Formalia Bachelorarbeit, Masterarbeit, Forschungsprojekt und IPM

Published

December 18, 2025

Themenfindung Bachelorarbeit + Masterarbeit

  1. Vereinbaren Sie per Mail an einen Termin mit mir, um mögliche Themen zu besprechen. Diese Email sollte folgende Informationen enthalten, damit ich vorab eine Idee Ihres Hintergrunds und der belegten Module bekomme:
    • Lebenslauf inkl. Abschlussnoten
    • Aktueller Notenspiegel
    • Ihre Präferenzen und Ideen bzgl. eines Themas. Eine Liste möglicher Themen finden Sie unter https://cerfontaine.de/thesis_topics.html. Diese Liste wird nicht laufend aktualisiert und ist daher eventuell veraltet.
    • Persönliche Informationen wie Telefonnummer, Adresse oder Geburtsdatum sollten nicht enthalten sein (z.B. im Lebenslauf)
  2. Nach dem persönlichen Gespräch, füllen Sie bitte das Worddokument Theses_Project_Proposals.docx im Abschnitt ⚠️Wichtige Hinweise zur Arbeit selbst aus und senden es mir zu.
  3. Sie erhalten von mir Feedback zu Ihrem Themenvorschlag:
    • Wenn ich das Thema betreuen kann, erhalten Sie von mir eine unverbindliche Betreuungszusage, u.a. unter der Bedingung, dass Sie die durchs Prüfungsamt bestätigte Zulassung zur Abschlussarbeit rechtzeitigt vorlegen können.
    • Für die verbindliche Anmeldung beachten Sie die Schritte im Abschnitt Formale Anmeldung Bachelorarbeit + Masterarbeit.
    • Bitte beachten Sie, dass Sie vor Anmeldung der Abschlussarbeit alle benötigten Prüfungsleistungen (siehe z.B. Abschnitt IPM) abgeschlossen haben müssen.

Formale Anmeldung Bachelorarbeit + Masterarbeit

Bitte folgen Sie der Prozedur, die Sie unter “Ablaufbeschreibung” unter https://ilu.th-koeln.de/ilias.php?baseClass=ilrepositorygui&ref_id=212135 finden können. Beachten Sie, dass der Antrag auf Zulassung zur Abschlussarbeit vor der Anmeldung gestellt werden muss.

Die Formulare finden Sie unter https://www.th-koeln.de/studium/technische-informatik-bachelor--ordnungen-und-formulare_4046.php. Die gewünschte Seitenzahl der Abschlussarbeit ist aus Ihrer Prüfungsordnung ersichtlich. Für Bachelorarbeiten sollten 40-50 Seiten (ohne Anhänge und Literaturverzeichnis) nicht überschritten werden (Masterarbeiten ca. 80 Seiten).

Die Bachelorpräsentation ist auf Deutsch (optional auf Englisch) und sollte 25 min dauern (+ ca. 15 min Fragen). Die Masterpräsentation ist auf Englisch und sollte 30 min dauern (+ ca. 20 min Fragen).

Praxisphase

Der Umfang der Praxisphase soll äquivalent zu 3 Monaten Vollzeit sein. Eine Durchführung der Praxisphase in 6 Monaten mit halber Stelle (20 Stunden / Woche) ist also möglich.

Die Praxisphase besteht aus folgenden obligatorischen Elementen:

  1. Der Studierende sucht sich selbständig eine Firma zur Durchführung der Praxisphase.
  2. Der Studierende sucht sich einen Professor am Institut für Nachrichtentechnik als Betreuer für die Praxisphase. Es steht weiterhin ein speziell hierfür eingestellter Lehrbeauftragter für die Betreuung zur Verfügung.
  3. Der Studierende erstellt vor Beginn der Praxisphase nach Rücksprache mit der Firma eine Projektskizze und gibt sie beim Betreuer ab. Diese wird vom Betreuer begutachtet. Ist die Begutachtung positiv, wird der Studierende zur Praxisphase zugelassen.
  4. Der Studierende führt das Projekt durch. Über diese Tätigkeit stellt die Firma nach Beendigung ein qualifiziertes Zeugnis aus. Das Zeugnis soll den zeitlichen Umfang der Praxisphase und die Tätigkeiten des Studierenden bestätigen.
  5. Der Studierende erstellt während der Praxisphase einen Ergebnisbericht in Englisch (15-25 Seiten). Dieser wird vom Betreuer begutachtet und abgenommen.
  6. Nach Abschluss des Projekts hält der Studierende einen Vortrag in Englisch über die Ergebnisse des Projekts (15-20 Minuten). Die Termine hierfür vergibt der Betreuer.
  7. Der Betreuer meldet den erfolgreichen Abschluss der Praxisphase an das Prüfungsamt.

Es erfolgt keine Anmeldung zur Praxisphase in PSSO; Betreuer meldet erfolgreiche Absolvierung direkt an das Prüfungsamt.

Bitte beachten Sie auch diese Hinweise: https://www.th-koeln.de/mam/downloads/deutsch/hochschule/fakultaeten/informations_medien_und_elektrotechnik/int/tin2015_01_batin_pra.pdf

Praxisprojekt Bachelor Elektro- und Informationstechnik

  • Das Praxisprojekt ist benotet
  • Learning Outcomes und Modulinhalte finden Sie hier. Diese werden für die Bewertung herangezogen.
  • Verpflichtend muss ein Projektbericht angefertigt werden. Die Sprache und das Format sind nicht definiert.
  • Die Learning Outcomes sehen vor, dass ein scientific paper auf Englisch erstellt wird und das Projekt auf Englisch vorgetragen wird.
  • Es ist üblich, dass Inhalte aus dem Praxisprojekt in die Bachelorarbeit übernommen werden.
  • Die Notenmitteilung erfolgt per Formular an
  • Die Formulare der Fakultät liegen im Confluence der Fakultät, für das Praxisprojekt hier

IPM

Betrifft nur Bachelor Technische Informatik

Für IPM fertigen Sie bitte eine Projektplanung für Ihre Bachelorarbeit in Form einer Präsentation an (wie im Modul IPM gelehrt). Es entstehen typischerweise Folien mit Stakeholder-Analysen, Work-Breakdown-Structure, Netzplänen, Gantt-Charts und Risiken. Bitte auch an eine Einleitung in das Thema denken!

Diese präsentierten Sie mir zusammen mit einer Einführung in Ihr Thema in 20 Minuten und ich stelle für ca. 10 Minuten dazu ein paar Rückfragen. Anschließend übermittle ich dafür eine Note, die als Teils des Moduls IPM zählt. Erst danach können Sie die Zulassung zur Bachelorarbeit (s.u.) beantragen, und danach die Arbeit anmelden.

Für die Präsentation vereinbaren Sie bitte einen Termin via Email. Der Termin kann in Präsenz oder Zoom stattfinden.

Feedback

Falls Sie von mir Feedback zu irgendwelchen Aspekten benötigen, planen Sie bitte mind. 1 Woche Vorlauf ein, besser 2 Wochen. Eine Gliederung Ihrer Arbeit schicken Sie mir bitte bis spätestens 5 Wochen Vor Abgabe, einen ersten Entwurf Ihrer Arbeit (gerne noch in Stichpunkten) bitte bis 3 Wochen vor der Abgabe.

Sperrvermerk

Bitte beachten Sie die Informationen hier: https://ilu.th-koeln.de/ilias.php?baseClass=ilrepositorygui&ref_id=277851

Externe PrüferInnen

Das Antragsformular finden Sie hier: https://www.th-koeln.de/mam/downloads/deutsch/studium/studiengaenge/f07/antraege_formulare/f07_antrag_externe_prueferin.pdf

Forschungsprojekt Master

  • Siehe https://www.th-koeln.de/mam/downloads/deutsch/hochschule/fakultaeten/informations_medien_und_elektrotechnik/int/01__forschungsprojekt.pdf
  • 10 ECTS = 300h Arbeitsaufwand = ca. 15h / Woche für 5 Monate
  • 1 SWS für Treffen mit Betreuer
  • Präsentation 30 min + Fragen
  • Bericht in REVTex (Journal: PRB) oder IEEE (Seitenanzahl äquivalent zu 25-30 Seiten in der Vorlage für Abschlussarbeiten der TH Köln)
  • Anmeldung erfolgt durch Bestätigung eines Professors, der am Ende die Note durch Mail an das Prüfungsamt einträgt
  • Der typische Ablauf:
    • Zunächst soll sich der Student durch eine fundierte Literaturrecherche in das Themengebiet einarbeiten und den aktuellen Stand der Wissenschaft erarbeiten.
    • Darauf aufbauend soll der Studierende dann ein gegebenes Problem wissenschaftlich untersuchen und lösen.
    • Die Ergebnisse sollen in einem schriftlichen Bericht dokumentiert werden. Hierzu gehören die Darstellung der Grundlagen, der Vorgehensweise, der Lösungsalternativen und die kritische Bewertung der selbst erarbeiteten Lösung.
    • In der mündlichen Ergebnispräsentation soll der Studierende seine Arbeitsergebnisse vorstellen und verteidigen.
    • Sowohl die schriftliche wie auch die mündliche Ergebnispräsentation sollen in Englisch erfolgen.
    • Die Ergebnisse werden benotet.

Vorlagen

Vorlagen für Arbeit und Präsentationen finden Sie unter https://ilu.th-koeln.de/ilias.php?baseClass=ilrepositorygui&ref_id=212135 und https://ilu.th-koeln.de/ilias.php?baseClass=ilrepositorygui&ref_id=76580. Die Vorlage für den Inhaltsteil der Arbeit müssen Sie nicht unbedingt verwenden. Bitte achten Sie in dem Fall darauf, in etwa die gleichen Seitenränder, Schriftgröße und Zeilenabstand wie in der Vorlage zu verwenden.

Wichtig: Bitte fügen Sie eine A4 Seite hinzu, auf der Sie in Ihren eigenen Worten ausführlich erklären, wie Sie KI (insbesondere Chatbots und Agents) im Rahmen der Bachelorarbeit eingesetzt haben.

Code

Ihren erstellten Code laden Sie bitten auf https://git-ce.rwth-aachen.de in Ihrem Repository hoch. Dieses wird für Sie auf Nachfrage angelegt. Bitte loggen Sie sich mit dem Button “DFN-AAI Single Sign On” mit Ihrer Campus ID ein. Ermitteln Sie nach Login durch Klicken ganz oben rechts Ihren Nutzernamen (beginnt mit @) und senden Sie ihn dem Dozenten.

Bitte beachten Sie auch den Abschnitt Richtlinien Softwareprojekte (weiter unten).

Verlängerung

Antrag auf Verlängerung der Abschlussarbeit stellen und beim Prüfungsservice einreichen (hier ist das Formular zu finden: https://www.th-koeln.de/mam/downloads/deutsch/studium/studiengaenge/f07/antraege_formulare/f07_antrag_auf_verlaengerung_der_abschlussarbeit.pdf). Der Antrag sollte nur einmal gestellt werden, maximale Verlängerung bei Masterarbeiten sind 6 Wochen. Dem Erstprüfer muss der Grund für die Verlängerung bekannt sein, ebenso sollte der Erstprüfer die Verlängerung befürworten.

Prüfungsordnungen

⚠️Wichtige Hinweise zur Arbeit selbst

Falls die Links nicht funktionieren sind die Dateien auch direkt in diesem Order zu finden.

Dateien teilen

Wenn noch keinen Zugriff auf Sciebo haben, können Sie Dateien (z.B. Anmeldeformulare) mit mir auch über den untenstehenden Link teilen. Die Dateinamen sollten mit YYYY_MM_DD - Vorname Nachname - beginnen.

  • Uploadlink: https://th-koeln.sciebo.de/s/B3JFg8C9ANtge2S

Checkliste Abgabe Abschlussarbeit

⚠️Dies ist keine vollständige Checkliste, sondern beinhaltet nur zusätzliche Kriterien für die Abgabe bei Prof. Cerfontaine ⚠️

In Git (https://git-ce.rwth-aachen.de)

Im persönlichen Sciebo Ordner

Z.B. in 2025_bsc_max_muster

Innerhalb Ihres Ordners im Projektordner

Z.B. in ai4science_biomass/2025_bsc_max_muster. Wenn Sie keinem Projekt zugeteilt sind, dann nutzen Sie hierfür auch einfach Ihren persönlichen Ordner (z.B. 2025_bsc_max_muster).

MLFlow (bei ML-Arbeiten, mlflow.nt.fh-koeln.de)

Richtlinien Softwareprojekte

1. Softwareprojekte mit mehreren Services (z. B. API, ML, DB, UI)

Die Abgabe erfolgt als Repository in git-ce.rwth-aachen.de. Das Projekt muss vollständig dokumentiert und reproduzierbar sein. Mehrere Services werden idealerweise über Docker Compose orchestriert, sodass das gesamte System mit einem einzigen Befehl startbar ist.

Anforderungen:

  • Repository
    • Abgabe über git-ce.rwth-aachen.de
    • Saubere Struktur (z. B. ml/, api/, db/, ui/, docker-compose.yml)
    • Nachvollziehbare Commit-Historie
  • Dokumentation
    • Projektziel und Architekturüberblick
    • Beschreibung aller Komponenten und ihrer Interaktion
    • Installations- und Startanleitung
    • Beispiel-Request oder Demo
    • Bekannte Limitierungen
  • Installation

    • Idealerweise Start über:

      docker compose up --build

    • .env.example mit Erklärung aller Konfigurationsparameter

    • Keine manuellen Zusatzschritte erforderlich

    • Dokumentierte Ports und Zugriffspunkte

Ziel: Repository klonen, Docker Compose ausführen, System läuft reproduzierbar.

2. Python-ML-Projekte

Das ML-Projekt wird als eigenständiges, installierbares Python-Package im GitLab-Repository (z. B. git-ce.rwth-aachen.de) bereitgestellt. Training und Inferenz sind klar dokumentiert und reproduzierbar ausführbar. Große Daten und Trainingsartefakte (inkl. runs/) werden nicht versioniert, sondern separat bereitgestellt (sciebo). Wenn möglich, erfolgt Experiment-Tracking über MLflow (mlflow.nt.fh-koeln.de).

Anforderungen

Repository

  • Abgabe über git-ce.rwth-aachen.de
  • Klare Paketstruktur (ml/)
  • pyproject.toml oder requirements.txt mit festen Versionen
  • .gitignore enthält mindestens:
    • data/
    • runs/
    • .venv/, __pycache__/ etc.
  • README.md im Root mit Quickstart + Verweis auf sciebo + (optional) MLflow

Empfohlene Ordnerstruktur

.
├── ml/                  # Python-Package (Code)
├── data/                # nicht versioniert (.gitignore)
├── configs/             # Konfigurationen (optional)
├── runs/                # nicht versioniert (.gitignore)
│   └── <timestamp>/
│       ├── ckpt/        # Modell-Checkpoints
│       ├── plots/       # Trainingskurven, Evaluation
│       └── logs/        # Log-Dateien
├── docker-compose.yml   # optional/empfohlen
├── .env.example         # optional (z. B. MLflow)
└── README.md
  • Jeder Trainingslauf erzeugt runs/<timestamp>/ mit ckpt/, plots/, logs/.
  • data/ und runs/ sind nicht Teil des Git-Repos.

Dokumentation (README/Report)

  • Problemstellung und Zielmetrik
  • Datensatzbeschreibung (Quelle, Splits, Preprocessing)
  • Modellarchitektur und Trainingssetup (Hyperparameter)
  • Evaluationsmetriken + Beispielergebnisse (z. B. aus plots/)
  • Installations- und Ausführungsanleitung
  • Reproduzierbarkeit: Seed, Versionsstände, Hardware-Annahmen

Installation

Lokale Installation (dokumentiert):

python -m venv .venv
source .venv/bin/activate
pip install -e .

Optional/empfohlen: Docker / Docker Compose für reproduzierbare Umgebung (Build/Start in der README beschrieben).

CLI (argparse) für Training/Inferenz

  • CLI-Argumente mindestens für:
    • --data-path
    • Hyperparameter (z. B. --epochs, --lr, --batch-size)
    • --seed
    • --output-dir (Standard: runs/<timestamp>/)
  • Beispielaufrufe für Training und Inferenz in der README.

Daten & Artefakte (sciebo)

  • Große Daten und runs/ werden nicht versioniert.
  • Auswahl relevanter Daten und „wichtiger“ Runs (z. B. bestes Modell + Logs/Plots) wird in einem eigenen sciebo-Ordner abgelegt.
  • README enthält:
    • Link/Verweis auf den sciebo-Ordner
    • Inhaltsbeschreibung
    • Zuordnung zu den im Bericht verwendeten Ergebnissen (z. B. Timestamp/Run-ID)

Optional: Tracking über MLflow (mlflow.nt.fh-koeln.de)

  • Training loggt Parameter, Metriken und Artefakte nach MLflow.
  • Konfiguration über Umgebungsvariablen (in .env.example dokumentiert), z. B.:
    • MLFLOW_TRACKING_URI=mlflow.nt.fh-koeln.de (ggf. inkl. Schema)
    • MLFLOW_EXPERIMENT_NAME=<projektname>
    • Auth/Token falls nötig
  • In README/Report: Experimentname + Run-IDs der relevanten Runs.
  • Fallback weiterhin möglich: lokale Ablage in runs/<timestamp>/… + sciebo.

Ziel: Repository klonen, Installation gemäß Doku durchführen, Training oder Inferenz reproduzierbar starten. Daten und ausgewählte Runs sind extern (sciebo) verfügbar, Ergebnisse sind nachvollziehbar (optional zusätzlich über MLflow).

Allgemeine Tipps zu Präsentationen

  • Gute Einleitung: Stellen Sie Thema, Kontext und Relevanz klar vor.
  • Motivation verdeutlichen: Erklären Sie zu Beginn, warum das Thema wichtig ist und welches Problem gelöst wird.
  • Klare Gliederung: Zeigen Sie zu Beginn die Struktur der Präsentation und halten Sie diese konsequent ein.
  • Zentrale Fragestellung: Formulieren Sie präzise Forschungsfrage(n) oder Hypothesen.
  • Klare Kernbotschaft: Definieren Sie eine Hauptaussage und greifen Sie diese im Fazit wieder auf.
  • Struktur einhalten: Motivation → Fragestellung → Methode → Ergebnisse → Schlussfolgerung.
  • Zeitmanagement: Planen Sie ca. 1-3 Minuten pro Folie ein und berücksichtigen Sie einen kurzen Puffer. Üben Sie die Präsentation und messen Sie dabei die Zeit.
  • Reduzierte Folien: Verwenden Sie wenige Stichpunkte und aussagekräftige Grafiken.
  • Methoden knapp erklären: Konzentrieren Sie sich auf Zweck und Ergebnis, nicht auf Details.
  • Ergebnisse priorisieren: Zeigen Sie nur Resultate, die die Fragestellung beantworten.
  • Kritische Reflexion: Nennen Sie Limitationen und mögliche Weiterarbeiten.
  • Sicher auftreten: Halten Sie Blickkontakt, sprechen Sie ruhig und lesen Sie die Folien nicht vor.
  • Fragen vorbereiten: Antizipieren Sie typische Rückfragen zu Motivation, Methodik und Aussagekraft.
  • Technik prüfen: Testen Sie Präsentation, Beamer, Schriftgröße und Medien vorab.