Abschlussarbeiten

Hier finden Sie ausgeschriebene Abschlussarbeitsthemen, gegliedert nach Forschungsbereichen. Leitlinien und hilfreiche Tipps zur Ausarbeitung von Abschlussarbeiten und sonstigen wissenschaftlichen Arbeiten finden Sie unter Downloads und Links. Alle genannten Themen lassen sich ggf. und nach vorheriger Absprache mit den Betreuern und mit entsprechend angepasstem Umfang als Projekt-, Bachelor- oder Masterarbeit bearbeiten.

Zudem besteht für Sie als Studierende jederzeit die Möglichkeit, mit eigenen Ideen oder Vorschlägen zu Fragestellungen aus den unten genannten Themengebieten an uns heranzutreten und mit uns gemeinsam ggf. zu einem passenden Thema für Ihre Projekt- oder Abschlussarbeit auszugestalten.

Themengebiete

Optimierungsprobleme in der Logistik

Optimierungsmethoden werden auf zahlreiche Fragestellungen der Logistik angewendet. Aufgrund der Struktur von logistischen Fragestellungen bietet sich die Darstellung in mathematischen Modellen an. Die Komplexität solcher Probleme bringt zahlreiche interessante Themen hervor, wie zum Beispiel die Untersuchung von Modellierungsansätzen und Lösungsmethoden in den Feldern Tourenplanung, Standortplanung oder Liefernetzwerkgestaltung.

Quantitative Modellierung innovativer Logistikkonzepte

Sowohl in der Praxis als auch in der Forschung wird zunehmend an innovativen Transportlösungen gearbeitet, die den klassischen LKW mit Drohnen oder autonomen Lieferfahrzeugen kombinieren, um die Herausforderungen der letzten Meile oder der Inter-Site-Logistik zu bewältigen. Dabei gilt es, die jeweiligen Stärken der unterschiedlichen Zustellmöglichkeiten effektiv zu kombinieren. Die REWE-Group startete 2023 beispielsweise das Experiment „Liefer Michel“, bei welchem Drohnen und Lastenfahrräder kombiniert wurden, um Lebensmittel in abgelegenere Orte zu transportieren (siehe https://www.rewe-group.com/de/presse-und-medien/newsroom/pressemitteilungen/in-michelstadt-der-bringer/). Das Unternehmen Merck testete Drohnen für den Transport von medizinischen Proben zwischen zwei nahegelegenen Standorten (https://www.merckgroup.com/de/research/science-space/envisioning-tomorrow/smarter-connected-world/wingcopter-hot-topic.html). Die innovative Verbindung verschiedener Transportmittel erlaubt es, verkehrsbedingte Hindernisse wie Staus zu mindern oder natürliche Hindernisse durch Einbeziehung des Luftraums in den Lieferprozess zu umgehen. Solche Verbindungen tragen zur Erhöhung der Flexibilität und Automatisierung im Logistikprozess bei, was insbesondere für den Transport auf der letzten Meile entscheidend ist. Arbeiten auf diesem Gebiet zielen darauf ab, geeignete quantitative Modelle zu entwickeln, die eine effiziente Integration und Koordination dieser unterschiedlichen Transportmittel ermöglichen, um so die Lieferprozesse zu optimieren.

Möchten Sie in Ihrer Projekt- oder Abschlussarbeit eine Fragestellung aus diesem Themenbereich bearbeiten? Melden Sie sich bei Interesse gerne bei den Ansprechpartner*innen:
Tobias Klein, Kai Hoth, Tizian Schug

Effiziente Lösungsverfahren für gemischt-ganzzahlige Optimierungsprobleme in der Logistik

Häufig können praktische Probleme der Logistik mit Hilfe von gemischt-ganzzahligen linearen Programmen modelliert und gelöst werden. Bekannte Probleme stammen dabei beispielsweise aus dem Bereich der Tourenplanung (Vehicle Routing Probleme), z.B. mit praktischen Anwendungen in der Paketzustellung. Neuere Fragestellungen auf diesem Gebiet behandeln unter anderem multimodale Liefersysteme für Zustellungen auf der letzten Meile. Zuordnungsprobleme und Standortplanung sind weitere Problembereiche, welche als gemischt-ganzzahliges lineares Programm dargestellt werden können. Im Gegensatz zur klassischen linearen Programmierung wird das Lösen von gemischt-ganzzahligen linearen Programmen aufgrund der zusätzlichen Beschränkungen der Ganzzahligkeit einiger Entscheidungsvariablen erschwert. Daher werden effiziente Lösungsverfahren benötigt, um solche Programme in (für die Problemstellung) akzeptabler Zeit lösen zu können. Exakte Verfahren wie Branch-and-Cut berechnen für solche Probleme ganzzahlige optimale Lösungen, weisen meist jedoch im Vergleich zu heuristischen Verfahren einen erhöhten Rechenaufwand auf, während heuristische Verfahren i.d.R. schnell zu einem Ergebnis kommen, dieses aber nicht unbedingt der optimalen Lösung entspricht. Abschlussarbeiten auf diesem Gebiet können sich mit Heuristiken und exakten Schnittebenenverfahren (Separationsverfahren) oder mit dem Vergleich bestehender heuristischer und exakter Lösungsverfahren befassen. Da in diesen Arbeiten in der Regel die Modelle und Verfahren implementiert werden müssen, sind Kenntnisse in einer höheren Programmiersprache, bspw. in Python oder Java, wünschenswert. Mögliche Fragestellungen und Anwendungsgebiete sind unter anderem:

Letzte-Meile Lieferungen mit Drohnen (und LKWs)
Standortplanung von Depots und Lagerhäuser
Auswahlkriterien und Auswahlstrategie von Schnittebenenverfahren für ein auszuwählendes Logistikproblem
Konzeption und Implementierung von problemspezifischen Schnittebenenverfahren

Möchten Sie in Ihrer Projekt- oder Abschlussarbeit eine Fragestellung aus diesem Themenbereich bearbeiten? Melden Sie sich bei Interesse gerne bei bei den Ansprechpartner*innen:
Tobias Klein

Optimierung in der humanitären Logistik

Die humanitäre Logistik ist ein umfassendes Feld, das die Koordination und Durchführung von Operationen umfasst, die darauf abzielen, Leben in Krisensituationen zu retten und zu erhalten. Sie beinhaltet die effiziente Planung und Verteilung von Hilfsgütern, Evakuierungsplanung zur sicheren Umsiedlung betroffener Personen, sowie die Durchführung von Such- und Rettungsmissionen. Studien- und Abschlussarbeiten bieten sich dabei u.a. in folgenden Themenbereichen an:

Optimierung in Search-and-Rescue-Einsätzen

Nicht nur nach Naturkatastrophen, sondern auch in anderen Notfallsituationen ist eine schnelle und effiziente Suche nach Vermissten oft entscheidend für deren Überleben. Search-and-Rescue (SAR) Einsätze stehen dabei vor der Herausforderung, in oft unzugänglichem Gelände unter hohem Zeitdruck operieren zu müssen. Die Integration von Drohnen in SAR Einsätzen bietet vielversprechende Möglichkeiten, um Suchgebiete schneller und effektiver abzudecken. Um diese Kombination effektiv und zielführend einsetzen zu können, werden Optimierungsmodelle benötigt, die auf Basis der mit Unsicherheiten behafteten Daten die SAR Einsätze koordinieren und die Erfolgsquoten maximieren. Im Fokus stehen unter anderem folgende Fragestellungen: Welche Unsicherheiten haben einen starken Einfluss auf die Koordinierung von SAR Einsätze? Welche Möglichkeiten bestehen, Menschen und Drohnen gemeinsam für SAR Einsätzen einzusetzen und wie können diese modelliert werden? Welche Ansätze sind für praxisnahen Szenarien geeignet? Arbeiten auf diesem Gebiet befassen sich mit diesen Fragen sowie der Untersuchung und ggf. Weiterentwicklung von quantitativen Modellen, die für Search-and-Rescue Probleme in der Literatur vorgeschlagen wurden.

Möchten Sie in Ihrer Projekt- oder Abschlussarbeit eine Fragestellung aus diesem Themenbereich bearbeiten? Melden Sie sich bei Interesse gerne bei den Ansprechpartner*innen:
Tobias Klein

Mobilitätsdienste

In den vergangenen Jahren sind neue Mobilitätsdienste entstanden, die vermehrt Techniken des Operations Research einsetzen, um Prozesse effizient zu gestalten und in die Gewinnzone zu gelangen. Zu den neuen Mobilitätsdienstleistungen zählen unter anderem Bikesharing (wie StadtRAD, nextbike, JUMP und Mobike), Carsharing (wie ShareNow und Oply), Ridesharing (wie Uber, BlaBlaCar, MOIA und ioki) und E-Scootersharing (wie Lime, Bird, TIER, Circ, Voi).

Optimierung von innovativen Mobilitätsdienstleistungen

Zu jeder Art der neuen Mobilitätsdienste gibt es unterschiedliche Fragestellungen, die mithilfe von Optimierungsmethoden beantwortet werden können.
Beim stationären oder freefloating Bikesharing sind die Fahrten der Servicetransporter zum Umparken und Reparieren der Fahrräder oder die Frage nach bestmöglichen neuen Standorten für Fahrradstationen Themen, die mathematisch optimiert werden können.
Das Carsharing hat ähnliche Fragestellungen wie das Bikesharing. Eine zusätzliche Fragestellung ist z.B. die Optimierung der Betankung (mit Kraftstoff oder Strom) der Fahrzeuge in zeitlicher und/oder örtlicher Hinsicht.
Das Ridesharing, welches Ridehailing (Taxifahrten), Carpooling (Pendlergemeinschaften) und Ridepooling (Sammeltaxifahrten) beinhaltet, kann in unterschiedlicher Weise von Methoden des Operations Research profitieren. Zum Beispiel kann das Routing der Fahrzeuge und das Matching zwischen Fahrzeugen und Kunden optimiert oder dynamic pricing zur Erlösmaximierung genutzt werden. Auf dem Uber Engineering Blog finden sich einige Artikel und Paper zu dem Thema, z.B. "Dynamic Pricing and Matching in Ride-Hailing Platforms".
Der in Deutschland wohl neueste Mobilitätsdienst ist das E-Scootersharing. Bei den E-Scootern handelt es sich um elektrisch angetriebene Roller. Wissenschaftliche Literatur zur Optimierung dieses Mobilitätsdienstes ist noch kaum vorhanden. Ein möglicher Untersuchungsgegenstand ist zum Beispiel die Optimierung der Abendfahrten, die erforderlich sind, um die Scooter einzusammlen und über Nacht aufzuladen. E-Scooter-sharinganbieter sind zum Beispiel myTaxi mit der Marke Hive, Bird, Lime oder Tier Mobility.
Die Implementierung von mathematischen Modellen, die in der Regel Bestandteil jeder Abschlussarbeit ist, und/oder die Analyse und Auswertung von Daten kann beispielsweise in GUSEK oder Python erfolgen.
Die konkrete Themenstellung wird in Absprache mit dem Betreuer entwickelt.

Möchten Sie in Ihrer Projekt- oder Abschlussarbeit eine Fragestellung aus diesem Themenbereich bearbeiten? Melden Sie sich bei Interesse gerne bei den Ansprechpartner*innen:
Kai Hoth

Energietechnik und Energiewirtschaft

Energie ist für nahezu alle Lebensbereiche von zentraler Bedeutung. Aufgrund der Unverzichtbarkeit der Energiegewinnung auf der einen Seite sowie ihrer ökologischen Auswirkungen auf der anderen Seite handelt es sich um ein Themengebiet von großer gesellschaftlicher Relevanz. Die Energieerzeugung durch verschiedene Rohstoffe und Prozesse, die Energieverteilung und –speicherung sowie die Energienutzung durch private und gewerbliche Endverbraucher bieten viele Möglichkeiten zur Verbesserung der Effizienz. Optimierungen bewegen sich dabei im Zieldreieck zwischen Versorgungssicherheit, Wirtschaftlichkeit und ökologischer Nachhaltigkeit.

Optimierung in der Energietechnik und -wirtschaft

In vielen Industriebereichen stellt der Energieverbrauch einen erheblichen Kostenfaktor dar und ist somit Gegenstand möglicher Optimierungsmaßnahmen. Die Umgestaltung technischer Prozesse oder Anpassungen von Produktportfolios oder Produktionsprogrammen bieten beispielsweise Ansätze zur energetischen Optimierung. Aufgrund der Eigenschaft der Energie als unterstützende Ressource sind dabei verschiedene technische und wirtschaftliche Nebenbedingungen sowie unterschiedliche Zielsetzungen zu berücksichtigen. In der Energiewirtschaft treten insbesondere im Rahmen der Energiewende Fragestellungen auf, die die Anwendung von Optimierungsmodellen und –methoden nahelegen. Die Sektorenkopplung beruht auf der Vernetzung einer Vielzahl von Akteuren mit unterschiedlichen Funktionen und individuellen Zielen. Die zunehmende Dezentralisierung in der Erzeugung durch viele kleine Erzeugungsanlagen, sowie die Volatilität erneuerbarer Energien sorgen für eine hohe Komplexität. Die Gestaltung von Energienetzen erfolgt hinsichtlich der Ziele Versorgungssicherheit, Wirtschaftlichkeit und ökologischer Nachhaltigkeit. Die konfliktäre Beziehung dieser Ziele zueinander erfordert die Bestimmung entsprechender kompromissbasierter Lösungen. Abschlussarbeiten können Optimierungen des Betriebs von Smart Grids oder einzelner Anlagen zum Gegenstand haben und die Minimierung von Kosten oder Emissionen als Ziel verfolgen. Bestandteil einer solchen Arbeit ist neben der Implementierung eines solchen Modells die Auswertung und Analyse der Ergebnisse eines Anwendungsbeispiels. Die konkrete Themenstellung wird in Absprache mit dem Betreuer entwickelt.

Optimierung in der maritimen Logistik

Die maritime Logistik umfasst die Koordination und Durchführung von Operationen, die den effizienten Transport von Gütern über Seewege sicherstellen. Sie beinhaltet die z.B. Planung und Optimierung von Hafenumschlagsprozessen, die Steuerung von Schiffsflotten, die Routenplanung unter Berücksichtigung von Wetterbedingungen sowie das Management von Containern und Frachtraum. Studien- und Abschlussarbeiten bieten sich dabei unter anderem in folgenden Themenbereichen an:

Identifizierung von Clustern in Modellformulierungen für das Liegeplatzplanungsproblem

Containerterminals (CTs) bilden die wesentliche Schnittstelle zwischen Seetransporten und dem Hinterland. Zu den zahlreichen Planungsaufgaben des wasserseitigen Containerumschlags gehört die Planung der Liegeplätze für ankommende Containerschiffe, d.h. die optimale Nutzung der vorhandenen Kapazität. Die Kapazität eines Kais ergibt sich dabei aus seiner Länge und der Betriebszeit des CTs in der Planungsperiode. Das sogenannte Berth Allocation Problem (BAP) beinhaltet die Planung der Liegeplätze für ankommende Schiffe. Seine Lösung soll die Frage beantworten, zu welchem Zeitpunkt ein Containerschiff an welcher Position am Kai festgemacht werden soll. Darüber hinaus wird entschieden, ob und, wenn ja, welche Schiffe abgelehnt werden müssen, um die knappe Ressource Kai optimal zu nutzen. Je nach Perspektive kann das Ziel z.B. die Maximierung der Erträge des CTs oder die Maximierung des Serviceniveaus bzw. der Kundenzufriedenheit sein. Das Hauptziel der Arbeit wird die Identifikation grundlegender mathematischer Modelle sein, wie sie in der relevanten Literatur Verwendung finden. Die Aufgaben der Arbeit umfassen daher: (1) Einen Überblick über die relevante Literatur geben, (2) ähnliche Modelle anhand ihrer Modellformulierung gruppieren und (3) die allgemeine, grundlegende Modellformulierung jeder Gruppe darstellen. Darüber hinaus sollen die Basis-Modelle der einzelnen Gruppen auf eine Fallstudie angewendet und dabei beispielsweise der erforderlicher Rechenaufwand sowie die Zielfunktionswerte analysiert werden.