Workflow-Management-Systeme (WFMS) sind keine neue Technologie, aber ihre Form und Funktion hat sich in den letzten Jahrzehnten immer wieder gewandelt, zuletzt von monolithischen Alleskönnern hin zu leichtgewichtigen Lösungen zur Integration in heterogene IT-Landschaften.

• Automatic Workflow Generation

  Die händische Modellierung von Workflows in bspw. BPMN ist zeitaufwendig. Die teil- oder vollautomatisierte Erzeugung von Workflow- Modellen ist daher ein interessantes Forschungsfeld.
  
  Ansprechpartner: Dr. Johannes Damarowsky

• Knowlege, Knowledge-based Systems, and Workflow Management Systems

  Wissen ist ein entscheidener Faktor für Organisationen. Die Integration von Wissen und Wissenssysteme mit WFMS, bspw. um bei der Workflow-Ausführung Informationen bereitszustelle, die Extraktion von Wissen auf ausgeführten Workflows, oder die Generierung von Workflows auf Basis von Wissensressourcen stellen vielversprechende Ansätze dar.
  
  Ansprechpartner: Dr. Johannes Damarowsky

• User Error Handling

  Menschen machen Fehler, bspw. weil der falsche Workflow oder Task ausgeführt wird oder weil der korrekte Workflow und Task ausgeführt wird, aber fehlerhaft. Auch autonome künstliche Agenten, bspw. humanoide Roboter, können fehler machen, bspw. weil die Objekterkennung aufgrund der Lichtverhältnisse fehlerhaft ist oder weil mechanische Defekte Ungenauigkeiten hervorrufen. Der Umgang mit solchen User Errors während der Workflow-Ausführung ist eine Herausforderung, da die Eskalation zum Experten teuer und manchmal auch nicht möglich ist.
  
  Ansprechpartner: Dr. Johannes Damarowsky

Die Analyse von Geschäftsprozessen kann in unterschiedlichen Facetten erfolgen und sowohl Prozess-Schemata als auch Prozess- Instanzen als Betrachtungsgegenstände umfassen. Neben der Vorhersage des weiteren Verlaufs von Prozessinstanzen können u.a. Prozessmodelle ökonomisch bewertet werden.

• Prescriptive Workflow Analysis

  Hat ein Workflow mehrere mögliche Verlaufspfade, kann der konkrete Instanzpfad unterschiedliche Auswirkungen auf die Workflow- und Unternehmens-KPIs haben. Prescriptive Analysis versucht den bestmöglichen Workflowpfad zu empfehlen bzgl. bestimmter Ziele.
  
  Ansprechpartner: Dr. Johannes Damarowsky

• Prüfung der Korrektheit von Prozessmodellen

  Das Modell eines Geschäftsprozesses, bspw. in BPMN, kann fehlerhaft sein. Es existieren verschiedene Ansätze, um die Korrektheit von Modellen zu prüfen.
  
  Ansprechpartner: Dr. Johannes Damarowsky

• Process Discovery Algorithmen

  Bei der Business Process Discovery, einer Art von Process Mining, werden Event Logs analysiert, um daraus Geschäftsprozessmodelle zu extrahieren. Dafür existieren viele Algorithmen mit unterschiedlichen Vor- und Nachteilen. Zu diesen Algorithmen soll eine Literaturanalyse vorgenommen werden, um bestehende Algorithmen zu identifizieren und miteinander zu vergleichen.
  
  Ansprechpartner: Leonard Nake

Eine Herangehensweise an die Analyse von Geschäftsprozessen ist die Analyse von natürlichsprachigen Texten. So können beispielsweise aus Beschreibungen von Geschäftsprozessen Geschäftsprozessmodelle generiert, bestimmte Aktivitäten identifiziert oder analysiert werden.

• Generation von Geschäftsprozessmodellen durch die Analyse von natürlichsprachigen Texten

  Es besteht bereits ein Ansatz, der aus Prozessbeschreibungen Geschäftsprozessmodelle generiert. Aufgabe im Zuge einer Masterarbeit wäre, den bestehenden Ansatz zu analysieren und zu evaluieren, ob der Ansatz durch die Verwendung von Large Language Models verbessert werden kann.
  
  Ansprechpartner: Leonard Nake

• Analyse von Tasks durch die Verwendung von Natural Language Processing (NLP) Methoden (z.B. Large Language Models)

  Literatursuche, um bestehende Methoden zu identifizieren und zu analysieren. Wie können natürlichsprachige Prozessbeschreibungen analysiert werden, um Informationen über Tasks im jeweiligen Geschäftsprozess zu generieren?
  
  Ansprechpartner: Leonard Nake

Digitale Assistenzsysteme bündeln State-of-the-art-Technologien um bspw. ältere und kognitiv eingeschränkte Personen im Alltag zu unterstützen. Eine Vielzahl an Möglichkeiten zur Unterstützung sollte in einem zielgruppengerechten Informationssystem resultieren, dass einen gesellschaftlichen Mehrwert generiert.

• "Cryptocceptance"

  Auch wenn der Hype um Kryptowährungen ein wenig abgeebbt ist, stellen sie doch zusammen mit der Blockchain ein valides, transparentes und innovatives Konzept der Transaktionsverarbeitung dar. Daher stellt sich die Frage, inwiefern Blockchain-basierte Kryptowährungen, welche als Belohnungssystem in der digitalen Gesundheitsversorgung angewendet werden, die Akzeptanz und Adoption von Informationssystemen steigern (oder sogar mindern) können.
  
  Ansprechpartner: Martin Böhmer

• Ethische Perspektive

  Der Einsatz digitaler Assistenzsysteme sollte immer vor dem Hintergrund möglicher ethischer Konfliktpunkte betrachtet werden, da jene Systeme größtenteils in den Alltagsprozess der betroffenen Personen direkt oder indirekt eingreifen. Dabei ist besonders der Aspekt der adäquaten ethischen Konzeption digitaler Assistenzsysteme interessant.
  
  Ansprechpartner: Martin Böhmer

• Evaluation digitaler Assistenzsysteme

  Nicht nur hinsichtlich der Akzeptanz sollten digitale Assistenzsysteme evaluiert werden. Dabei spielen vor allem Faktoren wie Nachhaltigkeit, Effizienz, Effektivität, Zufriedenheit und Skalierbarkeit eine große Rolle. Eine passgenaue Evaluation kann demnach gute digitale Assistenzsysteme noch besser machen.
  
  Ansprechpartner: Martin Böhmer

KI ist nicht zuletzt durch die aktuellen Durchbrüche bei Large Language Models in aller Munde, sondern erreicht nahezu wöchentlich besser Leistungen in den Bereichen der optischen Bildverarbeitung und Objekterkennung. Die Einsatzbereiche sind vielseitig, die Architektur der Modelle ist dann oftmals spezifisch auf diese angepasst, was besonders aufgrund hoher Präzision und Genauigkeit im Bereich der digitalen Gesundheit von Relevanz ist./p>

• State-of-the-Art Deep Learning

  Deep Learning entwickelt sich im Sekundentakt und es sprießen nahezu täglich neue Modelle, Modifikationen oder Anpassungen in verschiedensten Bereichen aus dem Boden. Hierbei sind vor allem die Unterschiede, Einsatzmöglichkeiten und zu erwartenden Ergebnisse interessant.
  
  Ansprechpartner: Martin Böhmer

• Computer Vision

  Ein besonders interessanter Bereich des Deep Learnings is Computer Vision, bei dem verschiedene Anwendungen rund um Bildverarbeitung und -erkennung erforscht werden. Beispielsweise könnte hierdurch eine optische Fallerkennung bei älteren Menschen, die allein in ihrer Wohnung leben, eingesetzt werden. Hierbei sind vor allem konzeptionelle und innovative Anwendungsmöglichkeiten, vor allem im digitalen Gesundheitswesen, sowie eigene Entwicklungen denkbar.
  
  Ansprechpartner: Martin Böhmer

• Generative KI

  Ist der ChatGPT der bessere Mitarbeiter? In Zeiten grandioser Ergebnisse generativer KI stellt sich die Frage, inwiefern diese Forschungsaufgaben übernehmen kann und ob die Ergebnisse, subjektiv gesehen, vergleichbar mit denen menschlicher Gegenspieler sind. Dies ist besonders hinsichtlich der Anforderungen und Umsetzungsprinzipien von Informationssystemen interessant.
  
  Ansprechpartner: Martin Böhmer

Die Augmented Reality-Technologie erweitert die Realität um zusätzliche, synthetische Informationen für den Nutzer. Eine Vielzahl an Augmented Reality-Systemen existieren und manche davon können zu Zwecken des Geschäftsprozessmanagements eingesetzt werden.

• Spatial Augmented Reality

  Spatial Augmented Reality ist eine spezielle Form von Augmented Reality und erschafft immersive Welten durch die Nutzung von Projektionen und Audio. Dafür werden keine tragbaren Geräte benötigt, da relevante Inhalte in die natürliche Umgebung der Nutzer*innen projiziert werden. Aufgrund der aktuellen Technologieentwicklung beschreibt diese Art von Augmented Reality aktuell einen großen Hype und findet immer mehr Anwendung.
  
  Ansprechpartner: Martin Böhmer

• Empirische Evidenz für Augmented Reality-Mehrwerte

  Ausgehend von den technischen Eigenschaften erscheint AR für bestimmte Anwendungsszenarien klar geeignet Mehrwerte zu erzielen. Aber für eine solide Argumentation sind empirische Evidenzen unerlässlich, bspw. via Vergleichsstudien.
  
  Ansprechpartner: Dr. Johannes Damarowsky

• Entwicklung einer Taxonomie für Data-Science-Kompetenzen auf Basis einer Literaturanalyse

  Auf Basis einer Literaturanalyse leiten Sie in ggf. mehreren Iterationen eine Taxonomie für Data-Science-Kompetenzen ab.
  
  Ansprechpartner: Dr. Stephan Kühnel

• Entwicklung einer Taxonomie für Data-Science-Kompetenzen auf empirischer Basis

  Auf empirischer Basis (bspw. Analyse von Stellenausschreibungen aus dem Data-Science-Bereich oder Expertenbefragung) leiten Sie in ggf. mehreren Iterationen eine Taxonomie für Data-Science-Kompetenzen ab.
  
  Ansprechpartner: Dr. Stephan Kühnel

• Anwendungsmöglichkeiten der Q-Methode (Q-Sort) im Rahmen der Entwicklung von Taxonomien aus dem wirtschaftsinformatischen Themenspektrum

  In der Arbeit suchen und untersuchen Sie die Anwendungs- und Einsatzmöglichkeiten der Q-Methode im Rahmen der Taxonomie- Entwicklung, die in der Wirtschaftsinformatik breite Anwendung findet.
  
  Ansprechpartner: Dr. Stephan Kühnel

• Untersuchung von Pro und Kontra design-orientierter Forschung (Achtung: nur für Master!)

  Im Rahmen der Masterarbeit untersuchen Sie auf Basis von Interviews die Vor- und Nachteile der Anwendung design-orientierter Forschungsansätze.
  
  Ansprechpartner: Dr. Stephan Kühnel

• Multikriterielle Ansätze zur Bewertung von Investitionen in Informationssicherheit - Eine vergleichende Analyse

  Methodik: Strukturierte Literaturrecherche und/oder Fallstudienforschung

  Im Rahmen der Arbeit untersuchen Sie aktuelle Forschung auf bestehende Ansätze multikriterieller Bewertung von Informationssicherheit. Darüber hinaus können Sie diese Ansätze vergleichend analysieren und evtl. deren Anwendbarkeit im Rahmen einer kleinen Fallstudie aufzeigen.
  
  Ansprechpartnerin: Laura Bauer

• Akzeptanzfaktoren von Bewertungsmethoden für IT-Sicherheitsinvestitionen - Diskussion und Priorisierung

  Methodik: Empirische Analyse

  Im Rahmen der Arbeit nutzen Sie Erkenntnisse bestehender Akzeptanzforschung und führen eine an Ihr Abschlussformat angepasste empirische Analyse zur Priorisierung von Akzeptanzfaktoren mit anschließender Diskussion durch.
  
  Ansprechpartnerin: Laura Bauer

Sollten Sie an einer solchen Arbeit Interesse haben, vereinbaren Sie bitte einen Termin in der Sprechstunde von Prof. Sackmann (Sprechzeiten: Montags von 12:00 Uhr bis 13 Uhr, nach vorheriger Anmeldung über im@wiwi.uni-halle.de).

• Volkswagen Financial Services AG
  
  
  

  Aufgrund einer Forschungskooperation bieten wir interessierten Studierenden die Möglichkeit eine praxisorientierte Abschlussarbeit in Kooperation mit der Volkswagen Financial Services AG zu verfassen.

• SF Schalter GmbH
  
  
  
  

  Bei der SF Schalter GmbH können Sie eine Masterarbeit im Themenbereich des betrieblichen Informationsmanagements verfassen. Es sollen Ansätze der Betriebsdatenerfassung (BDE) via Terminal verglichen werden mit Ansätzen zur Datenerfassung via Workflow Management Systeme und Mobile Endgeräte.

• integration-factory

  Bei der integration-factory sind aktuell vier für Abschlussarbeiten für Bachelor und Master verfügbar in den Themenbereichen Datenintegration mit Apache Hop, Big Data Governance, Testautomatisierung im Datawarehouse und Container- Virtualisierung vs. virtuelle Maschine.

• Vorschlag eigener Abschlussarbeiten in Kooperation mit Praxispartnern

  Sie haben einen eigenen Praxispartner zur Hand? Kontaktieren Sie uns, um zu erörtern, ob wir eine Abschlussarbeit in diesem Rahmen betreuen können!

• Eigenes Thema

  Sollten Sie einen eigenen Vorschlag haben, vereinbaren Sie bitte einen Termin in der Sprechstunde von Prof. Sackmann (Sprechzeiten: Montags von 12:00 Uhr bis 13 Uhr, nach vorheriger Anmeldung über im@wiwi.uni- halle.de).

• Glückskeks

  Ihnen wird ein Thema zugewiesen.