No matching topics in the list?
If you can't find a matching topic, you can always use our web form for initiative requests. All FZD research associates will have the chance to see your request.
Web form for initiative requests for student works and theses
At FZD, in collaboration with COMPREDICT, research is conducted into the development and improvement of virtual sensors. COMPREDICT has developed an approach for estimating tire wear from vehicle data. Independently of the in-vehicle sensor set, GPS speed is available on almost every connected vehicle. GPS speed is therefore investigated regarding its potential to complement existing signals in the developed approach. Combining model-based design with Machine Learning, this thesis investigates how GPS speed information can be used to estimate tire wear, and how much it improves the robustness of the existing approach.
Supervisors: Paul Olbrich, M.Sc., Jörn Hasenkrug, M.Sc.
Generative KI-Systeme verändern zunehmend den privaten und beruflichen Alltag von Menschen. Mit ihrer Verbreitung steigt der Bedarf an Kompetenzen, die Menschen dazu befähigen, KI-Systeme zu verstehen, sachgerecht einzusetzen, ihre Ergebnisse kritisch zu bewerten und mögliche gesellschaftliche, ethische und rechtliche Folgen zu reflektieren. Diese Fähigkeiten werden unter dem Begriff AI Literacy beziehungsweise KI-Kompetenz zusammengefasst. Für das mehrdimensionale Konstrukt AI Literacy bestehen unterschiedliche Konzeptualisierungen, Skalen und Messmethoden. Bislang ist nur unzureichend geklärt, wie diese Komponenten untereinander zusammenhängen und wie sie in eine Reihe benachbarter Konstrukte einzubetten sind. Ziel ist es einen Überblick zu relevanten Prädiktoren, Kriterien, Korrelaten sowie Moderator- und Mediatorvariablen zu erstellen und einen Beitrag dazu zu leisten, AI Literacy in ein umfassenderes nomologisches Netzwerk verwandter Konstrukte einzuordnen.
Supervisor: Marie-Lene Meyer, M.Sc.
Generative KI-Systeme verändern zunehmend den privaten und beruflichen Alltag von Menschen. Anwendungen wie KI-basierte Chatbots oder Assistenzsysteme eröffnen vielfältige Möglichkeiten zur Informationsbeschaffung, Texterstellung, Problemlösung und Entscheidungsunterstützung. Gleichzeitig stellen sie Nutzer:innen vor neue Herausforderungen: Um KI-Systeme verantwortungsvoll und zielgerichtet einsetzen zu können, sind neben grundlegenden technischen Kenntnissen insbesondere Fähigkeiten zur kritischen Bewertung von Ergebnissen, zur Formulierung geeigneter Eingaben sowie zur Reflexion ethischer, rechtlicher und gesellschaftlicher Auswirkungen erforderlich. Diese Fähigkeiten werden unter dem Begriff AI Literacy beziehungsweise KI-Kompetenz zusammengefasst. Mit der zunehmenden Verbreitung generativer KI wächst daher der Bedarf an geeigneten Bildungsangeboten, die diese Kompetenzen systematisch und praxisnah vermitteln.
Supervisor: Marie-Lene Meyer, M.Sc.
In dieser Thesis soll die Durchführung einer Nutzerstudie in virtueller Realität zur Interaktion zwischen Fußgänger:innen und autonomen Shuttles an ausgewählten Versuchsterminen begleitet und ein Verfahren zur Auswertung der erhobenen Daten entwickelt werden. Grundlage bildet ein bereits entwickeltes und umgesetztes Versuchskonzept. Im Mittelpunkt steht die Zusammenführung und relationale Auswertung verschiedener Datentypen zur Erfassung emotionaler Reaktionen von Fußgänger:innen, insbesondere selbstberichteter Emotionen, physiologischer Messdaten der Shimmer GSR+ Unit sowie Eye-Tracking Daten der VR-Brille Varjo Aero.
Ergebnis der Arbeit ist ein nachvollzieh- und reproduzierbares, auf die Gesamtstudie übertragbares Auswertungsverfahren.
Supervisor: Nina Theobald, M.Sc.
Am Fachgebiet Fahrzeugtechnik (FZD) wird an End-to-End-Fahrmodellen für das automatisierte Fahren sowie an Methoden zu deren Absicherung geforscht. Während End-to-End-Modelle Sensoreingaben meist direkt auf Fahrtrajektorien abbilden, muss ihr Verhalten insbesondere in sicherheitskritischen Verkehrssituationen zuverlässig überwacht und bewertet werden. Ein vielversprechender Ansatz hierfür ist der Einsatz sogenannter Safety Checker, welche die vom Fahrmodell erzeugten Trajektorien hinsichtlich sicherheitsrelevanter Anforderungen überprüfen und bei Bedarf korrigierend eingreifen können. Ziel dieser Arbeit ist die Konzeption, Implementierung und Bewertung eines geeigneten Safety Checkers sowie die Untersuchung seines Einflusses auf das Verhalten eines End-to-End-Fahrmodells in simulationsbasierten Experimenten. Basierend auf realistischen Verkehrsszenarien werden verschiedene Safety-Checker-Ansätze hinsichtlich ihrer Sicherheitswirkung, ihres Einflusses auf die Fahrleistung, ihrer Robustheit sowie ihrer praktischen Einsetzbarkeit systematisch untersucht und miteinander verglichen.
Supervisor: Jonas Schulte, M.Sc.
Mit dem zunehmenden Einsatz automatisierter Fahrzeuge (AV) in Europa gewinnen externe Mensch-Maschine-Schnittstellen (eHMI) an Bedeutung, um die Kommunikation zwischen Fahrzeugen und anderen Verkehrsteilnehmenden (VRU) zu verbessern. Besonders chinesische Hersteller integrieren bereits fortschrittliche symbolbasierte eHMI-Konzepte und sind regulatorisch teilweise näher an einer gesetzlichen Einführung als Europa. Insbesondere die Verständlichkeit und kulturelle Akzeptanz dieser Symbole werden im europäischen Kontext regelmäßig diskutiert.
Ziel der Ausschreibung ist die Validierung chinesischer eHMI-Symbole hinsichtlich Verständlichkeit, Notwendigkeit und Akzeptanz bei europäischen Nutzenden, um einen europäischen Standard umsetzen zu können.
Supervisor: Felix Friedrich, M.Sc.
2026/06/25
Am Fachgebiet Fahrzeugtechnik (FZD) wird in Kooperation mit der TWT GmbH Science & Innovation im Forschungsprojekt CONTROL an der physikbasierten Simulation von Radar- und LiDAR-Sensoren für automatisierte Fahrzeuge geforscht. Ziel dieser Arbeit ist die Entwicklung realistischer Validierungsszenarien zur Untersuchung von Daten-, Modell- und Labelunsicherheiten sowie deren Einfluss auf die Sensorfusion und nachgelagerte Downstream-Aufgaben. Basierend auf simulierten Sensordaten werden klassische und ML-basierte Sensorfusionsverfahren hinsichtlich Fusionsgenauigkeit, Unsicherheitsquantifizierung, Recheneffizienz und Robustheit gegenüber adversarialen bzw. anomalienbehafteten Eingaben vergleichend bewertet.
Supervisor: Annan Talukder, M.Sc.