Für Informatik-Lehrveranstaltungen haben sich Visualisierungs-Tools für die Vermittlung der Inhalte als hilfreich erwiesen, mit denen sich verschiedene grundlegende Algorithmen aus den jeweiligen Bereichen schrittweise simulieren und zusammen mit den entsprechenden Datenstrukturen visualisieren lassen, z. B.:

• Algorithmen und Datenstrukturen: Visualisierung von Such- und Sortieralgorithmen auf Listen, Bäumen und Graphen
• Betriebs- und Kommunikationssysteme: Visualisierung von Prozessabläufen in Multitasking-Systemen und Scheduling-Algorithmen für Prozesse, Festplatten- oder Speicherzugriffe
• Einführung in die Bildverarbeitung: Visualisierung von Algorithmen für 2D-Rasterzeichnungen (Linien, Kreise, Kurven, Polygone), zur Bildsegmentierung, Konturberechnung oder Detektion von Geraden

Ziel dieser Bachelorarbeit ist es, eine GUI-basierte Anwendung zu entwickeln, mit der sich solche Visualisierungs-Tools zu konkreten Algorithmen aus verschiedenen Themenbereichen möglichst einheitlich und mit geringem Aufwand erstellen und anpassen lassen, und die als Plattform zur Ausführung dieser Tools dient. Die Beschreibung der zu visualisierenden Algorithmen soll dabei möglichst über Skripting möglich sein (z. B. mit JEXL), so dass Algorithmen später mit geringem Aufwand modifiziert werden können.

Die Anwendung kann als Stand-Alone Java-Anwendung oder als Webanwendung umgesetzt werden (wobei die Ausführung der Tools dann möglichst nur clientseitig stattfinden sollte) und kann in einer weiteren Bachelorarbeit um eine Android-App ergänzt werden, in der die über das Framework entwickelten Tools lokal ausgeführt werden können.

Benötigte Vorkenntnisse:

• Java-Programmierung
• Grundlagen der Webentwicklung, Entwicklung von Android-Apps oder Cross-Platform Development
• Thematische Vorkenntnisse in ADS, BSKS und/oder 2D-Bildverarbeitung

Abgeschlossene Arbeiten:

• Michel Spils: Visualization of Algorithms Written in Python Within Java and Android Apps

In Lehrveranstaltungen haben sich digitale Audience Response Systeme etabliert, mit denen die Studierenden direkte Rückmeldungen liefern können und so aktiv in die Veranstaltung eingebunden werden können, z. B.:

• "Klickersysteme" für anonyme Umfragen und Multiple-Choice-Fragen
• Chatwalls zum Sammeln von Fragen und Hinweisen an die Lehrperson
• Live-Feedback zum Verlauf (z. B. zu Lautstärke, Tempo, Verständlichkeit)
• Stimmungsbarometer

In dieser Bachelorarbeit sollen für Klein- und Großgruppenveranstaltungen sinnvolle Feedback-Tools ausgewählt, implementiert und in einem modularen Framework zusammengestellt werden. Ziel ist die Entwicklung einer GUI-basierten Anwendung, in der sich solche Tools in einer gemeinsamen Oberfläche kombinieren, anpassen und bedienen lassen.

Die Anwendung soll als Webanwendung (unter Verwendung eines Web-Frameworks wie z. B. Spring) umgesetzt werden und kann in einer weiteren Bachelorarbeit durch eine Android-App, Hybrid-App oder Cross-Platform-App ergänzt werden, über welche die Studierenden die Tools direkt nutzen können.

Benötigte Vorkenntnisse:

• Java-Programmierung
• Grundlagen der Webentwicklung, Entwicklung von Android-Apps oder Cross-Platform Development

Abgeschlossene Arbeiten:

• Florian Scheurer: Entwicklung eines webbasierten Audience Response Systems ‒ Vergleich von GraphQL und REST zur Datenabfrage
• Felix von der Heide: Entwicklung einer Mobile App für ein Audience Response System ‒ Strukturierter Vergleich der Frameworks Flutter und Android

In dieser Bachelorarbeit soll eine Android-App zum Digitalisieren von maschinengeschriebenen Dokumenten (z. B. Rechnungen oder Zahlungsbelege) entwickelt werden.

Die Anwendung soll der Einfachheit halber interaktiv den Aufbau und das Erscheinungsbild der zu erfassenden Dokumente lernen, z. B. indem die User über eine GUI festlegen können, welche Bereiche welche Informationen beinhalten.

Außerdem soll die App über eine automatische Texterkennung (OCR = optical character recognition) verfügen, um die gescannten Dokumente katalogisieren zu können. Die OCR soll dabei ebenfalls semi-interaktiv durch Unterstützung der User trainiert werden.

Die folgenden Features sollen untersucht und umgesetzt werden:

• Digitalisierung von Dokumenten per Smartphone-Kamera (inkl. Binarisierung und Ausrichtung)
• Interaktives Lernen der Dokumentenstruktur und Zeichenerkennung
• Exportieren der Dokumentenstruktur und Lerndaten zur Zeichenerkennung
• Automatische Texterfassung und Katalogisierung der Dokumente

Benötigte Vorkenntnisse:

• Java-Programmierung
• Grundlagen der Webentwicklung und/oder Entwicklung von Android-Apps
• 2D-Bildverarbeitung mit OpenCV
• Grundlagen des Maschinellen Lernens

Abgeschlossene Arbeiten:

• Corvin Kraasch: Semi-Automatic Character Recognition in Document Images Using Template Matching