Abschlussarbeiten

Themenvergabe und Beratung

Nun heißt es Endspurt in Ihrem Studium. In Ihrer Abschlussarbeit bearbeiten Sie selbstständig eine Fragestellung aus dem Bereich der Wirtschaftsinformatik. 

Neben unserer intensiven Betreuung bietet Ihnen ein speziell für wissenschaftliche Arbeiten konzipiertes Lernmodul wertvolle Unterstützung bei der Erstellung Ihres Exposés und Ihrer Abschlussarbeit.

Suchen Sie sich gerne einen Themenvorschlag unserer wissenschaftlichen Mitarbeitenden aus. Bei Interesse schreiben Sie die jeweilige Kontaktperson gerne direkt an. Wir kommen dann auf Sie zurück. Die Vorstellung unserer Themenbereiche finden Sie weiter unten.

Auch eigene Themenvorschläge sind willkommen. Bitte bereiten Sie diese gut vor, orientieren Sie sich an unseren Themenbereichen (siehe Forschungsschwerpunkte) und schicken Sie uns Ihren Themenvorschlag (Erste Literaturreferenzen sind sehr erwünscht!) per E-Mail (mit Motivation, Studiengang und Wunschbeginn) an: lehre-fgwinfo[at]uni-kassel[dot]de . 

Ablauf

Im Rahmen des Begleitseminars erfolgen drei Präsentationen à 10 bis 20 Minuten. Dazu gehören eine Präsentation zur Themenfindung, die Vorstellung des Exposés, und eine Zwischen- oder Abschlusspräsentation.

Je nach Studiengang und Prüfungsordnung kann ein Abschlusskolloquium (Präsentation à 30-60 Minuten) verpflichtend sein. 

 

 

Vorstellung der Themenbereiche

Kontaktperson: Eva Späthe, eva.spaethe[at]uni-kassel[dot]de 

Motivation und Relevanz

  • Datenschutz ist rechtlich, organisatorisch und technisch reguliert; die Anforderungen entwickeln sich mit neuen Technologien und Anwendungsfeldern fortlaufend weiter.
  • Neben gesetzlichen Vorgaben (z. B. DSGVO) prägen Governance-Strukturen, Standards und Zertifizierungen die praktische Umsetzung in Organisationen und Institutionen.
  • Relevant sind Fragen der Wirksamkeit, Durchsetzung und Interoperabilität von Regelwerken sowie ihrer Auswirkungen auf Gesellschaft, Unternehmen, Verwaltung und Einzelpersonen.

Mögliche Forschungsfelder

  • Umsetzung und Wirksamkeit regulatorischer Vorgaben in bestimmten Branchen oder Organisationstypen oder gesellschaftlichen 
  • Rolle von Standards, Zertifizierungen und Verhaltensregeln (Codes of Conduct)
  • Governance-Strukturen und Verantwortlichkeiten im betrieblichen Datenschutz
  • Spannungsfeld zwischen Datenschutz und neuen Technologien (z. B. KI, Cloud, Tracking)

Mögliche Forschungsmethoden

  • Konzeptionelle Untersuchungen (systematische Literaturübersicht)
  • Empirische Untersuchungen (Interviews, Umfragen, Experimente)

Einstiegsliteratur

  • Hinterleitner, M., Knill, C., & Steinebach, Y. (2024). The growth of policies, rules, and regulations: A review of the literature and research agenda. Regulation & Governance, 18(4), 1330–1348. https://doi.org/10.1111/rego.12511
  • Smith, H. J., Dinev, T., & Xu, H. (2011). Information privacy research: An interdisciplinary review. MIS Quarterly, 35(4), 989–1015. https://doi.org/10.2307/41409970
  • Späthe, E., Danylak, P., Lins, S., & Sunyaev, A. (2025). Nachweis von Datenschutzbemühungen in Unternehmen. Datenschutz und Datensicherheit – DuD, 49(10), 649–656.
  • Taeihagh, A., Ramesh, M., & Howlett, M. (2021). Assessing the regulatory challenges of emerging disruptive technologies. Regulation & Governance, 15(4), 1009–1019. https://doi.org/10.1111/rego.12392
  • Zaguir, N. A., de Magalhães, G. H., & de Mesquita Spinola, M. (2024). Challenges and enablers for GDPR compliance: Systematic literature review and future research directions. IEEE Access, 12, 81608–81630. https://doi.org/10.1109/ACCESS.2024.3406724

Kontaktperson: Eva Späthe, eva.spaethe[at]uni-kassel[dot]de 

Hintergrund zum Thema:

  • Zunehmende Digitalisierung, inbesondere Generative KI, verändert Lehr-, Lern- und Prüfungsprozesse an Schulen und Hochschulen.
  • Chancen wie Individualisierung und Unterstützung stehen Herausforderungen bei Bewertung, Kompetenzentwicklung, Urheberrecht und Datenschutz gegenüber.
  • Empirische und konzeptionelle Grundlagen für einen verantwortungsvollen Einsatz sind bislang begrenzt.

 Mögliche Forschungsfelder

  • Chancen und Risiken generativer KI bezüglich Diversität und Teilhabe
  • Auswirkungen auf Prüfungsformen, Bewertung und akademische Integrität
  • Akzeptanz, Nutzung durch Lehrende und Lernende, AI Literacy 
  • Governance, Richtlinien und Datenschutz

Mögliche Forschungsmethoden

  • Konzeptionell (systematische Literaturübersicht)
  • Empirisch (Interviews, Umfragen, Experimente)
  • Technisch/gestaltend (Entwicklungsansätze, Design Science Research)

Einstiegsliteratur

Kontaktperson: Rizana Joers, rizana.joers[at]uni-kassel[dot]de 

Motivation und Relevanz

  • Mitgefühl (engl. compassion) bedeutet, dass wir nicht nur das eigene oder das Leid anderer wahrnehmen, sondern auch proaktiv etwas dagegen unternehmen wollen. 
  • Im Rahmen von Compassionate Technologies (zu denen auch Compassionate AI gehört) werden Technologien entwickelt, gestaltet und untersucht, die sich proaktiv auf die Reduzierung von Leid und Schaden aller Art konzentrieren. 
  • Beispiele zu möglichen Leid/ Schaden können sein: Abhängigkeiten (Brainrot, Digital Detox), Zukunftsängste, Überkonsum, Ungleichheiten, Umweltschäden, etc. Eine größere Übersicht zu unterschiedlichen Arten von Leid kann man hier finden.
  • Der Fokus soll dabei auf der besseren Berücksichtigung menschlicher Bedürfnisse und Wünsche, einem verbesserten Umgang mit im Alltag genutzten Technologien (z. B. TikTok, YouTube, Handynutzung) sowie der Einbeziehung verschiedener Kulturen und Kontexte (z. B. spezielle Apps für bestimmte Krankheiten) liegen.

 

Mögliche Forschungsfelder

  • Analyse von Verhalten von bereits bestehender (AI-)Technologien und Verbesserungsvorschläge, Unterschiedliche Zielgruppen (Kinder, Jugendliche, Studierende, Senioren, etc.), Alternativansätze
  • Herausforderungen und Potenziale von AI Companions, Minderung von bestehenden Risiken
  • Ideen zu Technologien, die Mitgefühl für (1) andere, (2) für sich selbst oder (3) zwischen anderen Menschen fördern
  • Wie können Technologien bzw. KI beispielsweise bei der Verbesserung des Wohlbefindens oder der Förderung von Inklusivität unterstützen? 
  • Welchen Beitrag können sie zu verschiedenen aktuellen Herausforderungen wie Überreizung, Nachhaltigkeit etc. leisten?

 

Mögliche Forschungsmethoden

  • Konzeptionelle Untersuchungen (systematische Literaturübersicht)
  • Empirische Untersuchungen (Interviews, Umfragen, Experimente)
  • Technische Untersuchungen (Entwicklungsansätze, Design Science Research)

 

Einstiegsliteratur

  • Ciriello, R. F., Chen, A. Y., & Rubinsztein, Z. A. (2025). Compassionate AI Design, Governance, and Use. IEEE Transactions on Technology and Society, 6(3), 270–275. doi.org/10.1109/TTS.2025.3538125
  • Lee, M., Ackermans, S., van As, N., Chang, H., Lucas, E., & IJsselsteijn, W. (2019). Caring for Vincent: A Chatbot for Self-Compassion. Proceedings of the 2019 CHI Conference on Human Factors in Computing Systems, CHI ’19, 1–13. doi.org/10.1145/3290605.3300932

Kontaktperson: Prof. Dr. Sebastian Lins, sebastian.lins[at]uni-kassel[dot]de 

Motivation und Relevanz

  • KI-Tools sind längst im Arbeitsalltag angekommen: Mitarbeitende nutzen Sprachmodelle für Recherche, Texte, Code und Entscheidungsvorbereitung. Als Antwort auf die Risiken von KI wird der Ruf nach „Human in the Loop“ lauter: Der Mensch soll KI-Ergebnisse prüfen, einordnen und Fehler abfangen.
  • Genau hier entsteht ein Widerspruch: Studien zur Informationssicherheit zeigen seit Jahren, dass sich Mitarbeitende selbst nicht hinreichend sicher verhalten – von Phishing über Passwörter bis zum Umgang mit sensiblen Daten.
  • Wer aber eigene Sicherheitsrisiken nicht erkennt, kann kaum beurteilen, ob eine KI vertrauliche Informationen preisgibt, unsichere Empfehlungen ausspricht oder manipuliert wurde. Die Kontrollinstanz Mensch wird so zur Schwachstelle statt zur Absicherung.
  • In diesem Spannungsfeld sind neue Prüfverfahren, Kompetenz- und Schulungskonzepte und andere technische und organisatorische Ansätze notwendig, die Menschen bei der Kontrolle von KI wirksam unterstützen und die Informationssicherheit erhöhen.

Mögliche Forschungsfelder

  • Sichere Nutzung von KI und Agenten
  • Spannungsfeld zwischen Human in the Loop und Unwissenheit & Überforderung in der Informationssicherheit

Mögliche Forschungsmethoden

  • Konzeptionelle Untersuchungen (systematische Literaturübersicht)
  • Empirische Untersuchungen (Interviews, Umfragen, Experimente)

Einstiegsliteratur

  • Perry, N., Srivastava, M., Kumar, D., & Boneh, D. (2023, November). Do users write more insecure code with ai assistants?. In Proceedings of the 2023 ACM SIGSAC conference on computer and communications security (pp. 2785-2799). https://dl.acm.org/doi/10.1145/3576915.3623157 
  • Was versteht man unter „Human-in-the-Loop“? https://www.ibm.com/de-de/think/topics/human-in-the-loop
     

Kontaktperson: Prof. Dr. Sebastian Lins, sebastian.lins[at]uni-kassel[dot]de 

Motivation und Relevanz

  • Die Verlagerung von KI in die Cloud als Dienstleistung (AI as a Service) macht leistungsfähige Modelle für Organisationen verfügbar, die sie selbst nie betreiben könnten. Dadurch wird KI zugänglicher, jedoch scheitern Unternehmen oft an der Nutzung cloud-basierter KI-Dienste. 
  • Gleichzeitig ist Rechenleistung keine Frage von „Cloud oder lokal“ mehr, sondern von Verteilung. Zwischen zentralen Cloud-Rechenzentren und den Endgeräten hat sich eine Zwischenschicht etabliert: Fog-Knoten, die Daten dort verarbeiten, wo sie entstehen. Aus einzelnen Betriebsmodellen wird so ein durchgängiges Kontinuum, in dem Workloads flexibel platziert werden.

Mögliche Forschungsfelder

  • Welche Herausforderungen haben Unternehmen bei der Nutzung cloud-basierter KI?
  • Wie können Unternehmen die neue Technologie Fog Computing sinnvoll einsetzen?

Mögliche Forschungsmethoden

  • Empirische Untersuchungen (Interviews oder Umfragen)

Einstiegsliteratur

2026

  • Trustworthy AI: Vertrauen in KI-basierte Kundenkommunikation
  • Änderungen starrer Prozessstrukturen: Anforderungen an den kombinierten Einsatz von RPA und KI