Studentische Ausarbeitungen

Die Themen für Studienarbeiten werden zweimal jährlich, im Zeitraum September/Oktober sowie März/April, auf dieser Webseite veröffentlicht.

Studienarbeiten werden in Gruppen von 2 bis 4 Studierenden durchgeführt. Die Bearbeitungszeit beträgt 6 Monate.

Bitte senden Sie ihre Bewerbung für eine konkrete Themenstellung aus der folgenden Liste direkt an den*die betreuende*n Mitarbeitende*n.

Die Bewerbungsunterlagen sollten 

• einen aktuellen Lebenslauf
• sowie Ihre wichtigsten Zeugnisse und Abschlüsse 

umfassen.

Falls zur Zeit keine offenen Themen für Bachelor- und Masterarbeiten ausgeschrieben sind oder diese nicht zu Ihren Interessen passen, haben Sie die Möglichkeit, weitere Themen anzufragen. Bitte bedenken Sie dabei, dass unsere Kapazitäten leider begrenzt sind und daher nicht jede Anfrage positiv beantwortet werden kann. Aus diesem Grund sollten Sie sich mit ausreichend Vorlauf um ein Thema bemühen.

Um den Arbeitsaufwand für alle Beteiligten zu reduzieren und gleichzeitig Ihre Erfolgschancen, ein passendes Thema zu finden, zu erhöhen, halten Sie sich bitte an das im Folgenden geschilderte Vorgehen:

1. Informieren Sie sich über die Forschungsaktivitäten des Institutes für Maritime Logistik.
2. Wählen Sie einen Forschungsschwerpunkt eines Mitarbeitenden aus. Dabei kann es sich entweder um einen inhaltlichen oder um einen methodischen Schwerpunkt handeln.
3. Schicken Sie eine E-Mail an eine*n der Mitarbeiter*in, die diesen Schwerpunkt abdecken. Nehmen Sie folgende Informationen mit auf:
   • Studiengang und Semester
   • Ausgewählter Forschungsschwerpunkt und ein 1-2-seitiges Abstrakt. Falls es sich hierbei um einen inhaltlichen Schwerpunkt handelt, geben Sie bitte ebenfalls eine von Ihnen präferierte Methode an, z.B. Simulation, Benchmarking, Prognose.)
   • Lebenslauf
   • aktuelle Notenübersicht
4. Bitte warten Sie auf eine Rückmeldung. Wir bemühen uns, Ihnen zeitnah zu antworten. Aufgrund der notwendigen internen Abstimmungsprozesse kann dies einige Tage in Anspruch nehmen.

About us

Fraunhofer Center for Maritime Logistics and Services CML is one among the 80 research institutes of the Fraunhofer-Gesellschaft. The Fraunhofer CML develops and optimizes processes and systems associated with maritime supply chain.

Objective of the Thesis

The focus of the thesis aligns with the identification and classification of automated twist lock handling systems. Twist locks are mechanical fixatures used on board vessels to interlock two containers loaded on top of each other. The process of removing and fixing these twistlocks from containers is referred to twistlock handling operations. The process is complicated and requires special attention by port employees to maintain the terminal productivity along with high safety standards. Therefore, the thesis is of great importance.

Task

• To conduct scientific research on the identification of available automated twist lock handling (ATH) solutions present in the market.
• Based on self-understanding, identify and suggest classification criterions for ATH solutions.
• Analyze industry reports and case studies to identify the port of applications for identified ATH solutions.
• Evaluate the impact of automated twist lock handling operations on terminal process.

Prerequisites

Currently pursuing a Bachelor's or Master's degree in Maritime Operations, Port Logistics, Mechanical Engineering, Industrial Engineering, or related fields is required. Along with good academic record fundamental understanding of the technical processes related to ports is preferred. Familiarity with scientific report writing is advantageous. The candidate should demonstrate an independent, results-driven, and methodical approach to work. Additionally, strong commitment, effective communication skills, teamwork capability, and reliability are necessary attributes

Processing is possible as of now!

Please send your application with your CV and current grades to:

Hintergrund der Arbeit

Automatische Spracherkennungssysteme (Automatic Speech Recognition, ASR) besitzen großes Potenzial zur Unterstützung maritimer Prozesse, beispielsweise bei der Analyse von Funkkommunikation oder der sprachgestützten Dokumentation technischer Abläufe. Moderne ASR-Foundation-Modelle (z.B. Whisper, Cohere, Voxtral) erzielen bereits hohe Genauigkeiten auf allgemeinen Sprachdaten, weisen jedoch in spezialisierten Domänen wie der maritimen Industrie weiterhin deutliche Schwächen auf. Insbesondere maritime Fachterminologie, geringe Verfügbarkeit annotierter Trainingsdaten sowie anspruchsvolle akustische Bedingungen erschweren eine zuverlässige Transkription. Daher werden Methoden zur Domänenoptimierung benötigt, die auch ohne große Mengen transkribierter Daten (Low-Ressource-Bedingungen) auskommen, um bestehende Modelle flexibel an maritime Anwendungsfälle anzupassen.

Zielsetzung der Arbeit

Ziel der Arbeit ist die Entwicklung und Untersuchung von Ansätzen zur Domänenoptimierung moderner ASR-Modelle für maritime Sprachdaten unter Low-Resource-Bedingungen (keine, bzw. kaum vorhandene, transkribierte Trainingsdaten). Hierfür sollen geeignete Adaptionsstrategien identifiziert, implementiert, weiterentwickelt und hinsichtlich ihrer Fähigkeit bewertet werden, domänenspezifische Sprache am Beispiel von maritimen Anwendungsfällen zuverlässig zu erkennen. Die entwickelten Methoden sollen anhand geeigneter Evaluationsmetriken systematisch untersucht und miteinander verglichen werden

Aufgabenstellung

Die Arbeit umfasst zunächst eine Literaturrecherche zu bestehenden Methoden der Domänenoptimierung und automatischen Spracherkennung unter Low-Resource-Bedingungen. Auf Basis dieser Analyse sollen ein oder mehrere geeignete Ansätze zur Anpassung von ASR-Modellen implementiert, ggf. weiterentwickelt und experimentell untersucht werden. Die Eignung der Methoden soll anhand mehrerer Datensätze des FraunhoferCenter für Maritime Logistik und Dienstleistungen CML evaluiert werden. Die Evaluation erfordert die semi-manuelle Transkription des Evaluationsdatensatzes (sehr gute Deutschkenntnisse erforderlich). Abschließend sollen die Ergebnisse anhand geeigneter Evaluationsmetriken analysiert und diskutiert werden.

Voraussetzungen

Neben guten Studienleistungen werden eine systematische und fundierte wissenschaftliche Arbeitsweise und grundlegende Kenntnisse im Bereich der maritimen Logistik erwartet.

Die Bearbeitung ist ab sofort möglich!

Bei Interesse schicken Sie bitte eine kurze Bewerbung per Email an:

Hintergrund der Arbeit

Zur Reduzierung der Emissionen und der Staus vor Containerterminals haben sich sogenannte Truck Appointment System (TAS) durchgesetzt, bei denen die Lkw-Fahrer im Vorauf ein Zeitfenster am entsprechenden Containerterminal für die Anlieferung reservieren müssen. Die TAS müssen je nach Containerterminal- und Hafeneigenschaften unterschiedlich eingestellt werden. Dabei kann Simulationsbasierte Optimierung unterstützen.

Zielsetzung der Arbeit

Ziel der Arbeit ist es, ein simulationsbasiertes Optimierungsverfahren zur strukturierten Auswahl geeigneter Parameterausprägungen von TAS an Containerterminals zu entwickeln und in einem bestehenden Simulationsmodell anzuwenden. Damit sollen gezielte Parametervariation und eine entsprechende Auswahl relevanter TAS-Parameter (z. B. Zeitfensterlängen, Kapazitätskontingente, Flexibilitätsregeln) durchgeführt werden, um so die Effizienz zu steigert, Staus zu reduzieren und Emissionen zu verringern können.

Aufgabenstellung

• Einarbeitung in die Funktionsweise von TAS und Analyse der zentralen Stellgrößen.
• Untersuchung des vorhandenen Simulationsmodells hinsichtlich seiner Struktur, Eingangsgrößen und relevanten Ergebnisgrößen.
• Auswahl und Begründung einer geeigneten Optimierungsmethode (z. B. heuristische Verfahren, Multi-Kriterien-Optimierung), die mit der Simulation verknüpft werden kann.
• Entwicklung eines simulationsbasierten Optimierungsverfahrens, das systematisch unterschiedliche Parameterausprägungen testet, bewertet und verbessert.
• Durchführung von Experimenten mit dem entwickelten Verfahren auf Basis des bestehenden Simulationsmodells zur Identifikation effizienter Parametereinstellungen.
• Analyse und Bewertung der Ergebnisse im Hinblick auf die Zielgrößen.
• Diskussion der Grenzen des entwickelten Ansatzes sowie Ableitung von Empfehlungen für die Anwendung in der Praxis und für weiterführende Forschung

Voraussetzung

Neben guten Studienleistungen werden eine fundierte wissenschaftliche Arbeitsweise und grundlegende Kenntnisse im Bereich der maritimen Logistik erwartet.

Die Bearbeitung ist ab sofort möglich!

Bitte richten Sie Ihre Bewerbung mit Lebenslauf und aktuellen Notenspiegel an:

Background of the Thesis

Seaports serve as a link between international and regional transport systems. When planning their construction or introducing major operational changes, simulation is often used as means to estimate their effects. One key aspect here is the expected yard occupancy. However, obtaining realistic operational data for simulations is often difficult due to confidentiality. To overcome this, ConFlowGen (https://github.com/1kastner/conflowgen) was developed, enabling the creation of synthetic yet realistic container flow scenarios using vessel schedules and further assumptions, such as the modal split and the expected container dwell time.

Objective of the Thesis

At the institute, we have used ConFlowGen to estimate the required yard capacity before (see, e.g., https://link.springer.com/chapter/10.1007/978-3-031-56826-8_13). We have seen that when synthetically generating container booking data, in the first days the yard needs to warm up before the expected yard occupancy is reached. In the last days, operations cool down until the yard is empty again. Only after the warm up and before the cool down, the data approximates actual terminal operations sufficiently well. But how many days does the warm up and cool down take and is there some automated way to identify it? You analyze this for selected ports over a period of several weeks or months using publicly available sources.

Task

You start by a sound literature research related to warm up and cool down phases in discreteevent simulation. Then you select exemplary ports/terminals which provide open data. Then you explore different approaches for identifying the normal operations window (e.g., fixed thresholds, statistical detection methods). The most promising approaches you implement in Python as an extension for ConFlowGen.

Prerequisites

A systematic and well-founded scientific approach, good knowledge of statistics and data science, and basic knowledge in the field of (maritime) logistics are expected. For the data analysis, good programming skills are essential.

Processing is possible as of now!

Please send your application with your CV and current grades to: 

Background of the Thesis

Unmanned surface vehicles (USVs) are increasingly deployed for inspection, monitoring, and autonomous transport in maritime and inland waterways. A key challenge is reliable obstacle avoidance in cluttered environments such as ports and canals. USVs are usually equipped with monocular cameras and can serve as an alternative to traditional distance measuring sensors such as Radar or LiDAR, which may be bulky and expensive. However, estimating distances from a monocular camera remains challenging. Recent advances in computer vision enable monocular distance estimation, enhancing real-time obstacle avoidance for USVs.

Objective of the Thesis

The aim of this thesis is to develop and evaluate a monocular vision-based system that estimates distances to obstacles in real-time for use in obstacle avoidance in cluttered waterways. The system should support the navigation of USVs in environments such as inland waterways, ports, or canals, where accurate short-range distance estimation is critical to avoid collisions with floating objects, maritime vessels, or infrastructure.

Task

The work involves a comprehensive literature review of existing methods for monocular distance estimation, with a focus on applications of monocular distance estimation in maritime and inland waterways. Based on this, a suitable deep learning-based system needs to be implemented. The system will be trained and tested on publicly available datasets. The final model should be capable of detecting and estimating obstacle distances in real time from monocular video input. The system will be validated through quantitative metrics.

Prerequisites

A systematic and well-founded scientific approach, good knowledge of statistics and data science, and basic knowledge in the field of (maritime) logistics are expected. For the data analysis, good programming skills are essential.

Processing is possible as of now!

lease send your application with your CV and current grades to:

Background of the Thesis

Inland waterway traffic is regularly affected by disruptions such as lock closures, construction activities, and critical water levels. Waterway authorities communicate these events through Notices to Skippers (NtS), which are accessible across 13 European countries via the European River Information Services (EuRIS - www.eurisportal.eu) portal. Integrating NtS data with daily vessel passage records at locks enables the assessment of disruption-related traffic impacts along the Rhine, Main, and Danube waterways.

Objective of the Thesis

This thesis evaluates whether machine learning (ML) outperforms conventional statistical models in predicting and explaining disruption-related traffic impacts. It examines two applications: forecasting daily vessel passages at locks using NtS data, water levels, and calendar effects; and identifying the most consequential disruptions, including their delayed, combined, and network-wide impacts.

Tasks

Conduct a literature review of inland waterway disruptions and statistical and machine learning approaches to traffic forecasting. Using EuRIS data collected since April 2026 for the Rhine, Main, and Danube, NtS events are extracted, classified by type and severity, and integrated with daily lock passages and water levels. Selected statistical and ML models, including deep learning approaches, are implemented and evaluated on a test period. Their performance is compared in terms of forecasting accuracy, representation of delayed and network-wide effects, interpretability, and data requirements, while identifying the most influential disruption events.

Prerequisites

A systematic and well-founded scientific approach, good knowledge of statistics and data science, and basic knowledge in the field of (maritime) logistics are expected. For the data analysis, good programming skills are essential.

Processing is possible as of now!

Please send your application with your CV and current grades to: