Themen für Bachelorarbeiten im SS 2025
Themen für Bachelorarbeiten im SS 2025
Im Folgenden finden Sie Themenvorschläge für Bachelorarbeiten im SS 2025. Die Themen werden bis zur Vorbesprechung laufend ergänzt. Sie können bei Interesse schon vorab mit dem jeweiligen Betreuer Kontakt aufnehmen.
Chatbot für Enterprise Architektur Wissen
Mit Hilfe von Retrieval Augmented Generation (RAG) kann ein Sprachmodell wie GPT mit unternehmensspezifischen Wissen angereichert werden. Damit können Informationen, die spezifisch für ein bestimmtes Unternehmen sind, auch über eine Chat-Schnittstelle mit natürlicher Sprache abgefragt werden, ohne das Modell mit Unternehmensdaten trainieren zu müssen.
In dieser Arbeit soll ein Chatbot entwickelt werden, mit dem Enterprisearchitekturinformationen großer Softwaresysteme abgefragt werden können. Dazu müssen die Informationen zur Enterprisearchitektur als sogenannte Embeddings in einer Vektordatenbank abgespeichert werden, damit sie dann für Abfragen mit Hilfe eines Sprachmodells verwendet werden können. Beispiele für Daten und Use Cases aus dem Enterprise Architekturmanagement werden zur Verfügung gestellt.
Im konzeptionellen Teil der Arbeit sollen Grundlagen wie RAG und LLMs beschrieben werden. Für die Realisierung des Chatbots können z.B. AI Chatbot Templates für bestimmte Webtechnologien (z.B. von von Vercel für Next.js) verwendet werden, wobei die Technologie zur Realisierung des Chatbots prinzipiell frei wählbar ist. Die Technologien für das RAG bzw. zur Verwendung eines LLMs können ebenfalls frei gewählt werden. Es können in diesem Fall auch Frameworks wie LangChain (verfügbar für Python und JavaScript) eingesetzt werden. Neben der Abfrage von Informationen (Bsp.: Welche Services sind in in Node.js implementiert?, Wer ist für das Finanzmanagement zuständig?, etc.) soll auch damit experimentiert werden, die Ergebnisse nicht nur textuell sondern auch grafisch auszugeben (Anmerkung: das wird von einigen LLMs z.B. durch Generierung von Python Code bereits unterstützt).
Das Thema kann auch mehrfach oder als Partnerarbeit vergeben werden.
Betreuung: Rainer Weinreich
Status: OFFEN
Frameworks für AI Agenten im Vergleich
AI Agenten sind Softwarekomponenten, die auf der Basis großer Sprachmodelle (LLMs) Aufgaben lösen sollen, wobei sie neben dem Sprachmodell typischerweise auch Werkzeuge (z.B. Rechner, Suchmaschine, etc.) nutzen können oder die Aufgabe (bzw. eine Teilaufgabe) an andere Agenten weitergeben können.
In dieser Arbeit sollen neben den Grundlagen von AI Agenten auch Frameworks wie LangChain/LangGraph, Microsoft Autogen, CrewAI, Hugging Face Transformer Agents, und OpenAI Swarm zur Realisierung solcher Agenten analysiert und verglichen werden. Zusätzlich sollen Use Cases für die Anwendung solcher Agenten identifiziert werden.
Die Verwendung solcher Agenten soll letztlich exemplarisch nach Auswahl eines Frameworks an einem ausgewählten Use Case gezeigt werden, mit dem die wesentlichsten Konzepte illustriert werden können.
Betreuung: Rainer Weinreich
Status: OFFEN
Einsatz von großen Sprachmodellen (LLMs) zur Dokumentation von Architekturentscheidungen
Im Laufe eines Softwareprojektes werden wichtige Entscheidungen hinsichtlich der eingesetzten Technologien, der Struktur eines Softwareprojektes, der eingesetzten Werkzeuge und Prozesse u.a. getroffen. Entscheidungen, die einen Einfluss auf zentrale Eigenschaften eines Softwaresystems haben, werden Architekturentscheidungen genannt.
In der Praxis haben sich in den letzten Jahren sogenannte Architecture Decision Records (ADRs) zur Dokumentation solcher Architekturentscheidungen etabliert. Dabei handelt es sich um Markdown-Dateien mit einer vordefinierten Struktur, die als Teil eines Software Repositories abgelegt und mit dem Code verwaltet werden.
In dieser Arbeit soll untersucht werden, wie ADRs mit Hilfe von Sprachmodellen wie GPT möglichst effizient erstellt und aktualisiert werden können. Beispiele wären die Erzeugung einer strukturierte ADR Beschreibung aus unstrukturierten Daten, das Einbeziehen von Kontext (wie Dateien und Code) und das Erkennen von Abhängigkeiten zwischen ADRs und das Ergänzen von ADRs um Diagramme. Das Identifizieren der möglichen Einsatzgebiete von LLMs sollte durch typische Fragestellungen gesteuert werden.
Betreuung: Rainer Weinreich
Status: OFFEN
Trends in der Software Architektur Forschung
In dieser Arbeit soll eine systematische Literaturanalyse mit qualitativer Inhaltsanalyse zu Trends in der Software Architekturforschung durchgeführt werden. Dazu sollen die Artikel zentraler Software Architektur (und ggfs. Software Engineering) Konferenzen und wichtiger Zeitschriften in diesem Bereich identifiziert und analysiert werden. Wichtige Fragen, die im Rahmen dieser Arbeit beantwortet werden sollen sind (1) Was sind aktuelle Trends der Software Architektur Forschung (2) Unterscheiden sich diese Trends bei den wichtigsten Konferenzen und Zeitschriften in diesem Bereich? (3) Was sind die beständigsten Themen Trends? Welche Themen sind neu?
Betreuung: Rainer Weinreich
Status: VERGEBEN