Wir unterstützen dich bei deiner Abschlussarbeit. Auch hier verbringst du in der Regel sechs Monate bei M&M; so hast du genügend Zeit, neben dem Verfassen deiner Arbeit weitere wertvolle Erfahrung zu sammeln. Hier ist unser Angebot für deine Thesis im Sommersemester 2022:
Industrial Edge Computing – Orchestrierung und Verwaltung von Edge Apps (ID: 2022-SS-MHR-2)
In der Industrie entstehen verschiedene Ansätze, um im Umfeld von Industrial IoT Anwendungen zu orchestrieren und zu verwalten.Diese Ansätze unterscheiden sich in Details, haben aber oft auch Gemeinsamkeiten. Beispielsweise werden meist Microserviceansätze mit Messagbus mittels MQTT oder Containertechnologien wie Docker verwendet. In deiner Thesis erarbeitest du die Vor- und Nachteile von typischen Ansätzen / Produkten. Deine Erkenntnisse machst du durch eine beispielhafte Implementierung greifbar.
Technologien: Linux, Docker, .NET Core, Industrial Internet of Things
Industrial IoT Security – Sicherheitskonzepte für IoT Gateways (ID: 2022-SS-MHR-3)
In der Industrie entstehen verschiedene Normen für die Einordnung der Sicherheit von IoT-Gateways. In deiner Thesis erarbeitest du dir ein fundiertes Verständnis für die einschlägigen Normen und die dort definierten Sicherheitslevel. Mit diesem Wissen untersuchst du eine Auswahl an marktüblichen Industrial IoT-Gateways und bewertest deren Sicherheitslevel. Im Anschluss erarbeitest du für ein auszuwählendes Gateway Maßnahmen, um den Sicherheitslevel zu erhöhen.
Technologien: Linux, Docker, IT Security, Industrial Internet of Things
Cloud Native VPN-Lösung mit Kubernetes (ID: 2022-SS-TGS-6)
Im Rahmen deiner Thesis untersuchst du Möglichkeiten zur Containerisierung eines OpenVPN-Servers und dem Hosting in Kubernetes. Aspekte wie Skalierbarkeit, Monitoring und Security müssen dabei berücksichtigt werden.
Technologien: Kubernetes, Docker, OpenVPN
Vergleich und Evaluierung verschiedener AutoML-Plattformen und -Frameworks (ID: 2022-SS-TGS-7)
In deiner Thesis evaluierst du verschiedene Automated Machine Learning-Plattformen und Frameworks (z.B.: Azure AutoML, Fedot, H2O Driverless AI) auf ihre Tauglichkeit zur Umsetzung verschiedener Anwendungsfälle rund um Zeitseriendaten (IoT-Sensordaten). Dabei sollen neben den Aufwänden zur Implementierung einer ML Pipeline von der Einspeisung der Daten bis zum Produktivbetrieb auch weiterführende Kriterien wie das Monitoring des Modells und der Daten, Laufzeitkosten und die Benutzerfreundlichkeit betrachtet und verglichen werden.
Voraussetzungen: Interesse an Machine Learning, mathematisches Grundverständnis, Kenntnisse in Python
Konzeption und Implementierung eines Digital Twins im IoT-Umfeld (ID: 2022-SS-BTL-1)
Mittels sogenannten Digital Twins wird eine digitale Darstellung von realen Dingen, Orten, Geschäftsprozessen und Personen erstellt. Die Datenquellen der Digital Twins sind vielfältig und umfassen IoT-Plattformen, Geschäftsanwendungen, Nutzereingaben, etc. Im Rahmen der Thesis erstellst du ein Konzept für die Erweiterung einer Industrial IoT-Plattform um Digital Twins. Dies beinhaltet die Anforderungsanalyse, Konzeption einer Microsoft Azure Cloud-basierten Architektur sowie die Validierung dieser mittels einer prototypischen Implementierung. Zur Demonstration des Konzeptes wird ein Smart Building-Anwendungsfall modelliert und durch den Digital Twin abgebildet.
Technologien: C#/.NET, Azure Digital Twin (ADT), Azure Data Explorer (ADX), Industrial Internet of Things, Microsoft Azure Cloud Services
Annette Runge