Offene Themen für Bachelor- und Masterarbeiten
QMETHODS GmbH

Bachelor- und Masterarbeiten

Tragen Sie mit den Ergebnissen Ihrer Bachelor- oder Masterarbeit zur Weiterentwicklung der Versio.io Platform bei.

 
Bei Versio.io bewältigen wir die Komplexität der Unternehmens-IT mithilfe von KI und Automatisierung. Für Ihre Bachelor- oder Masterarbeit bieten wir Ihnen ein Umfeld mit großer Wirkung, in dem Forschung auf die industrielle Praxis trifft. Mit Hilfe unserer Infrastruktur und der Betreuung durch Experten schlagen Sie eine Brücke zwischen akademischer Strenge und Innovation. Sind Sie bereit für einen tiefen Einblick in den Digital Twin?
 

Themenübersicht

Die Agentic CMDB: KI-Integration über das Model Context Protocol (MCP) und die CLI

Neue Protokolle wie MCP ermöglichen es KI-Agenten, direkt mit technischen Systemen zu interagieren. Ziel dieser Arbeit ist es, eine funktionsfähige, CLI-basierte Brücke zu entwickeln, die es KI-Agenten ermöglicht, den Versio.io-Bestand in Echtzeit abzufragen und zu validieren.
Inhalt der Abschlussarbeit:
  • Forschung zum Model Context Protocol (MCP) für den standardisierten Datenaustausch mit KI-Agenten
  • Entwicklung eines CLI-Tools zur Anbindung lokaler Entwicklerumgebungen an die Versio.io-API
  • Entwicklung eines Prototyps für einen KI-Assistenten, der über MCP mit dem IT-Bestand interagiert
 

Automatisierte Ableitung von Vorschriften zur Einhaltung gesetzlicher Bestimmungen mithilfe von KI

Moderne Rechtsrahmen wie NIS2 oder DORA stellen bei der manuellen Umsetzung erhebliche Herausforderungen dar. Diese Arbeit untersucht, wie künstliche Intelligenz genutzt werden kann, um komplexe rechtliche Anforderungen innerhalb von Versio.io automatisch in umsetzbare technische Regeln zu übersetzen.
Inhalt der Abschlussarbeit:
  • Analyse der regulatorischen Anforderungen (NIS2, DORA, BAIT) und deren Zuordnung zu technischen Kennzahlen
  • Entwicklung eines KI-basierten Konzepts (LLM/RAG) zur Ableitung von Sicherheitsvorschriften aus formalen Dokumenten
  • Implementierung eines Prototyps zur Automatisierung von Regelaktualisierungen in der Versio.io Governance Engine
 

Datengesteuertes Softwarelizenzmanagement auf Basis des Versio.io-Bestandsverzeichnisses

Die Genauigkeit der Softwarelizenz-Compliance hängt vollständig von der Qualität der zugrunde liegenden Erfassungsdaten ab. Diese Arbeit untersucht, wie die von Versio.io erfassten detaillierten Echtzeit-Bestandsdaten systematisch in ein automatisiertes Lizenzmanagementsystem umgewandelt werden können, um die Lücke zwischen den tatsächlichen Installationen und den vertraglichen Berechtigungen zu schließen.
Inhalt der Abschlussarbeit:
  • Zuordnung von Versio.io-CI-Attributen und Inventarklassen zu bestimmten Lizenzkennzahlen (z. B. CPU-Kerne, Installationspfade, SaaS-Lizenzen)
  • Entwicklung einer automatisierten Abgleichlogik, die den aktuellen Bestandsstatus mit einem Repository von Lizenzansprüchen abgleicht
  • Erstellung eines datengestützten Dashboards zur Ermittlung von Lagerüberhängen und Optimierungspotenzialen auf der Grundlage historischer Bestandsentwicklungen
 

Maximierung des betrieblichen Nutzens von Kubernetes- und Container-Beständen

Die reine Erkennung von Containern reicht für die moderne Unternehmens-IT nicht mehr aus. In diesem Beitrag wird untersucht, wie Kubernetes-Daten durch geschäftlichen Kontext, Sicherheitskennzahlen und Kostentransparenz angereichert werden können, um den Stakeholdern einen höheren Mehrwert zu bieten.
Inhalt der Abschlussarbeit:
  • Analyse der Abhängigkeiten zwischen Microservices und ihrer zugrunde liegenden Infrastruktur in Versio.io
  • Einbeziehung von Sicherheits- und Kostenaspekten in den Prozess der Bestandsaufnahme von Containern
  • Entwurf von Szenarien für automatisiertes Change Monitoring in dynamischen Cloud-native Umgebungen
 

KI-gestützte CMDB: Optimierung der Bestandsdatenverarbeitung und der Erkenntnisse in Versio.io

Eine moderne CMDB enthält riesige Mengen komplexer Daten mit hoher Datendurchsatzrate, die eine manuelle Analyse überfordern können. Diese Arbeit konzentriert sich auf die direkte Integration von KI-Funktionen in die Versio.io Platform, um die Datenverarbeitung zu automatisieren, verborgene Muster zu erkennen und Rohdaten aus Inventarprotokollen in intelligente, umsetzbare Erkenntnisse umzuwandeln.
Inhalt der Abschlussarbeit:
  • Entwicklung KI-gestützter Methoden zur automatisierten Datenklassifizierung, Normalisierung und Erkennung von Anomalien im Datenpool von Versio.io
  • Entwicklung einer integrierten KI-Ebene zur Erkennung komplexer Zusammenhänge und zur Vorhersage von Auswirkungsmustern über verschiedene Infrastrukturebenen hinweg
  • Entwicklung eines Prototyps für eine Schnittstelle für natürliche Sprache (NLI), um eine intuitive, dialogorientierte Abfrage und Analyse des digitalen Zwillings direkt innerhalb der Plattform zu ermöglichen
 

Automatisierte Bestandsaufnahme der IT-Landschaft und Integration in Bestandsverwaltungsabläufe

Vollständige Transparenz ist die Grundlage jeder CMDB, doch hybride Umgebungen erschweren die Erfassung. In diesem Beitrag geht es um die Gestaltung intelligenter, automatisierter Workflows, um blinde Flecken zu beseitigen und höchste Datenqualität zu gewährleisten.
Inhalt der Abschlussarbeit:
  • Analyse von Scan-Verfahren und Ermittlung von „blinden Flecken“ in hybriden Infrastrukturen
  • Entwurf eines flexiblen Orchestrierungs-Frameworks zur Verwaltung von Backend-Aufgaben und Triggern
  • Entwicklung automatisierter Mechanismen zur Datenbereinigung und Qualitätssicherung
 

Bestandsaufnahme und Visualisierung mehrschichtiger Netzwerktopologien

Moderne Netzwerke bestehen aus mehreren Ebenen, von der physischen Hardware bis hin zu virtuellen Overlays. Diese Arbeit entwickelt ein Konzept, um diese Ebenen innerhalb des Versio.io-Ökosystems zu einem einzigen, dynamischen Netzwerkplan zu vereinen.
Inhalt der Abschlussarbeit:
  • Modellierung von Netzwerkkomponenten über physische, logische und virtuelle Schichten hinweg in Versio.io
  • Entwicklung einer Logik zur automatisierten Erstellung dynamischer Netzwerkdiagramme aus Scandaten
  • Entwicklung einer automatisierten Auswirkungsanalyse auf der Grundlage der ermittelten Netzwerktopologie
 

Bidirektionale Integration zwischen Versio.io und ServiceNow

Viele Unternehmen nutzen ServiceNow für ITSM, benötigen jedoch die umfassende Transparenz von Versio.io. Diese Studie befasst sich mit der Konzeption und Umsetzung einer bidirektionalen Synchronisation, um die Datenkonsistenz zwischen beiden Plattformen sicherzustellen.
Inhalt der Abschlussarbeit:
  • Abstimmung und Zuordnung der Konfigurationselementklassen (CI-Klassen) zwischen beiden Systemen
  • Entwicklung einer robusten Synchronisationslogik für Datenverantwortlichkeit und Konfliktlösung
  • Entwicklung eines Anwendungsfalls, bei dem Compliance-Warnmeldungen von Versio.io ServiceNow-Vorfälle auslösen
 

So können Sie uns kontaktieren

Wir freuen uns auf Ihre Bewerbung mit Lebenslauf, Zeugnissen und Referenzen zu Ihren bisherigen Projekten. Bei Fragen steht Ihnen Matthias Scholze gerne zur Verfügung: +49 (30) 22 19 86 51 oder matthias.scholze@versio.io.