Abschlussarbeiten

Sie sind an einem Thema für eine Abschlussarbeit oder Zulassungsarbeit interessiert, die im Zusammenhang mit unseren Forschungsgebieten Bildungstechnologie, E-Assessment oder Didaktik der Informatik steht? Zögern Sie nicht, uns zu kontaktieren, wenn Sie daran interessiert sind, eine Bachelor-, Master- oder Zulassungsarbeit in einem unserer Forschungsgebiete zu schreiben. Wir sind auch immer Ihren eigenen Vorschlägen, Ideen und Beiträgen aufgeschlossen.

Sie können Ihre Abschlussarbeit sowohl in deutscher als auch in englischer Sprache verfassen.

Offene Themen

• Bachelorarbeiten
• Codequalität aus Sicht von KI: Eine Replikationsstudie zu „I Know It When I See It“: Diese Arbeit soll untersuchen, wie moderne Large Language Models (LLMs) den Begriff Codequalität verstehen. Hierzu soll der Interviewleitfaden der Studie "I Know It When I See It" (Börstler et al., 2017) für KI-Systeme adaptiert und mit verschiedenen aktuellen LLMs durchgeführt werden. Die Antworten sollen mithilfe qualitativer Methoden ausgewertet und mit den Ergebnissen der Originalstudie verglichen werden. Der Schwerpunkt der Arbeit liegt auf der qualitativen Analyse und der Diskussion, inwiefern sich die von KI beschriebenen Vorstellungen von Codequalität mit den in der Literatur beschriebenen Konzepten decken. Programmierkenntnisse werden zwar vorausgesetzt, es müssen jedoch keine umfangreiche Software oder Algorithmen entwickelt werden. Bei Interesse bitte bei Sigrid Klinger melden.
• Automatische Bewertung von Variablennamen mit statischer Analyse und Large Language Models: Diese Arbeit soll untersuchen, wie sich die Bewertung von Variablennamen durch eine Kombination aus statischer Codeanalyse und kleinen, lokalen Large Language Models (LLMs) automatisieren lässt. Grundlage bildet die auf der ITiCSE 2026 veröffentlichte Taxonomie von Hickman et al., die Variablennamen anhand eines Entscheidungsbaums in verschiedene Qualitätskategorien einordnet. Dabei sollen zunächst diejenigen Entscheidungen identifiziert und umgesetzt werden, die sich zuverlässig durch statische Analyse treffen lassen. Für kontextabhängige Aspekte, die sich nicht oder nur schwer statisch bestimmen lassen, sollen LLMs ergänzend eingesetzt und mithilfe geeigneter Prompts evaluiert werden. Die kombinierte Analyse soll auf einem Datensatz studentischer Java-Programme angewendet und ihre Ergebnisse quantitativ sowie qualitativ untersucht werden. Ziel ist es, die Eignung eines solchen hybriden Ansatzes für die automatisierte Bewertung von Variablennamen zu untersuchen und Potenziale für den Einsatz in automatischen Feedbacksystemen zu diskutieren. Neben der Implementierung eines Prototyps liegt der Schwerpunkt der Arbeit auf der Evaluation und Analyse der Ergebnisse. Bei Interesse bitte bei Sigrid Klinger melden.
• „Ist es noch mein Code?“ – Die Wahrnehmung von Autorschaft bei verändertem Programmcode: Wann empfinden Studierende Programmcode noch als ihren eigenen? In dieser Arbeit soll untersucht werden, wie sich unterschiedliche Veränderungen an Java-Programmen auf die Wahrnehmung von Autorschaft auswirken. Hierzu werden Studierenden schrittweise veränderte Versionen ihrer eigenen Programme vorgelegt, beispielsweise mit automatischer Formatierung, umbenannten Variablen, strukturellen Refactorings oder KI-generierten Anpassungen. Mithilfe von Interviews oder Fragebögen soll untersucht werden, welche Veränderungen als rein oberflächlich wahrgenommen werden und ab wann Studierende das Gefühl haben, dass es sich nicht mehr um ihren eigenen Code handelt. Neben der Implementierung eines kleinen Werkzeugs zur automatischen Erzeugung unterschiedlicher Codevarianten umfasst die Arbeit die Konzeption und Durchführung einer empirischen Studie sowie die qualitative und quantitative Auswertung der Ergebnisse. Bei Interesse bitte bei Sigrid Klinger melden.

In Bearbeitung

• Bachelorarbeiten
• Metehan Altay: Generative KI als Unterstützung für Selbstreflexion: Ein adaptives Unterstützungssystem für Studierende
• Augustin Belcore: Statische Analyse zur Erkennung Dynamischer Codequalitätsdefekte für Grundlagenvorlesungen
• Leon Bui: Dynamische Identifikation von Codequalitätsdefekten in CS1-Programmen
• Sophia Pürstinger: Automatische Klassifikation von Peer-Code-Reviews mithilfe von LLMs
• weitere zwei in Vorbereitung
• Masterarbeiten
• eine in Vorbereitung
• Zulassungsarbeiten
• Katharina Oxenius: Unterrichtstechniken der englischen Fremdsprachendidaktik im Programmiersprachenunterricht
• Jakob Zebhauser: Eine szenarienbasierte SQL-Lernumgebung für die 10. Klasse
• Stefan Fritschle: Mulit-Sensorisch angereicherte Informatikdidaktik
• Lisa Hoang: Ein intelligentes Tutorsystem zur Auswertung von Ausdrücken in Java für die Informatik-Lehre

Abgeschlossen

• Bachelorarbeiten
• Francis Arsene (2026): Was ist Guter Code? – Eine Analyse von Codequalitätsaspekten in aktuellen Lehr- und Lernmaterialien aus Anfängerperspektive
• Carla Darchinger (2026): Evaluation von GPT-5 Mini zur Automatisierten Generierung von Reflexionsfragen
• Hao Ni (2026): A Qualitative Study of Student Approaches using LLMs to Improve Code Quality
• Ivo Karaasenov (2026): Extracting structural information from lecture materials using rule-based methods and genAI
• Felippo Konrad (2025): Untersuchung der Feedbackqualität und Performance von freien State-of-the-Art LLMs für Programmieraufgaben
• Vanessa Bräuer (2025): Informationsaufbereitung in einem Unterstützungstool für die Bewertung mündlicher Prüfungen
• Justus Sayer (2025): Informatikunterricht in Deutschland: Ein systematischer Vergleich der Lehrpläne an Gymnasien
• Stefan Damböck (2025): Assisting Tutors in Giving Feedback on Programming Assignments with Adaptable Templates
• Tatjana Riedmaier (2025): KI-Feedback zur Tutorenrückmeldung: Möglichkeiten und Ansätze
• Burhan Karababa (2025): Digitale Unterstützung bei der Formulierung von Lernzielen zur Förderung des selbstregulierten Lernens
• David Schmutz (2025): Ein adaptives Lernunterstützungstool für die Chomsky-Normalform (Kooperation mt TCS-Lehrstuhl)
• Anni Zhang (2025): Untersuchung von Open Source LLMs zur Generierung von Feedback für Programmieraufgaben
• Simeon Weigel (2025): Ansätze zur einfachen Datenerhebung im traditionellen Übungsbetrieb
• Maxim Smirnov (2025): On the Influence of HATC Parameters on Collusion Detection in Online Exams (Kooperation mit DBS-Lehrstuhl)
• Zoe Jebing (2024): Unterstützungstool für die Erstellung von Protokollen mündlicher Prüfungen und Nutzung von Assessment Analytics
• Elisabeth Simbürger (2024): Qualitative Trendanalyse von Haskell-Peer-Code-Reviews
• Marvin Hager (2024): Student-centered Live-Feedback using Error-Clustering in an Introductory Programming Course
• Victoria Possart (2024): Analyse und Entwicklung eines Workflows und Austauschformats für Forschungsdaten über E-Assessment Systeme
• Lea Patricia Sigethy (2024): Evaluation einer mobilen Anwendung zur Studienorientierung im Fach Informatik
• Andreas Götzfried (2024): Supporting Classroom Orchestration Using a Live Teacher Dashboard
• Isabel Klug (2023): Investigating Motivational Designing Features For Improving E-Learning User Interfaces
• Leo Egorov (2023): Automatic Generation of Feedback for Multiple Choice Questions to Support Teaching Assistants
• Vasco Mano (2023): Quantitative and Qualitative Analysis of Peer Reviews from an Introductory Programming Course
• Markus Manlik (2023): A Didactic, Web-based Tool for the Powerset Construction of Finite Automata
• Zoë Schreiner (2023): A Prototype for Efficiently Marking Large Amounts of (Short) Open-Ended Questions
• Isabell Wanderwitz (2023): Using Peer Review to Learn Programming – A Literature Review
• Halim Lawal (2022): Secure Integration of External Services into the E-Assessment Environment GATE
• Cosima Schenk (2022): Anforderungsanalyse und Design eines Tools zur Bildung von Lerngruppen
• Julia Lapin (2022): Gamification & selbstreguliertes Lernen: Ein erweiterter Ansatz der Gamification zur Förderung von ökologischem und nachhaltigem Handeln
• Zora Wurm (2021): Design und Evaluation einer Plattform zur Unterstutzung des agilen Unterrichtens
• Jana Klinitska (2021): Vergleich von Plagiatserkennungsmethoden für Programmieraufgaben
• Moritz Böhm (2021): Unterstützung von Lehrenden und Lernenden durch Learning Analytics Visualisierungen
• Masterarbeiten
• Martina Georgieva (2025): The Effects of Comments and Indentation on Code Quality Perception: An Eye-Tracking Study of CS1 Students
• Sigrid Klinger (2024): Untersuchung eines adaptiven, auf der Etymologie basierenden Referenzwerks zum Kanji-Studium
• Maximilian Kristen (2024): Crowdsourcing Dialectal and Situational Utterances for Training Cochlear Implant Wearers
• Felix Gutjahr (2023): Erkennung von Plagiaten bei Programmier-Lückentext-Aufgaben in Online-Prüfungen
• Viola Weickenmeier (2023): Identifying hidden structures among Research Papes for E-Assessment Systems
• Tamia Bosch (2022): Self-reflection and Peer-Feedback as Tools to support long-term sustainable shopping behavior
• Jennifer Herner (2022): Scaffolding and Orientation Support in Video Learning Using a Hierarchical Knowledge Mapping System
• Florian Holzinger (2021): Kollaborative Unterstützung bei der semi-automatisierten Bewertung von
  Programmieraufgaben
• Michael Käsdorf (2021): Designing Memory Palaces for Virtual Reality Environments
• Herrmann Elfreich (2020): Konzeption und Evaluation eines mobilen unterrichtsbegleitenden Unterstützungssystems
• Zulassungsarbeiten
• Luca Weyhofen (2025): Entwicklung und Evaluation einer interaktiven Lernumgebung zur Förderung der Fehlerbehebungskompetenz von Programmieranfängern in Java
• Bastian Göhler (2025): Entwicklung und Untersuchung eines Drill & Practice-Systems mit Automatischer Aufgabengenerierung zur Wiederholung von Programmiergrundlagen
• Josef Guggenberger (2024): IT-Sicherheit Lehren und Lernen – Didaktische Ansätze zur Vermittlung von Websicherheitskonzepten im Informatikunterricht
• Dennis Stanglmair (2022): Entwicklung und Evaluation eines webbasierten Lernpfads für Binärbäume
• Patrick Kaufmann (2021): Unterrichtsequenz zum Thema Blockchain im Informatikunterricht