Offene Abschlussarbeiten

Wir vergeben Themen für Bachelor- und Masterarbeiten im Bereich Datenbanken und Big Data sowie im Rahmen unserer Forschungsprojekte. Daneben besteht auch die Möglichkeit das Berufspraktikum durch eine praktische Tätigkeit bei uns zu absolvieren.

Voraussetzungen
Wir setzen generell gute praktische Datenbank- und Python/Java-Kenntnisse voraus. Ferner sind Kenntnisse in Unix/Linux, Shell-Programmierung, Eclipse/IntelliJ und Git hilfreich.

Bei Interesse an einem der aufgeführten Themen wenden Sie sich bitte direkt an die jeweilige Kontaktperson oder nutzen Sie das Anfrageformular.

Graph-basierte Daten-Analyse (z.T. mit Gradoop)
Typ Titel Ansprechpartner Note
B. Sc., M. Sc. Design of a synthetic travel-agency temporal graph as recommendation engine
M. Sc. Hybrid data generator leveraging temporal graphs and time-series data with machine learning enhancements
M. Sc. API for Dynamic Visualization and Predictive Analysis of Seismic Activity in shape of graph and time-series Python
Privacy-Preserving Machine Learning (PPML)
Typ Titel Ansprechpartner Note
B. Sc., M. Sc. Pseudonymous object tracking in image time series Python
B. Sc., M. Sc. Slicing Dynamic Time Warping for Time Series Retrieval and Clustering Python
B. Sc., M. Sc. vorerst nur auf Anfrage oder mit Themenvorschlag
Big-Data und Künstliche Intelligenz (ScaDS Dresden/Leipzig)
Typ Titel Ansprechpartner Note
B. Sc., M. Sc. Siehe Themen unter ScaDS Dresden/Leipzig Apache Flink, Apache Spark, u. a.

Laufende Abschlussarbeiten

Jahr Autor Titel Typ Betreuer
2024 Mykyta Turbal Denoise class labels for record linkage classification tasks B. Sc., M. Sc.
2024 Colin Hartkopf Realization of an infrastructure to maintain record linkage tasks B. Sc.
2024 Max Niclas Wächtler Performance-Evaluation von Gradoop mittels LDBC's FinBench Queries B. Sc.
2024 Linus Andreas Schneider Explorative Graph-Level Embeddings of Temporal Property Graphs B. Sc.
2024 Noah Rasp Object detection in images on edge devices with limited resources M. Sc.
2024 Marek Becher Performance Analysis and Integration of Non-Native Time- Series and Graph Database Systems B. Sc.
2024 Johann Jakob Kurzmann Temporal Vector Embeddings in Neo4j B. Sc.
2024 Chris Emmerich Verbesserung der Erkennung interessanter Punkte in Standortverläufen durch Analyse der Semantik B. Sc.
2024 Bjarne Weers Re-Identifizierung von Personen anhand ihrer Points of interest B. Sc.
2024 Matthias Mohn Erstellung synthetischer Standortverläufe aus historischen Traveldiaries B. Sc.
2024 Claudius Czarnecki Social influence on mobility B. Sc.
2024 Theo Hahn Temporal Performance Evaluation of PGM and RDF Models: A Case Study with FinBench B. Sc.
2024 Maximilian Töpfer Extending the DBpedia Extraction Framework to Extract Complete Historical Wikipedia Revisions as Temporal Graph B. Sc.
2024 Charly Zimmer Towards a deep learning approach for gap-filling in remotely sensed data M. Sc.
2024 Markus Wetzel Model selection for Privacy Preserving Record Linkage using synthetic data B. Sc.
2024 Marcel Lehmann Data Augmentation for Ultrasonic data M. Sc.
2024 Marco Gruner Improvement of Quality Estimation methods for Record Linkage B. Sc.
2024 Niklas Leon Kuhn Single-Source Earliest-Arrival for Temporal Graphs in Gradoop B. Sc.
2024 Constantin Urbainsky The transformation and integration of NYC bike sharing data into combined graph time-series data in TimeTRavelDB B. Sc.
2024 Friedrich Schwella Node embedding based entity linking for medical forms B. Sc.
2023 Abdulnaser Sabra Transfer learning for record linkage using Data Profiling M. Sc.
2023 Tom Wawerek AI-Driven Development B. Sc.
2023 Paul Brassel Training Data Generation for federated PPRL M. Sc.
2023 Theresa Butenschön Untersuchung der Auswirkungen von Duplikaten im Privacy-Preserving Machine Learning mit PATE B. Sc.
2023 Andreas Kiziridis Vehicle type classification M. Sc.
2023 Nzali Herve Enhancing Automated Metadata Extraction via Language Models: Developing an Interactive Web Interface for Customized Code Generation B. Sc.
2022 Mohammad Issa Automatische Detektion und Segmentierung von Fahrspuren im Automotive Bereich (Kooperation mit ASAP ENGINEERING GmbH) M. Sc.
2022 Felix Kirchgäßner Von gewöhnlichen und partiellen Differentialgleichungen inspirierte neuronale Netze Diplom
Marcel Lehmann Data Augmentation for Time Series Data M. Sc.
Max Martius Model and Data Independent Property Inference Attacks M. Sc.
Adrian Böttinger Supervised learning from user-driven privatized data M. Sc.
Tim Kästner Erkennung von Elektro-Autos auf Bildern B. Sc.
Philipp Rickayzen Quality Estimation of record linkage results using an ensemble of cluster methods B. Sc., M. Sc.
Ole Borchardt Federated Learning With Individualized Differential Privacy By Client Sampling M. Sc.
Lukas auf der Landwehr Federated Learning on User-Level Data Distributions B. Sc.