung von KI-basierten Prototypen zur automatisierten Auswertung von Daten aus mobilen Krisenanwendungen, um z. B. automatisiert erhobene Daten inkl. Standorte zu aggregieren und für Krisenstäbe in Form von interaktiven Karten o. Ä. aufzubereiten.

Die Themen sind insbesondere für Studierende der Informatik, Wirtschaftsinformatik, Mensch-Computer-Interaktion, Software-System-Entwicklung, IT-Management und -Consulting und Intelligent Adaptice Systems geeignet.
Abschlussarbeiten können in deutscher oder englischer Sprache angefertigt werden.

Key Words:

Smart City, Bürgerbeteiligung, Urban Planning, Co-Kreation, Design, Machine Learning, Natural Language Processing, Data Science, 3D Unity.

Hintergrund:

Die Urbanisierung hat in den vergangenen Jahren zu einem starken Wachstum von Städten und Metropolregionen geführt und unterschiedliche Organisationen prognostizieren, dass diese Entwicklung in den kommenden Jahren anhalten. So hat z. B. die UNO berechnet, dass bis zu Jahr 2050 weltweit über 70 % der Bürgerinnen und Bürger in städtischen Umgebungen wohnen, was einer Steigerung von bis zu 25 % entspricht. Die Wachstumsraten variieren allerdings stark nach Land und Region. So leben in Europa bereits fast 60 % der Bürgerinnen und Bürger in Städten, sodass das lokale Wachstum hier durchschnittlich nur ca. zwei Prozent betragen wird, während dies in Afrika und Asien 4 % bis 5 % erreichen kann. Diese Entwicklung erzeugt neue und fördert existierende Konflikte, die z. B. die urbane Mobilität, den Wohnungsmarkt oder Erholungsflächen betreffen und sich unterschiedlich tangieren.  

Für die (Weiter)-Entwicklung von Städten setzen verantwortliche Akteure zunehmend auf die Einbindung von Bürgerinnen und Bürger sowie lokaler politischer Organisationen und Vereinen, um ein partizipatives Design bei z. B. Bauvorhaben o. Ä. zu ermöglichen. Darüber hinaus entstehen durch digitale Diskussionen in sozialen Medien als auch im politischen Raum (u. a. Bürgerschaft und Bezirksversammlungen) weitere Daten und Informationen, die in Beschlüssen aggregiert werden. Für geplante oder gewünschte Baumaßnahmen sind Beschlüsse, sofern betreffend für die durchführenden Akteure als auch die Regierung von hohem Interesse, weil daraus resultierende Aufträge zu (politischen) Handlungen und damit zu städtischen Veränderungen führen können. Beschlüsse und Themen der Bezirksversammlungen sind dabei von besonderer Bedeutung, da diese einen unmittelbaren Einfluss auf die Entwicklungen in den Quartieren und Stadtteilen haben. Entsprechend ist es hilfreich, wenn diese frühzeitig erkannt werden, sodass Vertreterinnen und Vertreter als auch Bürgerinnen und Bürger frühzeitig in Entwicklungs- und Abstimmungsprozesse eingebunden, um so ein co-kreatives Design zu ermöglichen und Teilnehmerinnen und Teilnehmer damit die Möglichkeit erhalten, bei der Entwicklung der eigenen Umgebung mitzuwirken. 

Aufgabenstellung:

Es können je nach Studium (Bachelor oder Master), inhaltlichen Schwerpunkt und Interesse, verschiedenste Aufgabenstellungen und Forschungsfragen bearbeitet werden. Zudem sind Kooperationen mit Organisationen und/oder Unternehmen möglich, aber nicht erforderlich. Folgende Themenbereiche sind von besonderem Interesse und können bearbeitet werden:

• Analyse und Entwicklung von Prototypen zur Unterstützung von digitalen Bürgerbeteiligungen im urbanen oder ruralen Raum mit dem Ziel, diese skalierbar und effizient anzubieten. Dabei ist auch die Qualität von Beiträgen entscheidend, da digitale Szenarien von vor Ort Formaten abweichen und unterschiedliche Gegebenheiten, Funktionen und Designs unterschiedliche Zielgruppen ansprechen. Hierbei stehen Webanwendungen, mobile Anwendungen und KI-gestützte Interaktionen durch klassische ML-Modelle als auch Large Language Modelle im Fokus.
• Entwicklung von Prototypen zur automatisierten Auswertung von Daten aus Bürgerbeteiligungen. Der zunehmende Erfolg von digitalen Beteiligungen verdeutlicht das Interesse von Bürgerinnen und Bürgern, ihre Umgebung mitgestalten zu wollen und führt, wie vergangene Projekte belegen, zu besseren Ergebnissen bzw. Stadtplanungsprojekten. Gleichzeitig ist das Volumen der erhobenen Daten in Bürgerbeteiligungen steigend, was die Auswertung erschwert und Kosten erhöht. Daher ist zu untersuchen, wie Auswertungsprozesse mithilfe von AI/ML automatisiert und Experten unterstützt werden können. Abschlussarbeiten zu diesem Thema können in Kooperation mit dem Landesbetrieb Geoinformation und Vermessung geschrieben werden und existierenden Daten aus vergangenen Beteiligungsprojekten mithilfe der Hamburger Plattform DIPAS können nach Bedarf und in Abstimmung mit den Kooperationspartner herausgegeben werden.
• Systematischer Vergleich existierender Machine Learning Verfahren für natürliche Sprache mithilfe von Volltexten und/oder Tweets zum Zusammenfassen und/oder Bewerten von Texten in Hinblick auf Inhalt und/oder Stimmung (Sentiment Analysis). Dabei sind Untersuchungen anhand realer Beteiligungsdaten und/oder Daten aus sozialen Medien von besonderem Interesse. Auch sind Aspekte wie Mensch-Computer-Interaktion bzw. Mensch-KI-Interaktion und Vertrauen in KI-Auswertungen zu untersuchen, was insbesondere auch an und durch die Entwicklung von (Web-)Prototypen möglich ist.

Die Themenbereiche können in Zusammenarbeit mit unterschiedlichen Partnern der Arbeitsgruppe wie dem Landesbetrieb Geoinformation und Vermessung sowie privaten Anbietern von Beteiligungssystemen, Vereinen und weiteren bearbeitet werden.

Die Themen sind insbesondere für Studierende der Informatik, Wirtschaftsinformatik, Mensch-Computer-Interaktion, Software-System-Entwicklung, IT-Management und -Consulting und Intelligent Adaptive Systems geeignet.
Abschlussarbeiten können in deutscher oder englischer Sprache angefertigt werden.

Key Words:

Smart Mobility, Design, Entscheidungsunterstützungssysteme, Machine Learning und Data Science.

Hintergrund:

Die Urbanisierung hat in den vergangenen Jahren zu einem starken Wachstum von Städten und Metropolregionen geführt und unterschiedliche Organisationen prognostizieren, dass diese Entwicklung in den kommenden Jahren anhalten. So hat z. B. die UNO vorhergesagt, dass bis zu Jahr 2050 weltweit über 70 % der Bürgerinnen und Bürger in städtischen Umgebungen wohnen, was einer Steigerung von bis zu 25 % entspricht. Um auf Dauer das Zusammenleben und die Fortbewegung zu unterstützen als auch zu gewähren, ist ein effektives und effizientes Nahverkehrsnetz notwendig. 

In Europa wird die (Weiter-)Entwicklung des Mobilitätsbereichs stark durch den European Green Deal geprägt, welche die Transformation hin zum nachhaltigen Verkehr vorschreibt. Hierdurch müssen z. B. alle öffentlichen Nahverkehrsunternehmen bis 20230 auf emissionsneutrale Antriebstechnologien umsteigen. Viele Unternehmen setzen dabei auf elektrische Antriebe, wobei alternative Technologien, die z. B. auf Wasserstoff basieren, auch möglich ist. Darüber hinaus entwickeln sich viele Städte zunehmend zu intelligenten und vernetzten Umgebungen, die eine Vielzahl von Daten und Informationen über das Mobilitätsverhalten der Bürgerinnen und Bürger als auch von Fahrzeugen und Radfahrerinnen und Radfahrern bereitstellen. Diese und weitere Daten über z. B. das Wetter können für die Entwicklung neuer Mobilitätsdienste und für intelligente Systeme, die bestehende Angebote unterstützen, genutzt werden.

Aufgabenstellung:

Es können je nach Studium (Bachelor oder Master), inhaltlichen Schwerpunkt und Interesse, verschiedenste Aufgabenstellungen und Forschungsfragen bearbeitet werden. Zudem sind Kooperationen mit Organisationen und/oder Unternehmen grundsätzlich möglich, aber nicht erforderlich. Folgende Themenbereiche sind von besonderem Interesse und können bearbeitet werden:

• Analyse und Entwicklung von Prototypen zur Unterstützung von Vorhersagensystemen für e-Busse, U-Bahn und vergleichbaren Domänen, um den Einsatz von Fahrzeugen zu optimieren und Angebote zu stärken. Hierbei steht der Einsatz von KI, Machine Learning und Data Science im Fokus, um verschiedene Werte vorherzusagen.
• Simulationen von Mobilitätsverhalten und Darstellung in Lagebildern bzw. interaktiven Prototypen, um Mobilitätsdienste und Entscheidungen verantwortlicher Unternehmen möglichst nachvollziehbar und transparent zu unterstützen. Dabei sind Aspekte aus den Bereichen KI, Machine Learning und Data Science als auch den Bereichen der Mensch-Computer- und Mensch-KI-Interaktion zu beachten.
• Einsatz von generativen KI-Systemen im Kundenservice z. B. zur Beantwortung von Fragen oder Bearbeitung von Beschwerden durch prototypische Implementierungen und Evaluationen mit den Zielgruppen.
• Entwicklung von IT- und KI-Systemen für Nutzergruppen mit besonderen Anforderungen in Hinblick auf Usability und insbesondere Barrierefreiheit. Dies kann grundsätzlich alle Mobilitätsbereiche und Aspekte betreffen und folgt dem Ziel, allen Menschen den einfachen und schnellen Zugang zum ÖPNV zu ermöglichen.
• Konzeptionelle Arbeiten zur Mobilität von morgen und wie Technologien wie autonomes Fahren als auch Konzepte wie "autofreie Innenstadt" Nachhaltigkeit bei gleichzeitig hohem Mobilitätsangebot fördern können.

Die Themenbereiche können in Zusammenarbeit mit unterschiedlichen Partner der Arbeitsgruppe wie der Hamburger Hochbahn AG oder Hamburger Verkehrsverbund GmbH bearbeitet werden, was bei ausgewählten Themen auch dringend empfohlen wird.

Die Themen sind insbesondere für Studierende der Informatik, Wirtschaftsinformatik, Mensch-Computer-Interaktion, Software-System-Entwicklung, IT-Management und -Consulting und Intelligent Adaptive Systems geeignet.
Abschlussarbeiten können in deutscher oder englischer Sprache angefertigt werden.

Wir unterstützen Abschlussarbeiten, die die Zusammenarbeit eines Menschen mit einem KI-System aus konzeptioneller oder empirischer Perspektive untersuchen. Für experimentell-empirische Arbeiten steht hierbei insbesondere ein INTERACT-Labor zur Verfügung, welches z.B. Eyetracking-Studien ermöglicht. Potentielle Themenschwerpunkte sind:

• Entwicklung, Umsetzung und Evaluation (z.B. im o.g. Labor) unterschiedlicher Zusammenarbeits-Modi (z.B. verschiedene KI-System-UI-Optionen, verschiedene Zusammenarbeitsprozesse/-Protokolle) für einen konkreten Anwendungsfall

• Untersuchung bestehender Mensch-KI-Kollaborationsszenarien über verschiedene Anwendungsfälle hinweg und Ableitung gemeingültiger Grundsätze

• Entwicklung und Evaluation von Taxonomien zur Strukturierung des Lösungsraums bei der Gestaltung der Schnittstelle des KI-Systems (bzgl. Input und/oder Output des KI-Systems)

Der Fokus liegt entsprechend explizit nicht auf der technischen Verbesserung von KI-Algorithmen, sondern auf der Verbesserung der Zusammenarbeit von Mensch und KI, z.B. hinsichtlich Effektivität und Effizienz der Aufgabenbearbeitung, Autonomie des Mensch, Akzeptanz der KI durch den Menschen.

Hintergrund

University-Industry Collaboration (UIC) bietet eine Plattform für den Wissensaustausch, die gemeinsame Forschung und die praktische Anwendung von KI in Zusammenarbeit mit Unternehmen. Durch diese Zusammenarbeit können Studierende von Expertenwissen und praxisnahen Erfahrungen profitieren, um ihre Kompetenzen in den Bereichen Datenanalyse, maschinelles Lernen, neuronale Netze und andere KI-Technologien zu entwickeln.

Die Auswirkungen dieser Zusammenarbeit auf die Employability der Studierenden sind vielfältig. Zum einen ermöglicht die praxisnahe Ausbildung in Kooperation mit Unternehmen den Studierenden, relevante Kenntnisse und Fähigkeiten zu erwerben, die von Arbeitgebern zunehmend nachgefragt werden. Dies kann ihre Beschäftigungsfähigkeit verbessern und ihnen einen Wettbewerbsvorteil auf dem Arbeitsmarkt verschaffen.

Darüber hinaus kann die University-Industry Collaboration auch die unternehmerischen Fähigkeiten und das Unternehmertum der Studierenden fördern. Durch die direkte Interaktion mit Unternehmen und die Beteiligung an Projekten zur Entwicklung von KI-Lösungen werden Studierende ermutigt, innovative Ideen zu entwickeln und umzusetzen. Dies trägt zur Förderung des unternehmerischen Denkens und Handelns bei und kann sie dazu ermutigen, eigene Unternehmen zu gründen oder innovative KI-Anwendungen in bestehenden Unternehmen voranzutreiben.

Aufgabenstellung:

Je nach gewähltem Studiengang (Bachelor oder Master), fachlichem Schwerpunkt und individuellen Interessen ergeben sich vielfältige Möglichkeiten für Aufgabenstellungen und Forschungsfragen. Es besteht zudem die Option zur Zusammenarbeit mit externen Organisationen und/oder Unternehmen, wobei dies nicht zwingend erforderlich ist. Studierende haben die Flexibilität, entweder mit eigenen akquirierten Organisationen/Unternehmen zusammenzuarbeiten oder die vorhandenen Kooperationspartner des DDLitLab (Link: https://www.isa.uni-hamburg.de/ddlitlab/transfer/challenges.html )für mögliche Kooperationen zu nutzen. Im Folgenden sind einige Themenbereiche von besonderem Interesse aufgeführt, die als Forschungsgegenstand bearbeitet werden können:

- Die Rolle von University-Industry Collaboration bei der Entwicklung von KI-Kompetenzen und deren Auswirkungen auf die Employability von Studierenden.

- Analyse von Best Practices in University-Industry Collaboration im Bereich KI, um die relevanten Fähigkeiten und Kompetenzen für die Beschäftigungsfähigkeit von Absolventen zu identifizieren.

- Untersuchung der Auswirkungen von University-Industry Collaboration auf die Schließung von Kompetenzlücken im KI-Bereich und die Förderung der employability von Absolventen

- Identifizierung von KI-basierten Tools und Technologien, die in der University-Industry Collaboration eingesetzt werden können, um die Skills Development und die Beschäftigungsfähigkeit von Studierenden zu verbessern.

- Erforschung der Bedürfnisse und Erwartungen der Industrie an Absolventen mit KI-Kompetenzen und deren Einfluss auf die Curricula und Programme in der universitären Bildung.

- Entwicklung von Maßnahmen und Strategien zur Bewertung und Validierung von KI-Kompetenzen, die in der University-Industry Collaboration erworben wurden, um die Beschäftigungsfähigkeit von Studierenden zu verbessern und den Übergang in den Arbeitsmarkt zu erleichtern.

- Die Auswirkungen von University-Industry Collaboration auf die Entwicklung von Skills im Bereich KI und deren Beitrag zur nachhaltigen Innovation in Unternehmen und Organisationen.

- Die Effektivität von University-Industry Collaboration in der Entwicklung von KI-Kompetenzen und deren Beitrag zur nachhaltigen Entwicklung von Unternehmen und Organisationen

Abschlussarbeiten können in deutscher oder englischer Sprache angefertigt werden.