Abschlussarbeiten

Allgemeine Informationen

Sie wollen Ihre Abschlussarbeit am Lehrstuhl für Software Engineering II schreiben? Wir bieten Ihnen Themen in folgenden Studiengängen an:

Bachelor Informatik,
Bachelor Internet Computing
Master Informatik

Bewerbung

Wir betreuen Arbeiten zu Themen rund um Software Engineering, vorwiegend mit Bezug auf:

Programmanalyse
Automatische Testgenerierung
Search-based Software Engineering
Empirische Methoden im Software Engineering
Machine Learning und Software Engineering
Entwicklertools und Feedback-Erzeugung
Didaktik der Programmierung

Beispiele zu relevanten Themen finden Sie bei unseren aktuellen Projekten, Publikationen, Lehrveranstaltungen, oder abgeschlossenen Bachelorarbeiten und Masterarbeiten. Wir sind auch offen für interdisziplinäre, studiengangübergreifende Abschlußarbeiten.

Um Informationen zu verfügbaren Themen zu erhalten, kontaktieren Sie entweder einen Mitarbeiter direkt oder per E-Mail an se2theses@fim.uni-passau.de. Senden Sie uns Ihre E-Mail-Anfrage von Ihrer studentischen/FIM-E-Mail-Adresse mit folgenden Informationen zu:

Kurzer Lebenslauf
Vollständiger Notenauszug (bestandene und nicht bestandene Prüfungen),
Auflistung von Themengebieten, die Sie interessieren (z.B. Search-based Software Testing, Testing of Autonomous Cars, ...)

Ablauf

1. Vorbereitungsphase: Nachdem Sie sich für ein Thema entschieden haben, beginnen Sie sich in das Thema einzuarbeiten und Ihre Arbeit zu planen. Sie überlegen sich dabei die Forschungsfragen, die Sie beantworten wollen, beschäftigen sich mit relevanter Literatur und planen alle Schritte, die zur Beantwortung der Forschungsfragen notwendig sind. Abschluss dieser Phase ist eine Präsentation vor den Mitarbeitern des Lehrstuhls oder ein schriftliches Exposé. Nur falls Sie diese Phase erfolgreich abschließen und Ihre Präsentation/Ihr Exposé akzeptiert wird, dürfen Sie die Arbeit beim Prüfungssekretariat anmelden.

2. Implementierungsphase: Nach der Anmeldung haben Sie, je nach Studiengang, drei bzw. sechs Monate Zeit, Ihre Arbeit abzuschließen und diese beim Prüfungssekretariat einzureichen. Es steht Ihnen frei, die Arbeit vor Erreichen dieser Frist abzugeben. Besprechen Sie mit Ihrem Betreuer Zeitplan und weitere Modalitäten. Wir erwarten von Ihnen, dass Sie sich proaktiv verhalten, das heißt, im Falle von Problemen ist es Ihre Aufgabe, Ihren Betreuer zu unterrichten.

3. Abschlusspräsentation: In allen aktuellen Studien- und Prüfungsordnungen ist ein Abschlussvortrag verpflichtend. Dieser findet, je nach Absprache mit Ihrem Betreuer, kurz vor oder nach der Fertigstellung der Arbeit vor den Mitarbeitern des Lehrstuhls statt. In diesem Vortrag präsentieren Sie die Ergebnisse Ihrer Arbeit.

Beachten Sie zur Abschlusspräsentation bitte auch unsere Hinweise für Präsentationen (nur in englischer Sprache verfügbar, PDF-Version). Diese Hinweise gelten auch für Seminarpräsentationen.

Voraussetzungen

Die Arbeit kann auf Deutsch oder Englisch angefertigt werden.
Alle Ergebnisse, Implementierungen und Daten müssen unter einer geeigneten Open Source Lizenz veröffentlicht werden (Ausnahmen: Datenschutz, non-disclosure Agreements).
Es besteht die Möglichkeit, ein privates Repository auf in unserem eigenen GitLab zu erhalten, um Source Code, Experimente und die schriftliche Arbeit zu verwalten. Alternativ können Sie auch selbst ein Repository auf GitHub oder GitLab anlegen. Der Betreuer Ihrer Arbeit muss Zugriff zu diesem Repository erhalten, um die Abläufe zu vereinfachen.

WS 2020/21

Bloch, Matthias: Visualizing Data Flow Coverage for Java Classes
Einwanger, Julian: Empirische Analyse der Nutzung von Lambdas in Python
Fichtner, Fabian: Mutation Analysis in Scratch
Fraunholzer, Tim: An Empirical Investigation on Road Similarity and its Application to Testing Autonomous Cars
Gründinger, Eva: Scratch Bug Detection Using the N-gram Language Model
Haan, Alexander: Surrogate Models for Mobile App Testing
Isaak, Johannes: Implementing Automated Refactoring for Scratch
Kern, Christian: Runtime Property Checking on Scratch Programs
Pusl, Michael: Automated Dependency Inference and Test Suite Execution for Python Projects
Reißig, Alexander: Ant Colony Optimization Algorithmus Implementierung des ACO in MATE und analytischer Vergleich mit anderen Heuristiken für das automatisierte Testen von Android Applikationen
Steffens, Lukas: Seeding Strategies in Search-Based Unit Test Generation for Python

SS 2020

Diner, Dominik: Exchanging Scratch Error Witnesses between Analysis Frameworks
Frank, Christian: Search-based Reproduction of Android App Crashes
Grelka, Felix: Eine empirische Analyse von Flaky-Tests in Python
Heine, Michael: Generating Urban-like Scenarios to Spot Fuel-Inefficient Behavior of Autonomous Cars
Körber, Nina: Anomaly Detection in Scratch: Block Patterns and Their Violations
Kroiss, Florian: Automatic Generation of Whole Test Suites in Python
Raster, Felix: Combining Ul- and Intent-Fuzzing on Android
Schrenk, David: Generierung von Typhinweisen in Python mit code2vec und PathMiner

WS 2019/2020

Fierbeck, Simon: Comparing novelty search and multi-objective search for testing self-driving car software
Krafft, Maren: The Effects of Introducing Programming Concepts to Adults with Scratch
Nowotny, Karin: Data Flow Anomaly Detection in Scratch Programs
Prasse, Felix: Automated test suite generation by mapping elites
Zuch, Noah: Automatisiertes Kombinatorisches Testen für Unit-Testing-Frameworks

SS 2019

Bachmann, Rafael: Specification and Verification of a Multicopter Flight Controller
Blöchl, Markus: Code Clone Detection in Scratch
Hierl, Markus: Automatic Generation of Driving Simulations from Labeled Video Data
Galdobin, Sabina: Scratch Debugging: Vergleich der Vorgehensweise von Studierenden und Schulkindern
Lerchenberger, Jonas: Gamification in Software Engineering: Code Coverage als Ziel eines Test-Spiels
Kreis, Marvin: Whisker: Automated Testing of Scratch Programs
Sulzmair, Florian: Identification and Automated Analysis of Common Bug Patterns in Scratch Programs
Ziegler, Tobias: Ein automatisierter Spieler zu Unterstützung in der Software Testing Lehre

WS 2018/2019

Gruber, Michael: Teaching Software Testing Techniques to Novice Programmers Using a Mutation Testing Game
Keller, Sebastian: Using Plan-Driven Development in Educational Programming Projects
Vogl, Sebastian: Analysis of the Pareto Archived Evolution Strategy for Many-Objectives Test Generation

SS 2024

Gonzalo Andrés Oberreuter Álvarez: Effects of the Implementation of a Graph-Based Object Synthesis Heuristic on Pynguin
Ameer Anqawe: Gamekins IntelliJ plugin
Emily Courtney: Automatic Question Generation for Block-Based Programs
Joshua Fazel: Construction Safety Training in Virtual Reality with Interactive NPCs
Anastasia Penkova: Zero-downtime deployments of event-driven applications
Severin Primbs: AsserT5: Automated Generation of Test Assertions using a Large Language Model Approach
Gregor Sarubenko: Evaluating the Effectiveness of HyperNEAT for Testing Scratch Games Using Different Substrate Configurations
Vibhash Kumar Singh: Classification and Prioritization of Static Analysis Warnings using Machine Learning
Siegfried Steckenbiller: Interactive Block-Based Testing in Scratch
Florian Straubinger: Deep Q-Learning for Testing Games
Andreas Strobl: Combining MIO and EDA for Search-based Android App Testing
Sandra Merin Thomas: Static Analysis in the Scratch User Interface
Parid Varoshi: Integration of a Large Language Model Assistant in Scratch

WS 2023/24

Matthias Bloch: An Empirical Evaluation of Data Flow Coverage
Seyedehsara Hashemitari: A Master Thesis of C++ Code Readability
Maximilian Jungwirth: NeuroCodeStylist: Learning Naming Schemes and Format Conventions for Fixing Checkstyle Violations
Alaa Khalil: Deep Learning-Based Bug Detection in Scratch Programs
Lukas Krodinger: Advancing Code Readability: Mined & Modified Code for Dataset Generation
Nikita Semenov: Empowering Search-Based Automatic Program Repair by Using Language Models

SS 2023

Nina Feifel: Breakdown: Automated Generation of Tutorials for Scratch Programs
Vuong Nguyen: Automatically Generating Accurate Crash Simulations by Combining Natural Language and Image Processing with Metaheuristics
Michael Pusl: Using Subjective Logic to Judge the Novelty of Test Cases in Search-Based Android Test Generation
Oliver Wiescholek: JavaDeconstructor: Enabling structural modifications of running Java applications by deconstructing classes

WS 2022/23

Manuel Binder: Deep Reinforcement Learning für Android Testgenerierung
Adina Deiner: Interrogative Debugging for Scratch
Dominik Diner: Search-Based Crash Reproduction for Android Apps
Florian Kroiss: Type Tracing: Using Runtime Information To Improve Automated Unit-Test Generation for Python
Umme Rabab: Changing trends in female authorship of Software Engineering research community
Franz Scheuer: STRETCH: Generating Avoidable Scenarios from Car Crash Simulations
Valeria Stromtcova: Towards the detection of malicious bots in Russian social networks
Lavannya Varghese: User Influential Analysis of the Scratch Network

SS 2022

Adler, Felix: A Surrogate Model for Search-based Android App Testing
Bikowski, Jannik: Testing Android Applications Automatically Using Neuroevolution
Simon Labrenz: Using Checked Coverage as Fitness Function for Test Generation in Python
Lerchenberger, Jonas: Improving the testing behaviour of developers using Gamification
Mohapatra, Smruti Ranjan: Embeddings for Scratch Programs using Gated Graph Neural Networks
Tymofyeyev, Vsevolod: Search-based Test Suite Generation for Rust
Ziegler, Tobias: Automatic Interaction Testing for Motion Planning Systems

WS 2021/22

Ahmed, Jasim: CRISCE: Automatically Generating Critical Driving Scenarios From Car Accident Sketches
Disha, Alba: Project categorization in Scratch and analysis of various relations between different categories
Götz, Katharina: Model-based Testing for Scratch
Gruber, Felix: Effective Simulation-based Testing of Advanced Driver Assistant Systems with Bayesian Optimization
Harrat, Ammar: Predicting Test Flakiness in Python projects
Panyin, Stephen Banin: Vision-Based Multi-Task Learning for Automated Vehicles
Steinger, Nils: Predictive Mutation Testing for Human-Generated Mutants
Stocker, Armin: Deconstructed Java: Faster Mutation Testing using COMET (Closed Map Metaprograms)

SS 2021

Afsar, Owais: Deep Learning Prediction Model for Merge Conflicts
Becker, Leon: Automated App Testing Using Grammatical Evolution
Bumes, Michael: Analysis of injector closing time measurements using machine learning methods
Durairaj, Prabaharan: An empirical evaluation of the fault detection ability of checked coverage
Fein, Benedikt: Automatische Generierung strukturbasierter Hinweise für Scratch-Programme
Geserer, Sophia: Differential Testing of Scratch Programs in Whisker
Gogineni, Chaitanya: Hybrid modeling and the prediction of dynamic systems: A case study on the estimation of PMSM rotor temperature
Hamisu, Abdulhayyu: Mutation Testing: Analysis of Mutation Operators’ Role in the Context of Deep Neural Networks
Phan, Tran: Gamification of Mutation Testing in Continuous Integration and Continuous Delivery
Pilgram, Nico: Software Repair for Scratch Applications using Genetic Programming
Routh, Jairaj: An Evaluation of Fault Localisation for Python Programs
Srinivasan, Varun Balaji: Hyper-parameters Tuning of Reward functions with Multi-Objective Optimization for Deep Reinforcement Learning
Zare, Niloufar: Code Readability in Scratch

WS 2020/21

Feldmeier, Patric: Testing Scratch Programs using Neuroevolution
Griebl, Elisabeth: Code Completion for Scratch
Gruber, Michael: Automated Testing of Web Services with External Dependencies
Gulati, Priyansha: Cost Reduction using Random Sampling Strategies on Python Programs
Hamza, Ahmed: Testing Robustness of Self Driving Car Software by Identifying their Performance Boundary
Lawal, Abdulhayyu: Mutation Testing: Analysis of Mutation Operators’ Role in the Context of Deep Neural Networks
Obermüller, Florian: Hint Generation for Scratch With Help of Automated Testing
Reichenberger, Marco: Measuring Oracle Quality in Python
Vogl, Sebastian: Encoding the Certainty of Boolean Variables to Improve the Guidance for Search-Based Test Generation

SS 2020

Dhiddi, Saikrishna: Rehabilitating Mutant Immortals - An Empirical Investigation on the Application of Statistical Estimators in Mutation Testing
Gidwani, Varun: CrashGen: Generation of Vehicle Crash Scenarios
Govindaswamy, Arun: How Effective is Code Coverage in Correlation to Fault Finding?
Graßl, Isabella: Semiotische Analyse von Programmcode und -peripherie in Scratch
Holosynskyi, Robert: Python dataflow coverage
Huber, Stefan: DriveBuild: Automation of Simulation-based Testing of Autonomous Vehicles
Tkachuk, Vladyslav: Detecting equivalent mutants in Java
Jazi, Youssef: Grid-Based Object Tracking in autonomous diving
Mujahid, Qazi: Automatically Generating Driving Simulations from Videos to Address Safety Issues in Self-Driving Cars
Müller, Johannes: Declarative Test Case Generation for Autonomous Cars
Nguyen, Thi Thu Ngan: Efficient Sampling of Car States for Boundary Condition Estimation
Patil, Sanika: Software bug prediction in python using machine learning approach
Pleyer, Wenzel: Automating co-simulation for testing Advanced Driver Assistance Systems
Pradhan, Karthik Srinivas: Test Case Generation from Finite State Machine and Simulation on BeamNG
Simha, Apsara Murali: Search-based testing of drive comfort in self-driving cars
Sokyappa, Divya: How Good are Mutants to Replace Real Faults
Straubinger, Philipp: Motivating Developers to Write more Tests using Gamification
Tariq, Sameed: Automatic Driving Simulation Generation To Explore Parameters of Crash Scenarios in Self Driving Cars
Werli, Philemon: Asking the right questions – Adding Interrogative Debugging to Scratch
Zantner, Niklas: Accelerating the Whisker Test Framework

WS 2019/2020

Böhm, Sebastian: Predicate Granularity in Predicate Abstraction
Frädrich, Christoph: Combining Test Generation and Type Inference for Testing Dynamically Typed Programming Languages
Schweikl, Sebastian: Guided Mutation in EvoSuite

SS 2019

Pradhan, Tanshi: Automated Accessibility Testing of Android Applications
Halgekar, Prathmesh: Novelty Search for Unit Test Generation

WS 2018/2019

Bader, Verena: Parallelizing a Many-Objective Sorting Algorithm for Test Generation