Themen für Abschlussarbeiten

Kontakt: bewerbung (at) cyberagentur.de

Qualitativ hochwertige Daten bilden die Grundlage für effiziente Machine Learning Algorithmen. Jedoch stehen solche Daten nicht immer in der benötigten Menge zur Verfügung. Zudem kann die Beschaffung der entsprechenden Datenbestände ein sehr zeit- und ressourceneffizienter Prozess sein. Um dennoch flexible und ressourceneffiziente Machine Learning-Modelle zu entwickeln, existieren Lernverfahren, die es ermöglichen, mit nur wenigen Datenbeispielen (z.B. Bilder, Videos, Textbausteine) vielversprechende Ergebnisse zu erzielen. Solche Lernverfahren werden auch als Low-Shot Verfahren bezeichnet und zeichnen sich durch einen datensparenden Trainingsprozess aus.

Im Rahmen einer Masterarbeit soll untersucht werden, inwieweit Low-Shot-Lernverfahren (Few-Shot, Zero-Shot und/ oder In-Context-Learning) für Klassifikationsaufgaben in sicherheitsrelevanten Kontexten genutzt werden können. Dazu soll der aktuelle Stand der Forschung in diesem Bereich untersucht und beschrieben, sowie verschiedene Low-Shot Klassifikationstechniken gegenübergestellt und ein Prototyp entwickelt werden, der als Demonstrator für Klassifikationsaufgaben genutzt werden kann.

Grundlage des angewandten Teils der Masterarbeit ist ein Datensatz, welcher Bilddaten unterschiedlicher Klassen militärischer Fahrzeuge umfasst und für eine exemplarische Implementierung der erarbeiteten Verfahren genutzt werden kann.

Abteilung: Schlüsseltechnologien
Referat: Künstliche Intelligenz
Kontakt: bewerbung (at) cyberagentur.de

Verfahren der Künstlichen Intelligenz, insbesondere des Deep Learning, unterlaufen stetigen Entwicklungen und führen zu immer komplexeren Architekturen und Lernverfahren. In sicherheitskritischen Bereichen steht jedoch vermehrt die Nachvollziehbarkeit KI-basierter Verfahren im Fokus, die einen erheblichen Einfluss auf nachgelagerte Entscheidungsprozesse haben kann. Um die Ausgaben komplexer Deep Learning Verfahren transparenter und nachvollziehbarer gestalten zu können, existieren Verfahren der Erklärbarkeit und Interpretierbarkeit, die die zugrundeliegenden Entscheidungsmuster eines Algorithmus untersuchen und relevante Klassifikationsmerkmale sichtbar machen.

Im Rahmen einer Masterarbeit sollen verschiedene Methoden der Explainable AI (XAI) identifiziert, untersucht und im Hinblick auf ihre Relevanz im Sicherheitssektor miteinander verglichen werden. Die resultierenden Ergebnisse sollen anschließend in einen funktionsfähigen Prototyp überführt werden, der als Erklärbarkeitskomponente in einen Klassifikationsprozess integriert werden kann.

Grundlage des angewandten Teils der Masterarbeit ist ein Datensatz, welcher Bilddaten unterschiedlicher Klassen militärischer Fahrzeuge umfasst und für eine exemplarische Implementierung der erarbeiteten Verfahren genutzt werden kann.

Abteilung: Schlüsseltechnologien
Referat: Künstliche Intelligenz
Kontakt: bewerbung (at) cyberagentur.de

Eine hohe Datenverfügbarkeit spielt bei der Entwicklung von Machine Learning Modellen eine entscheidende Rolle. Je besser diese Daten beschrieben und aufbereitet sind, desto wahrscheinlicher ist es, effiziente und akkurate Modelle zu erhalten. Insbesondere das Labeling von Daten, also die Zuordnung von Daten zu einer Klasse, ist ein zeit- und ressourcenintensiver Prozess, der insbesondere in überwachten Lernumgebungen zum Einsatz kommt. Um solche Lernverfahren zu optimieren, existieren label-effiziente Methoden, die den Labeling-Prozess minimieren und dennoch die Entwicklung von Machine Learning Modellen mit hoher Genauigkeit ermöglichen. Beispiele für diese label-effizienten Verfahren sind Semi-Supervised Learning (z.B. Pseudo-Labeling) oder das Self-Supervised Learning (z.B. SimCLR).

Im Rahmen einer Masterarbeit soll untersucht werden, inwieweit sich solche label-effizienten Lernverfahren zur Anwendung auf ein spezifisches Image Classification Problem eignen. Dazu sollen SOTA-Technologien identifiziert, verglichen und in einen funktionsfähigen Prototypen für die Bildklassifikation überführt werden.

Grundlage des angewandten Teils der Masterarbeit ist ein Datensatz, welcher Bilddaten unterschiedlicher Klassen militärischer Fahrzeuge umfasst und für eine exemplarische Implementierung der erarbeiteten Verfahren genutzt werden kann.

Abteilung: Schlüsseltechnologien
Referat: Künstliche Intelligenz
Kontakt: bewerbung (at) cyberagentur.de

Generative Artificial Intelligence (GenAI) umfasst eine Menge an generativen Techniken, die für die Erzeugung von Daten (z.B. Text, Bild, Video) genutzt werden können. Prominente Vertreter von GenAI sind ChatGPT (Large Language Models) und Stable Diffusion (Bilderzeugung).

Im Kontext von Computer Vision Tasks (z.B. Klassifikation, Objekterkennung) steht oft die Verfügbarkeit von umfangreichem Bildmaterial im Fokus. Dabei existieren jedoch Szenarien, in denen dieses Material nicht in dem notwendigen Umfang zur Verfügung steht (z.B. aufgrund schwer zugänglichen Terrains). Mittels generativer Technologien ist es möglich reale Daten, um synthetisch generierte Daten zu erweitern, die den Umfang und die Variabilität eines Datensatzes erhöhen sollen, um Klassifikations- und Detektionsalgorithmen trainieren zu können.

Im Rahmen einer Masterarbeit sollen generative Ansätze zur Bilderzeugung untersucht werden. Ziel ist es, anhand eines praxisnahen Anwendungsszenarios, GenAI-Techniken zu identifizieren und anzuwenden, die zur Optimierung von Computer Vision Aufgaben, insbesondere in Umgebungen mit geringer Datenverfügbarkeit, genutzt werden können.

Grundlage des angewandten Teils der Masterarbeit ist ein Datensatz, welcher Bilddaten unterschiedlicher Klassen militärischer Fahrzeuge umfasst und für eine exemplarische Implementierung der erarbeiteten Verfahren genutzt werden kann.

Abteilung: Schlüsseltechnologien
Referat: Künstliche Intelligenz
Kontakt: bewerbung (at) cyberagentur.de

Im Kontext des maschinellen Lernens spielt die freie Verfügbarkeit von Datensätzen und Modellen eine entscheidende Rolle für die Inbetriebnahme und Verbreitung KI-basierter Funktionalitäten. Vor dem Hintergrund dieser Verfügbarkeitsproblematik bilden sich stetig neue Open Source Initiativen im Bereich der Künstlichen Intelligenz, Im Sinne von Netzwerken oder Plattformen (z.B. Hugging Face oder LAION), heraus, die sich zur Aufgabe machen Datensätze, Quellcode und Parameter zur Verwendung und Modifikation bereitzustellen.

Ziel der Masterarbeit soll es sein, bestehende Open Source Initiativen im Bereich der Künstlichen Intelligenz zu identifizieren und diese in eine eigens entwickelte „Open Source AI Landscape“ einzuordnen. Eine solche Landscape soll der inhaltlichen Klassifikation und Charakterisierung frei verfügbarer KI-Module dienen. Zudem soll ein Verfahren entwickelt werden, mit dessen Hilfe Open Source Daten sowie Open Source Modelle und zugehörige Frameworks (aufgeschlüsselt nach Modalitäten, Lizenzbedingungen etc.) zusammengeführt und möglichen Anwendungsfällen aus dem Cybersicherheitskontext zugeordnet werden können. So soll ein Leitfaden bereitgestellt werden, der die Identifikation und Kombination von Open Source Modulen für KI-basierte Entwicklungen vereinfacht und die mit der Entwicklung von ML-Lösungen verbundenen Datenkuratierungs- und Modellentwicklungszeiten verkürzt.

Ein Ergebnis der Arbeit könnte die Zurverfügungstellung einer digitalen „Open Source AI Landscape“ sein, die es durch interaktive Module (z.B. Stichwortsuche, Filter etc.) ermöglicht, frei verfügbare Datensätze und KI-Module für einen definierten Anwendungsfall bzw. spezifizierte Rahmenbedingungen zu identifizieren.

Abteilung: Schlüsseltechnologien
Referat: Künstliche Intelligenz
Kontakt: bewerbung (at) cyberagentur.de

Embodied AI bezeichnet eine Form der körperlich verankerten künstlichen Intelligenz, die durch Sensoren, Aktuatoren und Interaktionen mit der physischen Umwelt lernt und handelt. Während große Fortschritte in der traditionellen KI durch datengetriebene Modelle wie Transformer erzielt wurden, steht Embodied AI vor der Herausforderung, kognitive Fähigkeiten mit physischer Wahrnehmung und planerischen Aktionen zu kombinieren. Dies eröffnet neue Möglichkeiten für Robotik, autonome Systeme und menschzentrierte Anwendungen.

Ziel dieser Masterarbeit soll es sein, den aktuellen Stand der Forschung im Bereich Embodied AI umfassend zu analysieren und bestehende Ansätze, Technologien sowie deren Anwendungen zu identifizieren. Ein Fokus soll dabei auf der Integration generativer Verfahren (z.B. Large Language Models, Large Action Models) sowie physik-informierter Modelle liegen, die die Eigen- und Raumwahrnehmung der verkörperten Systeme potenziell erhöhen können. Durch den Einsatz verkörperter KI in vielseitigen Umgebungen sollen zudem Ansätze der Adaptions- und Lernfähigkeit der Systeme in unbekannten Umgebungen betrachtet werden sowie Verfahren der echtzeitnahen Integration multi-modaler Inhalte (z.B. Videosequenzen, Audio, Text) in die Lern- und Ausführungsprozesse. Darüber hinaus sollen Entwicklungspotenziale und zukünftige Forschungsrichtungen spezifisch im Hinblick auf den Sicherheitssektor abgeleitet werden.

Abteilung: Schlüsseltechnologien
Referat: Künstliche Intelligenz
Kontakt: bewerbung (at) cyberagentur.de

AI-Native Computing bezeichnet ein Paradigma, das auf tiefgreifende Integration von KI-Methoden in alle Schichten der IT-Architektur setzt, womit sich neue Möglichkeiten für adaptives, autonomes und selbstoptimierendes Computing eröffnen. Dies kann neue Standards in Bereichen wie Edge Computing, autonome Systeme und personalisierte digitale Umgebungen schaffen. Zu diesen Technologien zählen u.a. auch AI Operating Systems (KI-basierte Betriebssysteme), bei der künstliche Intelligenz als zentrales Steuerungssystem für Software, Hardware und Anwendungen fungiert und den Nutzern bedarfsgerecht Anwendungen und Interfaces bereitstellt. Erste bekannte Vertreter solcher Technologien sind bspw. das von der Firma Anthropic entwickelte Tool „Computer Use“, das ein KI-Modell bereitstellt, um mit einer Desktop-Umgebung menschenähnlich zu interagieren, oder auch KI-Agenten für die Softwareentwicklung wie Copilot, die die Grundlage für native KI-Funktionalitäten in Computerarchitekturen legen sollen.

Ziel dieser Masterarbeit ist es, den aktuellen Stand der Forschung im Bereich AI-Native Computing zu analysieren und Entwicklungspotenziale sowie zukünftige Anwendungsfelder zu identifizieren. Dabei können unterschiedliche Themen fokussiert werden, wie z.B. KI-gesteuerte Betriebssystemarchitekturen, agentische KI-Systeme oder auch autonome Softwareökosysteme. Ergebnisse der wissenschaftlichen Arbeit können Übersichten und Bewertungen zu bestehenden Systemen sein, die Ableitung von Handlungsempfehlungen für zukünftige KI-Forschung oder die Anfertigung kleinerer Prototypen für Demonstrationszwecke.

Abteilung: Schlüsseltechnologien
Referat: Kryptologie
Kontakt: bewerbung (at) cyberagentur.de

Beschreibung: Im Vergleich zu klassischen kryptografischen Verfahren (z. B. RSA oder Diffie-Hellmann) ist die Post-Quanten-Kryptografie (PQC) ein relativ junges Forschungsgebiet. Da jedoch allgemein anerkannt ist, dass die Umstellung auf PQC- Verfahren ein wesentlicher Schritt nach vorne ist, herrscht in diesem Bereich derzeit reges Forschungsgeschehen. Ziel dieses Projekts ist es, sehr konkrete Ergebnisse hinsichtlich der Implementierung ausgewählter PQC-Verfahren auf einem Field- Programmable Gate Array (FPGA) zu erzielen. Von besonderem Interesse sind verschiedene Leistungsmetriken (Geschwindigkeit, Stromverbrauch und Speicherbedarf) sowie Metriken, die Schwachstellen bei der Seitenkanalanalyse charakterisieren. Welche dieser Metriken im Fokus stehen, hängt vom Hintergrund und den Interessen des Bewerbers ab. Die Cybera-Agentur stellt ein geeignetes FPGA sowie die erforderlichen Werkzeuge zur Durchführung (ausgewählter) Seitenkanalanalysen zur Verfügung.

Aufgaben: Der Studierende wird folgende Aufgaben übernehmen:

Initialisierung: Konfiguration eines FPGA zur Ausführung ausgewählter PQC- Methoden, entweder unter Verwendung bestehender Softwarebibliotheken oder
durch eigene Implementierung der Funktionalität

Track A: Durchführung von Leistungsbenchmarks
Track A: Optimierung der Implementierung
Track B: Durchführung statistischer Analysen zur Identifizierung potenzieller
Schwachstellen (z. B. unter Verwendung von TVLA)
Track B: Durchführung von Seitenkanalangriffen
Track B: Implementierung von Techniken zur Abwehr identifizierter Seitenkanalangriffe

Bericht: Verfassen eines Berichts zur Erörterung der Ergebnisse

Studierendenprofil
Erforderlich: Programmiererfahrung
erforderlich: Fundierte Kenntnisse der linearen Algebra
erforderlich: Grundkenntnisse in der Public-Key-Kryptografie
wünschenswert: Erste Erfahrungen mit einer Hardwarebeschreibungssprache (z. B.
VHDL oder Verilog)
wünschenswert. Erste Erfahrungen mit PQC-Methoden (z. B. gitterbasiert oder
codebasiert)
wünschenswert: Grundkenntnisse in der Signalverarbeitung und/oder statistischen Analyse

Abteilung: Cybersicherheit komplexer Systeme
Referat: Emergente digitale Systeme für Verwaltung und Streitkräfte
Kontakt: bewerbung (at) cyberagentur.de

Welche Infrastrukturen und Architekturen sind Weiterentwicklungen von Cloud-Technologien? – Auf dem Weg in die Post-Cloud Ära.

In der heutigen Zeit sind Cloud-Infrastrukturen nicht mehr wegzudenken. Im beruflichen, wie im privaten Bereich sind viele Dienste nur unter Anbindung einer Cloud verfügbar und nutzbar. Abhängigkeiten von Cloudanbietern stehen dabei oft im Wiederspruch zum Souveränitätsgedanken. Der Cloud-Gedanke soll in dieser Abschlussarbeit weitergedacht werden. Was kann danach kommen? Sind Cloud Architekturen für verschiedene Zukunftsszenarien nach wie vor sinnvoll, oder gibt es bessere Alternativen, wie bspw. dezentrale Strukturen? Welche Vor- und Nachteile bieten sie jeweils und was können Forschungsfragen sein, die für eine Realisierung beantwortet werden müssen?

Ziel dieser Arbeit ist es, neue revolutionäre Post-Cloud Ansätze zu identifizieren und analysieren (Bachelor), zu erforschen und zu entwickeln (Master). Dabei sind unterschiedliche Aspekte denkbar, wie bspw. Netzwerktopologien, Kollaborationsansätze, Backupstrategien, oder andere Themen die in einer Post-Cloud Architektur relevant sind.

Abteilung: Cybersicherheit komplexer Systeme
Referat: Emergente digitale Systeme für Verwaltung und Streitkräfte
Kontakt: bewerbung (at) cyberagentur.de

Wie kann verhindert werden, dass böswillige Lösungen es in den Lösungsraum schaffen?

In populationsbasierten Optimierungsverfahren treten oft verschiedene Lösungen gegeneinander an, um im Verlauf des Prozesses ein Optimum zu finden. Anwendungen gibt es in den Bereichen Routing, Strukturoptimierung, Medizin, Finanzen oder Energieversorgung. Ein möglicher Angriffsvektor ist die Einschleusung böswilliger Lösungen, die einen Algorithmus in eine Richtung lenken könnten, die in einem falschen Optimum liegt, welches für die angreifende Person von Vorteil sein kann. Die Lösung eines Problems könnte dann Schwachstellen enthalten, die in der Umsetzung ausgenutzt werden könnten, oder die Performance des Systems auf niedrigem Niveau halten.

Ziel dieser Arbeit ist es, neue Methoden und Ansätze zu erforschen, die solch geartete Optimierungsverfahren sicherer und robuster gegenüber eingeschleusten bösartigen Lösungen machen. Dafür sollen konkrete Angriffsszenarien entwickelt, Angriffsvektoren definiert und Lösungsstrategien evaluiert werden.

Abteilung: Cybersicherheit komplexer Systeme
Referat: Prädiktive und kognitive Systeme
Kontakt: bewerbung (at) cyberagentur.de

Ein zentraler Aspekt künftiger prädiktiver und kognitiver Systeme ist es, die jeweils relevanten Daten für die Benutzer des Systems auszuwählen, verfügbar zu machen und in übersichtlicher und leicht handhabbarer Form darzustellen. Augmented Reality (AR) stellt dabei einen vielversprechenden Ansatz dar, um diese Anforderungen in der Praxis umzusetzen. Untersuchungsgegenstand einer Praktikums- oder Abschlussarbeit soll daher sein, den derzeitigen Stand in Wissenschaft und Praxis (z.B. auch anhand von Videospielen) zur Einbettung von AR in komplexen Systemen zu untersuchen und umfassend darzustellen sowie mögliche Weiterentwicklungen aufzuzeigen. Insbesondere ist hierbei die Anwenderperspektive von Interesse, d.h., die Untersuchung der Bedingungen, unter denen der Einsatz von AR hilfreich und nicht eher verwirrend ist und damit einen echten Mehrwert für den Benutzer liefern kann. 

Abteilung: Cybersicherheit komplexer Systeme
Referat: Prädiktive und kognitive Systeme
Kontakt: bewerbung (at) cyberagentur.de

Wie folgenreich sind die Auswirkungen eines extremen Weltraumwetterereignisses (primär Sonne, z. B. starker CME oder Sonnensturm) auf die globale plus weltraumbasierte Infrastruktur (Stromnetzte, Funkkommunikation, Internet, satellitenbasierte Navigation oder Zeitsynchronisation) und das alltägliche Leben auf der Erde?

Das Zusammenwirken zwischen Weltraumwetter und unserer modernen Welt sind bereits seit langem bekannt. Beispielsweise hatte ein geomagnetischer Sturm im März 1989 einen neunstündigen Stromausfall in Canada zur Folge. Werden schon Maßnahmen in der Energieversorgung (Umspannwerke, Transformatoren), Wasserversorgung, Transport oder Kommunikation ergriffen, um bei erhöhter Sonnenaktivität gegenzusteuern?

Bei dieser Arbeit soll ein besonderer Fokus auf Einschätzungen von Experten gelegt werden. Im ersten Schritt müssten diese Experten, beispielsweise Betreiber kritischer Infrastruktur oder Forschende, identifiziert werden. Welche Bereiche sind besonders betroffen? Wie sieht der praktische Umgang mit erhöhten Sonnenaktivitäten aus? Droht tatsächlich ein weltweiter Blackout bei unvorhergesehenen Weltraumwetterereignissen? Gibt es hier eine Kluft zwischen den prognostizierten Horrorszenarien und der Wirklichkeit? Wäre der Schaden reparabel? Wie können geeignete Schutzmaßnahmen aussehen? Könnte die durch geomagnetische Stürme induzierte Spannung zur Energiegewinnung genutzt werden?

Abteilung: Cybersicherheit komplexer Systeme
Referat: Schutz kritischer Infrastrukturen
Kontakt: bewerbung (at) cyberagentur.de

Ob im privaten Umfeld oder beruflich im Home Office, Ende-zu-Ende verschlüsselte Kommunikation ist allgegenwärtig. Moderne Kommunikationsplattformen ermöglichen längst nicht mehr nur Eins-zu-Eins-Chats, sondern auch Gruppenkonversationen und Videokonferenzen mit mehreren Teilnehmenden gleichzeitig.

Auf Protokollebene haben sich in den vergangenen Jahren mehrere Ansätze etabliert, die zum Teil speziell für sichere Gruppenkommunikation entwickelt wurden. Besonders relevant sind hierbei Messaging Layer Security (MLS), das Double-Ratchet-Protokoll von Signal sowie MegOLM, welches im Matrix-Ökosystem zum Einsatz kommt. Zurzeit gilt das Double-Ratchet-Protokoll als das am weitesten verbreitete, jedoch ist MLS mittlerweile ein IETF-Standard, weswegen die Umsetzung und Etablierung vorangetrieben werden. MegOLM setzt auf diesem Protokoll auf, findet jedoch außerhalb des Matrix-Ökosystems wenig Verwendung. Eine Plattform die neben Matrix auf MegOLM baut ist gather.town.

Ziel der Abschlussarbeit ist es, diese drei Protokolle systematisch miteinander zu vergleichen, ihre Sicherheitsgarantien, Bedrohungsmodelle und Designentscheidungen herauszuarbeiten und ihre Eignung für zukünftige Anforderungen zu bewerten. Ein besonderer Fokus liegt dabei auf der Frage, wie robust die jeweiligen Protokolle gegenüber zukünftiger Entwicklungen sind, wie z.B. dem möglichen Aufkommen von Quantencomputern.

Abteilung: Cybersicherheit komplexer Systeme
Referat: Schutz kritischer Infrastrukturen
Kontakt: bewerbung (at) cyberagentur.de

Ein Kriseneinsatz! Wir müssen schnell und effizient handeln, doch die Kommunikation ist zusammengebrochen. Jede Einsatzgruppe kann nur noch mit ihren unmittelbaren Nachbarn kommunizieren. Dennoch müssen wichtige Informationen ihren Adressaten erreichen, Güter müssen dorthin gelangen, wo sie gebraucht werden und wir müssen in der Lage sein, auf unvorhergesehene Änderungen zu reagieren. Unmöglich? Nein! Wenn jede Gruppe genau weiß, wie sie welche Information weitergeben muss, kann der gesamte Einsatz wie ein Computer arbeiten, welcher ohne zentrale Kontrollstelle Nachrichten effizient überträgt und Güter optimal verteilt. Zugrunde liegt ein Berechnungskonzept der theoretischen Informatik, die Zellularautomaten: Mehrere Elemente – die Zellen – stehen im Kontakt mir ihren unmittelbaren Nachbarn. In einem festen Rhythmus wertet jede Zelle die Informationen, die sie von ihren Nachbarn erhält, aus und sendet daraufhin eine passende Antwort. Das Modell ist in vielen Aspekten anpassbar, etwa welche Anordnungen von Zellen möglich sind, wie divers die Zellen sein können, oder ob eine Zelle jeweils verschiedene Signale an ihre Nachbarn senden kann. Durch diese Vielfältigkeit lassen sich nachweislich nahezu alle Fähigkeiten emergent beschreiben.

Jetzt soll erforscht werden, inwieweit sich dieses Berechnungskonzept eignet um komplexe Einsätze dezentral zu koordinieren. Um dies zu klären müssen sowohl theoretische, als auch praktische Fragen beantwortet werden: Lässt sich ein Zellularautomat gestalten, um Güter effizient zu verteilen? Ist dies auch möglich, wenn sich das Netzwerk während der Operation verändert? Kann ein Algorithmus fehlertolerant gestaltet werden? Wie kann ein solcher Algorithmus vor gezielter Störung geschützt werden? Wie gut bzw. bis zu welcher Komplexität können Menschen diesen Vorschriften folgen?

Entsprechend des Fokus eignet sich diese Forschungsfrage um theoretisch-mathematisch zu arbeiten, als auch um potentielle Ansätze in Studien und Workshops auf ihre psychologische Machbarkeit zu überprüfen.

Abteilung: Cybersicherheit komplexer Systeme
Themenbereich: Emergente disruptive Technologien
Kontakt: bewerbung (at) cyberagentur.de

Kritische Rohstoffe – insbesondere seltene Erden und strategische Mineralien – bilden die Grundlage zahlreicher moderner Elektronik‑, Kommunikations‑ und Verteidigungssysteme. Gleichzeitig ist die Europäische Union in hohem Maße von Importen aus geopolitisch sensiblen Regionen abhängig, was Verwundbarkeiten entlang der Lieferketten erzeugt. Vor dem Hintergrund zunehmender geopolitischer Spannungen gewinnt die Frage nach Autarkie, Resilienz und strategischer Rohstoffsicherung an Bedeutung.

Ziel dieser Masterarbeit ist es, die Nutzung kritischer Mineralien in ausgewählten, sicherheitsrelevanten Elektronik‑ und Kommunikationsprodukten systematisch zu kartieren und den zukünftigen Bedarf abzuleiten. Dazu sollen bestehende Studien, regulatorische Rahmenwerke (z. B. EU Critical Raw Materials Act) sowie technische Spezifikationen analysiert werden. Ergänzend sollen Abhängigkeiten, Engpässe und potenzielle Substitutionsmöglichkeiten bewertet werden. Die Arbeit kann in einem prototypischen Mapping münden, das die Rohstoffabhängigkeiten europäischer Schlüsseltechnologien transparent darstellt und Handlungsempfehlungen für eine resilientere Rohstoffstrategie ableitet.

Abteilung: Cybersicherheit komplexer Systeme
Themenbereich: Emergente disruptive Technologien
Kontakt: bewerbung (at) cyberagentur.de

Moderne Gesellschaften sind zunehmend von komplexen, eng vernetzten technischen Systemen abhängig. Der Ausfall einzelner Komponenten – insbesondere im Bereich weltraumgestützter Infrastruktur wie Navigation, Kommunikation oder Erdbeobachtung – kann weitreichende Folgewirkungen erzeugen, die über den unmittelbaren Schaden hinausgehen. Solche Zweit‑ und Drittrundeneffekte sind jedoch häufig schwer vorhersehbar und werden in Risikoanalysen bislang nur unzureichend berücksichtigt.

Im Rahmen dieser Masterarbeit soll untersucht werden, wie sich der Ausfall kritischer Systeme systemisch ausbreitet und welche Mechanismen zu Kaskadeneffekten führen. Ein Schwerpunkt kann auf weltraumgestützten Diensten liegen, deren Ausfall zahlreiche zivile und sicherheitsrelevante Bereiche beeinflusst. Dazu sollen bestehende Modelle der Systeminterdependenz analysiert, typische Ausfallketten identifiziert und exemplarische Szenarien entwickelt werden. Ziel ist es, ein methodisches Rahmenwerk zu erarbeiten, das die Bewertung solcher Folgewirkungen verbessert und Entscheidungsträgern eine fundierte Grundlage für Resilienz‑ und Redundanzstrategien bietet.

Abteilung: Cybersicherheit komplexer Systeme
Themenbereich: Emergente disruptive Technologien
Kontakt: bewerbung (at) cyberagentur.de

Weltraumsoftware bildet das Rückgrat moderner Satelliten‑, Kommunikations‑ und Navigationssysteme. Gleichzeitig unterliegt sie besonderen Anforderungen hinsichtlich Zuverlässigkeit, Strahlungsresistenz und Sicherheitsarchitektur. Trotz dieser hohen Standards existieren zahlreiche bekannte und vermutete Schwachstellen, die jedoch oft fragmentiert dokumentiert oder schwer zugänglich sind. Eine systematische Erfassung und Bewertung solcher Vulnerabilitäten ist daher essenziell, um Risiken frühzeitig zu erkennen und geeignete Schutzmaßnahmen abzuleiten.

Ziel dieser Masterarbeit ist die Entwicklung einer strukturierten Methode zur Sammlung, Kategorisierung und Bewertung von Schwachstellen in weltraumbezogener Software. Dazu sollen bestehende Vulnerability‑Datenbanken, wissenschaftliche Publikationen und sicherheitsrelevante Standards analysiert werden. Auf dieser Grundlage soll ein Bewertungsmodell entstehen, das sowohl technische Kritikalität als auch potenzielle Auswirkungen auf Missionsziele berücksichtigt. Ein prototypisches Repository oder Klassifikationsschema kann als Ergebnis dienen und einen Beitrag zur systematischen Sicherheitsanalyse weltraumgestützter Systeme leisten.