Themen

Beschreibung:​ Abbildung AI-spezifischer Bedrohungen (nach EU-AI-ACT)​ Entwicklung einer (z.B.) Matrix für AI-Act-relevante Cybersecurity-Anforderungen​ Berücksichtigung menschzentrierter Faktoren: Rollen, Wissensstände, Ressourcen, Unternehmenskontexte​ (Lern)ziele: ​ Verstehen des EU AI Act als Treiber für AI-Security und Cybersecurity-Governance​ Entwicklung und Anwendung einer Matrix für Bedrohungen, Controls, Nachweise und Stakeholder​ Strukturierung von AI-Bedrohungen als handlungsrelevante Cyber Threat Intelligence​ Bewertung der Nutzbarkeit anhand ausgewählter AI-Anwendungsszenarien

Untersuchung, wie CTI für nicht-technische Stakeholder verständlich, relevant und handlungsleitend aufbereitet werden kann. Fokus auf Rollen wie Einkauf, Lieferantenmanagement, Risikomanagement, Compliance, Produktverantwortliche und Management. Literaturrecherche zu CTI Awareness, Human-Centered Cybersecurity, Risk Communication, CTI Actionability und Cyber-Supply-Chain Risk Management. -Abgrenzung von CTI Awareness gegenüber klassischer Security Awareness. -Entwicklung eines Kriterienrasters für verständliche und handlungsorientierte CTI-Kommunikation. -Analyse geeigneter Darstellungsformen für CTI, z. B. Threat Briefing, Risk Card oder Decision Card.

Entwicklung eines prototypischen CTI-Awareness-Kits für Cyber-Risiken. Übersetzung technischer CTI-Informationen in verständliche, rollenbezogene und handlungsorientierte Awareness-Artefakte. -Analyse realer CTI-Reports, CVEs oder Threat-Actor-Reports. -Ableitung von Stakeholder-Rollen und Informationsbedarfen. -Gestaltung und Evaluation von CTI-Awareness-Artefakten.

Beschreibung: Entwicklung einer Taxonomie zur systematischen Evaluation von CTI entlang von Artefakten, Prozessen, Nutzungskontexten und Wirkung. Operationalisierung zentraler Evaluationsdimensionen wie Relevanz, Genauigkeit, Aktualität, Kontextualisierung, Verständlichkeit, Automatisierbarkeit, Entscheidungsunterstützung, operative Wirkung und Feedback-qualität. Mögliche Umsetzung als Bewertungsmatrix, Scoring-Modell, Kodierschema, Excel-/Python-Prototyp oder Fallanalyse. (Lern)ziele: Entwicklung einer theoretisch begründeten CTI-Evaluationstaxonomie. Definition von Dimensionen, Merkmalen und Ausprägungen der Taxonomie. Anwendung und Bewertung der praktischen Nutzbarkeit & kritische Diskussion von Validität, Grenzen und Erweiterungsmöglichkeiten.

Beschreibung: Entwicklung einer Taxonomie zur systematischen Evaluation von CTI entlang von Artefakten, Prozessen, Nutzungskontexten und Wirkung. Operationalisierung zentraler Evaluationsdimensionen wie Relevanz, Genauigkeit, Aktualität, Kontextualisierung, Verständlichkeit, Automatisierbarkeit, Entscheidungsunterstützung, operative Wirkung und Feedback-qualität. Mögliche Umsetzung als Bewertungsmatrix, Scoring-Modell, Kodierschema, Excel-/Python-Prototyp oder Fallanalyse. (Lern)ziele: Entwicklung einer theoretisch begründeten CTI-Evaluationstaxonomie. Definition von Dimensionen, Merkmalen und Ausprägungen der Taxonomie. Anwendung und Bewertung der praktischen Nutzbarkeit & kritische Diskussion von Validität, Grenzen und Erweiterungsmöglichkeiten.

Beschreibung: Konzeption und prototypische Umsetzung einer Federated-Learning-Architektur für Cyber Threat Intelligence (CTI) in Cyber-Supply-Chains (CSC). Entwicklung eines  Modells, das CTI-Objekte lokal verarbeitet und innerhalb der CSC austauscht. Analyse von Privacy-, Datenschutz-, Souveränitäts- und Skalierbarkeitsaspekten in CSCs mit unterschiedlich großen und leistungsfähigen Akteuren. (Lern)ziele: Verstehen und Anwenden von Federated Learning im Kontext von CTI in verteilten Organisationsstrukturen. Bewertung der Eignung verschiedener KI- oder Machine-Learning-Ansätze Kritische Analyse von Privacy-Mechanismen

Beschreibung: Konzeption und prototypische Umsetzung einer Federated-Learning-Architektur für Cyber Threat Intelligence (CTI) in Cyber-Supply-Chains (CSC). Entwicklung eines  Modells, das CTI-Objekte lokal verarbeitet und innerhalb der CSC austauscht. Analyse von Privacy-, Datenschutz-, Souveränitäts- und Skalierbarkeitsaspekten in CSCs mit unterschiedlich großen und leistungsfähigen Akteuren. (Lern)ziele: Verstehen und Anwenden von Federated Learning im Kontext von CTI in verteilten Organisationsstrukturen. Bewertung der Eignung verschiedener KI- oder Machine-Learning-Ansätze Kritische Analyse von Privacy-Mechanismen

Passkeys versprechen eine nutzerfreundlichere und Phishing-resistentere Alternative zu Passwörtern und klassischer MFA. Während bisherige Forschung vor allem Nutzeradoption und Usability betrachtet, untersucht diese Arbeit die Organisationsperspektive. Im Fokus stehen Chancen, Risiken und Hürden aus Sicht eines Unternehmens (von CISOs, IAM-Verantwortlichen und IT-/Security-Entscheider). -Literaturanalyse zu Passkeys, Passwordless Authentication und Enterprise Adoption -Durchführung qualitativer Interviews mit Organisationsverantwortlichen -Analyse organisationaler Voraussetzungen, Barrieren und Bewertungskriterien für Passkey-Einführung

Beschreibung: - Incident Response beschreibt alle Prozesse und Aufgaben, mit dem eine Organisation auf mögliche Sicherheitsvorfälle reagiert und bewältigt. Ziel ist es den Schaden zu begrenzen, die Ursache zu beseitigen und die Systeme wiederherzustellen. - KI-Agenten agieren autonom und verfolgen selbständig Ziele. Dabei zerlegen sie komplexe Workflows in Einzelschritte. - Umsetzung eines vorgegebenen Incident Response Prozesses mittels KI-Frameworks wie n8n (Lern)ziele: - Prototypischer Agent, welcher bestimmte Aufgaben des Prozesses eigenständig lösen kann - Evaluation mittels eines kleinen Use cases. Voraussetzungen: Interesse an Cybersecurity. Programmierkenntnisse sind hilfreich, aber nicht zwingend erforderlich.

Beschreibung: Strukturierte Literaturrecherche zur Frage, wie CTI in der wissenschaftlichen Literatur evaluiert wird. Analyse von Kriterien, Modellen, Metriken und Bewertungsansätzen für CTI-Artefakte, CTI-Prozesse, CTI-Nutzung und CTI-Wirkung. Berücksichtigung technischer, organisatorischer, nutzungsbezogener und menschenzentrierter Perspektiven. (Lern-)Ziele: Systematische Auswahl, Analyse und Kodierung relevanter Literatur. Klassifikation bestehender CTI-Evaluationsansätze. Vergleich technischer, organisatorischer und nutzungsbezogener Bewertungsperspektiven. Identifikation zentraler Forschungslücken in den Bereichen CTI-Qualität, CTI-Nutzen und CTI-Wirkung.

Beschreibung: Strukturierte Literaturrecherche zu Federated Learning im Kontext von Cybersecurity, CTI und Cyber-Supply-Chains. Analyse, wie Organisationen gemeinsam aus CTI-relevanten Daten lernen können, ohne sensible Rohdaten zentral zu teilen. Betrachtung von Datenschutz, Vertraulichkeit, Datenheterogenität, Trust, Governance, Modellqualität und Poisoning-Angriffen. Entwicklung einer Konzeptmatrix bzw. Taxonomie bestehender FL-basierter CTI-Ansätze. (Lern-)Ziele: Verständnis von Federated Learning als Privacy-Preserving-Ansatz für CTI Sharing. Systematische Analyse bestehender Arbeiten aus CTI, FL, Privacy-Enhancing Technologies und Cyber-Supply-Chain Security. Bewertung bestehender Ansätze hinsichtlich Datenbasis, Lernaufgabe, Architektur, Privacy-Mechanismus, CTI-Bezug und Evaluation.

Beschreibung: - KI-Agenten agieren autonom und verfolgen selbständig Ziele. Dabei zerlegen sie komplexe Workflows in Einzelschritte. - Eine systematische Literaturrecherche zum Thema KI-Agenten im Bereich der Cybersecurity. (Lern)ziele: - Identifizierung von Use Cases für Agenten in der Cybersecurity. - Analyse von bisherigen Ansätzen (z.B. technische Frameworks und Architekturen, implementierte Prozesse) Voraussetzungen: Interesse an Cybersecurity

Beschreibung: Strukturierte Literaturrecherche zur Frage, wie CTI in der wissenschaftlichen Literatur evaluiert wird. Analyse von Kriterien, Modellen, Metriken und Bewertungsansätzen für CTI-Artefakte, CTI-Prozesse, CTI-Nutzung und CTI-Wirkung. Berücksichtigung technischer, organisatorischer, nutzungsbezogener und menschenzentrierter Perspektiven. (Lern-)Ziele: Systematische Auswahl, Analyse und Kodierung relevanter Literatur. Klassifikation bestehender CTI-Evaluationsansätze. Vergleich technischer, organisatorischer und nutzungsbezogener Bewertungsperspektiven. Identifikation zentraler Forschungslücken in den Bereichen CTI-Qualität, CTI-Nutzen und CTI-Wirkung.

Beschreibung: Strukturierte Literaturrecherche zu Federated Learning im Kontext von Cybersecurity, CTI und Cyber-Supply-Chains. Analyse, wie Organisationen gemeinsam aus CTI-relevanten Daten lernen können, ohne sensible Rohdaten zentral zu teilen. Betrachtung von Datenschutz, Vertraulichkeit, Datenheterogenität, Trust, Governance, Modellqualität und Poisoning-Angriffen. Entwicklung einer Konzeptmatrix bzw. Taxonomie bestehender FL-basierter CTI-Ansätze. (Lern-)Ziele: Verständnis von Federated Learning als Privacy-Preserving-Ansatz für CTI Sharing. Systematische Analyse bestehender Arbeiten aus CTI, FL, Privacy-Enhancing Technologies und Cyber-Supply-Chain Security. Bewertung bestehender Ansätze hinsichtlich Datenbasis, Lernaufgabe, Architektur, Privacy-Mechanismus, CTI-Bezug und Evaluation.

Präsentation: https://mediathek2.uni-regensburg.de/playthis/6a422cc7c606a3.17166111 Beschreibung: Ein Convolutional Neural Network (CNN) ist ein Machine Learning-Verfahren in der Bildklassifikation, das sehr hohe Genauigkeit erreicht. Daher werden sie zunehmend in kritischen Bereichen wie beispielsweise der Diagnose von Lungenentzündungen verwendet (siehe Abbildung). Die Entscheidungen dieser komplexen Modelle sind allerdings nicht mehr vom menschlichen Anwender nachvollziehbar! Es ist also nicht klar, wie man das Bild ändern muss um eine andere Klassifikation herbeizuführen (Counterfactual). Es ist allerdings möglich ein CNN durch Rekonstruktion in die Darstellung einer stückweisen linearen Funktion zu überführen und so die exakten Entscheidungsgrenzen des Netzes funktional zu beschreiben! Wie kann man also diese neuen Informationen für die Erzeugung realistischer Counterfactuals nutzen? Aufgabenstellung: Konzeption eines CF-Ansatzes um realistische Gegenbeispiele zu erzeugen Praktische Umsetzung und Evaluation des Algorithmus in Python auf bestehender Code-Basis Startliteratur: Moreira, C., Chou, Y. L., Hsieh, C., Ouyang, C., Pereira, J., & Jorge, J. (2025). Benchmarking instance-centric counterfactual algorithms for XAI: from white box to black box. ACM Computing Surveys, 57(6), 1-37. Heinrich, B., Krapf, T., & Miethaner, P. (2024). Explore: a novel method for local explanations.

Präsentation: https://mediathek2.uni-regensburg.de/playthis/6a422cc7c54a18.64990563 Beschreibung: Ein Convolutional Neural Network (CNN) ist ein Machine Learning-Verfahren in der Bildklassifikation, das sehr hohe Genauigkeit erreicht. Daher werden sie zunehmend in kritischen Bereichen wie beispielsweise der Diagnose von Lungenentzündungen verwendet (siehe Abbildung). Die Entscheidungen dieser komplexen Modelle sind allerdings nicht mehr vom menschlichen Anwender nachvollziehbar! Es ist also nicht klar, wie man das Bild ändern muss um eine andere Klassifikation herbeizuführen (Counterfactual). Es ist allerdings möglich ein CNN durch Rekonstruktion in die Darstellung einer stückweisen linearen Funktion zu überführen und so die exakten Entscheidungsgrenzen des Netzes funktional zu beschreiben! Wie kann man also diese neuen Informationen für die Erzeugung realistischer Counterfactuals nutzen? Aufgabenstellung: Konzeption eines CF-Ansatzes um realistische Gegenbeispiele zu erzeugen Praktische Umsetzung und Evaluation des Algorithmus in Python auf bestehender Code-Basis Startliteratur: Moreira, C., Chou, Y. L., Hsieh, C., Ouyang, C., Pereira, J., & Jorge, J. (2025). Benchmarking instance-centric counterfactual algorithms for XAI: from white box to black box. ACM Computing Surveys, 57(6), 1-37. Heinrich, B., Krapf, T., & Miethaner, P. (2024). Explore: a novel method for local explanations.

Präsentation: https://mediathek2.uni-regensburg.de/playthis/6a422cd331a566.05024878 Beschreibung: Sprachmodelle und insbesondere Transformer gewinnen weiter stark an Relevanz und übernehmen zunehmend Aufgaben in Unternehmen und Gesellschaft. Gleichzeitig sind die Verfahren aufgrund ihrer Komplexität und ihres Black Box-Charakters nicht transparent und die Generierung ihres Outputs ist nicht nachvollziehbar. Allerdings können einfache neuronale Netze als stückweise lineare Funktionen verstanden werden, was große Vorteile für die Transparenz der Entscheidungen mit sich bringt. Moderne Transformer unterscheiden sich nur durch ihre Größe und wenige nicht-lineare Mechanismen wie dem „Attention“-Mechanismus von diesen einfachen Netzen. Wenn man diese Mechanismen also stückweise linear approximiert, so kommt man einem transparenten Sprachmodell einen Schritt näher! Aufgabenstellung: Konzeption einer stückweise linearen Approximation eines einzelnen Attention-Heads aus dem bekannten Sprach-Modell „BERT“. Umsetzung und Evaluation des Algorithmus in Python. Startliteratur: Devlin, J., Chang, M. W., Lee, K., & Toutanova, K. (2019). Bert: Pre-training of deep bidirectional transformers for language understanding. In Proc. of the 2019 conference of the North American chapter of the association for computational linguistics Lai, Z., Lim, L. H., & Liu, Y. (2024). Attention is a smoothed cubic spline. arXiv preprint arXiv:2408.09624. Heinrich, B., Krapf, T., & Miethaner, P. (2024). Explore: a novel method for local explanations.

Präsentation: https://mediathek2.uni-regensburg.de/playthis/6a422cd0861408.60675845 Beschreibung: Ein Convolutional Neural Network (CNN) ist ein Machine Learning-Verfahren in der Bildklassifikation, das sehr hohe Genauigkeit erreicht. Daher werden sie zunehmend in kritischen Bereichen wie beispielsweise der Diagnose von Lungenentzündungen verwendet (siehe Abbildung). Die Entscheidungen dieser komplexen Modelle sind allerdings nicht mehr vom menschlichen Anwender nachvollziehbar! Es ist also nicht klar, wie man das Bild ändern muss um eine andere Klassifikation herbeizuführen (Counterfactual). Es ist allerdings möglich ein CNN durch Rekonstruktion in die Darstellung einer stückweisen linearen Funktion zu überführen und so die exakten Entscheidungsgrenzen des Netzes funktional zu beschreiben! Wie kann man also diese neuen Informationen für die Erzeugung realistischer Counterfactuals nutzen? Aufgabenstellung: Konzeption eines CF-Ansatzes um realistische Gegenbeispiele zu erzeugen Praktische Umsetzung und Evaluation des Algorithmus in Python auf bestehender Code-Basis Startliteratur: Moreira, C., Chou, Y. L., Hsieh, C., Ouyang, C., Pereira, J., & Jorge, J. (2025). Benchmarking instance-centric counterfactual algorithms for XAI: from white box to black box. ACM Computing Surveys, 57(6), 1-37. Heinrich, B., Krapf, T., & Miethaner, P. (2024). Explore: a novel method for local explanations.

Präsentation: https://mediathek2.uni-regensburg.de/playthis/6a422ccd24dba7.05410894 Beschreibung: Machine Learning (ML)-Verfahren gewinnen weiter stark an Relevanz und übernehmen zunehmend Aufgaben z. B. in Unternehmen. Gleichzeitig sind die Verfahren aufgrund ihrer Komplexität und ihres Black Box-Charakters oft nicht transparent und deren Entscheidungen nicht nachvollziehbar. Der Forschungsbereich der Explainable AI hat daher viele Methoden zur Erklärung von ML-Verfahren hervorgebracht, um Nutzer bei ihrer ML-basierten Entscheidungsfindung zu unterstützen. Diese Methoden stimmen allerdings oft nicht methoden-übergreifend miteinander überein oder sind sehr instabil gegenüber kleinsten Veränderungen im Input. In der Literatur stellt sich daher immer öfter die Frage: Wann kann ich der Erklärung eines Black Box Modells vertrauen? Aufgabenstellung: Strukturierte Recherche zu XAI-Trust-Literatur ausgehend von bereitgestellter Startliteratur Strukturierung und kritische Diskussion der identifizierten Literatur

Dieses Seminar richtet sich an Studierende, die sich für Data Science, Softwareentwicklung und Künstliche Intelligenz interessieren. Es baut auf einem bestehenden Prototyp eines AI-Agents zur Unterstützung literaturbasierter Forschungsarbeiten auf. Im Mittelpunkt steht die Methode Design Science Research (DSR), bei den wissenschaftlichen Problemstellungen durch die Entwicklung, Demonstration und Evaluation eines Artefakts bearbeitet werden. Dabei sollen agentische Workflows mit LangChain bzw. LangGraph modelliert und umgesetzt, bestehende Agentenfunktionen erweitert sowie die Interaktion zwischen Nutzer, Frontend, Backend und Agenten verbessert werden. Ein besonderer Fokus liegt auf Human-in-the-loop-Schritten, bei denen Nutzer Zwischenergebnisse wie Suchbegriffe, Literaturauswahl, Forschungslücken oder Forschungsfragen prüfen und freigeben können. Bestandteile Weiterentwicklung der bestehenden Agenten- und Systemarchitektur mit LangChain bzw. LangGraph Ausbau des Prototyps als Research Assistant für Literaturrecherche und -analyse Integration bzw. Verbesserung von RAG, Vector Store und geeigneten Datenquellen Strukturierte Speicherung von Zwischenergebnissen und Nutzerentscheidungen Voraussetzungen Zwingend erforderlich sind grundlegende Programmierkenntnisse sowie Interesse an Softwareentwicklung, Data Science und Generativer KI. Kenntnisse in JavaScript beziehungsweise TypeScript, Node.js, React oder Express sind hilfreich, da der bestehende Prototyp auf einem Web-Stack basiert. Kenntnisse in RAG, Embeddings, Vektordatenbanken, PostgreSQL, pgvector, LangChain, LangGraph oder der Arbeit mit Large Language Models sind hilfreich, aber nicht zwingend erforderlich.

Dieses Seminar richtet sich an Studierende, die sich für Softwareentwicklung, Data Science und Künstliche Intelligenz im Kontext personalisierter Assistenzsysteme interessieren. Es baut auf einem bestehenden Prototyp eines personalisierten Ernährungsassistenten auf, der Nutzerprofile, Allergien, No-Gos, Ernährungsregeln, Rezeptbewertungen und Chat-Eingaben bereits zur Generierung individueller Rezeptvorschläge verwendet. Ziel des Seminars ist es, diesen Ernährungsassistenten technisch und konzeptionell weiterzuentwickeln und stärker auf Personalisierung, Nachvollziehbarkeit, Multi-User-Fähigkeit und praktische Nutzbarkeit auszurichten. Im Mittelpunkt steht der konsequente Einsatz von Retrieval-Augmented Generation, um relevante Nutzerinformationen, Rezeptverläufe, Bewertungen und Ernährungskontexte gezielt in die Antwort- und Rezeptgenerierung einzubinden. Bestandteile Konsequenter Einsatz von Retrieval-Augmented Generation für Profil-, Rezept- und Kontextdaten Aufbau eines vektorbasierten Langzeitgedächtnisses für Rezeptwünsche, Zutatenpräferenzen und Nutzerinteraktionen Umsetzung einer Multi-User-Architektur mit sauberer Trennung nutzerbezogener Daten Integration eines Vector Stores, beispielsweise mit PostgreSQL/pgvector oder einer spezialisierten Vektordatenbank Praktische Evaluation anhand mehrerer Testnutzerprofile und Vergleich von Rezeptvorschlägen mit und ohne RAG Voraussetzungen Zwingend erforderlich sind Programmierkenntnisse in Python sowie Interesse an Data Science, Softwareentwicklung und Generativer KI. Kenntnisse in LangChain, LangGraph, Webentwicklung, RAG oder der Arbeit mit Large Language Models sind hilfreich, aber nicht zwingend erforderlich.

Business Capability Maps werden im EAM genutzt, um organisationale Fähigkeiten unabhängig von konkreten Prozessen, Systemen oder Organisationseinheiten abzubilden. Die Arbeit untersucht, welche Gestaltungsmerkmale, Einsatzszenarien und Erfolgsbedingungen von Business Capability Maps im EAM in der Literatur beschrieben werden. Darauf aufbauend soll herausgearbeitet werden, wie Business Capability Maps sinnvoll erstellt und eingesetzt werden können. Bestandteile: Einleitung: EAM als Steuerungsansatz; Rolle von Business Capability Maps zur Strukturierung organisationaler Fähigkeiten Grundlagen: EAM, Business Capabilities, Business Capability Maps, Abgrenzung zu Prozessen und Prozesslandkarten Systematische Literaturrecherche: Überblick über Arbeiten zu Business Capability Maps /Modeling im EAM Auswertung der Literatur: Analyse zentraler Einsatzszenarien, z. B. Transparenz, Business-IT-Alignment, Transformationsplanung, Application Portfolio Management, Priorisierung und Heatmapping – Trennung der Literatur nach theoretischen Arbeiten und FallstudienSynthese: Ableitung zentraler Gestaltungsmerkmale und Erfolgsbedingungen, z. B. Zielsetzung, Scope, Granularität, Stakeholder-Einbindung, Verknüpfung mit Anwendungen/Prozessen und Pflege/Governance Anwendung der Erkenntnisse: Exemplarische Anwendung der abgeleiteten Gestaltungs- und Einsatzkriterien auf einen kleinen Anwendungsfall. Prüfung, welche Anforderungen an Zielsetzung, Scope, Granularität, Nutzung, Pflege etc. einer solchen Map in diesem Kontext relevant wären. Diskussion, Fazit & Ausblick Voraussetzungen: Interesse an konzeptioneller und literaturbasierter Arbeit Einstiegsliteratur: Aleatrati Khosroshahi, P., Hauder, M., Volkert, S., Matthes, F., & Gernegroß, M. (2018). Business capability maps: Current practices and use cases for enterprise architecture management.

Enterprise Architecture Governance beschreibt die Strukturen, Rollen und Entscheidungsmechanismen, durch die EAM in Organisationen gesteuert und verbindlich verankert wird. Die Arbeit untersucht, welche Governance-Elemente im EAM beschrieben werden und wie sie zur Steuerung von Geschäfts-, Anwendungs-, Daten- und Technologiearchitekturen beitragen. Bestandteile: Einleitung: EAM als Steuerungsansatz, Governance als kritische Dimension für die Wirksamkeit von EAM Grundlagen: EAM (Ziele, Architekturebenen), IT-Governance vs. EA Governance, Abgrenzung Systematische Literaturrecherche: Überblick über Arbeiten zu EA Governance Auswertung der Literatur (State of the Art): Governance-Strukturen (Rollen, Gremien, Entscheidungsrechte), Governance-Mechanismen (Standards, Prinzipien, Prozesse), Vergleich verschiedener Ansätze Anwendung der Erkenntnisse: Spiegelung der identifizierten Governance-Elemente an einem kleinen EAM-Szenario im Hochschulkontext, z. B. Einführung eines ausgewählten Anwendungssystems im Hochschulkontext. Dabei soll geprüft werden, welche Rollen, Entscheidungsrechte, Gremien, Prinzipien und Abstimmungsprozesse für eine EA-Governance-Struktur relevant wären Diskussion, Fazit & Ausblick Voraussetzungen: Interesse an konzeptioneller und literaturbasierter Arbeit. Einstiegsliteratur: Ahlemann, F., Stettiner, E., Messerschmidt, M., Legner, C. (2012). EAM governance and organisation. In: Strategic Enterprise Architecture Management. Management for Professionals. Springer, Berlin, Heidelberg.

The objective of this thesis is to investigate urban activity patterns using publicly available smart-city datasets. The student will collect pedestrian-frequency data, integrate contextual information such as weather and OpenStreetMap, and analyze how urban activity varies across time and different locations. The thesis will explore statistical and AI-based methods for learning normal activity patterns and identifying unusual behavior, providing a foundation for future research on Urban Black Holes. Tasks • Explore publicly available smart-city datasets. • Collect and preprocess pedestrian-frequency data. • Integrate contextual information from OpenStreetMap and weather data. • Analyze temporal and spatial urban activity patterns. • Learn normal activity baselines using statistical or simple AI methods. • Detect and visualize unusual activity patterns. • Document the developed workflow and results. Expected Outcomes • Context-enriched urban activity dataset. • Exploratory analysis of urban activity patterns. • Baseline model of normal urban activity. • Preliminary anomaly detection results. • Visualizations, documentation, and reproducible code. Required Skills • Python • Pandas • Data Visualization • Basic Statistics • Basic GIS concepts (preferred)

Third-Party Cookies bilden das Rückgrat des kommerziellen Web-Trackings, stehen jedoch wegen massiver Einschnitte in die Privatsphäre (Consumer Privacy) unter Druck. Initiativen wie das W3C diskutieren intensiv das Ende dieser Technologie und wie ein "Web ohne Third-Party Cookies" aussehen kann (siehe W3C TAG Architecture Document). Dennoch sind sie nach wie vor weit verbreitet. Was diese "Privacy-Kosten" im digitalen Alltag konkret bedeuten, ist jedoch selten empirisch exakt quantifiziert. Ziel dieser Arbeit ist es, die Privacy-Kosten von Third-Party Cookies sowohl theoretisch als auch empirisch zu ermitteln. Es soll untersucht werden, wie viele Cookies von reinen Trackern stammen, an wie viele Tracking-Domains Online-Aktivitäten abfließen und was technisch überhaupt rekonstruiert werden kann. Mögliche Forschungsfragen: 1. Welche Nutzeraktivitäten können durch Third-Party-Tracking technisch aggregiert werden? 2. Wie hoch sind die empirisch messbaren Privacy-Kosten (Anz. Tracking-Cookies, Anz. Drittdomains) auf populären Webseiten? Mögliche Methodik: 1. Literaturarbeit (Related Work): Aufarbeitung des Forschungsstands zu Consumer Privacy und der W3C-Debatte zur Abschaffung von Third-Party Cookies. 2. Experimentelles Setup (z. B. mit OpenWPM): Automatisierte Crawls einer repräsentativen Auswahl an Webseiten zur Erfassung von Third-Party Cookies und Tracking-Requests. 3. Datenanalyse: Abgleich der erfassten Domains mit Blocklisten (z. B. EasyList) zur Quantifizierung des tatsächlichen Tracking-Ausmaßes. 4. Synthese: Vergleich der experimentellen Daten mit den theoretischen Privacy-Kosten aus der Literatur. Startliteratur: Englehardt, Steven, and Arvind Narayanan. "Online tracking: A 1-million-site measurement and analysis." Proceedings of the 2016 ACM SIGSAC conference on computer and communications security. 2016.

Problemstellung Online Behavioral Advertising (OBA) ist das wirtschaftliche Fundament des freien Internets, ermöglicht aber umfangreiches Tracking und Profiling von Nutzern. Gleichzeitig hat sich Header Bidding als dominanter Monetarisierungsmechanismus etabliert, der den Informationsfluss zwischen.Publishern, Ad Exchanges und Advertisern stark verkompliziert. Die technische Architektur (OpenRTB, Prebid.js, Google Open Bidding) erzeugt eine intransparente Lieferkette mit multiplen Zwischenhändlern, die sowohl Datenschutzprobleme als auch wettbewerbsrechtliche Fragen aufwirft. Trotz regulatorischer Eingriffe (DSGVO, ePrivacy-Richtlinie) und technischer Alternativen (FLEDGE, Topics API) bleiben zentrale Probleme ungelöst: wer hat Zugriff auf welche Daten, wie wird Transparenz geschaffen und wie lassen sich Ökosystem-Stabilität und Nutzerprivatsphäre gleichzeitig gewährleisten. Forschungsfragen 1. Wie ist die technische Architektur von Online Behavioral Advertising und Header Bidding strukturiert und welche Informationsflüsse entstehen zwischen den Akteuren (Publishern, SSPs, Ad Exchanges, DSPs, Advertisern)? 2. Welche aktuellen technologischen und regulatorischen Herausforderungen (z.B. Digital Service Act) beeinflussen das OBA-Ökosystem und warum bleiben bestimmte Dilemmas (z.B. Personalisierung vs. Privatsphäre, Transparenz vs. Wettbewerbsvorteil) ungelöst? 3. Welche technischen Alternativen zu klassischem Behavioral Targeting (z.B. kontextbasierte Werbung, Privacy-Preserving APIs) werden diskutiert und wie positionieren sie sich im Markt? Vorgehen Systematische Literaturübersicht nach PRISMA-Guidelines: - Datenbanken: ACM Digital Library, IEEE Xplore, AIS Electronic Library, Google Scholar - Suchbegriffe: ("online behavioral advertising" OR "programmatic advertising" OR "header bidding") AND ("privacy" OR "data protection" OR "regulation") AND ("information flow" OR "transparency" OR "architecture") - Zeitraum: 2019-2026 (Fokus auf aktuelle Entwicklungen seit Privacy-Sandbox-Ankündigung) - Analyse: Thematic Synthesis der technischen Architekturen, Problemfelder und Lösungsansätze Startliteratur 1. Bleier, A. (2021). On the Viability of Contextual Advertising as a Privacy-Preserving Alternative to Behavioral Advertising on the Web. 2. IAB Europe (2021): Guide to Contextual Advertising.

Problemstellung Die Debatte zwischen Behavioral Advertising (OBA) und kontextbasierter Werbung (Contextual Advertising) ist eine zentrale Frage der digitalen Werbewirtschaft. OBA ermöglicht hohe Targeting-Präzision durch Nutzerprofiling, steht aber unter starkem regulatorischem und gesellschaftlichem Druck (DSGVO, Cookie-Consent-Banner). Kontextbasierte Werbung verspricht einen privacy-by-design Ansatz, indem sie nur den Inhalt der Webseite analysiert, nicht das Nutzerverhalten. Doch die wirtschaftliche Effizienz beider Modelle, ihre Skalierbarkeit und ihr tatsächlicher Einfluss auf Nutzererfahrung und Datenschutz sind wissenschaftlich noch nicht abschließend bewertet. Es fehlt eine systematische Gegenüberstellung der Vor- und Nachteile unter Berücksichtigung aktueller technologischer Entwicklungen. Forschungsfragen 1. Welche Vor- und Nachteile hat Behavioral Advertising gegenüber kontextbasierter Werbung aus wirtschaftlicher, individueller und gesellschaftlicher Perspektive? 2. Wie wirkt sich der Wechsel zu kontextbasierter Werbung auf Nutzerprivatsphäre, Werbeeinnahmen und Targeting-Genauigkeit aus? 3. Welche technologischen und regulatorischen Entwicklungen (z.B. Privacy Sandbox, ePrivacy-Verordnung) favorisieren welches Modell und warum? Vorgehen Systematische Literaturübersicht nach PRISMA-Guidelines: - Datenbanken: ACM Digital Library, IEEE Xplore, AIS Electronic Library, Google Scholar - Suchbegriffe: ("behavioral advertising" OR "targeted advertising") AND ("contextual advertising" OR "contextual targeting") AND ("privacy" OR "data protection" OR "GDPR") AND ("effectiveness" OR "revenue" OR "user experience") - Zeitraum: 2019-2026 (Fokus auf Post-GDPR und Privacy-Sandbox-Ära) - Analyse: Vergleichende Synthese der wirtschaftlichen, technischen und regulatorischen Aspekte Startliteratur 1. Bleier, A. (2021). On the Viability of Contextual Advertising as a Privacy-Preserving Alternative to Behavioral Advertising on the Web. 2. IAB Europe (2021): Guide to Contextual Advertising.

Anonyme Kommunikationssysteme wie Mix-Netzwerke, Onion Routing oder moderne Messenger versprechen unterschiedliche Grade an Privatsphäre und Anonymität. Während es eine Vielzahl an theoretischen Modellen und Metriken gibt, fehlt häufig ein strukturierter Ansatz, um reale Systeme konsistent und vergleichbar zu bewerten, insbesondere unter Berücksichtigung praktischer Anforderungen wie Nutzbarkeit, Leistung und Metadatenexposition. Ziel dieser Bachelorarbeit ist die Entwicklung eines Evaluationsframeworks für anonyme Kommunikationswerkzeuge. Dabei sollen bestehende wissenschaftliche Arbeiten und Modelle systematisch analysiert und zu einem strukturierten Bewertungsansatz zusammengeführt werden. Das Framework soll sowohl klassische Anonymitätseigenschaften als auch praxisrelevante Aspekte wie Bedrohungsmodelle, Trust-Annahmen, Skalierbarkeit und Usability berücksichtigen. Im zweiten Schritt wird das entwickelte Framework exemplarisch auf ein konkretes System oder eine Anwendung angewendet, um dessen praktische Nutzbarkeit zu demonstrieren. Ziel ist es, eine nachvollziehbare und reproduzierbare Bewertungsmethode zu schaffen, die helfen kann, unterschiedliche Ansätze anonymer Kommunikation besser zu verstehen und miteinander zu vergleichen.

This practical workshop focuses on transforming raw urban datasets into analysis-ready datasets for urban analytics. Students will explore publicly available smart-city platforms and open datasets, collect and integrate pedestrian, traffic, weather, environmental, and geographic information, and enrich urban observations with contextual data. Inspired by Jane Jacobs' concept of eyes on the street and social presence, the workshop examines how urban characteristics can be translated into measurable computational indicators that support the analysis of urban activity, observability, and safety. The workshop emphasizes data acquisition, contextual enrichment, feature engineering, and the construction of reproducible datasets for future AI-enabled smart-city applications. Rather than performing anomaly detection, the outcome of the workshop is an enriched dataset that can later be used for tasks such as urban safety assessment, Urban Black Hole detection, and machine-learning applications. Expected Outcomes • Curated and context-enriched urban datasets. • Documentation and metadata for reproducibility. • Integrated datasets combining multiple urban data sources. • Derived computational indicators for urban analytics. • Reproducible code, visualizations, and benchmark datasets for future AI applications.

Statische Crawler stoßen beim Erfassen moderner Web-Tracking- oder Werbeauktionen an Grenzen, da sie menschliches Interaktionsverhalten nur unzureichend simulieren (siehe [1]). Dieses Praxisseminar fokussiert sich auf die Transformation eines bestehenden Header-Bidding-Crawlers in ein autonomes Agent-Tool-Framework. Ein lokales Large Language Model (LLM) agiert hierbei als Agent (Zentrale Steuereinheit), dem über Tool-Use (Function Calling) spezifische Browser-Aktionen (Klicken, Scrollen, Texteingabe via Playwright) als Werkzeuge zur Verfügung stehen. Basierend auf synthetischen Nutzer-Personas und dem dynamischen Webseiten-Zustand (HTML-DOM, Screenshots) operiert der Agent autonom, um authentische Browsing-Muster zu generieren. Die Ausführung erfolgt lokal via Ollama auf einem KI-Server (48 GB VRAM). Aufgaben 1. Evaluierung von Open-Source-LLMs im GGUF-Format hinsichtlich ihrer Fähigkeiten zur Tool-Nutzung und strukturierten Befehlsausgabe. Deployment via Ollama auf der dedizierten Hardware (48 GB VRAM). 2. Persona-Synthese: Konzeptionierung und automatisierte Generierung distinkter Nutzerprofile mittels LLM-Prompting zur Steuerung der Agenten-Intentionen. 3. Bibliotheksentwicklung: Implementierung einer wiederverwendbaren Python-Schnittstelle zur Verknüpfung von Playwright mit der OpenAI-API, einschließlich der DOM-Aufbereitung für das LLM und der Ausführung von Handlungsentscheidungen via Function Calling. 4. Integration & Evaluation: Einbettung der entwickelten Bibliothek in den bestehenden Header-Bidding-Crawler sowie Validierung der Generierung authentischerer Interaktionsdaten während der Werbeauktionen. [1] Zeber, D., Bird, S., Oliveira, C., Rudametkin, W., Segall, I., Wollsén, F., & Lopatka, M. (2020). The representativeness of automated web crawls as a surrogate for human browsing. Proceedings of The Web Conference 2020, 167–178. https://doi.org/10.1145/3366423.3380104

Third-Party Cookies bilden das Rückgrat des kommerziellen Web-Trackings, stehen jedoch wegen massiver Einschnitte in die Privatsphäre (Consumer Privacy) unter Druck. Initiativen wie das W3C diskutieren intensiv das Ende dieser Technologie und wie ein "Web ohne Third-Party Cookies" aussehen kann (siehe W3C TAG Architecture Document). Dennoch sind sie nach wie vor weit verbreitet. Was diese "Privacy-Kosten" im digitalen Alltag konkret bedeuten, ist jedoch selten empirisch exakt quantifiziert. Ziel dieser Arbeit ist es, die Privacy-Kosten von Third-Party Cookies sowohl theoretisch als auch empirisch zu ermitteln. Es soll untersucht werden, wie viele Cookies von reinen Trackern stammen, an wie viele Tracking-Domains Online-Aktivitäten abfließen und was technisch überhaupt rekonstruiert werden kann. Mögliche Forschungsfragen: 1. Welche Nutzeraktivitäten können durch Third-Party-Tracking technisch aggregiert werden? 2. Wie hoch sind die empirisch messbaren Privacy-Kosten (Anz. Tracking-Cookies, Anz. Drittdomains) auf populären Webseiten? Mögliche Methodik: 1. Literaturarbeit (Related Work): Aufarbeitung des Forschungsstands zu Consumer Privacy und der W3C-Debatte zur Abschaffung von Third-Party Cookies. 2. Experimentelles Setup (z. B. mit OpenWPM): Automatisierte Crawls einer repräsentativen Auswahl an Webseiten zur Erfassung von Third-Party Cookies und Tracking-Requests. 3. Datenanalyse: Abgleich der erfassten Domains mit Blocklisten (z. B. EasyList) zur Quantifizierung des tatsächlichen Tracking-Ausmaßes. 4. Synthese: Vergleich der experimentellen Daten mit den theoretischen Privacy-Kosten aus der Literatur. Startliteratur: Englehardt, Steven, and Arvind Narayanan. "Online tracking: A 1-million-site measurement and analysis." Proceedings of the 2016 ACM SIGSAC conference on computer and communications security. 2016.

Instant-Messenger sind ein grundlegender Teil unseres digitalen Alltags geworden und das menschliche Kommunikationsverhalten in diesen ist von großem Interesse. Zwar gibt es echte Datensätze, welche Einblicke in das Kommunikationsverhalten von Menschen in diesen Apps geben, jedoch sind diese mit mehreren Problemen verbunden. So sind es meist nur beschränkte anonymisierte Datensätze, wodurch mögliche Rückschlüsse stark eingeschränkt werden und in der Wissenschaft oft mit vereinfachten statistischen Modellen gearbeitet wird. In dieser Arbeit sollen deswegen mithilfe von KI beschränkte reale Datensätze (z.B. [1, 2]) ausgeweitet werden. Dabei müssen die Daten evtl. bereinigt und in ein für die KI angepasstes Format gebracht werden. Es können mehrere Modelle für die Erzeugung der künstlichen Daten genutzt werden. Um abschließend evaluieren zu können, wie realistisch diese künstlichen Daten sind, müssen entsprechende Metriken definiert werden, welche beurteilen, wie nah sie an originalen Daten sind. [1] https://ieeexplore.ieee.org/abstract/document/10064263 [2] https://ojs.aaai.org/index.php/ICWSM/article/view/14989

This practical workshop investigates how urban activity patterns can be learned from context-enriched datasets and how significant deviations from expected behaviour can be identified and interpreted. Students will analyse pedestrian-frequency data together with contextual indicators, such as weather, visibility, activity density, safety, and sensing coverage, to learn normal activity baselines for different urban locations. The workshop explores statistical and AI-based methods for detecting anomalies and examines how contextual information can help distinguish genuine inactivity from sensing gaps, unusual events, or changes in urban dynamics, supporting the identification of Urban Black Holes; the areas that are inactive and have low social presence. Expected Outcomes • Characterization of normal urban activity patterns for different locations. • Baseline models of expected pedestrian activity. • Detection and visualization of anomalous urban activity. • Interpretation of anomalies using contextual indicators (e.g., weather, visibility, safety, and sensing coverage). • Identification of potential Urban Black Holes and explanation of their underlying causes. • Reproducible code, visualizations, and analytical reports.

Statistical Disclosure Attacks (SDA) zählen als bekanntes Verfahren zur Deanonymisierung anonymer Kommunikationssysteme [1]. Dabei werden über längere Zeit Kommunikationsmuster (Sender + Empfänger, aber nicht wer mit wem) beobachtet, um schrittweise Rückschlüsse auf die tatsächlichen Kommunikationsbeziehungen zwischen Nutzern zu ziehen. Die meisten Arbeiten betrachten jedoch vereinfachte Kommunikationsmodelle, die nur eingeschränkt die Eigenschaften moderner Instant-Messaging-Systeme abbilden. Ziel dieses Projektseminars ist die Implementierung einer SDA auf Basis eines realen Instant-Messaging-Datensatzes [2]. Hierzu sollen die notwendigen Kommunikationsdaten aufbereitet, der Angriff umgesetzt und dessen Wirksamkeit experimentell untersucht werden. Die Ergebnisse können anschließend mit den Annahmen und Resultaten der ursprünglichen Literatur verglichen werden. Darüber hinaus können verschiedene Erweiterungen untersucht werden, um die Simulation realistischer zu gestalten. Beispiele sind die Berücksichtigung echter Kommunikationsbeziehungen, zeitlicher Abhängigkeiten zwischen Nachrichten oder Nutzerverhalten, das durch Anonymitätssysteme beeinflusst wird, etwa längere Wartezeiten oder verzögerte Kommunikation. Ziel ist es, die Übertragbarkeit klassischer Angriffe auf moderne Messenger-Kommunikation besser zu verstehen und mögliche Grenzen bestehender Modelle aufzuzeigen. Voraussetzungen: • Programmierkenntnisse • Interesse an Datenanalyse Literatur: [1] http://www0.cs.ucl.ac.uk/staff/G.Danezis/papers/StatDisclosure.pdf [2] https://ieeexplore.ieee.org/abstract/document/10064263/

Die Personalisierung von Online-Werbung zählt zu den zentralen Mechanismen des programmatischen Werbeökosystems. Während Werbeausspielungen häufig auf Nutzungsprofilen und Interessenssignalen beruhen, bleibt in der Praxis oft unklar, wie stark die tatsächlich ausgelieferten Anzeigen zwischen unterschiedlichen Nutzerprofilen variieren und ob diese inhaltlich zu den jeweiligen Interessen passen. Dieses Praxisseminar untersucht anhand von etwa 18.000 Anzeigen-Screenshots aus einem Header-Bidding-Crawler, in welchem Ausmaß Online-Werbung personalisiert ist. Grundlage sind zuvor aufgebaute Interessenprofile mehrerer Personas, die entlang der Topics-API-Taxonomie klassifiziert wurden. Nach einer Seeding-Phase wurden dieselben 100 Webseiten mit unterschiedlichen Personas besucht und die ausgelieferten Anzeigen dokumentiert. Im Zentrum steht damit die Frage, ob sich Anzeigen zwischen Personas unterscheiden und ob sie inhaltlich mit den jeweiligen Interessenprofilen übereinstimmen. Für die Bearbeitung werden die Anzeigen aus den Screenshots mithilfe vortrainierter Modelle (z. B. von Hugging Face) klassifiziert und anschließend mit den Persona-Interessen verglichen. Auf dieser Basis kann die Individualität der ausgespielten Werbung sowie deren thematische Passung empirisch bewertet werden. Forschungsfragen: 1. In welchem Ausmaß unterscheiden sich die auf denselben Webseiten ausgespielten Anzeigen zwischen verschiedenen Personas? 2. Wie gut stimmen die klassifizierten Anzeigeninhalte mit den über die Topics-API-Taxonomie definierten Interessenprofilen der Personas überein? 3. Welche Interessenbereiche werden besonders häufig adressiert, und in welchen Fällen weichen die Anzeigeninhalte deutlich vom Persona-Profil ab? Aufgaben: 1. Preprocessing: Die ~18.000 Screenshots vorverarbeiten, unbrauchbare Dateien (leere/weiße/fehlformatierte Bilder) entfernen 2. Klassifikation: Geeigneten Bild‑/Multimodal‑Klassifikator auswählen (z. B. Modelle von Hugging Face), feinjustieren oder prompten und Anzeigeninhalte gemäß der Topics‑API‑Taxonomie zuordnen. 3. Validierung: Qualitätsprüfung der Klassifikationen (Stichproben‑Annotation, Confusion‑Matrix, Precision/Recall) und ggf. Iteration der Modelle oder Labelmapping‑Strategie. 4. Analyse: Aggregation der Klassifikationsergebnisse pro Persona und Seite; Berechnung von Ähnlichkeitsmaßen zwischen Anzeigenprofilen und Persona‑Interessen (z. B. Jaccard, Cosinus‑Ähnlichkeit, weighted overlap), statistische Tests und deskriptive Metriken zur Messung von Individualität (z. B. intra‑ vs. inter‑persona Divergenz) und Passung (Übereinstimmungsraten, Themen‑Hit‑Rates).

Wir unterhalten uns tagtäglich mit vielen Menschen über viele verschiedene Themen. Zwischenmenschliche Kommunikation ist von vielen Faktoren abhängig, wie von der Kommunikationsart, dem Inhalt und – natürlich - den beteiligten Personen. Die Wissenschaft hat zwar bereits versucht explizit das Verhalten in Instant-Messengern zu untersuchen (z.B. [1]), aber dies geschah aus Gründen der Privatsphäre ohne Beachtung des Nachrichteninhalts. In diesem Seminar soll der grobe Kontext einer Konversation genutzt werden (Verabredung, Informationsaustausch, …), um zu untersuchen, wie sich Menschen in verschiedenen Situationen verhalten/kommunizieren. Dafür ist eine automatisierte Auswertung der Daten notwendig, um quantitativ zu untersuchen, wie sich bspw. das Antwortverhalten in versch. Szenarien unterscheidet. Als Grundlage kann die Datenbank Mocada2 [2] genutzt werden. [1] https://ieeexplore.ieee.org/abstract/document/10064263 [2] https://db.mocoda2.de/c/home

Das aktuelle Ökosystem der verhaltensbasierten Online-Werbung (OBA) basiert auf der persistenten Verfolgung von Nutzern über eindeutige Identifikatoren. Als datenschutzfreundliche Alternative gilt die clientseitige, sequenzielle Pseudonym-Rotation. Diese unterbindet die langfristige Profilbildung, indem sie lokale Speicher (Cookies, DOM-Storage, Caches) regelbasiert zurücksetzt. Die mathematische und konzeptionelle Herausforderung liegt in der Bestimmung optimaler Rotationsstrategien und Isolationsgrenzen (z. B. pro First-Party oder seitenübergreifend). Zudem eröffnet das stabile, repetitive Surfverhalten von Individuen strukturelle Schwachstellen: Ein globaler, passiver Angreifer (*Global Passive Adversary*) kann trotz technischer Identitätstrennung versuchen, die zeitlich getrennten Segmente eines Nutzers allein auf Basis der besuchten First-Party-Domänen verhaltensbasiert wiederzuverketten (*Re-Identification Attack*). Forschungsfragen RQ1: Wie muss die Speicher- und Zugriffshierarchie (First-Party vs. Third-Party) temporärer Pseudonyme strukturiert sein, um informationelle Trennung ohne vollständigen Verlust der Werbe-Utility zu garantieren? RQ2: Nach welchen Kriterien und Schwellenwerten (Interaktionen, Zeit, Tracker-Entropie) muss eine Pseudonym-Rotation induziert werden, um die Profilbildung effektiv zu begrenzen? RQ3: Mit welcher mathematischen Wahrscheinlichkeit (Accuracy) kann ein *Global Passive Adversary* temporär getrennte Pseudonyme desselben Nutzers ausschließlich über dessen verhaltensbasierte Clickstream-Charakteristika re-identifizieren? RQ4: Welche Trade-offs zeigen sich zwischen der informationellen Privatsphäre (Reduktion der Verkettbarkeit) und der ökonomischen Utility (Erhalt von kurzfristigem Retargeting)? Aufgabenbereiche 1. Architekturkonzeption: Definition des datenschutztechnischen Schutzbereichs. Untersuchung der Granularität von Pseudonymen (Isolierung per First-Party-Origin vs. globale Reader-Domänen) und formalisierte Festlegung der Zugriffsberechtigten (First-Party vs. Third-Party-Tracker), welche Identifier existieren im Web-Browser-Kontext. 2. Regelwerk & Schwellenwerte: Mathematische Formulierung von Auslösekriterien (Metriken für Interaktionsdichte, Tracker-Präsenz oder Zeitintervalle) für die temporäre Gültigkeit eines Pseudonyms. 3. Angriffssimulation & Evaluation: Empirische Analyse der Verhaltenskonsistenz gegen einen Global Passive Adversary unter Verwendung eines realen Clickstream-Datensatzes. Quantifizierung der verhaltensbasierten Verkettbarkeit mittels Ähnlichkeitsmetriken und Klassifikationsalgorithmen.

The objective of this thesis is to investigate how urban observability and safety can be quantified using computational indicators derived from urban geometry, sensing infrastructure, and contextual information. The student will review and implement existing visibility, natural surveillance, safety perception, and sensing coverage models, compare their applicability to urban environments, and investigate how these indicators can support the interpretation of urban activity and Urban Black Hole detection. Tasks • Review computational models of urban visibility, safety, and observability. • Investigate sensing coverage and sensing-gap models. • Implement and compare existing computational indicators. • Compute safety and observability indicators using OpenStreetMap, sensor metadata, and publicly available urban datasets. • Evaluate the relationship between observability, safety, and urban activity. • Visualize and document the derived indicators. Expected Outcomes • Computational indicators for urban observability and safety. • Comparative evaluation of existing models. • Preliminary observability and sensing-gap metrics. • Safety and observability maps for urban environments. • Reproducible implementation, visualizations, and documentation. Required Skills • Python • GIS and Spatial Data Analysis • Basic Machine Learning (optional) • Data Visualization • Interest in Smart Cities and Urban Computing

The objective of this thesis is to investigate how context-enriched urban data and AI-based methods can be used to detect and interpret Urban Black Holes. The student will work with publicly available smart-city datasets, integrate contextual information such as weather, OpenStreetMap, and environmental data, and analyze urban activity patterns. Statistical and machine-learning methods will be used to learn normal activity baselines, detect deviations, and distinguish genuine inactivity from sensing limitations, missing observations, or unusual urban events. Tasks • Collect and preprocess urban activity datasets. • Integrate contextual information from OpenStreetMap, weather, and environmental data. • Learn normal activity patterns for different urban locations. • Implement and compare statistical and AI-based anomaly detection methods. • Interpret anomalies using contextual indicators. • Identify and visualize potential Urban Black Hole candidates. Expected Outcomes • Context-enriched urban datasets. • Baseline models of normal urban activity. • AI-based anomaly detection framework. • Context-aware interpretation of anomalies. • Urban Black Hole detection pipeline. • Reproducible code, visualizations, and evaluation reports. Required Skills • Python • Machine Learning • Time-Series Analysis • Data Visualization • Basic GIS concepts

Statistische Angriffe wie Statistical Disclosure Attacks (SDA) wurden ursprünglich im Kontext klassischer (anonymisierter) Kommunikationssysteme, insbesondere E-Mail, entwickelt und über die Zeit kontinuierlich erweitert. Diese Ansätze nutzen wiederkehrende Kommunikationsmuster, um trotz Anonymisierung Rückschlüsse auf Kommunikationsbeziehungen zu ziehen. Moderne Instant-Messaging-Systeme unterscheiden sich jedoch in wesentlichen Punkten von diesen klassischen Szenarien, etwa durch asynchrone Kommunikation, kurze Nachrichtenzyklen und komplexe Interaktionsmuster. Ziel dieser Masterarbeit ist es, die Übertragbarkeit und Effektivität bestehender statistischer Angriffe auf Instant Messaging zu untersuchen und darüber hinaus neue Ansätze zu entwickeln, die speziell auf die charakteristischen Muster von IM-Kommunikation zugeschnitten sind. Aufbauend auf bestehenden Vorarbeiten, die typische Kommunikationsmuster in Messenger-Daten analysieren, sollen potenzielle Angriffsvektoren identifiziert und modelliert werden. Darauf aufbauend können neue Angriffsideen konzipiert, implementiert und evaluiert werden, beispielsweise durch Anpassungen bekannter SDA-Varianten oder die Entwicklung völlig neuer Verfahren, die zeitliche Dynamiken, Antwortverhalten oder Gruppenchats gezielt ausnutzen. Ziel ist es, ein tieferes Verständnis dafür zu gewinnen, inwiefern sich Instant Messaging trotz Anonymisierung angreifbar verhält und welche neuen Herausforderungen sich im Vergleich zu klassischen Kommunikationssystemen ergeben.

Anonyme Kommunikationssysteme sollen die Beziehungen zwischen Sendern und Empfängern verbergen. Dennoch existieren verschiedene Angriffsmethoden, die versuchen, solche Kommunikationsbeziehungen anhand beobachtbarer Metadaten zu rekonstruieren. Zwei grundsätzlich unterschiedliche Ansätze sind dabei kombinatorische Verfahren wie der Hitting-Set-Angriff [1] sowie statistische Verfahren wie die Statistical Disclosure Attack (SDA) [2]. Der Hitting-Set-Ansatz kann bereits mit vergleichsweise wenigen Beobachtungen eindeutige Kommunikationsbeziehungen aufdecken. Allerdings skaliert dieser Ansatz bei großen Systemen oft schlecht und ist zudem empfindlich gegenüber Unsicherheiten, beispielsweise durch Dummy-Nachrichten oder indeterministische Anonymitätsmechanismen. Statistische Angriffe wie SDA sind in solchen Szenarien robuster und deutlich effizienter, liefern jedoch in der Regel nur Wahrscheinlichkeitsaussagen statt eindeutiger Lösungen und benötigen oft eine größere Anzahl an Beobachtungen. Obwohl zahlreiche Erweiterungen statistischer Angriffe vorgeschlagen wurden, konzentrieren diese sich meist auf einzelne Aspekte der Angriffsmethodik. Ziel dieser Masterarbeit ist die Entwicklung eines neuartigen hybriden Angriffsansatzes, der kombinatorische und statistische Verfahren miteinander verbindet. Dabei soll untersucht werden, ob sich die jeweiligen Stärken beider Ansätze kombinieren lassen, beispielsweise indem statistische Verfahren den Suchraum kombinatorischer Methoden reduzieren oder kombinatorische Erkenntnisse genutzt werden, um statistische Ergebnisse weiter zu verfeinern. Hierzu sollen zunächst bestehende Arbeiten zu Hitting-Set- und SDA-basierten Angriffen analysiert werden. Anschließend werden eigene Ideen für hybride Angriffsalgorithmen entwickelt, implementiert und in einer Simulationsumgebung evaluiert. Die Evaluation soll systematisch untersuchen, unter welchen Bedingungen der neue Ansatz gegenüber bestehenden Verfahren Vorteile bietet, beispielsweise hinsichtlich benötigter Beobachtungen, Laufzeit, Skalierbarkeit oder Robustheit gegenüber Dummy-Verkehr und anderen Schutzmaßnahmen. Voraussetzungen: • Programmierkenntnisse • Freude an algorithmischen und konzeptionellen Fragestellungen Literatur: [1] https://www.freehaven.net/anonbib/papers/Hitting_Set_Attack.pdf [2] http://www0.cs.ucl.ac.uk/staff/G.Danezis/papers/StatDisclosure.pdf

Personalisierte Werbung ist ein zentrales Element des heutigen Online-Markts. Durch die Analyse des Surfverhaltens werden Nutzer:innen in Profile eingeteilt, die es Werbetreibenden ermöglichen, gezielt Anzeigen auszuspielen. Wie schnell sich ein Werbeprofil bildet, wie stabil es ist und wie sich Surfverhalten direkt auf die angezeigte Werbung auswirkt, ist jedoch bisher kaum systematisch untersucht – insbesondere nicht unter kontrollierten experimentellen Bedingungen. Ziel dieser Arbeit ist es, Browser-basierte Nutzerprofile künstlich zu simulieren, indem automatisierte Browser-Bots verschiedene Surfverhalten nachahmen. Durch den Einsatz von Large Language Models (z.B. Ollama) soll das Surfverhalten realistisch und kontextbasiert gesteuert werden. Die simulierten Nutzer (Personas) bewegen sich dabei durch definierte oder dynamisch generierte Surfpfade und beeinflussen so ihr Werbeprofil (z. B. technisch-affin, interessiert an Finanzprodukte). In dem Experiment soll untersucht werden, wie sich gezielte Browsing-Muster auf die angezeigte Werbung auswirken, welche Webseiten besonders schnell zur Profilbildung beitragen und wie differenziert personalisierte Werbung bereits nach wenigen Interaktionen ausgespielt wird. Ein möglicher technischer Startpunkt ist der Aufbau eines Browser-Automatisierungssystems mit Selenium oder Puppeteer, ergänzt durch ein KI-Modul zur Entscheidungssteuerung (z. B. Ollama API). Mögliche Forschungsfragen: 1. Wie kann das Surfverhalten typischer Online-Personas realistisch und automatisiert simuliert werden? 2. In welchem Umfang passen sich Werbeanzeigen basierend auf dem simulierten Surfverlauf an? 3. Welche Webseiten tragen besonders zur schnellen Profilbildung bei? Mögliche Methodik: 1. Aufbau eines automatisierten Browser-Bots (z.B. mit Selenium oder Puppeteer). 2. Steuerung des Browsing-Pfades durch Ollama (z.B. Auswahl der nächsten Webseite, Suchbegriffe, Klickentscheidungen). 3. Empirische Erfassung der eingeblendeten Werbung (z.B. Screenshot-Analyse, Werbelisten wie EasyList). 4. Vergleich verschiedener Personas und ihrer Surfpfade hinsichtlich der Geschwindigkeit und Differenzierung der angezeigten Werbung.

Instant Messaging ist geprägt durch charakteristische Kommunikationsmuster, etwa schnelle Antwortfolgen, längere Pausen oder kontextabhängige Interaktionen wie Verabredungen oder Informationsaustausch. Während solche Muster bereits in empirischen Arbeiten untersucht wurden, fehlt häufig ein formales Modell, das diese systematisch beschreibt und zur Analyse oder Simulation nutzbar macht. Ziel dieser Masterarbeit ist die Entwicklung eines solchen Kommunikationsmodells für Instant Messaging. Auf Grundlage realer Datensätze, die neben Metadaten auch Kontextinformationen zu Konversationen enthalten, sollen typische Kommunikationsformen identifiziert und systematisch abstrahiert werden. Dabei kann sowohl untersucht werden, wie bestimmte Muster entstehen, als auch, wie sich bestehende Kommunikation anhand des Modells klassifizieren lässt. Das zu entwickelnde Modell soll in der Lage sein, zentrale Aspekte wie Antwortzeiten, Nachrichtenfrequenzen, Gesprächskontext und Interaktionsdynamiken abzubilden. Je nach Schwerpunkt kann es sich beispielsweise um ein statistisches, probabilistisches oder zustandsbasiertes Modell handeln. Abschließend soll das Modell anhand realer Daten evaluiert werden, um zu zeigen, inwiefern es tatsächliche Kommunikationsverläufe realistisch beschreibt und für weiterführende Anwendungen, etwa Simulationen oder Sicherheitsanalysen, geeignet ist.

Viele Online-Dienste finanzieren sich über digitale Werbung. Das Web und das zugrunde liegende HTTP-Protokoll wurden jedoch nicht für gezieltes Nutzer-Tracking oder personalisierte Werbung entwickelt. Um Nutzer wiederzuerkennen oder bestimmte Interaktionen zu messen, setzen Akteure im Werbeökosystem unter anderem HTTP-Redirects ein. Ein typisches Beispiel: Klickt ein Nutzer auf eine Online-Werbung, wird er zunächst zu einem Werbevermittler (Ad-Broker) umgeleitet, um das Event für Preismodelle wie „Cost-per-Click“ zu loggen. Erst danach wird er zur eigentlichen Zielseite des Werbetreibenden weitergeleitet. Eine weitere Anwendung wäre die Re-Identifizierung durch "Bounce-Tracking", die in der Post-Third-Party-Cookie-Ära an Bedeutung gewinnen könnte. Ziel dieses Seminars ist es, die Rolle von HTTP-Redirects im Online-Werbemarkt systematisch zu untersuchen. Es soll erarbeitet werden, in welchen Zusammenhängen und zu welchen Zwecken Redirects eingesetzt werden und in welchem Umfang diese im heutigen Web auftreten. Hierzu wird ein Datensatz mithilfe des Tools OpenWPM erstellt. OpenWPM ermöglicht es, automatisiert zahlreiche Webseiten zu besuchen und den dabei entstehenden HTTP-Traffic aufzuzeichnen. Die aufgezeichneten Daten sollen anschließend gezielt auf HTTP-Redirects hin analysiert werden. Mögliche Forschungsfragen: 1. Welche Akteure nutzen HTTP-Redirects im Online-Werbemarkt und zu welchen Zwecken? 2. Wie lang sind typische HTTP-Redirect-Ketten? 3. Welche Informationen und Tracking-Daten werden bei den Redirects üblicherweise übertragen? Startliteratur: Referrer Policy: Implementation and Circumvention. L. M. Zagi, Z. Moti, G. Acar. In Proceedings on Privacy Enhancing Technologies, 2025(3), 21 pages, 2025. Bei Interesse oder Fragen könnt ihr euch gerne melden unter maximilian.wittig@ur.de.

This practical workshop focuses on transforming raw urban datasets into analysis-ready datasets for urban analytics. Students will explore publicly available smart-city platforms and open datasets, collect and integrate pedestrian, traffic, weather, environmental, and geographic information, and enrich urban observations with contextual data. Inspired by Jane Jacobs' concept of eyes on the street and social presence, the workshop examines how urban characteristics can be translated into measurable computational indicators that support the analysis of urban activity, observability, and safety. The workshop emphasizes data acquisition, contextual enrichment, feature engineering, and the construction of reproducible datasets for future AI-enabled smart-city applications. Rather than performing anomaly detection, the outcome of the workshop is an enriched dataset that can later be used for tasks such as urban safety assessment, Urban Black Hole detection, and machine-learning applications. Expected Outcomes • Curated and context-enriched urban datasets. • Documentation and metadata for reproducibility. • Integrated datasets combining multiple urban data sources. • Derived computational indicators for urban analytics. • Reproducible code, visualizations, and benchmark datasets for future AI applications.

Third-Party Cookies bildeten lange eine zentrale Grundlage für nutzerbasiertes Targeting und den Identitätsabgleich im programmatischen Werbeökosystem. Gleichzeitig werden sie von Browsern zunehmend blockiert oder eingeschränkt, etwa durch Safari ITP (seit 2017), Firefox ETP (seit 2019), eingeschränkte Unterstützung in Google Chrome (geplant ab 2024*). Vor diesem Hintergrund stellt sich die grundlegende Frage, wie relevant Third-Party Cookies im Werbemarkt tatsächlich noch sind. Dieses Praxisseminar untersucht anhand eines Datensatzes mit wiederholten Besuchen derselben Webseiten unter zwei Bedingungen — mit und ohne Third-Party Cookies — die ökonomische Relevanz von Third-Party Cookies im Header Bidding. Im Zentrum steht die Frage, ob und in welchem Ausmaß die Verfügbarkeit von Third-Party Cookies Auktionspreise, Bietverhalten und Marktstruktur beeinflusst. Damit wird empirisch geprüft, ob Third-Party Cookies im programmatischen Werbemarkt einen substantiellen ökonomischen Wert besitzen oder ob ihre praktische Bedeutung überschätzt wird. Forschungsfragen: 1. Wie stark beeinflusst die Verfügbarkeit von Third-Party Cookies den erzielten Preis bzw. CPM unter Kontrolle von Webseiten-, Bieter- und Inventarcharakteristika? 2. In welchem Ausmaß verändern sich Bid Density, Bieterzusammensetzung und Auktionsdynamik zwischen Besuchen mit und ohne Third-Party Cookies? 3. Wie relevant sind Third-Party Cookies im Vergleich zu anderen Einflussfaktoren wie First-Party Domain, Bieter, Adformat und Slot-Merkmalen für die Preisbildung? 4. Verändert sich die Marktstruktur der Auktionen, etwa gemessen an Konzentrationsmaßen oder der Dominanz einzelner Bieter, zwischen beiden Bedingungen? 5. Welche Effekte ergeben sich auf technische Kennzahlen wie Auktionslatenz und Effizienz des Cookie-Matchings? Datenbasis und Methode: Der Datensatz umfasst Gebotsdaten auf Auktionsebene sowie Metadaten zu Ad Slots und Webseiten. Die Analyse kombiniert deskriptive Auswertungen mit regressionsbasierten Verfahren in einem Within-Subject-Design. Durch Fixed Effects und geeignete Kontrollvariablen werden stabile Webseiten- und Bieterunterschiede berücksichtigt, sodass die ökonomische Relevanz von Third-Party Cookies im Vergleich zu anderen Einflussfaktoren empirisch isoliert werden kann. Startliteratur:Zeng, E., McAmis, R., Kohno, T., & Roesner, F. (2022). What factors affect targeting and bids in online advertising? a field measurement study. Proceedings of the 22nd ACM Internet Measurement Conference, 210–229. https://doi.org/10.1145/3517745.3561460 * Third-Party Cookies werden in Chrome wohl doch nur im Inkognito-Modus deaktiviert (Quelle: https://privacysandbox.com/news/).

This work investigates how urban activity patterns can be learned from context-enriched datasets and how significant deviations from expected behaviour can be identified and interpreted. Students will analyse pedestrian-frequency data together with contextual indicators, such as weather, visibility, activity density, safety, and sensing coverage, to learn normal activity baselines for different urban locations. The workshop explores statistical and AI-based methods for detecting anomalies and examines how contextual information can help distinguish genuine inactivity from sensing gaps, unusual events, or changes in urban dynamics, supporting the identification of Urban Black Holes. Expected Outcomes • Characterization of normal urban activity patterns for different locations. • Baseline models of expected pedestrian activity. • Detection and visualization of anomalous urban activity. • Interpretation of anomalies using contextual indicators (e.g., weather, visibility, safety, and sensing coverage). • Identification of potential Urban Black Holes and explanation of their underlying causes. • Reproducible code, visualizations, and analytical reports.

Instant-Messaging-Systeme erzeugen eine Vielzahl an Metadaten, etwa darüber, wer wann mit wem kommuniziert. Selbst wenn diese Daten anonymisiert werden, können Angreifer oft durch geschickte Analyse Rückschlüsse auf Kommunikationspartner ziehen. Eine bekannte Angriffsmethode in diesem Kontext sind sogenannte Statistical Disclosure Attacks (SDA), bei denen langfristige Beobachtungen genutzt werden, um Kommunikationsbeziehungen statistisch zu rekonstruieren. In diesem Seminar sollen solche Angriffe auf anonymisierte IM-Daten simuliert und analysiert werden. Ausgangspunkt ist ein einfaches anonymisiertes Datenset, auf dem grundlegende SDA-Varianten implementiert und evaluiert werden. Darauf aufbauend können die Angriffe erweitert oder angepasst werden, um realistischere Kommunikationsszenarien abzubilden. Optional können auch Verteidigungsmechanismen untersucht werden, wie etwa das Einfügen von Dummy-Nachrichten oder gezielte Verzögerungen, und deren Einfluss auf die Effektivität der Angriffe analysiert werden. Ziel ist es, ein besseres Verständnis dafür zu entwickeln, unter welchen Bedingungen Anonymisierung in Messaging-Systemen bricht und welche Gegenmaßnahmen in der Praxis sinnvoll sind.

Future smart cities require sensing technologies that can understand urban activity without relying heavily on cameras or collecting privacy-sensitive information. This workshop introduces Integrated Sensing and Communication (ISAC) as a future sensing technology that uses wireless signals for both communication and environmental sensing. The workshop focuses on how ISAC can support localization, occupancy estimation, and device-free sensing while improving urban observability and reducing reliance on visual surveillance. The objective is to understand how ISAC can complement existing sensing infrastructures to provide more reliable and privacy-preserving urban observations. Research Questions • What is Integrated Sensing and Communication (ISAC), and how does it differ from traditional sensing systems? • How can wireless signals be used for localization, occupancy estimation, and device-free sensing? • How can ISAC complement cameras, GPS, and other urban sensing technologies? • How can ISAC improve urban observability while preserving citizens' privacy? • What are the main challenges of deploying ISAC for future smart cities?

Instant-Messaging-Anwendungen sind ein zentraler Bestandteil moderner digitaler Kommunikation, werden jedoch seit jeher von Sicherheitslücken und Angriffen begleitet. Im Laufe der Zeit wurden zahlreiche Schwachstellen in bekannten Anwendungen entdeckt, die von einfachen Implementierungsfehlern bis hin zu grundlegenden Designproblemen reichen und teils schwerwiegende Auswirkungen auf die Privatsphäre der Nutzer hatten. Ziel dieses Seminars ist es, eine systematische Übersicht über bekannte Schwachstellen und Angriffe auf Instant-Messaging-Systeme zu erarbeiten. Dabei sollen sowohl historische als auch aktuelle Beispiele untersucht werden, etwa Angriffe auf Vertraulichkeit, Integrität oder Metadaten sowie Probleme in der Authentifizierung, Verschlüsselung oder im Protokolldesign. Ein besonderer Fokus liegt darauf, wiederkehrende Muster und Ursachen solcher Schwachstellen zu identifizieren. Aufbauend darauf können die analysierten Angriffe klassifiziert und in einen größeren Kontext eingeordnet werden, beispielsweise nach Angriffsziel, technischen Ursachen oder betroffenen Systemkomponenten. Ziel ist es, ein fundiertes Verständnis dafür zu entwickeln, warum Messenger-Systeme scheitern können und welche Lehren daraus für die Entwicklung sicherer und privatsphärefreundlicher Kommunikationslösungen gezogen werden können.

Anonyme Kommunikationssysteme haben in den letzten Jahren an Bedeutung gewonnen, insbesondere im Kontext von Datenschutz, Überwachung und sicherer digitaler Kommunikation. Neben klassischen Konzepten wie Mix-Netzwerken oder Onion Routing existieren heute eine Vielzahl konkreter Anwendungen wie Briar oder OnionShare, die unterschiedliche Ansätze zur Umsetzung von Anonymität verfolgen. Ziel dieses Seminars ist es, den aktuellen Stand solcher anonymen Messenger systematisch zu untersuchen. Dabei sollen zentrale Grundlagen und Konzepte anonymer Kommunikation aufgearbeitet und auf moderne Systeme übertragen werden. Die Studierenden analysieren ausgewählte Anwendungen hinsichtlich der verwendeten Technologien, etwa Peer-to-Peer-Kommunikation, Tor-basierte Ansätze oder dezentrale Architekturen, sowie deren jeweilige Sicherheits- und Anonymitätseigenschaften. Ein weiterer Schwerpunkt liegt auf der vergleichenden Einordnung der Systeme. Dazu können geeignete Kriterien entwickelt oder bestehende Ansätze aus der Literatur herangezogen werden, um die verschiedenen Lösungen hinsichtlich ihrer Stärken, Schwächen und Designentscheidungen zu klassifizieren. Ziel ist es, ein strukturiertes Verständnis der aktuellen Landschaft anonymer Messenger zu gewinnen und deren Unterschiede sowie praktische Implikationen herauszuarbeiten.

Cities exhibit recurring temporal rhythms shaped by human mobility, social activities, transportation systems, and environmental conditions. This workshop investigates how normal urban activity patterns can be learned from observational data and how deviations from these patterns can be identified and interpreted. The focus is placed on baseline learning, spatiotemporal activity modeling, and the detection of unexpected deviations from learned urban rhythms. Drawing on urban computing, machine learning, and time-series analysis, the workshop examines methods for characterizing normal activity and distinguishing unusual events from routine urban dynamics. The objective is to provide a foundation for understanding urban normality and identifying significant departures from expected activity patterns. Research Questions • How can normal urban activity patterns be learned from spatiotemporal data? • Which representations are most effective for modeling urban rhythms? • How can expected activity be estimated across different locations and times? • Which statistical and machine-learning methods can detect deviations from learned baselines? • How can unusual events be distinguished from routine fluctuations in urban activity? • How can contextual information improve the interpretation of detected deviations?

Als Alternative zum klassischen Real-Time Bidding (RTB) im sequenziellen „Waterfall“-Modell hat sich Header Bidding als dominierendes paralleles Auktionsverfahren etabliert. Durch den Einsatz clientseitiger JavaScript-Frameworks (Header-Wrapper wie Prebid.js) im Browser des Endnutzers können Publisher Gebote multipler Werbenetzwerke simultan einholen, bevor der primäre Ad-Server aufgerufen wird. Aus ökonomischer Sicht optimiert dieses Verfahren den Ertrag für Publisher durch fairen Wettbewerb. Wissenschaftlich und methodisch ist Header Bidding von hoher Relevanz: Da die Auktionen clientseitig orchestriert werden, bricht das Verfahren die traditionelle Intransparenz des serverseitigen Werbeökosystems auf. Es ermöglicht Forschern, die Dynamiken des Werbemarktes, die Bietströme sowie den realen Wert von Nutzerdaten direkt zu messen. Das Seminar widmet sich einer systematischen Literaturstudie über die Funktionsweise, Marktverbreitung und die datenschutzbezogenen wie auch transparenzfördernden Eigenschaften dieses Ökosystems. Forschungsfragen 1. Wie läuft der technische Protokoll- und Datenfluss beim Header Bidding ab, und welche Marktsegmente werden durch führende Open-Source- (z. B. Prebid.js) versus proprietäre Wrapper-Infrastrukturen abgedeckt? 2. Wie hoch ist der Stellenwert von Header Bidding im modernen OBA, und welche empirischen Erkenntnisse existieren zu seiner globalen Verbreitung und dem ökonomischen Mehrwert (CPMs) für Publisher? 3. Inwiefern erhöht die clientseitige Natur des Header Biddings die Transparenz und Messbarkeit des Werbemarktes für die akademische Forschung im Vergleich zu traditionellen, serverseitigen RTB-Architekturen? 4. Welche empirischen Befunde und methodischen Ansätze existieren in der Literatur, um Privatsphären-Risiken (z. B. Cookie-Synching, ID-Verkettung) innerhalb von Header-Bidding-Auktionen zu isolieren und zu bewerten? Startliteratur: Pachilakis, M., Papadopoulos, P., Markatos, E. P., & Kourtellis, N. (2019). No More Chasing Waterfalls: A Measurement Study of the Header Bidding Ad-Ecosystem. In Proceedings of the Internet Measurement Conference (pp. 280–293). Association for Computing Machinery. https://doi.org/10.1145/3355369.3355582

Modern cities generate large amounts of data through cameras, sensors, mobile devices, and other technologies. However, our view of urban activity is often incomplete because sensing coverage varies across locations and times, and sensors themselves may have limitations or failures. As a result, low levels of detected activity may indicate that little is happening, or simply that the activity is not being observed. This workshop explores how urban activity can be understood from available data and introduces the concept of Urban Black Holes—places or time periods where activity appears unusually low because of limited visibility, sensing gaps, or genuinely low activity. Bringing together researchers from urban computing, AI, computer vision, and urban studies, the workshop examines how concepts such as social presence, visibility, natural surveillance, and safety can be translated into measurable indicators, and how multiple data sources and uncertainty analysis can help distinguish between a true absence of activity and a lack of observations. Research Questions • How can urban abstract concepts be defined and quantified? • How can safety, visibility, and natural surveillance be translated into computational indicators? • What physical features should be considered as the most important AI input models? • What existing AI model could measure abstract Urban concept? • Which sensing modalities and AI methods can be ranked as the best suited to characterize urban activity?

Das Online-Werbeökosystem (insb. Real-Time Bidding) basiert traditionell auf umfangreicher Verarbeitung personenbezogener Daten. Neue regulatorische Vorgaben (z. B. Digital Services Act, ePrivacy-Richtlinie, fortlaufende DSGVO-Durchsetzung) sowie plattformseitige Einschränkungen von Tracking (z. B. Third-Party-Cookie-Deprecation) erhöhen den Druck auf datenschutzfreundliche Alternativen. Dieses Seminar untersucht systematisch industrielle Ansätze des Privacy-Preserving Ad Targeting anhand technischer Spezifikationen und Whitepapers. Im Fokus stehen Systemarchitekturen, eingesetzte Privacy-Technologien und deren Auswirkungen auf zentrale Werbefunktionalitäten wie Retargeting, Attribution und Frequency Capping. Forschungsfragen: 1. Identifikation und Klassifikation: Welche industriellen Ansätze für Privacy-Preserving Ad Targeting werden in der grauen Literatur beschrieben, und wie lassen sie sich hinsichtlich Architektur, Datenfluss und Vertrauensmodell systematisieren? 2. Technische Ausgestaltung: Welche Datenkategorien werden verarbeitet bzw. geschützt, und welche technischen Mechanismen (z. B. differentielle Privatsphäre, On-Device Processing, Trusted Execution Environments) kommen zum Einsatz? 3. Funktionale Abdeckung: In welchem Umfang unterstützen die identifizierten Ansätze zentrale Werbefunktionalitäten (z. B. Retargeting, Attribution, Frequency Capping)? 4. Limitationen und Trade-offs: Welche technischen, praktischen und ökonomischen Einschränkungen werden berichtet, insbesondere im Spannungsfeld von Privatsphäre, Messbarkeit und Skalierbarkeit? Startliteratur: Data Clean Rooms, Topics API, Unified ID 2.0, WebKit Privacy-Preserving Ad Click Attribution, Mozilla Anonym

Future urban sensing systems must balance two competing objectives: improving urban observability while protecting citizens' privacy. This workshop explores privacy-preserving sensing approaches that estimate occupancy, activity, and collective behavior without identifying or continuously tracking individuals. Particular emphasis is placed on edge computing, data minimization, spatial and temporal aggregation, anonymous sensing, and privacy-aware ISAC systems. The workshop also examines how these techniques can support reliable urban observability while minimizing the collection of personally identifiable information. As a motivating application, the workshop investigates how privacy-preserving sensing can support the detection of Urban Black Holes—spatial or temporal regions characterized by unexpectedly low observed activity, where distinguishing genuine inactivity from limited observations remains challenging. Research Questions • What privacy risks exist in camera-based, GPS-based, and radio-based urban sensing? • What information is actually required to estimate occupancy, social presence, and urban activity? • How can occupancy and activity be estimated without identifying or continuously tracking individuals? • How can edge computing and data minimization reduce privacy risks? • How can spatial and temporal aggregation prevent trajectory reconstruction while preserving useful information? • How can ISAC support privacy-preserving urban sensing? • How can privacy and urban observability be balanced when designing future smart-city sensing systems?

Anonyme Kommunikationssysteme stehen häufig im Spannungsfeld zwischen starken Anonymitätsgarantien und praktischer Nutzbarkeit. Techniken wie Mix-Netzwerke, Onion Routing oder DC-Netze bieten unterschiedliche Grade an Anonymität, gehen jedoch oft mit Einschränkungen hinsichtlich Latenz, Skalierbarkeit oder Benutzerfreundlichkeit einher. Demgegenüber sind moderne Kommunikationsanwendungen stark auf Usability optimiert, bieten jedoch meist nur begrenzten Schutz der Metadaten. Ziel dieses Seminars ist es, diese grundlegenden Zielkonflikte systematisch zu untersuchen. Dazu sollen verschiedene anonyme Kommunikationsansätze und deren zugrunde liegende Techniken aufgearbeitet werden. Aufbauend darauf wird analysiert, welche Auswirkungen diese Designentscheidungen auf die Benutzbarkeit haben, etwa in Bezug auf Verzögerungen, Komplexität, Interaktionsmodelle oder notwendige Nutzerinteraktion. Ein Schwerpunkt liegt auf der vergleichenden Einordnung der unterschiedlichen Techniken und Systeme. Hierfür können Kategorien und Kriterien entwickelt werden, um typische Trade-offs zwischen Anonymität und Usability strukturiert darzustellen. Ziel ist es, ein fundiertes Verständnis dafür zu entwickeln, warum vollständig anonyme und gleichzeitig hochgradig nutzerfreundliche Systeme schwer umzusetzen sind und welche Kompromisse in der Praxis eingegangen werden müssen.

Modern cities are increasingly monitored through cameras, sensors, mobile devices, and other digital data sources. However, observations are often incomplete and uneven across space and time. Consequently, low levels of detected activity may indicate genuine inactivity or simply limitations of the sensing infrastructure. This workshop explores urban observability—the extent to which urban activity and phenomena can be inferred from available data. Particular attention is devoted to Urban Black Holes, defined as places or periods characterized by low activity, limited visibility, or sensing gaps, where distinguishing between genuine absence of activity and absence of observation becomes challenging. ________________________________________ Research Questions • What is urban observability, and how can it be defined and quantified? • Which sensing modalities and AI methods are used to characterize urban activity? • How can sensing coverage, observability, and uncertainty be modeled? • How can deviations from normal activity be interpreted under incomplete observations? • How can genuine absence of activity be distinguished from sensing gaps and limitations of sensing infrastructure? • Can Urban Black Holes be formally defined and detected from a computational perspective under incomplete observations? • How can observability-aware approaches support more reliable and explainable urban analytics?

Das heutige Online-Werbeökosystem (insb. Real-Time Bidding) basiert auf der massiven Verarbeitung nutzerbezogener Daten und der Weitergabe von Nutzerprofilen an zahlreiche Akteure. Dieses Seminar bietet eine systematische Literaturübersicht zu akademischen Ansätzen des Privacy-Preserving Ad Targeting. Im Fokus stehen die zugrunde liegenden Systemmodelle, Schutzziele (z. B. Unlinkability, k-Anonymität), eingesetzten kryptografischen und systemischen Mechanismen sowie die resultierenden Trade-offs zwischen Privatsphäre, Funktionalität und Skalierbarkeit. Forschungsfragen: 1. Identifikation und Systematisierung: Welche akademischen Ansätze für Privacy-Preserving Ad Targeting existieren, und wie lassen sie sich hinsichtlich Systemmodell, Annahmen und unterstützter Werbefunktionalitäten (z. B. Frequency Capping, Retargeting) klassifizieren? 2. Privacy- und Sicherheitsanalyse: Welche Schutzziele (z. B. die Gewährleistung der Unverknüpfbarkeit von Identität und offengelegtem Nutzerprofil) und Angreifermodelle werden definiert? Welche Mechanismen werden eingesetzt, um diese zu erreichen? 3. Herausforderungen & Gaps: Welche Einschränkungen (z. B. bezüglich Performance, Skalierbarkeit oder User Experience) verhindern eine praktische Umsetzung dieser Ansätze und welche Forschungslücken bestehen weiterhin? Startliteratur: Adnostic, AdVeil

Als Alternative zum klassischen Real-Time Bidding (RTB) im sequenziellen „Waterfall“-Modell hat sich Header Bidding als dominierendes paralleles Auktionsverfahren etabliert. Durch den Einsatz clientseitiger JavaScript-Frameworks (Header-Wrapper wie Prebid.js) im Browser des Endnutzers können Publisher Gebote multipler Werbenetzwerke simultan einholen, bevor der primäre Ad-Server aufgerufen wird. Aus ökonomischer Sicht optimiert dieses Verfahren den Ertrag für Publisher durch fairen Wettbewerb. Wissenschaftlich und methodisch ist Header Bidding von hoher Relevanz: Da die Auktionen clientseitig orchestriert werden, bricht das Verfahren die traditionelle Intransparenz des serverseitigen Werbeökosystems auf. Es ermöglicht Forschern, die Dynamiken des Werbemarktes, die Bietströme sowie den realen Wert von Nutzerdaten direkt zu messen. Das Seminar widmet sich einer systematischen Literaturstudie über die Funktionsweise, Marktverbreitung und die datenschutzbezogenen wie auch transparenzfördernden Eigenschaften dieses Ökosystems. Forschungsfragen 1. Wie läuft der technische Protokoll- und Datenfluss beim Header Bidding ab, und welche Marktsegmente werden durch führende Open-Source- (z. B. Prebid.js) versus proprietäre Wrapper-Infrastrukturen abgedeckt? 2. Wie hoch ist der Stellenwert von Header Bidding im modernen OBA, und welche empirischen Erkenntnisse existieren zu seiner globalen Verbreitung und dem ökonomischen Mehrwert (CPMs) für Publisher? 3. Inwiefern erhöht die clientseitige Natur des Header Biddings die Transparenz und Messbarkeit des Werbemarktes für die akademische Forschung im Vergleich zu traditionellen, serverseitigen RTB-Architekturen? 4. Welche empirischen Befunde und methodischen Ansätze existieren in der Literatur, um Privatsphären-Risiken (z. B. Cookie-Synching, ID-Verkettung) innerhalb von Header-Bidding-Auktionen zu isolieren und zu bewerten? Startliteratur: Pachilakis, M., Papadopoulos, P., Markatos, E. P., & Kourtellis, N. (2019). No More Chasing Waterfalls: A Measurement Study of the Header Bidding Ad-Ecosystem. In Proceedings of the Internet Measurement Conference (pp. 280–293). Association for Computing Machinery. https://doi.org/10.1145/3355369.3355582

Das Online-Werbeökosystem (insb. Real-Time Bidding) basiert traditionell auf umfangreicher Verarbeitung personenbezogener Daten. Neue regulatorische Vorgaben (z. B. Digital Services Act, ePrivacy-Richtlinie, fortlaufende DSGVO-Durchsetzung) sowie plattformseitige Einschränkungen von Tracking (z. B. Third-Party-Cookie-Deprecation) erhöhen den Druck auf datenschutzfreundliche Alternativen. Dieses Seminar untersucht systematisch industrielle Ansätze des Privacy-Preserving Ad Targeting anhand technischer Spezifikationen und Whitepapers. Im Fokus stehen Systemarchitekturen, eingesetzte Privacy-Technologien und deren Auswirkungen auf zentrale Werbefunktionalitäten wie Retargeting, Attribution und Frequency Capping. Forschungsfragen: 1. Identifikation und Klassifikation: Welche industriellen Ansätze für Privacy-Preserving Ad Targeting werden in der grauen Literatur beschrieben, und wie lassen sie sich hinsichtlich Architektur, Datenfluss und Vertrauensmodell systematisieren? 2. Technische Ausgestaltung: Welche Datenkategorien werden verarbeitet bzw. geschützt, und welche technischen Mechanismen (z. B. differentielle Privatsphäre, On-Device Processing, Trusted Execution Environments) kommen zum Einsatz? 3. Funktionale Abdeckung: In welchem Umfang unterstützen die identifizierten Ansätze zentrale Werbefunktionalitäten (z. B. Retargeting, Attribution, Frequency Capping)? 4. Limitationen und Trade-offs: Welche technischen, praktischen und ökonomischen Einschränkungen werden berichtet, insbesondere im Spannungsfeld von Privatsphäre, Messbarkeit und Skalierbarkeit? Startliteratur: Data Clean Rooms, Topics API, Unified ID 2.0, WebKit Privacy-Preserving Ad Click Attribution, Mozilla Anonym

MAIN IDEA & RESEARCH QUESTIONS - While recent advances in large language models (LLMs), make it possible to generate summaries in the context of police risk analysis, the output must be rigorously evaluated before it can be used, to confirm that generated summaries are faithful, complete, and free of distortions that could bias a risk assessment. Established methods for evaluating generated text often assume that the data may be freely shared. In the police domain the data is highly sensitive and legally protected and cannot simply be handed to arbitrary evaluators or external services. This creates a fundamental tension between the need for thorough, yet scalable evaluation and the constraints of a sensitive domain. - The goal of this thesis is to systematically review the literature on the evaluation of generated text, to characterize the specific challenges that arise when the underlying data cannot be freely disclosed, and to identify and transfer solutions from other sensitive domains, most notably medicine, but also law, finance, and intelligence, where comparable constraints apply. The thesis synthesizes these findings into an overview of viable evaluation strategies for AI-generated text under data-access constraints. - Guiding questions for this thesis may be: What is the state of the art in evaluating AI-generated text (in particular summaries)? Which established evaluation methods rely on the free disclosure of data, and why does this conflict with the requirements of a sensitive domain such as police risk analysis? How is this problem addressed in other domains and to what extent do these approaches transfer to the police context? What is the most viable approach for the practical application, what are its limitations and does it scale? LITERATURE Berk, R. A. (2021). Artificial Intelligence, Predictive Policing, and Risk Assessment for Law Enforcement. Annual Review of Criminology, 4(4), 209–237. Celikyilmaz, A., Clark, E., & Gao, J. (2021). Evaluation of Text Generation: A Survey (arXiv:2006.14799). arXiv. Deutsch, D., Dror, R., & Roth, D. (2022). On the Limitations of Reference-Free Evaluations of Generated Text. In Y. Goldberg, Z. Kozareva, & Y. Zhang (Eds), Proceedings of the 2022 Conference on Empirical Methods in Natural Language Processing (pp. 10960–10977). ACL. Gu, J., Jiang, X., Shi, Z., Tan, H., Zhai, X., Xu, C., Li, […] Ni, L., Gao, W., Wang, Y., & Guo, J. (2026). A survey on LLM-as-a-judge. The Innovation, 7(6), 101253.

MAIN IDEA & RESEARCH QUESTIONS As AI agents begin to transact on consumers' behalf, governance is emerging at three levels at once: international principles (OECD, UN, UNESCO, G7, Council of Europe), regional regulation (the EU's AI Act, DSA, and planned Digital Fairness Act), and national approaches (US sectoral/state law, China's 2026 AI-agent guidelines, Singapore's voluntary MGF). This thesis aims to survey that multi-level landscape, build a taxonomy of regulatory approaches, and locate the consumer-protection gaps for a stylized human-agent-merchant transaction. Possible research questions: How do international and national regulatory bodies frame autonomous agents, and how much of that soft law is reflected in binding regional and national rules? Across these levels, who bears responsibility for harms to a delegating consumer, and which risks – i.e. manipulation, exploitation, unauthorized transactions – fall into gaps? Is the policy landscape converging or fragmenting? And does the “average consumer” benchmark still work (the legal test in EU consumer law that judges whether a practice is unfair by asking how it would affect a reasonably well-informed, reasonably attentive shopper) once the buyer is represented by an AI agent, given that agents resist the human weaknesses the test was built around (e.g., countdown timers, manipulative pop-ups) but face new ones it never anticipated (e.g., prompt injection, trained-in biases)? LITERATURE European Parliament and Council of the European Union. (2024). Regulation (EU) 2024/1689 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). Official Journal of the European Union. https://eur-lex.europa.eu/eli/reg/2024/1689/oj Busch, C. (2025). Consumer law for AI agents. German Law Journal, 26(7), 1367–1382. https://doi.org/10.1017/glj.2026.10188 United Nations. (2024). Governing AI for humanity. United Nations. https://doi.org/10.18356/9789211067873 Bostoen, F., & Krämer, J. (2025). AI agents and ecosystems contestability. Centre on Regulation in Europe (CERRE). https://cerre.eu/publications/ai-agents-and-ecosystems-contestability/ Infocomm Media Development Authority & AI Verify Foundation. (2026). Model AI governance framework for agentic AI (Version 1.5). https://www.imda.gov.sg/-/media/imda/files/about/emerging-tech-and-research/artificial-intelligence/mgf-for-agentic-ai.pdf

MAIN IDEA & RESEARCH QUESTIONS Foundation models are becoming key inputs for digital services, organizations, and entire ecosystems. Alongside closed, API-only models, open foundation models have become increasingly prominent. These models promise lower dependency on single vendors, greater flexibility for downstream innovation, and more freedom for independent value creation. However, they also raise important questions about providers’ economic incentives and business models, as well as AI governance and effective risk mitigation. This Bachelor thesis aims to address these questions based on a review of the academic literature and recent developments in the AI industry. The goal is to develop a structured, conceptual framework explaining how open foundation models affect competition dynamics and governance along the AI value chain. Possible research questions include but are not limited to: What are key economic motivations behind releasing open(-weight) foundation models? How do open foundation models affect competition at different layers of the AI value chain? Which incentive problems threaten the sustainability of open models? What governance mechanisms are suitable for open foundation models? What key trade-offs emerge between openness, innovation speed, and governance? LITERATURE Xu, F., Wang, X., Chen, W., & Xie, K. (2025). The economics of AI foundation models: Openness, competition, and governance. Available at: https://ssrn.com/abstract=4999355 Bommasani, R., Kapoor, S., Klyman, K., Longpre, S., Ramaswami, A., Zhang, D., ... & Liang, P. (2024). Considerations for governing open foundation models. Science, 386(6718), 151-153. Eiras, F., Petrov, A., Vidgen, B., Schroeder, C., Pizzati, F., Elkins, K., ... & Foerster, J. (2024). Risks and opportunities of open-source generative AI. Available at https://arxiv.org/abs/2405.08597

MAIN IDEA & RESEARCH QUESTIONS Artificial Intelligence (AI) systems are increasingly deployed as decision-support tools across a wide range of domains such as finance, healthcare, and public administration. While algorithmic recommendations can improve decision accuracy and efficiency, humans do not always rely on AI advice appropriately. Prior research has documented phenomena such as algorithm aversion and algorithm appreciation, yet less is known about systematic reliance patterns that emerge when humans interact repeatedly with AI recommendations. This bachelor thesis aims to provide a structured literature review of existing research on how humans rely on AI-generated recommendations. The focus is on identifying, categorizing, and synthesizing theoretical and empirical findings related to underreliance, appropriate reliance, and overreliance on algorithmic advice. Special attention should be paid to influencing factors of reliance such as perceived accuracy, uncertainty communication, explainability, task characteristics, and individual differences. Possible research questions include but are not limited to: How is human reliance on AI recommendations conceptualized and measured in the literature? What types of reliance patterns (e.g., underreliance, overreliance, calibrated reliance) have been identified? Which factors influence reliance on AI recommendations according to existing studies? How do concepts such as algorithm aversion and algorithm appreciation relate to broader reliance patterns? LITERATURE Eckhardt, S., Kühl, N., Dolata, M., & Schwabe, G. (2025). A survey of AI reliance. ACM Computing Surveys, 58(6), 1-37. Schemmer, M., Kuehl, N., Benz, C., Bartos, A., & Satzger, G. (2023). Appropriate reliance on AI advice: Conceptualization and the effect of explanations. In Proceedings of the 28th International Conference on Intelligent User Interfaces (pp. 410-422). Schemmer, M., Hemmer, P., Kühl, N., Benz, C., & Satzger, G. (2022). Should I follow AI-based advice? Measuring appropriate reliance in human-AI decision-making. arXiv preprint arXiv:2204.06916.

MAIN IDEA & RESEARCH QUESTIONS Digital transformation offers significant opportunities for non-profit organizations to improve their services, increase operational efficiency, and better support their beneficiaries. However, many organizations lack the technical expertise and financial resources to develop customized information systems tailored to their specific needs. At the same time, modern technologies such as cloud computing, AI, low-code platforms, and web-based applications make it increasingly feasible to implement affordable and impactful digital solutions. The goal of this real-world IT project is to develop and evaluate a functional information system for a non-profit organization in cooperation with the social impact start-up VoluLink (https://volulink.de/). Depending on the partner organization's requirements, the project may involve the implementation of a web application, mobile application, AI-supported assistant, workflow automation, database solution, or another digital information system that addresses a concrete organizational challenge. Students will collaborate with representatives of the non-profit organization, receive support from VoluLink, and be guided by industry mentors throughout the development process. Possible research questions include, but are not limited to: Can a customized information system improve the efficiency and quality of service delivery in a non-profit organization? Which software architecture and development approach are most suitable for implementing a practical solution under real-world constraints? How can user-centered design contribute to the acceptance and usability of digital solutions in the non-profit sector? What challenges arise during the implementation of information systems in social impact organizations, and how can they be addressed? LITERATURE Hevner, A. R., March, S. T., Park, J., & Ram, S. (2004). Design Science in Information Systems Research. MIS Quarterly, 28(1), 75–105. Peffers, K., Tuunanen, T., Rothenberger, M. A., & Chatterjee, S. (2007). A Design Science Research Methodology for Information Systems Research. Journal of Management Information Systems, 24(3), 45–77.

MAIN IDEA & RESEARCH QUESTIONS Disclosing personal data does not only yield personal benefits for individuals but can also generate large social benefits. Data donations, in which individuals voluntarily share their own data to support research for the common good, are viewed as a promising way to obtain the individual-level data that increasingly powers machine learning. Yet whether people donate depends heavily on how the donation is requested, and on the privacy controls they perceive in the moment of disclosure. The main goal of this thesis is to develop the design for an online experiment that captures actual donation behavior. Grounded in the privacy calculus, the design should vary how the donation is requested (ex-ante versus ex-post) and whether privacy controls are offered, relating these to donation compliance. To elicit genuine, incentive-compatible behavior, participants might complete a human-AI collaboration task, such as evaluating human-written texts with the support of a large language model, whose interaction logs would serve as the donatable data. Since the value of such collaboration depends strongly on the chosen task, selecting and framing this task would itself be a central design decision. The thesis would develop and pilot the design, for instance implemented in oTree with integrated LLM endpoints. The thesis may address the following questions: Which human-AI collaboration task is suitable for eliciting authentic, donatable data as a by-product? How can a credible ground truth be constructed for performance-based bonuses, and how does its construction shape incentive compatibility and data quality? How do ex-ante versus ex-post formats and privacy controls influence perceived privacy risk and donation compliance? How can repeated donation decisions and control switches, including their timing, be operationalized and logged? LITERATURE Schnurr, D., Hartl, P., Manzke, L., Schmidbauer, E., Haßler, J., & Tiefenbeck, V. (2026). Data donations: Data disclosure for the common good. Business & Information Systems Engineering. Alashoor, T., Keil, M., (Jack) Jiang, Z., & Saffarizadeh, K. (2025). Privacy Concerns and Data Donations: Do Societal Benefits Matter? MIS Quarterly, 49(2), 429–464. Vaccaro, M., Almaatouq, A., & Malone, T. (2024). When combinations of humans and AI are useful: A systematic review and meta-analysis. Nature Human Behaviour, 8(12), 2293–2303.

MAIN IDEA & RESEARCH QUESTIONS Deploy LLM agents as buyers and sellers in simple negotiation/purchasing tasks with private constraints (a budget, a reservation price) and study their behavior through several lenses: do they reach good deals, respect their principal's limits, show systematic biases (e.g., anchoring on fair 50-50 splits), and how robust are they to manipulation? Theoretical benchmarks (efficiency, individual rationality, an equilibrium reference split) are used to score outcomes, but the contribution is the empirical behavioral profile across models and conditions. Possible research questions: How well do LLM agents serve their principal's interest – capturing surplus, walking away from bad deals, never breaching budget/reservation limits? Do they exhibit human-like biases such as fairness anchoring or concession patterns, and how does behavior vary across model capability tiers and prompts? How susceptible are they to being steered against their principal (dark patterns, adversarial counterpart agents, prompt injection)? Which lightweight interventions (instructions, oversight checkpoints) improve outcomes? LITERATURE Horton, J., Filippas, A., & Manning, B. (2023). Large Language Models as Simulated Economic Agents: What Can We Learn from Homo Silicus? In National Bureau of Economic Research. https://doi.org/10.3386/w31122 Immorlica, N., Lucier, B., & Slivkins, A. (2024). Generative AI as economic agents. Available at https://arxiv.org/abs/2406.00477 Troy, K. K., Shields, D., Bradwell, K., & McCrory, P. (2026, April 24). Project Deal: Our Claude-run marketplace experiment | Anthropic. https://www.anthropic.com/features/project-deal Chatterjee, K., & Samuelson, W. (1983). Bargaining under Incomplete Information. Operations Research, 31(5), 835–851. https://doi.org/10.1287/opre.31.5.835

MAIN IDEA & RESEARCH QUESTIONS Explainable Artificial Intelligence (XAI) often relies on interactive interfaces that allow users to explore AI model behavior. However, in real-world applications, the key role of explanations is to support human oversight and control in AI-assisted decision-making. In Human-in-the-Loop (HITL) systems, humans monitor AI, detect failures, and intervene when needed. Increasingly, these systems leverage human feedback not only for transparency but as a critical signal to adapt and improve AI behavior over time, often through active learning techniques. Here, explainability serves as both a mechanism for oversight and a way to solicit meaningful feedback to guide AI model improvements. The goal of this master thesis is to design an explainable AI artifact that incorporates human feedback into an active learning framework, enabling AI to learn from human corrections, overrides, and annotations. Using a Design Science Research (DSR) approach, the artifact will combine AI recommendations with explanations and feedback mechanisms that allow for continuous system updates based on human input. The system should not only support effective learning but also ensure that the explanations remain transparent and controllable. Possible research questions include but are not limited to: How can explainable AI be designed to support learning from human feedback within HITL systems? What types of human feedback mechanisms (e.g., correction, annotation, override) are most effective in enabling AI systems to improve over time in HITL contexts? How can XAI systems be structured to efficiently integrate human feedback without introducing bias, and what are the challenges of maintaining transparency while allowing for system updates through active learning? What design principles can be derived for explainable AI systems that learn from humans while remaining controllable and transparent? LITERATURE Fügener, A., Grahl, J., Gupta, A., & Ketter, W. (2021). Will humans-in-the-loop become borgs? Merits and pitfalls of working with AI. MIS Quarterly, 45(3), 1527-1556. Tsiakas, K., & Murray-Rust, D. (2022). Using human-in-the-loop and explainable AI to envisage new future work practices. In Proceedings of the 15th International Conference on PErvasive Technologies Related to Assistive Environments (pp. 588-594). Tocchetti, A., & Brambilla, M. (2022). The role of human knowledge in explainable AI. Data, 7(7), 93.

MAIN IDEA & RESEARCH QUESTIONS In police risk analysis, data about the past behavior of a potentially dangerous individual is analyzed to conduct a risk assessment. Large language models (LLMs), make it possible to generate summaries of an individual's history to support this process. In this domain, however, it is essential to know at any point where a given piece of information in the summary originates: a statement in a risk-relevant summary must be traceable to the specific source it was drawn from. The goal of this master thesis is to systematically review the state of the art in attribution and source linking for (multi-document) LLM summarization and to characterize the strengths, limitations, and trustworthiness of the different approaches. Building on this, the thesis connects the general findings to the police domain, and the challenges arising there and synthesizes these conclusions into a conceptual Framework for how attribution should be established for AI-generated summaries in the police context. The thesis may additionally include a proof-of-concept implementation of a selected approach for summarization, with a qualitative inspection of the resulting attribution quality. Guiding questions may be: What is the state of the art in attribution and source linking for LLM-generated text and summarization? In which direction do current approaches establish attribution and what does this imply for the resulting citations? What specific challenges arise when linking information back to sources in summarization? How can the quality or faithfulness of attribution be assessed? What challenges arise in a domain with a strict provenance requirement such as police risk analysis? What would a conceptual framework for source-faithful attribution in this domain look like? LITERATURE Rashkin, H., Nikolaev, V., Lamm, M., Aroyo, L., Collins, M., Das, D., Petrov, S., Tomar, G. S., Turc, I., & Reitter, D. (2023). Measuring Attribution in Natural Language Generation Models. Computational Linguistics, 49(4), 777–840. Schreieder, T., Schopf, T., & Färber, M. (2026). Attribution, Citation, and Quotation: A Survey of Evidence-based Text Generation with Large Language Models (arXiv:2508.15396). arXiv. Gao, T., Yen, H., Yu, J., & Chen, D. (2023). Enabling Large Language Models to Generate Text with Citations. In H. Bouamor, J. Pino, & K. Bali (Eds), Proceedings of the 2023 Conference on Empirical Methods in Natural Language Processing (pp. 6465–6488). Association

MAIN IDEA & RESEARCH QUESTIONS Governance of agentic commerce is emerging simultaneously at three levels – international principles (OECD, UN, UNESCO, G7, Council of Europe), regional regulation (the EU's AI Act, DSA, and planned Digital Fairness Act), and national approaches (US sectoral/state law, China's 2026 AI-agent guidelines, Singapore's MGF). This thesis aims to complete three things: (1) survey that multi-level landscape and build a taxonomy of regulatory approaches; (2) develop an evaluation framework, i.e. a set of criteria (transparency, accountability, allocation of liability, consumer redress, market contestability, human oversight) applied to a stylized human-agent-merchant transaction – and scores each regime against it; and (3) derive a gap map and reform proposals. Method. A structured comparative policy analysis: code each instrument against the evaluation criteria, trace how non-binding international principles do (or don't) translate into binding regional and national rules, and stress-test the frameworks with a small set of scenario vignettes (e.g., an agent overspends its budget; an agent is steered by a manipulated interface; a gatekeeper privileges its own agent) to expose where responsibility and remedy are unclear. A vignette is a short, concrete scenario in which an AI agent walks through a full transaction (delegation, search, selection, payment, and aftermath) and one specific thing goes wrong. Possible research questions: How do international and national bodies frame autonomous agents, and how faithfully is that soft law reflected in binding rules, i.e. is the landscape converging or fragmenting? Across the criteria, who bears responsibility for harms to a delegating consumer, and which risks fall into gaps? Does the “average consumer” benchmark still work once the buyer is an AI agent that resists human weaknesses (countdown timers, manipulative pop-ups) but faces new ones (prompt injection, trained-in biases)? And which governance model, i.e. binding ex-ante rules, voluntary frameworks, or adapted consumer law, best closes the gaps? LITERATURE Busch, C. (2025). Consumer law for AI agents. German Law Journal, 26(7), 1367–1382. https://doi.org/10.1017/glj.2026.10188 United Nations. (2024). Governing AI for humanity. United Nations. https://doi.org/10.18356/9789211067873 Bostoen, F., & Krämer, J. (2025). AI agents and ecosystems contestability. Centre on Regulation in Europe (CERRE). https://cerre.eu/publications/ai-agents-

MAIN IDEA & RESEARCH QUESTIONS Economic games like the Ultimatum Game, Public Goods Game, and Dictator Game are vital tools in behavioral and experimental economics. This project seminar focuses on developing a platform for running these standard economic games, utilizing oTree, a Python-based framework for online experiments. The goal is to create flexible, user-friendly interfaces for both participants and researchers, allowing seamless game execution, real-time data collection, and integration of advanced features like dynamic feedback, surveys or interactive nudging elements. Possible research questions may include but are not limited to: How can we design user-friendly interfaces for economic games that ensure ease of use for participants across diverse demographics? What are the best practices for implementing real-time feedback and data visualization within economic game platforms? What are the technical challenges of implementing dynamic, multi-player economic games in real-time using oTree? Prerequisites for the project seminar include knowledge of oTree development and necessary familiarity with Python programming languages, as well as a basic understanding of behavioral or experimental economics. LITERATURE Thielmann, I., Böhm, R., Ott, M., & Hilbig, B. E. (2021). Economic games: An introduction and guide for research. Collabra: Psychology, 7(1), 19004. Chen, D. L., Schonger, M., & Wickens, C. (2016). oTree—An Open-Source Platform for Laboratory, Online, and Field Experiments. Journal of Behavioral and Experimental Finance, 9, 88-97. https://doi.org/10.1016/j.jbef.2015.12.001 Thaler, R. H., & Sunstein, C. R. (2009). Nudge: Improving decisions about health, wealth, and happiness. Penguin.

MAIN IDEA & RESEARCH QUESTIONS Large language models (LLMs) are trained predominantly on general-purpose text. German Police reports, however, constitute a highly specialized domain: they use a distinct administrative-legal register, and contain numerous domain-specific abbreviations and conventions. A general-purpose LLM might not be well-suited to such text out of the box, which raises the question of how, and whether, a model should be adapted to this domain. Historically, domain adaptation for language models (e.g. BERT) was often approached through domain-adaptive pretraining on large amounts of unlabeled in-domain text. In the era of instruction-tuned and reasoning LLMs, the landscape is considerably broader. The approaches differ in cost, data requirements, and the kind of "domain gap" they address. The goal of this thesis is to systematically review the state of the art in adapting (instruction-tuned and reasoning) LLMs to specialized domains, the types of domain gap being addressed, and the mechanism used to bridge them. German police reports serve as the running example throughout, with the multilingual/non-English dimension as a central concern. The thesis synthesizes these findings into a structured overview of which approaches suit which kind of domain-adaptation problem. Questions for this thesis may be: What is the state of the art in adapting LLMs to specialized domains? How do parameter-changing approaches compare to input-centric approaches in terms of cost, data requirements, and the type of domain gap they address? What additional challenges arise when the target domain is non-English and uses a specialized register, as with German police reports? How do reasoning-oriented LLMs change the picture, and are there risks associated with adapting them? Which approach, or combination of approaches, is most appropriate for a task such as police-report summarization, and along which criteria can this decision be made? LITERATURE Ling, C., Zhao, X., Lu, J., Deng, C., Zheng, C., Wang, J., Chowdhury, T., Li, Y., Cui, H., Zhang, X., Zhao, T., Panalkar, A., Mehta, D., Pasquali, S., Cheng, W., Wang, H., Liu, Y., Chen, Z., Chen, H., … Zhao, L. (2025). Domain Specialization as the Key to Make Large Language Models Disruptive: A Comprehensive Survey. ACM Computing Surveys, 58(3), 79:1-79:39. Ke, Z., Ming, Y., & Joty, S. (2025). Adaptation of Large Language Models. In M. Lomeli, S. Swayamdipta, & R. Zhang (Eds), Proceedings of the 2025 Annual Confere

MAIN IDEA & RESEARCH QUESTIONS Interacting with artificial intelligence such as large language models has become an everyday activity, and in doing so people continuously produce rich, personal interaction data, from the texts they write and the questions they ask to the judgments they make with AI support. Such data is, in principle, highly valuable for research serving the common good, and data donation, in which individuals voluntarily share their own data, offers a way to make it accessible. The growing ubiquity of human-AI collaboration thus opens a new and largely unexplored space for data donation. Not every human-AI collaboration task, however, is equally suited to serve as a vehicle for data donation. The central goal of this thesis is to identify which tasks fit the criteria that make donated data useful, such as the richness, quality, and sensitivity of the data generated and whether genuine effort can be credibly rewarded. As a second lens, the thesis would consider feasibility from the donor's side, namely whether people would actually be willing to share the resulting data given the privacy concerns and uncertainty that disclosure entails. Grounded in the privacy calculus and data donation, the thesis could develop a typology of human-AI collaboration tasks and a set of assessment criteria, resulting in a framework that informs the design of future data donation studies. Possible research questions include but are not limited to: Which types of human-AI collaboration tasks exist in the LLM context, and what kinds of donatable data do they generate? By which criteria should a task's suitability for data donation be assessed, in terms of the value and quality of the resulting data? Which of these tasks would also be feasible given individuals' willingness to share, considering privacy concerns and uncertainty? Which tasks appear most promising overall, and what trade-offs would they entail? LITERATURE Schnurr, D., Hartl, P., Manzke, L., Schmidbauer, E., Haßler, J., & Tiefenbeck, V. (2026). Data donations: Data disclosure for the common good. Business & Information Systems Engineering. Zieglmeier, A., Kranz, J., & Alashoor, T. (2024). How uncertainty and AI reciprocity shape data disclosure decisions in AI health services. ICIS 2024 Proceedings. Vaccaro, M., Almaatouq, A., & Malone, T. (2024). When combinations of humans and AI are useful: A systematic review and meta-analysis. Nature Human Behaviour, 8(12), 2293–2303.

MAIN IDEA & RESEARCH QUESTIONS Interacting with artificial intelligence such as large language models has become an everyday activity, and in doing so people continuously produce rich, personal interaction data, from the texts they write and the questions they ask to the judgments they make with AI support. Such data is, in principle, highly valuable for research serving the common good, and data donation, in which individuals voluntarily share their own data, offers a way to make it accessible. The growing ubiquity of human-AI collaboration thus opens a new and largely unexplored space for data donation. Not every human-AI collaboration task, however, is equally suited to serve as a vehicle for data donation. The central goal of this thesis is to identify which tasks fit the criteria that make donated data useful, such as the richness, quality, and sensitivity of the data generated and whether genuine effort can be credibly rewarded. As a second lens, the thesis would consider feasibility from the donor's side, namely whether people would actually be willing to share the resulting data given the privacy concerns and uncertainty that disclosure entails. Grounded in the privacy calculus and data donation, the thesis could develop a typology of human-AI collaboration tasks and a set of assessment criteria, resulting in a framework that informs the design of future data donation studies. Possible research questions include but are not limited to: Which types of human-AI collaboration tasks exist in the LLM context, and what kinds of donatable data do they generate? By which criteria should a task's suitability for data donation be assessed, in terms of the value and quality of the resulting data? Which of these tasks would also be feasible given individuals' willingness to share, considering privacy concerns and uncertainty? Which tasks appear most promising overall, and what trade-offs would they entail? LITERATURE Schnurr, D., Hartl, P., Manzke, L., Schmidbauer, E., Haßler, J., & Tiefenbeck, V. (2026). Data donations: Data disclosure for the common good. Business & Information Systems Engineering. Zieglmeier, A., Kranz, J., & Alashoor, T. (2024). How uncertainty and AI reciprocity shape data disclosure decisions in AI health services. ICIS 2024 Proceedings. Vaccaro, M., Almaatouq, A., & Malone, T. (2024). When combinations of humans and AI are useful: A systematic review and meta-analysis. Nature Human Behaviour, 8(12), 2293–2303.

MAIN IDEA & RESEARCH QUESTIONS Economic games like the Ultimatum Game, Public Goods Game, and Dictator Game are vital tools in behavioral and experimental economics. This project seminar focuses on developing a platform for running these standard economic games, utilizing oTree, a Python-based framework for online experiments. The goal is to create flexible, user-friendly interfaces for both participants and researchers, allowing seamless game execution, real-time data collection, and integration of advanced features like dynamic feedback, surveys or interactive nudging elements. Possible research questions may include but are not limited to: How can we design user-friendly interfaces for economic games that ensure ease of use for participants across diverse demographics? What are the best practices for implementing real-time feedback and data visualization within economic game platforms? What are the technical challenges of implementing dynamic, multi-player economic games in real-time using oTree? Prerequisites for the project seminar include knowledge of oTree development and necessary familiarity with Python programming languages, as well as a basic understanding of behavioral or experimental economics. LITERATURE Thielmann, I., Böhm, R., Ott, M., & Hilbig, B. E. (2021). Economic games: An introduction and guide for research. Collabra: Psychology, 7(1), 19004. Chen, D. L., Schonger, M., & Wickens, C. (2016). oTree—An Open-Source Platform for Laboratory, Online, and Field Experiments. Journal of Behavioral and Experimental Finance, 9, 88-97. https://doi.org/10.1016/j.jbef.2015.12.001 Thaler, R. H., & Sunstein, C. R. (2009). Nudge: Improving decisions about health, wealth, and happiness. Penguin.

Innerhalb dieser Bachelorarbeit, soll die aktuelle Entwicklung im Bereich Agentic AI im Kontext von Cybersecurity untersucht werden. Diese Autonomen KI basierten Systeme kontrollieren funktionsgebundene Agents, die selbstständig Aufgaben erledigen und untereinander koordinieren. Durch die Einordnung aktueller Literatur in dem Bereich sollen Potentiale, und Einsatzgebiete der Agents in der Cybersecurity festgehalten werden.

Um industrielle Netzwerke auf ihre Sicherheit untersuchen zu können, müssen alle Schwachstellen im System erkannt werden. Aus diesem Grund werden oft manuell Asset Inventare erstellt, die alle beteiligten Aktuere im System mit Hardware und Software auflisten. Dies ist oft ineffizient und wird aus diesem Grund in der Regel automatisiert. In industriellen Umgebungen ist ein Netzwerkscan oft nur eingeschränkt möglich, weshalb zusätzliche Datenquellen für die Sicherheitsbewertung in Betracht gezogen werden müssen. Elektrotechnische Beschreibungen beinhalten nicht nur komplizierte technische Dokumentationen, sondern auch textuelle Beschreibungen der Hardware und Software. Diese können ausgewertet werden und beinhalten potentiell relevante Informationen für die Security der Maschine. In dieser Arbeit soll ein Datensatz an Elektrotechnischen Beschreibungen analysiert werden. Hierbei soll der Inhalt mithilfe von LLMs ausgelesen werden und dann auf das Potential im Security Bereich untersucht werden.

Required: * Theoretical Understanding of (Tabular) Machine Learning (Classification, Regression) * Ability to comprehend ML benchmarks * Basic statistical understanding or willingness to perform statistical analysis. * Basic python knowledge in case any implementations are planned Focus of this Work * Reviewing recent developments of Tabular Foundation Models, i.e. TabPFN * Application of recent Tabular Foundation Models to a publicly available dataset of your choice * Application of post-hoc explanation methods and case-study-like analysis of the underlying problem using Tabular Foundation Models

Bei komplexen Projekten (z.B. im Baugewerbe oder in der industriellen Fertigung) arbeiten verschiedenste Akteure dezentral zusammen. Um Informationsverluste zu vermeiden, bedarf es zentraler Plattformen zum Austausch von Planungsdaten, Dokumenten und Status-Updates. Im Rahmen dieser Arbeit soll ein vollfunktionsfähiger Prototyp einer webbasierten Kollaborationsplattform konzipiert und implementiert werden. Kernfunktionen umfassen das Management von Dokumenten, das Hochladen und Annotieren von Bildern sowie rollenbasierte Zugriffsrechte für verschiedene Stakeholder. Als technologischer Stack wird eine moderne Architektur vorgeschlagen (z. B. Kotlin oder Python im Backend, React mit dem TanStack im Frontend sowie PostgreSQL).

Die zunehmende Automatisierung und Digitalisierung von Geschäftsprozessen führen zu komplexen ethischen Herausforderungen, die von verschiedenen Stakeholdern unterschiedlich wahrgenommen und bewertet werden. Während die technische Optimierung von Geschäftsprozessen gut erforscht ist, fehlt bislang eine systematische Analyse ethischer Spannungsfelder aus der Perspektive der Multi-Stakeholder-Theorie. Eine empirische Untersuchung der Wahrnehmung und Bewertung ethischer Dilemmata durch unterschiedliche Prozessbeteiligte ist essenziell für die Entwicklung ethisch reflektierter Prozessmanagementansätze. Im Rahmen der Arbeit soll eine qualitative Studie zur Identifikation und Analyse ethischer Dilemmata in Geschäftsprozessen durchgeführt werden. Der Fokus liegt auf der Durchführung und Auswertung semi-strukturierter Interviews mit verschiedenen Stakeholdergruppen (Prozessverantwortliche, ausführende Mitarbeiter, Kunden etc.). Zentrale Aspekte umfassen die Entwicklung eines theoretisch fundierten Interviewleitfadens, die systematische Kodierung und Analyse der erhobenen Daten sowie die Ableitung von Handlungsempfehlungen für ein ethisch orientiertes Prozessmanagement. Die Arbeit soll einen methodischen Rahmen zur Integration ethischer Perspektiven in die Prozessgestaltung entwickeln. - Kern, Christopher Julian, et al. "Navigating the moral maze: a literature review of ethical values in business process management." Business Process Management Journal 30.8 (2024): 343-370. - Myers, Michael D., and David Avison, eds. "Qualitative research in information systems: a reader". Sage, 2002.

Die Nutzung von Echtzeit-Lokalisierungsdaten wie RTLS, GPS oder Bluetooth bietet erhebliche Potenziale, um räumlich verteilte Geschäftsprozesse zu optimieren. Während Methoden zur Extraktion standortbasierter Muster aus Event Logs gut erforscht sind, bleibt die vorgelagerte Datenaufbereitung eine zentrale Herausforderung. In realen Anwendungsumgebungen sind hardwaregestützte Bewegungskoordinaten oft fehleranfällig, unvollständig und stark verrauscht. Es fehlt bislang ein systematisches Bindeglied, das diese niedrigstufigen Datenströme bereinigt, fehlende Enter/Leave-Ereignisse robust imputiert und mittels Activity Recognition in prozessuale Lebenszyklen überführt. Eine empirische und algorithmische Untersuchung dieser Transformationspipeline ist essenziell für die Entwicklung robuster Location-aware Process Mining-Ansätze. Im Rahmen der Arbeit wird ein methodischer Rahmen sowie eine prototypische Pipeline für das Preprocessing und die Aktivitätserkennung im Kontext des Location-aware Process Mining entwickelt. Der Fokus liegt auf der algorithmischen Bereinigung verrauschter Sensorsignale und der semantischen Abstraktion von Koordinatensequenzen hin zu prozessrelevanten Aufenthaltssegmenten. Zentrale Aspekte umfassen die Entwicklung von theoretisch fundierten Imputationsregeln für fehlerhafte Bewegungsevente, die systematische Kodierung und Transformation der Daten in den OCEL-Standard sowie die Validierung der Pipeline anhand eines Simulations- oder Realdatensatzes. Die Arbeit leitet Handlungsempfehlungen für den Umgang mit unvollständigen IoT-Datenströmen in der Prozessanalyse ab. Literatur: - van Zelst, S. J., Mannhardt, F., de Leoni, M., & Koschmider, A. (2021). Event Abstraction in Process Mining: Literature Review and Taxonomy. Granular Computing, 6(3), 719–736. - Brzychczy, E., Aleknonyte-Resch, M., Janssen, D., & Koschmider, A. (2025). Process Mining on Sensor Data: A Review of Related Works. Knowledge and Information Systems, 67(6), 4915–4948.

In der Cybersicherheit ist eine Überwachung der Netzwerkaktivität in vielerlei Hinsicht ein Vorteil, um Analysen durchzuführen, oder Angreifer bei frischer Tat zu ertappen. Hierbei unterscheiden sich die möglichen Techniken in passive Methoden, die einfach Netzwerkverkehr mitschneiden und auswerten, sowie aktive Methoden, die sich mit den Systemen Verbinden und z.B. Netzwerkeinstellungen überprüfen. Nicht immer kann man beide Techniken anwenden, da sensitive Systeme durch zusätzliche Netz Last kollabieren könnten. Aus diesem Grund ist eine Kombination aus beiden Techniken, eine hybride Lösung, oft der praktisch richtige Weg. Diese Masterarbeit, soll wissen über Hybrides Monitoring und deren Tools sammeln und einen Prototypen mithilfe der Skriptsprache/Tool Zeek implementieren. Anschließend soll der Prototyp in einer Simulation getestet werden. Es wird technisches Interesse an Programmierung empfohlen.

The use of AI agents to dynamically control and optimize business processes promises enormous efficiency gains. However, an unsolved problem is ensuring compliance: Data-driven (neural) AI models can "hallucinate" or break rules, which is unacceptable in business-critical processes. Neuro-symbolic architectures offer a highly promising solution. The goal of this master's thesis is to design and prototypically develop an approach that utilizes formal process models (e.g., BPMN) to constrain the actions of autonomous agents through hard restrictions ("guardrails"). The work includes the methodological extension of the modeling language as well as the implementation of an execution environment that verifies and evaluates agent decisions against the defined constraints at runtime.

Traditional business process simulation often struggles to reflect the reality of decentralized resources acting autonomously. Recent research therefore proposes agent-based simulations (e.g., AgentSimulator). An agent-based simulation prototype (e.g., in Python using established simulation libraries) will be implemented or an existing framework extended. The goal is to model a multi-agent scenario and synthesize multimodal event logs from the simulation.

AI Agents sind funktionsgebundene und autonome KI Programme, die gezielt eine Aufgabe erledigen. Gleichzeitig bieten graph-basierte Plattformen eine Möglichkeit um Verbindungen zwischen Angreifern und Verteidigungstechniken besser zu analysieren. Eine Einbindung dieser Agents in die Graph Plattform, ermöglich es dem Analysten schneller und effizienter Analysen durchzuführen und Entscheidungen zu treffen.

DevCheck ist eine bereits existierende Code Assessment Plattform, bei welcher Teilnehmende Ihre Lösungen zu Java Coding Aufgaben abgeben können. Das System prüft diese Abgabe automatisiert in einem Docker Container und gibt dem Teilnehmenden eine Rückmeldung über die Richtigkeit der Abgabe. Dabei nutzt DevCheck Docker und JavaScript mit React. Moodle ist eine Lernplattform und Kursmanagementsystem. Beispielsweise nutzt die UR Moodle für die E-Learning-Plattform. Diese Plattform kann mit Hilfe von Plugins im Funktionsumfang erweitert werden. Im Rahmen dieses Seminars soll ein Plugin entwickelt werden, welches DevCheck in Moodle integriert, sodass unter anderem Teilnehmer Lösungen zu Coding Aufgaben direkt in Moodle abgeben können und die Richtigkeit davon sehen können. Interesse oder erste Kenntnisse im Bereich Authentifizierung, JavaScript, PHP und Docker sind von Vorteil.

Business Process Management (BPM) is facing a paradigm shift driven by advancements in Artificial Intelligence: The trend is moving from pure process automation to autonomous, goal-oriented AI agents ("Agentic AI"). The aim of this seminar is to provide a structured overview of this emerging field based on current research literature. Guiding questions include: Which AI architectures and foundation models are proposed for process control? How is "autonomy" defined in a process context? What methodological challenges (e.g., verification, governance) arise when AI systems are allowed to alter process paths independently?

Im Rahmen dieses Theorieseminars wird untersucht, wie ethische Werte im Business Process Management (BPM) berücksichtigt werden können. Hierzu werden bestehende Methoden zur Darstellung von Werten analysiert. Anschließend werden die Potenziale und Grenzen der verschiedenen Ansätze für das BPM herausgearbeitet. Zur Beantwortung dieser Fragen wird eine strukturierte Literaturanalyse durchgeführt. Die identifizierten Ansätze werden eingeordnet, um Zusammenhänge und Überschneidungen sichtbar zu machen.

Traditionelles BPM konzentriert sich stark auf Effizienz und Zeit. Durch die Digitalisierung und regulatorische Verschärfungen verschiebt sich der Fokus jedoch drastisch: Unternehmen müssen Compliance-, Sicherheits- und zunehmend auch ethische Risiken (z. B. durch KI-gestützte Prozesse) direkt in ihre Geschäftsprozesse integrieren. Ziel dieses Seminars ist es, den aktuellen Forschungsstand an dieser Schnittstelle systematisch aufzuarbeiten, um langfristig ein Framework zu entwickeln, das Ethik und Security Compliance im Prozessmanagement als Risiken verzahnt. Einstiegsliteratur: - Rosemann, M., & vom Brocke, J. (2015): The six core elements of business process management. - zur Muehlen, M., & Ho, D. T. Y. (2005): Risk management in business process management. - Kern, C. J., et al. (2024): Navigating the moral maze: a literature review of ethical values in business process management.

In recent years, Transformer architectures have dominated the processing of sequential data. However, modern State Space Models (SSMs, e.g., Mamba) are currently emerging as a highly promising, linearly-scaling alternative. The aim of this seminar is to conduct a systematic literature review to elaborate on the mathematical foundations of SSMs and investigate their potential application to sequential process data (such as event logs and time-series).

Innerhalb dieses Seminars, soll die aktuelle Entwicklung im Bereich Agentic AI im Kontext von reaktiver Incident Response Prozesse aufbereitet werden. Diese Autonomen KI basierten Systeme kontrollieren funktionsgebundene Agents, die selbstständig Tasks im Security Bereich ausführen.

Das Management von Security Risiken innerhalb von Unternehmen wir oft in der Theorie beschrieben. Wie gehen Unternehmen mit Bedrohungslagen um, bewerten die entstehenden Risiken und treffen dementsprechend relevante Entscheidungen. Diese Entscheidungen sind Teil unternehmerischer Risikomanagementprozesse. Doch wie können diese Security Prozesse in der Anwendung in die unternehmerischen Prozesse eingegliedert werden. Dieses Theoretisches Seminar soll relevante Arbeiten innerhalb einer strukturierten Literaturrecherche aufarbeiten.

Business Process Management (BPM) is facing a paradigm shift driven by advancements in Artificial Intelligence: The trend is moving from pure process automation to autonomous, goal-oriented AI agents ("Agentic AI"). The aim of this seminar is to provide a structured overview of this emerging field based on current research literature. Guiding questions include: Which AI architectures and foundation models are proposed for process control? How is "autonomy" defined in a process context? What methodological challenges (e.g., verification, governance) arise when AI systems are allowed to alter process paths independently?

Im Rahmen dieses Theorieseminars wird untersucht, wie ethische Werte im Business Process Management (BPM) berücksichtigt werden können. Hierzu werden bestehende Methoden zur Darstellung von Werten analysiert. Anschließend werden die Potenziale und Grenzen der verschiedenen Ansätze für das BPM herausgearbeitet. Zur Beantwortung dieser Fragen wird eine strukturierte Literaturanalyse durchgeführt. Die identifizierten Ansätze werden eingeordnet, um Zusammenhänge und Überschneidungen sichtbar zu machen.

Traditionelles BPM konzentriert sich stark auf Effizienz und Zeit. Durch die Digitalisierung und regulatorische Verschärfungen verschiebt sich der Fokus jedoch drastisch: Unternehmen müssen Compliance-, Sicherheits- und zunehmend auch ethische Risiken (z. B. durch KI-gestützte Prozesse) direkt in ihre Geschäftsprozesse integrieren. Ziel dieses Seminars ist es, den aktuellen Forschungsstand an dieser Schnittstelle systematisch aufzuarbeiten, um langfristig ein Framework zu entwickeln, das Ethik und Security Compliance im Prozessmanagement als Risiken verzahnt. Einstiegsliteratur: - Rosemann, M., & vom Brocke, J. (2015): The six core elements of business process management. - zur Muehlen, M., & Ho, D. T. Y. (2005): Risk management in business process management. - Kern, C. J., et al. (2024): Navigating the moral maze: a literature review of ethical values in business process management.

In recent years, Transformer architectures have dominated the processing of sequential data. However, modern State Space Models (SSMs, e.g., Mamba) are currently emerging as a highly promising, linearly-scaling alternative. The aim of this seminar is to conduct a systematic literature review to elaborate on the mathematical foundations of SSMs and investigate their potential application to sequential process data (such as event logs and time-series).

Innerhalb dieses Seminars, soll die aktuelle Entwicklung im Bereich Agentic AI im Kontext von reaktiver Incident Response Prozesse aufbereitet werden. Diese Autonomen KI basierten Systeme kontrollieren funktionsgebundene Agents, die selbstständig Tasks im Security Bereich ausführen.

Das Management von Security Risiken innerhalb von Unternehmen wir oft in der Theorie beschrieben. Wie gehen Unternehmen mit Bedrohungslagen um, bewerten die entstehenden Risiken und treffen dementsprechend relevante Entscheidungen. Diese Entscheidungen sind Teil unternehmerischer Risikomanagementprozesse. Doch wie können diese Security Prozesse in der Anwendung in die unternehmerischen Prozesse eingegliedert werden. Dieses Theoretisches Seminar soll relevante Arbeiten innerhalb einer strukturierten Literaturrecherche aufarbeiten.

The semiconductor industry faces several challenges such as knowledge-intensive manufacturing and supply chains which complicates planning within the industry. To overcome these challenges and create efficient, sustainable, and resilient semiconductor supply chains, it is vital to facilitate seamless information exchange within supply chains. Support and execution of Cyber Security assessments taking into account authentication controls, security concepts, cryptography, vulnerabilities, hardening and application security. Exchange with business stakeholders on business value of the assessed application and implementation of cyber related changes. This thesis can be combined with an internship at Infineon.

Hintergrund ============= KI-gestützte Tools werden zunehmend in unterschiedlichen Bereichen eingesetzt (auch in der Wissenschaft), um manuelle Aufwände zu reduzieren. Ein besonders zeitintensiver Arbeitsschritt ist hier die systematische Analyse bestehender Literatur und Ansätze. Zusätzlich wird es durch die stetig wachsende Zahl wissenschaftlicher Publikationen immer schwieriger, relevante Literatur mit klassischen Recherche- und Analysemethoden vollständig und effizient auszuwerten. Hier versprechen diverse KI-basierte Tools und Ansätze, diesen Prozess zu unterstützen und effizienter zu gestalten. Gleichzeitig ist jedoch unklar, in welchem Umfang diese Werkzeuge die systematische Literaturanalyse tatsächlich verbessern und wie sich ihre Ergebnisse im Vergleich zu einer manuellen Vorgehensweise unterscheiden. Aufgabenstellung und Ziel ========== * Systematische Recherche des aktuellen Stands der Forschung und Praxis * Überblick verfügbarer Tools und Möglichkeiten * Entwicklung und Durchführung eines methodischen Vergleichs mit existierenden Literaturarbeiten * Evaluation und Interpretation der Resultate Literatur ========== Bolaños, F., Salatino, A., Osborne, F., & Motta, E. (2024). Artificial intelligence for literature reviews: opportunities and challenges. Artificial Intelligence Review, 57(10). https://doi.org/10.1007/s10462-024-10902-3

Goal Develop an interaction layer between MuJoCo robot simulation and an external Workflow Management System (WfMS) or Enterprise Resource Planning (ERP) System, so that the robots can be controlled from outside the simulation. For example, task dispatch from the WfMS/ERP, status/completion feedback from the robot. Approach • Choose and set up the corresponding WfMS/ERP system (open source) and a standalone MuJoCo simulation environment. • Design and implement a communication interface to connect MuJoCo with WfMS/ ERP, to trigger robot actions in simulation. • Implement feedback from the simulation back to WfMS/ERP, creating a closed-loop system. • Demonstrate the integration on a representative use case. For example, a simple production/process workflow triggering pick and place actions. • Evaluate parameters such as latency, reliability and reusability of the interface for broader robot scenarios. Background Robot simulations are typically controlled locally/manually; linking MuJoCo to a WfMS/ERP would demonstrate how simulated robots can be orchestrated as part of a broader production/process workflow.

Goal Develop a real-time perception pipeline for a UR5e workspace equipped with 2 RGB-D cameras placed at fixed isometric viewpoints (opposite sides) to stream into a continuously updated 3D scene representation either via point cloud or 3D reconstruction. The research can find its application in multiple tasks for human-robot collaboration. Approach • A PyBullet simulation will be provided for development and tests before access to actual robot. • Implement point cloud generation from each camera and fuse them into a unified scene representation that is refreshed at every frame. • Evaluate and optimize computational performance. • Validate the resulting framework with different use cases such as object detection or pose estimation or dynamic obstacle/human tracking. Background Cameras suffer from occlusion and limited field of view during manipulation. Therefore, a dual camera setup can increase confidence in detection and offer more complete, continuous scene coverage. References Cai, Z., Yu, C., & Pham, Q. C. (2018). 3D convolution on RGB-D point clouds for accurate model-free object pose estimation.

Goal Build a MuJoCo simulation of a multi-robot system consisting of three UR5e arms to replicate the physical layout of the chair’s lab (workspace dimensions, robot placement, fixtures, etc.) to serve as a reusable testbed for future multi-robot and HRC research. Approach • Survey the lab’s physical layout (robot positions, workspace dimensions, fixtures/obstacles, relevant sensor placements) and translate it into a MuJoCo scene using data formats such as URDF/MJCF models. • Integrate the UR5e arms into the shared scene with correct kinematics/dynamics, collision geometry and inter-robot spacing matching the real lab. • Validate the simulation against the physical lab. • Structure the simulation to be extensible so it can later support varied multi-robot robots. • Document setup and usage so that the simulation can be reused for future work. References E. Todorov, T. Erez, and Y. Tassa, “Mujoco: A physics engine for model-based control,” in 2012 IEEE/RSJ International Conference on Intelligent Robots and Systems, pp. 5026–5033, IEEE, 2012.

Goal Generate low-level, simulation-based (e.g. PyBullet/MuJoCo) event logs of multi-robot and human-robot interaction processes that can capture the activity and the four collaboration modes, viz. sequential, coexistence, collaboration, and cooperation. This will help us to also segregate the collaboration modes based on the space and time criterion rather than current implemented time-based segregation. The research will also produce logs that are suitable for downstream process mining. Approach • Define and set up experiments, at least 2 use cases per collaboration mode, and note the joints and the spatial proximity of the robots along with temporal overlap of human and robot activities. • Implement automated event-log generation from simulation runs, capturing relevant features such as joint data, positions, timestamps, activity & task labels, mode, etc. that are needed to apply for the space-time classification criteria. • Validate the generated logs for structural correctness and suitability as input for process mining tools. • Validate the collaboration modes. References Matheson, E., Minto, R., Zampieri, E. G. G., Faccio, M., & Rosati, G. (2019). Human–Robot Collaboration in Manufacturing Applications: A Review. Robotics, 8(4), 100. https://doi.org/10.3390/robotics8040100 Stefan Samhaber and Maria Leitner. 2022. Collaborative Patterns for Workflows with Collaborative Robots. Proceedings. Springer-Verlag, Berlin, Heidelberg, 131–148. https://doi.org/10.1007/978-3-031-17834-4_8

Goal Develop an interaction layer between MuJoCo robot simulation and an external Workflow Management System (WfMS) or Enterprise Resource Planning (ERP) System, so that the robots can be controlled from outside the simulation. For example, task dispatch from the WfMS/ERP, status/completion feedback from the robot. Approach • Choose and set up the corresponding WfMS/ERP system (open source) and a standalone MuJoCo simulation environment. • Design and implement a communication interface to connect MuJoCo with WfMS/ ERP, to trigger robot actions in simulation. • Implement feedback from the simulation back to WfMS/ERP, creating a closed-loop system. • Demonstrate the integration on a representative use case. For example, a simple production/process workflow triggering pick and place actions. • Evaluate parameters such as latency, reliability and reusability of the interface for broader robot scenarios. Background Robot simulations are typically controlled locally/manually; linking MuJoCo to a WfMS/ERP would demonstrate how simulated robots can be orchestrated as part of a broader production/process workflow.

The semiconductor industry faces several challenges such as knowledge-intensive manufacturing and supply chains which complicates planning within the industry. To overcome these challenges and create efficient, sustainable, and resilient semiconductor supply chains, it is vital to facilitate seamless information exchange within supply chains. Support and execution of Cyber Security assessments taking into account authentication controls, security concepts, cryptography, vulnerabilities, hardening and application security. Exchange with business stakeholders on business value of the assessed application and implementation of cyber related changes. This seminar can be combined with an internship at Infineon.

Ziel der Arbeit ist es ein Security Testing Framework für Kollaborative Roboter zu entwickeln und eigene Tests durchzuführen. Aktueller Stand der Forschung ist eher übersichtlich und zeigt erste Möglichkeiten auf. Es gibt jedoch bereits eine Fülle von Werkzeugen, die z.B. Penetration Testing unterstützen. Jedoch gibt es in dem Bereich wenig Erfahrung im Bereich der Kollaborativen Roboter. Im Rahmen der Arbeit soll der aktuelle Stand der Technik evaluiert, ein Rahmenwerk für Security Testing von Kollaborativen Robotern erarbeitet (Welche Angriffsvektoren gibt es? Welche Technologien? Etc.) Mindestens zwei Anwendungsfälle mit offline Simulatoren werden erarbeitet und durchgeführt. Diese sollen die Herausforderungen des aktuellen Stands hervorheben und mögliche Lösungsansätze beschreiben. Referenz: Hollerer, S., Fischer, C., Brenner, B., Papa, M., Schlund, S., Kastner, W., ... & Zseby, T. (2021). Cobot attack: a security assessment exemplified by a specific collaborative robot. Procedia Manufacturing, 54, 191-196.

Goal Develop a real-time perception pipeline for a UR5e workspace equipped with 2 RGB-D cameras placed at fixed isometric viewpoints (opposite sides) to stream into a continuously updated 3D scene representation either via point cloud or 3D reconstruction. The research can find its application in multiple tasks for human-robot collaboration. Approach • A PyBullet simulation will be provided for development and tests before access to actual robot. • Implement point cloud generation from each camera and fuse them into a unified scene representation that is refreshed at every frame. • Evaluate and optimize computational performance. • Validate the resulting framework with different use cases such as object detection or pose estimation or dynamic obstacle/human tracking. Background Cameras suffer from occlusion and limited field of view during manipulation. Therefore, a dual camera setup can increase confidence in detection and offer more complete, continuous scene coverage. References Cai, Z., Yu, C., & Pham, Q. C. (2018). 3D convolution on RGB-D point clouds for accurate model-free object pose estimation.

As the demand for customized products and efficient use of resources has grown significantly, especially among Small and Medium-sized Enterprises (SMEs), these companies are approaching collaborative robots (cobots) for automating tasks and adapting to these demands. The cobots prioritize the safety of human operators and offer high flexibility. As the number of such robots grows, the need to manage their coordination and collaboration arises too. This presents new challenges for ensuring safety, security and coordination in shared spaces. Therefore, this study will contribute to addressing these challenges by providing a structured overview of the existing multi-human-cobot collaboration. In this context, a multi-human-cobot setup must include atleast two cobots or two humans along with the other, to realize our research. Description: • The thesis involves conducting a systematic literature review on the existing collaboration for multi-human-robot systems. • The goal is to provide an overview of how a multiple robotic setup coordinate with each other. • The focus is to summarize the existing research and practical approaches from other research, industries and deployed solutions, simplifying complex information in the survey. Learning Objectives: • Gain knowledge about cobots, their architectures and state-of-the-art solutions. • To learn how collaboration in robots is organized and coordinated. • Compare different collaboration approaches. • Identify common challenges and open questions in this direction.

Systematic analysis and review of literature for the use of AI in retail and commerce.

Background ======================= As the collaborative robots (cobots) move beyond the horizon of single-human-robot interaction, into the domain of multiple actors (humans and robots) working in shared workspaces, thus, evaluating their performances through traditional metrics like cycle time, success rates, repeatability, etc. are insufficient to capture the complexity of a multi-human-robot collaboration (multi-HRC) system. The aim of this seminar is to explore and classify existing and new metrics that can be suitable for multiple-HRC systems. It will include a detailed review of existing literature from human factors, ergonomics, control theory, etc. along with the assessment of interaction quality, safety, fluency, coordination and other parameters in a shared setting. ======================= Learning Objectives: - Understand the role of metrics evaluation in multi-HRC performance and safety. - Conduct a literature review on metrics from robotics, human-machine interaction and cognitive science. - Categorize metrics in different dimensions. For e.g. fluency, safety, security, mutual awareness and trust. - Identify gaps in current evaluation methods for multi-HRC. - Propose novel candidate metrics for collaborative systems. Example references: 1. Saleh, J.A., Karray, F. (2011). Towards Unified Performance Metrics for Multi-robot Human Interaction Systems. In: Kamel, M., Karray, F., Gueaieb, W., Khamis, A. (eds) Autonomous and Intelligent Systems. AIS 2011. Lecture Notes in Computer Science(), vol 6752. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-21538-4_31 2. Lanssie Mingyue Ma, Martijn Ijtsma, Karen M. Feigh, and Amy R. Pritchett. 2022. Metrics for Human-Robot Team Design: A Teamwork Perspective on Evaluation of Human-Robot Teams. J. Hum.-Robot Interact. 11, 3, Article 30 (September 2022), 36 pages. https://doi.org/10.1145/3522581

Hintergrund und Ziel ============= Analyse des aktuellen Stand der Forschung zur Sicherheit von KI-Agenten Aufgabenstellung ========== * Systematische Recherche des aktuellen Stands der Forschung * Analyse der aktuellen Themen in Literatur und Software (z.b. Repos) * Gapanalyse * Interpretation der Resultate

Background ============= Streaming process mining is a set of techniques and tools designed to handle data streams that arrive continuously, contrasting with traditional process mining approaches which often rely on fixed, finite event logs. These differences introduce several challenges such as the need to process data incrementally or issues regarding incomplete traces, given that instances are usually only partially observed. Goals ========== * Literature based overview of the current state of research * Analysis of current topics and approaches * Gap analysis * Interpretation of the results Reference ========== Burattin, A. (2022). Streaming process mining. In Process mining handbook (Lecture Notes in Business Information Processing, Vol. 448). Springer. https://doi.org/10.1007/978-3-031-08848-3_11

Goal Perform a systematic literature review (SLR) of security research in ROS (/ROS2), consolidating the work on vulnerabilities, defense mechanisms and evaluation methods into a map of the field and identifying open gaps for future research. Approach • Define SLR protocol (research question, search strategy, databases, inclusion/exclusion criteria) following established SLR methodology (e.g. Kitchenham). • Collect evidence and screen relevant literature across the corresponding layers. For e.g. physical, data, network, application layers, etc. • Synthesize findings into a taxonomy of threats, defenses and evaluation approaches. • Track the adoption of each finding into relevant applications. • Identify open gaps and unexplored areas to motivate future work. Background ROS 2 security has grown around Data Distribution Service (DDS)-Security and SROS2. However, the literature is scattered across robotics, security and middleware fields. References Barbara Kitchenham, O. Pearl Brereton, David Budgen, Mark Turner, John Bailey, Stephen Linkman, 2009. Systematic literature reviews in software engineering – A systematic literature review, Information and Software Technology, Volume 51, Issue 1, Pages 7-15, https://doi.org/10.1016/j.infsof.2008.09.009.

Systematic analysis and review of literature for the use of AI in retail and commerce.

Situation: The predictions created by machine learning models are increasingly used as decision support in organizations to reduce costs and increase profits. In high-stakes decision contexts, intrinsically interpretable machine learning (IIML) models are essential because they enable decision-makers to understand the model’s internal decision logic from data input to the prediction output and, ultimately, to trust its predictions. Problem: IIML algorithms learn patterns directly from the data they are trained on. Consequently, they may also learn spurious, incorrect, or misleading relationships present in the data. As a result, the intrinsic interpretations provided by these models, and communicated through graphical visualizations, may be distorted and inconsistent with established domain knowledge. Question: How to design a mechanism that aligns IIML models with domain knowledge? Solution: Development of a mechanism that aligns an IIML model with domain knowledge. For example, such a mechanism can be designed in two ways: i) as a post-hoc technique that adjusts model interpretations after model training or ii) as an integral component of the learning objective (e.g., the loss function) that adjusts model interpretations during model training. Literature: - Rudin, C. (2019). Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead. Nature Machine Intelligence, 1(5), 206–215. - Mao, L., Wang, H., Hu, L. S., Tran, N. L., Canoll, P. D., Swanson, K. R., & Li, J. (2024). Knowledge-informed machine learning for cancer diagnosis and prognosis: A review. IEEE Transactions on Automation Science and Engineering. - Wang, Z. J., Kale, A., Nori, H., Stella, P., Nunnally, M., Chau, D. H., Vorvoreanu, M., Vaughan, J. W., & Caruana, R. (2021). GAM changer: Editing generalized additive models with interactive visualization. arXiv preprint arXiv:2112.03245. The chair presents its topics on Friday, July 3 at 4 pm via Zoom. Zoom-Link: https://fau.zoom-x.de/j/64138899802 Meeting-ID: 641 3889 9802

Situation: The predictions created by machine learning models are increasingly used as decision support in organizations to reduce costs and increase profits. In high-stakes decision contexts, intrinsically interpretable machine learning (IIML) models are essential because they enable decision-makers to understand the model’s internal decision logic from data input to the prediction output and, ultimately, to trust its predictions. Problem: Most IIML algorithms learn only correlations between features (e.g., a higher number of higher ice cream sales is associated with a higher number of drowning incidents) to maximize performance in prediction tasks. In doing so, underlying causal relationships between features (e.g., hot weather increases both the number of ice cream sales and the number of drowning incidents) are often ignored. Consequently, the interpretations provided by these models, and visualized through plots, may be less meaningful for decision-makers because they reflect correlations and proxy variables rather than the true causal drivers of the outcome. Question: How to design a method for causal and intrinsically interpretable machine learning? Solution: Development of a method that combines causal machine learning with IIML. For example, a possible method can consist of three phases: i) discovering causal structures, ii) integrating the identified causal structures into an IIML model, and training the adapted model to create predictions and interpretations that are both transparent and causally grounded. Literature: - Rudin, C. (2019). Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead. Nature Machine Intelligence, 1(5), 206–215. https://doi.org/10.1038/s42256-019-0048-x - Zapata Gonzalez, D. (2026). A step towards inherently interpretable causal machine learning models for decision support. In Proceedings of the 34th European Conference on Information Systems. AIS Electronic Library. https://aisel.aisnet.org/ecis2026/bus_analytics/bus_analytics/7 - Cui, P., & Athey, S. (2022). Stable learning establishes some common ground between causal inference and machine learning. Nature Machine Intelligence, 4(2), 110–115. The chair presents its topics on Friday, July 3 at 4 pm via Zoom. Zoom-Link: https://fau.zoom-x.de/j/64138899802 Meeting-ID: 641 3889 9802

Weitere Informationen zum Masterseminar finden Sie unter: https://www.uni-regensburg.de/wirtschaftswissenschaften/fakultaet/org/statistik-und-risikomanagement/lehre/master/masterseminar