Der Verein zur Förderung der Informatik in Rostock (INFO.RO) e.V. an der Universität Rostock freut sich, den Preis für die beste Bachelorarbeit im Studienjahr 2022-2023 an Herrn Maximilian Schwalenberg für seine herausragende Arbeit mit dem Titel „Height estimation of wind turbines using neural networks and the fusion of image and geoinformation“ zu verleihen.

In seiner bemerkenswerten Arbeit untersuchte Herr Schwalenberg, ob es möglich ist, die Höhe von Windkraftanlagen mittels Bildern, Geoinformationen und Deep-Learning-Methoden präzise zu schätzen. Die Experimente zeigten eindrucksvoll, dass durch die Extraktion relevanter Merkmale aus Luftbildern, kombiniert mit zusätzlichen Informationen und Techniken wie der Datenfusion und dem Multi-Task-Learning, zuverlässige Höhenbestimmungen erreicht werden können. Verfeinerungen wie das Hyperparameter-Tuning spielten dabei eine wichtige Rolle.

Die schriftliche Ausarbeitung von Herr Schwalenberg bietet eine fundierte Einführung in die theoretischen Grundlagen des maschinellen Sehens mittels neuronaler Netze. Alle relevanten Aspekte wurden in der notwendigen Tiefe behandelt. Besonders hervorzuheben ist die anschauliche Darstellung der angewandten Datenfusionsmethoden und der entwickelten Prediction-Heads (Teilnetze). Die durchgeführten Experimente wurden objektiv evaluiert, und die Resultate sind klar und verständlich präsentiert und diskutiert.

Insgesamt führt diese hervorragende Bachelorarbeit zu neuen und relevanten Erkenntnissen, die sowohl im Projektkontext als auch in zukünftigen wissenschaftlichen Arbeiten von Bedeutung sein werden.

Der Vorstand des INFO.RO e.V. gratuliert Herrn Schwalenberg herzlich zu diesem Erfolg und wünscht ihm für seinen weiteren Weg alles Gute!

Der Verein zur Förderung der Informatik in Rostock (INFO.RO) e.V. an der Universität Rostock freut sich, den Preis für die beste Masterarbeit im Studienjahr 2022-2023 an Herrn Justin Kreikemeyer für seine exzellente Arbeit mit dem Titel „Tensor-Based Smooth Execution of Stochastic Agent-Based Simulations“ zu verleihen. Der mit 400 € dotierte Preis wurde im Rahmen des Sommerfestes der Fakultät überreicht.

Im Rahmen seiner Arbeit widmete sich Herr Kreikemeyer der komplexen Problematik der simulationsbasierten Optimierung, insbesondere den Herausforderungen bei der Wahl geeigneter Parameterkombinationen. Agentenbasierte Modelle weisen häufig Unstetigkeiten auf, sodass effiziente Gradienten-basierte Optimierungsverfahren nicht ohne weiteres anwendbar sind. Herr Kreikemeyer entwickelte innovative Lösungen, die auf Smooth Interpretation (SI) und automatische Differenzierung (AD) setzen.

Die Masterarbeit behandelt drei zentrale Problembereiche: Erstens Die Auswahl geeigneter Datenstrukturen unter Berücksichtigung der Eigenschaften agentenbasierter Simulationen und der Hardware-Architektur von GPUs. Zweitens den Umgang mit der kombinatorischen Explosion, die durch die probabilistische Semantik der Smooth-Interpretation-Methode entsteht. Drittens werden Ansätze zur Reduzierung des Speicherbedarfs erarbeitet.

Im Zuge seiner Arbeit untersuchte Herr Kreikemeyer verschiedene Lösungsansätze, führte eine empirische Messstudie durch, entwickelte ein Werkzeug zur automatischen Übersetzung und verfasste eine Publikation IEEE-Journalpublikation. Seine eigenständige Herangehensweise und die originellen Lösungen tragen somit zum wissenschaftlichen Fortschritt auf diesem Gebiet bei.

Der Vorstand des INFO.RO e.V. gratuliert Herrn Kreikemeyer herzlich zu diesem Erfolg und wünscht ihm für seinen weiteren Weg alles Gute!

Provenienz beschreibt Informationen über Entitäten, Aktivitäten und Personen, die an der Erstellung von Daten oder anderen Dingen beteiligt waren, die zur Beurteilung ihrer Qualität, Zuverlässigkeit oder Vertrauenswürdigkeit dienen. In wissenschaftlichen Studien, wie z.B. Simulationsstudien, ist die Provenienz von Daten und anderen Produkten essentiell, um ihre Herkunft nachzuvollziehen und ihre Reproduzierbarkeit zu gewährleisten, was das Vertrauen in die Ergebnisse der Studien erhöhen und eventuelle Fehler aufdecken kann. Traditionell wird Provenienz manuell aufgezeichnet, zum Beispiel in Notizbüchern, Reports oder auch mithilfe von graphischen Editoren. Mit zunehmender Datenmenge und Komplexität von Studien – oder beliebigen anderen komplexen Prozessen – wird es jedoch immer schwieriger oder sogar unmöglich den Überblick zu behalten und alle Schritte lückenlos zu dokumentieren. Zudem schränken bisherige  artefaktbasierte Verfahren die Freiheit durch vordefinierte Schrittfolgen ein. Ziel der Bachelorarbeit war es daher, eine leichtgewichtige, nicht-intrusive Methode zu entwickeln, die den Modellierer in seiner gewohnten Arbeitsumgebung beobachtet und so die Provenienz transparent, mit so wenig Restriktionen wie möglich aufzeichnet. Die Methode basiert auf einer modularen Architektur aus sogenannten „Capturern“ und einem „Model Builder“. Die Capturer sind spezialisiert auf das Aufzeichnen von Information aus einem einzigen Tool, z.B. Python, Visual Studio Code oder der Konsole. Die von den Capturern gesammelten Informationen werden über eine Schnittstelle an den Model Builder übermittelt. Dieser kennt das zugrundeliegende Provenienz-Datenmodell und kann so die jeweiligen Entitäten, Aktivitäten und Abhängigkeiten ableiten und alles zu einem gerichteten, azyklischen Graphen zusammensetzen. Das Konzept wurde in Java implementiert und mit dem Ergebnis eines bisherigen workflowbasierten Ansatzes anhand des Räuber-Beute-Modells verglichen. Der Vergleich zeigte, dass Frau Wolpers mit ihrer leichtgewichtigen, nicht-intrusiven Methode in der Lage ist, alle ausgeführten Schritte korrekt aufzuzeichnen, mit nur minimalen Nutzereingaben. Das sehr anspruchsvolle Thema hat Frau Wolpers tief durchdrungen und mit großer Eigenständigkeit eine originelle Konzeption zur Lösung des Problem vorgelegt, die sie zudem technisch versiert implementiert hat.

In der Arbeit werden verschiedene Methoden untersucht, die es erlauben, ungewollte Störsignale vom eigentlichen Nutzsignal in einem neuartigen, elektromagnetischen Messsystem mit vielen parallelen Empfangsantennen zu trennen. In Zusammenarbeit mit der Micro-Bot Forschungsgruppe der Philips Forschung in Hamburg wurden dabei einerseits klassische Ansätze, die auf einer expliziten Modellierung der möglichen Störquellen beruhen, wie auch Ansätze auf Basis maschinellen Lernens verwendet. Da künstliche neuronale Netze wesentlich bessere Ergebnisse lieferten als die klassischen Methoden, lag der Hauptfokus der Arbeit auf dem maschinellen Lernen. Neben der Analyse über numerische Experimente wurde dabei ein wichtiges Grundproblem bei maschinellem Lernen – die Verfügbarkeit von Trainingsdaten –durch einen hybriden Ansatz gelöst: Echte Messdaten von Störsignalen, die sich leicht in großer Menge aufnehmen lassen, werden mit simulierten Nutzsignalen kombiniert. So ließ sich leicht ein praktisch unerschöpflicher Vorrat von Trainingsdaten erzeugen. Nach Training und Optimierung auf diesen hybriden Daten wurden die neuronalen Netze dann auch auf echte Messdaten angewendet. Ein wichtiges Ergebnis dieser Experimente ist, dass sich das Signal-zu-Rausch Verhältnis durch Anwendung der neuronalen Netze signifikant erhöht. Ein weiteres interessantes Ergebnis ist, dass es einen großen Unterschied darstellt, ob das Netz lernt das Signal oder die Störung zu extrahieren. Das ist insofern unerwartet, als in der Problemstellung Signal und Störung vollkommen symmetrisch auftauchen. Es zeigt sich aber, dass sich beide Ansätze – bei ähnlicher Leistungsfähigkeit – stark in Bezug auf die produzierten Artefakte unterscheiden. Ein weiteres Ergebnis ihrer Arbeit ist, dass Frau Odebrecht zeigen konnte, dass die Anwendung dieses physikalischen Vorwissens die Signalvorhersage verbessert. Da das konkrete System, mit dem sie gearbeitet hat, selbst ein Forschungsprototyp ist, musste sie dabei auch andere Gebiete (wie z.B. nicht abgeschirmte Magnetresonanztomographie), in denen strukturell ähnliche Probleme auftreten, berücksichtigen. Frau Odebrecht hat die Ergebnisse ihres äußerst anspruchsvollen Themas hervorragend dargestellt und in der Verteidigung überzeugend präsentiert.

Die Arbeit von Herrn Kreikemeyer ist im Bereich Modellierung und Simulation angesiedelt und widmet sich der Konzipierung, Implementierung und Evaluierung eines Simulationsalgorithmus für agentenbasierte Modelle. Es wurden zwei anspruchsvollen Themen der Informatik kombiniert. Zum einen entwickelte Herr Kreikemeyer ein Konzept für einen Simulationsalgorithmus, der wechselseitige Abhängigkeiten zwischen Agenten und Ereignissen ausnutzt, um unnötige Neuberechnungen einzusparen. Dazu setzte er sich intensiv mit den Grundlagen und dem state of the art der diskret-ereignisorientierten Simulation von agentenbasierten Modellen auseinander. Zum anderen erarbeitete er sich die Grundlagen der aspekt-orientierten Programmierung sowie deren praktische Umsetzung mit dem Framework AspectJ. Herr Kreikemeyer kombinierte beide Ansätze in einem neuartigen Simulationsalgorithmus, dessen Performanz er dann gründlich evaluierte. Die Performanz des Simulationsalgorithmus konnte insbesondere bei größeren Agentenmodellen im Vergleich zu existierenden Simulationsalgorithmen überzeugen. Die herausragende Arbeit konnte die Jury des Vereins INFO.RO vollständig überzeugen. Herr Kreikemeyer konnte auf Grundlage seiner in Englisch abgefassten Bachelorarbeit zudem als Erstautor einen Artikel auf der 54. Winter Simulation Conference in Phoenix, Arizona präsentieren.

Herr Zimmer beschäftigte sich mit der Datenintegration aus heterogenen Quellen. Er erweiterte dazu eine Technik, die als Global-as-Local-View-Extension (GaLVE) in Rostock entwickelt wurde. Bisher war die Fragestellung nach einer Beschreibung durch Schemaabbildungen noch offen. Herr Zimmer hat in seiner Arbeit eine allgemeine Berechnungsvorschrift für die invertierte Schemaabbildung zur Erweiterung der einzelnen Quellen sowie eine Beschreibung des gesamten neuen GaLVE-Verfahrens auf Basis der Relationenmodells erstellt. Hierfür hat er

• die theoretischen Grundlagen entwickelt, um Schemaabbildungen mit Informationsverlust zuzulassen ohne dabei die Vollständigkeit der erweiterten Quellen zu gefährden,
• in einer aufwändigen Literaturrecherche eigenständig eine geeignete Theorie zur Invertierung von Schemaabbildungen gesucht und diese entsprechend erweitert
• sowie das gesamte neu entwickelte GaLVE-Verfahren prototypisch implementiert.

Die Implementierung erfolgte in ChaTEAU, einem am Lehrstuhl entwickelten Java-Tool zur Verarbeitung des CHASE-Algorithmus. In der Konzeptentwicklung musste sich Herr Zimmer dabei stets an die Einschränkungen halten, welche durch den in ChaTEAU implementierten Standard-CHASE gegeben sind. Dies hatte insbesondere die Anpassungen der in der Literatur gefundenen Algorithmen in Logik erster Stufe sowie eine Anpassung des disjunkten CHASE für die Verarbeitung der Schemaabbildungen zur Folge. Die Jury des Vereins überzeugte die gelungene Verbindung von theoretischen Betrachtungen verbunden mit der praktischen Umsetzung und Auswertung der Ergebnis.

Die Arbeit von Anna-Lena Neufeld ist im Rahmen eines gemeinsamen Forschungsprojektes zwischen dem Lehrstuhl MMIS von Prof. Thomas Kirste und der IAV GmbH entstanden. Sie befasst sich damit, wie auf der Basis von Sensordaten, die im Auto erhoben werden, die aktuelle Situation automatisch erkannt werden kann. Frau Neufeld konzentriert sich dabei auf die Erkennung der Fahrsituation im Kreuzungsbereich. In der Arbeit wird nicht nur der in der Literatur dokumentierte Stand der Technik systematisch und umfassend analysiert. Nach Einführung notwendiger Begriffe und der Diskussion der Datengrundlage werden vielmehr auch selbstentwickelte und angepasste Modelle zur Vorhersage des Fahrverhaltens von Pkw-Fahrern ausführlich vorgestellt. Die Arbeit vereint eine herausragende Aufarbeitung und Diskussion des aktuellen Standes der Wissenschaft mit einer umfassenden Analyse unterschiedlicher Modelle zur Klassifikation des Fahrverhaltens im Kreuzungsbereich. Alle Modelle wurden sorgfältig evaluiert und die Ergebnisse kritisch diskutiert.

Die Arbeit von Nic Scharlau ist im Rahmen des Projektes ProSA (Provenance Management durch Schema-Abbildungen und Annotationen) entstanden, das sich mit Forschungsdatenmanagement beschäftigt und insbesondere Fragen nach Reproduzierbarkeit und Rekonstruierbarkeit von Forschungsergebnissen untersucht. Die Bachelorarbeit befasst sich mit der Untersuchung von Datenschutzaspekten hinsichtlich ihrer Verträglichkeit mit Data Provenance. Neben einer umfangreichen Aufarbeitung der Grundlagen werden hierzu auch eigene Analysen durchgeführt und Vorschläge erarbeitet. Ergänzend werden Experteninterviews verwendet, um den Umgang mit Forschungsdaten sowie die Definitionen von Privacy und Provenance in der Praxis zu untersuchen. Die Arbeit vereint somit eine umfangreiche Aufarbeitung der relevanten Grundlagen, eine tiefgehende theoretische Analyse und schließlich auch eine empirische Untersuchung des Gegenstandsbereichs. Sie weist damit eine für Bachelorarbeiten außergewöhnliche inhaltliche Tiefe und zugleich methodische Vielfalt der Bearbeitung auf.

Die Masterarbeit von Maximilian Jung widmet sich Fragestellungen im Bereich der Sicherheit von Feldbussen. Diese sind insbesondere relevant, da Feldbusprotokolle mit unzureichenden Sicherheitsmechanismen beispielsweise in Gebäudeautomatisierungssystemen ein hohes Risiko für externe und interne Gefahren darstellen. Viele Sicherheitskonzepte wurden bereits in Form von Protokollerweiterungen und spezifisch für Anwendungsdomänen eingeführt. Herr Jung geht in diesem Kontext zunächst auf den Stand der Technik ein und setzt sich mit bestehenden Simulatoren auseinander. In der Arbeit wird schließlich eine abstrakte Simulationsumgebung entwickelt, die es erlaubt, Angriffe und Abwehrmechanismen mittels einer abstrakten Beschreibung darzustellen, die dann auf verschiedenen Feldbussen simuliert werden können. Durch die Evaluation, ob Angriffskategorien und Abwehrmechanismen durch das abstrakte Modell dargestellt werden können, wird schließlich gezeigt, dass es zur Beschreibung einer Vielzahl von Angriffen und Sicherheitskonzepten verwendet werden kann.

Die Arbeit von Herrn Lutsch stellt Konzepte für die Analyse von Fahrzeugmessdaten mit Apache Spark vor und evaluiert diese. Dazu wurden Techniken zur Parallelisierung von Datenauswertungen mittels Datenparallelität zusammengefasst und Systeme und Formate untersucht, die zur Speicherung und Bereitstellung der Messdaten für Apache Spark geeignet sein könnten. Basierend auf der Analyse wurden drei Schemata für die Verarbeitung von uni- und multivariaten Zeitreihen in Data Frames konzipiert und Transformationen zwischen diesen implementiert. Die Basisfunktionen wurden aus Effizienzgründen in Scala implementiert. Anwender des Systems können bei ihren Analysen die Programmiersprache Python nutzen. Um unterschiedliche Systeme zur Speicherung nutzen zu können, wurde ein Konzept für einen Softwarestack zur zentralen Messdatenanalyse entwickelt. Die Benutzung des Systems wurde durch Beispielanalysen demonstriert.

Frau Ripkens Masterarbeit beschäftigt sich mit der Fragestellung, objektive Maße zur Einschätzung der Qualität von Datendarstellungen im 3D-Gelände zu finden. Dabei hat sie untersucht, welche Maße zur Beurteilung der Salienz genutzt werden können. Das sind Bildareale, die die Aufmerksamkeit der bzw. des Betrachtenden in besonderem Maße auf sich ziehen. Zum anderen beschäftigte sie sich mit der Bewertung von Visual Clutter, d.h. sie untersuchte die Komplexität einer Visualisierung. Zur Lösung dieser komplexen Themenstellung hat Frau Ripken aktuelle Forschungsergebnisse aus den Computer- und Kognitionswissenschaften miteinander kombiniert und einen angepassten, innovativen Lösungsansatz für die beiden Probleme entwickelt. Sie konnte zeigen, dass die ursprünglich für 2D-Darstellungen entwickelte Maße auch auf 3D-Szenen angewendet werden können. Sie hat nicht nur geeignete Maße für die Salienz und Visual Clutter aus einer Vielzahl von möglichen Optionen identifiziert, sondern diese auch effizient auf der GPU implementiert, um damit eine Echtzeitanalyse von Visualisierungen zu ermöglichen. Zudem integrierte sie ihren Ansatz in ein komplexes Visualisierungstool für die Datendarstellung im 3D-Terrain. Das ermöglichte ihr, für eine Vielzahl von Visualisierungsstrategien Saliency und Visual Clutter zu berechnen. Frau Ripken entwickelte eine entsprechende Bewertungsstrategie, und führte hierauf basierend eine systematische Untersuchung der Visualisierungsstrategien durch. Die Ergebnisse der Masterarbeit haben maßgeblich zum Inhalt einer internationalen Publikation auf der IEEE VIS Konferenz im Oktober 2019 in Vancouver beigetragen.

Die Arbeit ist im Bereich der Digital Humanities angesiedelt und widmet sich speziell dem Graph-Mining im Rahmen des internationalen Projektes ISEBEL. Dieses untersucht einen Verbund aus mehreren Erzähldatenbanken mit Text und Graph-Mining-Techniken. Herr Fenske hat dazu im Rahmen der Arbeit folgende Punkte untersucht: Wie lassen sich die Inhalte der Erzähl-Datenbanken als Graph-Strukturen repräsentieren? Welche Mining Techniken lassen sich auf den verwendeten Hypergraph-Strukturen einsetzen? Wie sieht ein Verfahren aus, dass aktuelle Cluster-Architekturen und Frameworks zur effizienten, parallelen Suche nach häufigen Mustern implementiert? Herr Fenske hat nicht nur den State-of-the-Art des Frequent Subgraph Mining (FSM) genau untersucht, sondern im Rahmen der Arbeit Lösungen für die Teilprobleme der Kandidatenrepräsentation und generierung gefunden und einen parallelisierten Algorithmus (PaSiGraM) entwickelt.

Frau Wilsdorf beschäftigt sich in ihrer Arbeit mit der Analyse von dynamischen Systemen. Durch individuelle Modellierung und Simulation können zum Beispiel in der Fischerei durch solche Modelle ein besseres Verständnis für die verschiedenen Faktoren gewonnen werden, um die Vorhersage von Bestandsgrößen zu ermöglichen. Individuelle Modellierung hat gegenüber von populationsbasierten Ansätzen aber den Nachteil der schlechten Skalierbarkeit. Durch die Einführung von Super-Individuen, die Sub-Populationen durch repräsentative Individuen ersetzen, kann eine Verringerung der in Rechenzeit bei zunehmender Ungenauigkeit der Simulationsergebnisse erreicht werden. Durch den Ansatz der dynamischen Super-Individuen, die sich während der Simulation neu organisieren können, wurde versucht, die Balance zwischen Geschwindigkeit und Genauigkeit zu verbessen. Frau Wilsdorf untersucht in ihrer der Arbeit zwei unterschiedliche Ansätze im Umgang mit den dynamischen Aspekten und setzt diese exemplarisch mit dem Modellierungs- und Simulationswerkzeug ML-Rules um. In der Auswertung zeigt Frau Wilsdorf wie durch Expertenwissen Parameter zur Erstellung der Modelle gefunden werden können. Sie zeigt aber auch die Aufgaben deren Lösung notwendig ist, um diesen Ansatz in der Praxis anwenden zu können.

Die Bachelorarbeit ist im Bereich der Digital Humanities angesiedelt. Sie widmet sich dem Einsatz von Crowd Sourcing-Techniken im Bereich der Transkribierung und Lokalisierung von Orts- und Flurnamen. Herr Lichtwark hat im Rahmen seiner interdisziplinären Arbeit einen umfangreichen Archivbestand einer eingehenden Analyse unterzogen. Der State-of-the-Art des Crowd Sourcing-Einsatzes in Digitalen Bibliotheken und Archiven wurde dargestellt sowie ein Konzept zur praktischen Umsetzung erarbeitet. Verschiedene Aspekte der Arbeit wurden inzwischen in drei Workshop- und Konferenzbeiträgen publiziert.

Die Masterarbeit ist im relativ neuen Gebiet des „Provenance Management“ zu verorten. Die grundlegende Idee der Arbeit besteht darin, Provenance-Techniken aus der Datenbankgrundlagenforschung mit Algorithmen der Datenbanktheorie sowie der Theorie von (inversen) Schemaabbildungen für die Datenintegration und Schemaevolution zu kombinieren. Frau Auge hat die komplexe Thematik systematisch und unter Weiterentwicklung von Techniken aus der aktuellen Datenbankgrundlagenforschung hervorragend bearbeitet. Die Ergebnisse sind so weitreichend, dass sie zu zwei Beiträgen auf internationalen Workshops führten und Zeitschriftenartikel in Vorbereitung sind. Die Ergebnisse von Frau Auge werden sowohl in die weitere anwendungsorientierte Forschung eingehen als auch in geplante Anträge im Bereich der Grundlagenforschung.

Herr Köster entwickelt eine kräftebasierte Methode für die Simulation von zellbiologischen Systemen. Der Beitrag, den diese Arbeit zur Wissenschaft leistet, besteht zum Einen in der Entwicklung eines Ansatzes, der partikel- und kompartimentbasierte Dynamiken miteinander verbindet und zum Anderen in einer effizienten GPU-basierten Methode, um Kollisionen zwischen diesen dynamisch geschachtelten Partikeln zu berechnen. Sowohl der neu entwickelte Simulationsansatz als auch der GPU-Algorithmus werden fundiert konzipiert, umgesetzt und ausführlich evaluiert. Insgesamt stellt die Simulation räumlicher Phänomene, wie das Verschmelzen von Kompartimenten, sehr hohe Anforderungen an die konzeptionelle Entwicklung sowie deren technische Umsetzung, die von Herrn Köster hervorragend gemeistert wurden. Über die eigentliche Arbeit hinaus konnte Herr Köster seine Erkenntnisse und Ergebnisse bereits erfolgreich publizieren und auf internationalen Konferenzen präsentieren.

ML-Rules ist eine Multi-Level-Modellierungssprache für biochemische Systeme.

Bisher konnten Systeme mit diskreten Reaktionen nicht effizient genug simuliert werden. Frau Wilsdorf entwickelte einen neuen Algorithmus cTAU (kurz für complex Tau-Leaping), der das Potential hat, diese Lücke zu schließen. In der Bachelorarbeit werden bestehende Ansätze verglichen und nachvollziehbar die Herleitung der neuen Vorgehensweise aufgezeigt. In der vorliegenden protypischen Implementierung und den umfangreichen Tests konnten schon Verbesserungen in der Abarbeitung bei einer steigenden Anzahl von Spezies nachgewiesen werden.

In der Masterarbeit von Stefan Lüdtke werden Algorithmen untersucht, die für den Einsatz zur automatischen Schlaferkennung für Menschen mit Demenz eingesetzt werden können. Als Datenquellen dienen am Körper getragene Bewegungssensoren. Die Arbeit umfasst die Aufzeichnung von Datensätzen gesunder Probanden, die Entwicklung eines geeigneten statistischen Modells, sowie eine umfassende empirische Evaluation des Modells. Die Arbeit von Herrn Lüdtke vereinigt herausragende konzeptionell-theoretische Überlegungen mit einer ausgezeichneten und sehr umfassenden empirischen Untersuchung, in Bezug auf eine interdisziplinäre Fragestellung, die von erheblicher gesellschaftlicher Bedeutung ist.

In der Bachelorarbeit werden graphentheoretische Konzepte in Vertrauensnetzwerken und auf Signaturgraphen von PGP angepasst und angewendet. Die dabei erforderlichen Algorithmen nutzen externe, vorgegebene und zum Teil wenig dokumentierte Datenstrukturen. Die Verfahren sind rechenaufwendig und skalieren nicht immer gut. In dieser schwierigen Landschaft hat Herr Leiding ein außergewöhnliches Maß an Durchsetzungsfähigkeit, Kreativität und wissenschaftlicher Arbeitsweise nachgewiesen.

In der Masterarbeit wurden die Möglichkeiten akustischer Verfahren im Bereich mobiler Endgeräte zur Kommunikation und Positionsbestimmung untersucht. Herr Woldegaber untersuchte Protokolle und Signalverfahren von WLAN bis Unterwasserkommunikation und entwickelte sowohl die notwendigen theoretischen Grundlagen als auch einen funktionierenden Demonstrator. Die besondere Bedeutung der Ergebnisse der Arbeit ergibt sich auch durch den Erfolg der Ideen der Masterarbeit, die zu einer Exist Startup Förderung genutzt werden konnten. Neben dem hohen Innovationsgrad und der Praxisnähe ist auch die mathematische Präzision, mit denen Grundlagen und Theorien diskutiert und entwickelt wurden, zu loben.

In seiner Arbeit entwickelt Herr Sigmanek eigenständig eine Methode zur Analyse und Optimierung von Prozessen des Wissenstransfers in Unternehmen. Ausgehend von der Betrachtung bestehende Ansätze zur Analyse wissensintensiver Prozesse werden Grenzen und Probleme dieser Ansätze aufgezeigt. Darauf aufbauend entwickelt er seine STAPS-Methodik (Scope-Tailoring-Analyse-Problem-Solving). Sie vermeidet die Probleme bestehender Ansätze, welche in der fehlenden Operationalisierung und mangelnden Berücksichtigung der unterschiedlichen Zielstellungen von Projekten zur Verbesserung der Wissensmanagementprozesse liegen. So vermag es Herr Sigmanek, die Grenzen des bisherigen Stands der Wissenschaft aufzuzeigen, zu erweitern, sowie mit Hilfe einer Fallstudie die praktische Relevanz und Umsetzbarkeit seines Ansatzes zu demonstrieren. Die Ergebnisse der Arbeit konnten schon in zwei wissenschaftlichen Veröffentlichungen präsentiert werden.

Mit der vorliegenden Arbeit werden Rollen im Enterprise Architecture Mangement (EAM) erstmals systematisch wissenschaftlich untersucht und erfasst. Die hierfür vorgeschlagene Forschungsmethodik wird inklusive der Evaluation der Forschungsergebnisse gut abgearbeitet. Allein die sehr umfangreiche Literaturanalyse und Darstellung der Ergebnisse geht über das für Bachelorarbeiten normal erwartbare Maß hinaus. Weiterhin zieht Herr Stelzer für die Validierung seiner Resultate zusätzlich zur Literaturanalyse ein Experteninterview heran. Durch diesen Methodenmix erhöht sich der Wert seiner Arbeit nochmals. Die Bachelorarbeit war bereits Grundlage für zwei wissenschaftliche Veröffentlichungen.

Bei der Darstellung von Daten im 3-dimensionalen Gelände hat Herr Röhlig sich insbesondere auch mit der Darstellung von Unsicherheiten, z.B. durch fehlende oder fehlerhafte Daten im Kontext von Wetterdaten beschäftigt. Dabei wurden überdurchschnittlich gute Ergebnisse, sowohl im Bereich des Konzeptes, als auch bei der praktischen Umsetzung erreicht. So konnten Vor- und Nachteile spezieller Visualisierungsansätze in 2D und 3D identifiziert und daraus Rückschlüsse für das Design neuer visueller Repräsentationen, insbesondere unter Einbeziehung von Unsicherheiten, gezogen werden. Herr Röhlig hat dabei nicht nur die in der Aufgabenstellung beschriebenen Unsicherheiten der Daten selbst, sondern in eigenständiger Arbeit auch zusätzlich durch die Anzeige entstehende Unsicherheiten, wie z.B. Verdeckungen und Verzerrungen berücksichtigt und entsprechende Lösungsideen entworfen. Im Ergebnis ist eine herausragende Masterarbeit entstanden, die nicht nur mit Bestnote bewertet wurde, sondern deren Ergebnisse auch maßgeblich zum Inhalt einer internationalen Publikation auf dem IEEE VIS International Workshop on 3DVis beigetragen haben.

Das Thema der Hausarbeit von Sarah Sahl liegt im Bereich der Verbesserung von Betreuungs- und Beratungsprozessen in der Studieneingangsphase. Durch Modellierung und Analyse dieser Prozesse am Institut für Informatik soll ein Beitrag zur Verbesserung der Prozesse und zum Qualitätsmanagement geleistet werden. In der Arbeit erfolgt eine Einführung in Modellierungsmethoden und klare Begriffsdefinitionen um schließlich eine geeignete Methode auszuwählen. Die Techniken zur Datenerhebung, zur Auswertung und Validierung werden transparent dargestellt und begründet. In der Arbeit wird Literatur aus der Unternehmensmodellierung, dem Qualitätsmanagement und der Erhebungstechniken gut aufbereitet. Frau Sarah Sahl dokumentiert mit der vorgelegten Hausarbeit zum einen, dass sie das Thema der Modellierung von Verbesserungsprozessen mit den wissenschaftlichen Methoden und Hilfsmitteln der Informatik sachgerecht und mit sehr gutem Ergebnis bearbeiten kann. Zum anderen sind die inhaltlichen Ergebnisse der Arbeit eine sehr gute Ausgangsposition für die Durchführung der Verbesserungsmaßnahmen, d.h. die Arbeit hat auch einen klaren praktischen Nutzen.

Die Arbeit beschäftigt sich mit der Fragestellung der Transformationen von Modellen zwischen unterschiedlichen Modellierungssprachen mit unterschiedlicher Expressivität. Als Beispiele dienen die Modellierungssprachen ML-Rules und SBML - letztere bildet den Standard zum Austausch von zellbiologischen Modellen. ML-Rules ist eine regelbasierte Sprache, die Regelschemata und dynamische Hierarchien mit einander verbindet. Sebastian Nähring hat sich den Herausforderungen, welche diese Problemstellung mit sich bringt, in sehr systematischer, pragmatischer aber auch innovativer Weise angenommen. Die Ergebnisse wurden im Dezember 2013 in Washington auch auf der Winter Simulation Conference vorgestellt.

In dieser Arbeit wurde ein Konzept für die Integration von Daten aus heterogenen, lokalen Datenquellen entwickelt. Dabei sollten Abbildungen von den Datenquellen in ein globales Schema auf Basis des Entity-Attribute-Value-Modells (EAV) definiert werden. Im Gegensatz zur „traditionellen“ Datenintegration sollen Anfragen im integrierten System jedoch nicht an das globale Schema gestellt werden, sondern weiterhin an die lokalen Schemata, wobei diese um Daten aus anderen Quellen erweitert werden. Dieser Ansatz wird als Global-as-local-view-extension bezeichnet. Er erfordert, dass die Inversen von Schemaabbildungen berechnet werden. Herr Straube hat mit seiner Arbeit bewiesen, dass dass er keine Scheu davor hat, auch sehr theoretische Ansätze zu hinterfragen und die Probleme bei einer praktischen Umsetzung aufzuzeigen. Diese Probleme konnte er durch neue eigene Konzepte auch unter praktischen Gesichtspunkten lösen. Durch sein Master-Projekt im Bereich der Radiologie der Universitätsmedizin Rostock konnte Herr Straube den theoretischen und algorithmischen Ansatz nicht nur an einem akademischen „running example“, sondern auch am praktischen Problem der Föderation von Klinikdaten im Bereich der Radiologie evaluieren. Dieser Anwendungsfall führte dazu, dass der Ansatz für die Fachwelt im Bereich der „Health Information Science“ interessant wurde und auf der internationalen Konferenz 2014 in Shenzen (China) päsentiert und in den LNCS 8423 (2014) veröffentlicht wurde.