Zum Inhalt springen
Überblick
Der Lehrstuhl beschäftigt sich mit der Realisierung von autonomen Systemen unter Verwendung von Methoden der künstlichen Intelligenz und des Quantencomputings. Die Aktivitäten des Lehrstuhls gliedern sich in folgende Schwerpunkte:
- Quantum Computing, Quantum Annealing, Quantum Machine Learning
- Autonome Systeme mittels Deep Learning, Reinforcement Learning, Artificial Neural Networks
- Artificial Intelligence für angewandte Gesundheits- und Ernährungswissenschaften
Bei Interesse an einer Abschlussarbeit, beachten Sie bitte die Liste der Ausgeschriebenen Arbeitsthemen unserer Forschungsschwerpunkte unten und machen sich mit den Seiten unserer Mitarbeiter vertraut. Verwenden Sie anschließend das untenstehende Formular um eine Anfrage zu versenden. Generell sollten Sie für die Themensuche etwas Zeit (mehrere Wochen) einplanen!
Fristen und Termine
Ab dem 1. Oktober 2025 gelten verschärfte Regelungen zu den Anmelde- und Abgabemodalitäten von Abschlussarbeiten. Die genauen Regelungen sind dieser Website zu entnehmen. Bitte planen Sie zusätzlich genug Zeit (~1-2 Monate) für die Themenauswahl und Einarbeitung in das Themengebiet ein.
Weitere Infos & Material
Weitere Hinweise zur Themenfindung und zur allgemeinen Durchführung von Abschlussarbeiten finden Sie im aktuellen Merkblatt zu Abschlussarbeiten am Lehrstuhl für Mobile und Verteilte Systeme. Auch können Sie sich an der Checkliste für Abschlussarbeiten orientieren.
Merkblatt für Abschlussarbeiten (PDF, 59 KB)
Checkliste für Abschlussarbeiten (PDF, 324 KB)
Weitere Informationen sind auf der Studiengangskoordinations-Informationsseite zu finden.
Ausarbeitung / Vorlage
Verwenden Sie zur Erstellung Ihrer Ausarbeitung die gesonderte LaTeX-Vorlage des Lehrstuhls!
Ausgeschriebene Arbeitsthemen
- Quantum Reservoir Computing
- Quantum Reinforcement Learning
- Quantum Simulation
- Quantum Applikationen & Optimierung von QC Use-Cases in der Industrie
- Quantum Natural Language Processing
- Quantum Machine Learning
- Quantum Communication Networks
- Distributed Quantum Computing
- Quantum Circuit Optimierung
- Explainability in Machine & Reinforcement Learning
- Multi-Agenten Systeme
- Anwendungen von Collective Intelligence
- Reinforcement Learning in Robotischen Umgebungen
- Kooperation in Multi-Agenten Reinforcement Learning
- Kombinatorische Optimierung
- Deep Neural Networks zum Lösen NP-schwerer Regressions- & Klassifikationsprobleme
- Differenzierbare Optimierung
- Anwendungen von Representation Learning
- Ausgewählte Themen in der Anwendung von AI im Gesundheitswesen
- Computer Vision im medizinischen Umfeld
Abgeschlossene Abschlussarbeiten
Für eine Übersicht zu bereits abgeschlossenen Arbeitsarbeiten (Bachelor und Master), verweisen wir auf diese Übersichtseite.