Thesis Topics

Geopolitical tensions such as trade wars, tariffs, sanctions, armed conflicts, and political instability increasingly affect international business activity and corporate investment decisions. Mergers and acquisitions are particularly exposed to such uncertainty, as cross-border deals often depend on stable regulatory environments, predictable market access, and reliable financing conditions.

This thesis reviews the academic literature on how geopolitical tensions influence M&A activity, deal valuation, transaction structures, and post-merger integration. Particular attention may be given to tariffs, war-related uncertainty, sanctions, national security concerns, and changing regulatory scrutiny of foreign acquisitions.

Possible Research Questions:

• How do geopolitical tensions affect the volume and structure of M&A transactions?
• What role do tariffs, sanctions, and trade restrictions play in cross-border acquisition decisions?
• How does geopolitical uncertainty influence deal valuation, risk assessment, and negotiation outcomes?
• Which industries are most affected by M&A activity during periods of war, trade conflict, or political instability?
• How do firms use M&A as a strategic response to geopolitical risks?

Requirements:

• Strong interest in corporate finance, M&A and geopolitics
• Ideally: background in accounting, finance, economics or management
• Interest in literature-based research and academic writing
• Ability to synthesize findings from different research streams

Methodological Approach:

Systematic Literature Review 

• Review of academic literature on M&A, geopolitical risk, tariffs, sanctions, trade policy uncertainty, war, political risk, and cross-border investment
• Identification and structuring of key themes, theories, empirical findings, and research gaps
• Possible development of a conceptual framework linking geopolitical tensions to M&A decision-making and transaction outcomes

Goal:

Develop a structured overview of how geopolitical tensions influence M&A activity and identify relevant mechanisms, empirical findings, and future research opportunities.

Language: English

Start: ASAP

Application: Please apply via the regular application process on our chair’s online portal

Contact: Pablo Ruf (pablo.ruf@tum.de)

Description:
The increasing adoption of Artificial Intelligence (AI) and Generative AI (GenAI) in organizations has created not only new opportunities, but also significant legal and reputational risks. Recent years have seen a growing number of lawsuits, regulatory investigations, and court decisions related to AI usage – including issues such as copyright infringement, data privacy violations, discrimination, hallucinated legal content, and non-compliance with emerging AI regulations.

This thesis aims to systematically analyze legal cases and court decisions related to the use of AI technologies and assess their organizational consequences. The focus lies on understanding which legal risks occur most frequently, what types of penalties or sanctions organizations face, and how AI-related incidents affect companies financially and reputationally.

Possible Research Questions:
· Which types of legal disputes most commonly arise from organizational AI usage?
· What legal consequences have organizations faced due to improper or problematic AI use?
· What financial impacts (e.g., fines, settlements, litigation costs) result from AI-related legal cases?
· How do AI-related legal incidents affect organizational reputation and stakeholder trust?
· Which organizational governance measures help reduce AI-related legal risks?
· How are current regulations and court rulings shaping responsible AI adoption in organizations?

Requirements:
· Strong interest in AI, digital regulation, and corporate governance
· Ideally: background in accounting, law, business administration, information systems, or digital ethics
· Good analytical and writing skills; structured thinking
· Interest in qualitative research and case analysis

Methodological Approach:
Literature Review + Case Study Analysis + Optional Expert Interviews
· Review of existing literature on AI governance, AI regulation, and legal risks
· Collection and analysis of AI-related lawsuits, court rulings, and regulatory enforcement cases
· Categorization of legal consequences (e.g., financial penalties, reputational damage, operational implications)
· Optional: interviews with legal experts, compliance officers, or AI governance professionals

Goal:
Develop a structured understanding of the legal and organizational consequences associated with AI usage and derive implications for responsible AI governance and risk management.

Language: English or German
Start: ASAP
Application: Please apply via the regular application process on our chair’s online portal
Contact: Alina Buss (alina.buss(at)tum.de)

Description:
Generative AI (GenAI) is increasingly transforming accounting work – from automated reporting and financial analysis to audit support and compliance documentation. As these technologies become more integrated into accounting workflows, the required skill profiles for accountants are also evolving. However, it remains unclear to what extent organizations already reflect these changing requirements in their accounting job postings and whether current accounting professionals possess the necessary GenAI-related competencies.

This thesis aims to analyze how GenAI-related skills are currently represented in accounting job advertisements and to assess whether accountants already meet these emerging skill requirements in practice. In addition, the thesis investigates how organizations support the acquisition of these competencies through training, upskilling initiatives, or organizational measures.

Possible Research Questions:

• To what extent are GenAI-related skills already included in current accounting job postings?
• Which technical, analytical, or managerial GenAI competencies are most frequently demanded?
• Do current accounting professionals already possess the required GenAI-related skills?
• What measures do organizations implement to foster GenAI competencies among accountants?
• Are there differences across industries, accounting functions, or company sizes regarding GenAI skill expectations?

Requirements:

• Strong interest in accounting, digital transformation, and AI
• Ideally: background in accounting, finance, human resource management, business analytics, or information systems
• Good analytical and writing skills; structured thinking
• Interest in empirical research methods such as surveys, interviews, or qualitative content analysis

Methodological Approach:
Literature Review + Job Posting Analysis + Empirical Study (Survey and/or Interviews)

• Review of existing literature on GenAI competencies and digital skill transformation in accounting
• Content analysis of current accounting job postings to identify demanded GenAI-related skills
• Survey and/or interviews with accounting professionals and organizations regarding current competencies and upskilling initiatives
• Comparison between market demands and perceived workforce readiness

Goal:
Develop insights into how the accounting profession is adapting to GenAI-driven skill changes and identify potential gaps between organizational expectations and current workforce capabilities.

Language: English or German
Start: ASAP
Application: Please apply via the regular application process on our chair’s online portal
Contact: Alina Buss (alina.buss(at)tum.de)

Description:
Large Language Models (LLMs) such as OpenAI ChatGPT, Anthropic Claude, or Google Gemini are increasingly used in accounting-related tasks, including financial reporting, technical accounting research, and compliance support. However, these models are trained on globally distributed datasets and may exhibit regional biases in their accounting knowledge and reasoning capabilities. For example, some models may perform better on US-GAAP-related tasks than on HGB or IFRS topics due to differences in training data representation.

This thesis aims to systematically investigate regional biases across different LLMs in the accounting domain. The focus lies on evaluating how well different models handle accounting standards and country-specific reporting practices (e.g., HGB, IFRS, US-GAAP) and identifying potential differences in accuracy, terminology, reasoning quality, or regulatory alignment.

Possible Research Questions:

• Do different LLMs exhibit biases toward specific accounting standards or regional reporting systems?
• How does LLM performance differ across HGB-, IFRS-, and US-GAAP-related accounting tasks?
• Which factors (e.g., training data availability, model architecture, prompting strategy) may explain regional performance differences?
• What implications do regional biases in LLMs have for the use of GenAI in international accounting practice?

Requirements:

• Strong interest in accounting, AI, and emerging technologies
• Ideally: background in accounting, finance, information systems, or data analytics
• Interest in empirical experimentation and structured evaluation
• Basic experience with prompting, Python, or API-based experimentation is beneficial, but not required

Methodological Approach:
Literature Review + Experimental Study

• Review of literature on LLM evaluation, AI bias, and accounting applications of GenAI
• Development of accounting-related benchmark tasks across different accounting standards (e.g., HGB, IFRS, US-GAAP)
• Systematic comparison of multiple LLMs using standardized prompts and evaluation criteria
• Analysis of regional strengths, weaknesses, and potential sources of bias

Goal:
Develop a structured understanding of regional biases in LLM-based accounting applications and derive implications for the reliable use of GenAI in international accounting contexts.

Language: English or German
Start: ASAP
Application: Please apply via the regular application process on our chair’s online portal
Contact: Alina Buss (alina.buss(at)tum.de)

Description:

Machine Learning (ML) techniques have become integral to the digital transformation of accounting. From fraud detection and predictive analytics to automated classification and forecasting, these technologies enhance efficiency, accuracy, and insight generation across various accounting tasks.

This thesis aims to systematically explore non-generative AI applications—specifically ML models—in accounting. The focus lies on practical use cases, technological requirements, limitations, and organizational implications. Importantly, generative AI (e.g., ChatGPT, LLMs) and Deep Learning is explicitly excluded from the scope to ensure a clear focus on predictive and classification-oriented AI systems.

Possible Research Questions:

• What are the most common ML applications in accounting processes such as auditing, forecasting, or fraud detection?
• How do ML models differ in their accounting use cases compared to traditional rule-based systems?
• What data, skills, and infrastructure are required to successfully implement ML in accounting departments?
• What are the key limitations and risks (e.g., data quality, model bias, explainability) of using ML in accounting?
• How are accounting roles and decision-making processes affected by the adoption of ML technologies?

Requirements:

• Interest in accounting, data analytics, and AI technologies
• Ideally: background in accounting, finance, business analytics, or information systems
• Strong research and writing skills; technical familiarity with ML concepts is a plus
• Optional: interest in practical validation (e.g., expert interviews or reviewing case studies)

Methodological Approach:

Systematic Literature Review + Optional Survey or Expert Interviews

• Systematic review of academic and practitioner literature on ML in accounting
• Categorization by use case, algorithm type (e.g., decision trees, neural networks), and impact on workflows
• Optional: conduct a survey or 2–3 expert interviews with professionals in finance, auditing, or AI implementation

Goal:

Map the current landscape of non-generative AI in accounting, identify opportunities and limitations of ML applications, and explore their organizational implications.

Language: English or German

Start: ASAP

Application: Please apply via the regular application process on our chair’s online portal

Contact: Alina Buss (alina.buss(at)tum.de)

Deep Learning (DL) techniques have become integral to the digital transformation of accounting. From fraud detection and predictive analytics to automated classification and forecasting, these technologies enhance efficiency, accuracy, and insight generation across various accounting tasks.

This thesis aims to systematically explore non-generative AI applications—specifically DL models—in accounting. The focus lies on practical use cases, technological requirements, limitations, and organizational implications. Importantly, generative AI (e.g., ChatGPT, LLMs) and Deep Learning is explicitly excluded from the scope to ensure a clear focus on predictive and classification-oriented AI systems.

Possible Research Questions:

• What are the most common DL applications in accounting processes such as auditing, forecasting, or fraud detection?
• How do DL models differ in their accounting use cases compared to traditional rule-based systems?
• What data, skills, and infrastructure are required to successfully implement DL in accounting departments?
• What are the key limitations and risks (e.g., data quality, model bias, explainability) of using DL in accounting?
• How are accounting roles and decision-making processes affected by the adoption of DL technologies?

Requirements:

• Interest in accounting, data analytics, and AI technologies
• Ideally: background in accounting, finance, business analytics, or information systems
• Strong research and writing skills; technical familiarity with DL concepts is a plus
• Optional: interest in practical validation (e.g., expert interviews or reviewing case studies)

Methodological Approach:

Systematic Literature Review + Optional Survey or Expert Interviews

• Systematic review of academic and practitioner literature on DL in accounting
• Categorization by use case, algorithm type (e.g., decision trees, neural networks), and impact on workflows
• Optional: conduct a survey or 2–3 expert interviews with professionals in finance, auditing, or AI implementation

Goal:

Map the current landscape of non-generative AI in accounting, identify opportunities and limitations of DL applications, and explore their organizational implications.

Language: English or German

Start: ASAP

Application: Please apply via the regular application process on our chair’s online portal

Contact: Alina Buss (alina.buss(at)tum.de)

Description:
Generative AI (GenAI) and agentic AI are increasingly entering strategic decision-making processes - from strategy analysis and option generation to board briefings, governance, and managerial sensemaking. These developments raise important questions about how AI systems should be integrated into strategy work, which roles they can responsibly take, and how managers can retain accountability in AI-supported decisions.
Theses in this topic area examine how GenAI changes corporate strategy processes, how organizations communicate and govern AI use, and how decision-makers evaluate AI-generated recommendations. Depending on the specific topic, students may work conceptually, empirically, or with light prototyping and evaluation approaches.

Possible Research Questions:

• Which roles can GenAI take in strategy work, from copilot and challenger to scenario generator and decision-preparation agent? (BA/MA)
• How do large corporations publicly define GenAI use, governance, and restrictions for strategic functions? (BA)
• How do explanations, transparency cues, and confidence signals influence trust and accountability in AI-based managerial or board-level recommendations? (BA/MA)
• How ready are corporate strategy processes for agentic AI, and which operating-model changes are required? (BA/MA)
• How can human-in-the-loop governance define decision rights, risk controls, and oversight mechanisms for strategic AI agents? (MA)
• How do managers use GenAI to interpret ambiguous strategic information in planning and sensemaking processes? (MA)

Requirements:

• Strong interest in corporate strategy, strategic decision-making, digital transformation, and AI
• Good analytical and writing skills; structured thinking and willingness to synthesize academic and practitioner-oriented sources
• Interest in empirical methods such as document analysis, surveys, vignette experiments, interviews, or expert workshops
• For selected topics, access to company data, company documents, interview partners, or survey participants may be required or highly beneficial
• For more technical topics, familiarity with GenAI tools, prompt design, workflow thinking, or basic prototyping is advantageous

Methodological Approach (exemplary - to be defined for each research question):
Literature Review + Document/Case Analysis + Empirical Study (Survey/Interviews) + Optional Process Model or Prototype

• Review existing literature on GenAI, AI agents, corporate strategy, explainability, trust, and AI governance
• Analyze public corporate AI policies, strategy cases, or board-style decision materials
• Conduct surveys, vignette experiments, interviews, or expert workshops depending on the selected topic
• Develop typologies, readiness checklists, human-AI process models, or governance frameworks for strategic AI use

Goal:
Develop insights into how GenAI and agentic AI change strategic decision-making and identify practical design, governance, and capability requirements for responsible AI-supported decision-making

Language: English
Start: ASAP
Application: Please apply via the regular application process on our chair’s online portal
Contact: Timo Deller (timo.deller(at)tum.de)

Description:
Geopolitical uncertainty affects international strategy, supply chains, compliance, sanctions exposure, and market decisions. GenAI can potentially support firms by summarizing risk information, identifying weak signals, generating scenarios, and translating external events into managerial alerts or decision recommendations.
Theses in this topic area analyze how GenAI can support geopolitical risk monitoring and decision-making, while also addressing reliability, bias, uncertainty, source quality, and trust. Topics range from prompt-based content analyses and risk-brief comparisons to scenario planning, risk triage frameworks, and early-warning prototypes.

Possible Research Questions:

• How do GenAI-generated country-risk briefs compare with human-written analyst reports regarding factuality, actionability, structure, and missing risks? (BA)
• How do prompt design and source requirements shape the geopolitical risks identified by GenAI? (BA)
• Which data sources are suitable for AI-based geopolitical risk monitoring, and what limitations arise regarding bias, latency, quality, sanctions compliance, and governance? (BA)
• Does GenAI produce biased country-risk narratives across countries or regions, and what are the implications for international strategy? (BA)
• How can AI-supported workflows transform public risk signals into early-warning alerts, risk triage, or managerial actions? (MA)
• How can GenAI support scenario planning for geopolitical shocks, and how should scenario quality be evaluated? (MA)
• How do uncertainty, source citation, and confidence language influence trust in AI-generated geopolitical advice? (MA)

Requirements:

• Strong interest in geopolitical risk, international strategy, risk management, compliance, and AI-supported decision-making
• Good analytical and writing skills; ability to work carefully with public risk information and structured evaluation criteria
• Interest in empirical methods such as content analysis, prompt experiments, surveys, expert feedback, or prototype evaluation
• For selected topics, access to company data, expert feedback, interview partners, or survey participants may be required or highly beneficial
• For technical or prototype-oriented topics, skills in prompt engineering, data structuring, retrieval-based tools, or basic programming are advantageous

Methodological Approach (exemplary - to be defined for each research question):
Literature Review + Prompt/Content Analysis + Scenario or Prototype Evaluation + Empirical Study

• Review literature on geopolitical risk, AI-supported risk monitoring, sanctions compliance, scenario planning, and trust in AI advice
• Compare GenAI outputs with analyst-style reports, public risk sources, sanctions scenarios, or country-risk narratives
• Run prompt experiments, content coding, scenario simulations, or rubric-based evaluations of AI-generated risk assessments
• Develop early-warning, risk-triage, or scenario-planning frameworks and validate them with public examples, experts, or survey participants

Goal:
Generate practical insights into the opportunities and limitations of GenAI for geopolitical risk management and identify how firms can use AI-supported risk information responsibly under uncertainty

Language: English
Start: ASAP
Application: Please apply via the regular application process on our chair’s online portal
Contact: Timo Deller (timo.deller(at)tum.de)

Description:
Mergers and acquisitions involve complex information processing before, during, and after a transaction. GenAI can potentially support due diligence, target screening, synergy analysis, cultural-risk assessment, integration communication, and post-merger integration planning.
Theses in this topic area examine where GenAI and AI agents can create value in M&A and PMI and where they introduce new governance risks. Students may analyze public transaction cases, test AI-generated outputs, develop target-screening or PMI workflows, or study responsible AI controls for high-stakes transaction contexts.

Possible Research Questions:

• Which GenAI use cases and risks arise in commercial, financial, legal, HR, and technology due diligence? (BA/MA)
• Can GenAI generate plausible synergy hypotheses for historical acquisitions when only pre-deal information is available? (BA)
• How can GenAI support employee communication, integration playbooks, and adaptive integration planning during PMI? (BA/MA)
• How can AI agents support M&A target screening, ranking, and risk flagging based on public or company data? (MA)
• How could an agentic PMO track PMI milestones, risks, and decision escalations while preserving human oversight? (MA)
• Which governance principles are needed to manage confidentiality, hallucination, data leakage, and accountability risks in AI-supported M&A? (MA)

Requirements:

• Strong interest in M&A, due diligence, post-merger integration, corporate development, governance, and AI
• Good analytical and writing skills; ability to work with transaction cases, qualitative material, and structured evaluation criteria
• Interest in empirical methods such as structured literature reviews, case analysis, prompt benchmarks, interviews, content analysis, or prototype simulation
• For selected topics, access to company data, company documents, expert interviews, or transaction-related data may be required or highly beneficial
• For technical topics, basic skills in GenAI workflow design, prompt testing, public-data analysis, or prototype development are advantageous

Methodological Approach (exemplary - to be defined for each research question):
Literature Review + Case Analysis + Prompt Benchmark + Interviews or Prototype Simulation

• Review literature and practitioner sources on GenAI in due diligence, M&A target screening, synergy evaluation, PMI, and responsible AI
• Analyze public transaction cases, company materials, integration scenarios, or AI-generated M&A outputs
• Run prompt benchmarks or scenario evaluations to assess cultural-risk detection, synergy hypotheses, integration communication, or PMI plans
• Develop risk-control frameworks, target-screening workflows, integration-planning concepts, or agentic PMO simulations

Goal:
Identify how GenAI and AI agents can support M&A and PMI while developing safeguards for reliability, confidentiality, accountability, and human oversight in transaction-related decision-making

Language: English
Start: ASAP
Application: Please apply via the regular application process on our chair’s online portal
Contact: Timo Deller (timo.deller(at)tum.de)

Description:
Corporate administrative processes in HR, finance, procurement, legal, IT, and management reporting are increasingly affected by GenAI, copilots, and AI agents. These tools may classify service tickets, answer policy questions, draft meeting minutes, prepare recurring reports, or support supplier risk screening.
Theses in this topic area analyze how GenAI and agentic AI can transform administrative workflows, how accurate and reliable these systems are, and which control points are needed before deployment. Topics range from conceptual comparisons and prompt benchmarks to retrieval-based assistants, reporting prototypes, and procurement risk workflows.

Possible Research Questions:

• How accurately can GenAI classify HR, finance, IT, or other internal service requests, and what are the limits of deployment? (BA)
• How do robotic process automation, workflow automation, GenAI copilots, and AI agents differ in their suitability for administrative processes? (BA)
• How can AI agents transform HR, finance, procurement, legal administration, or executive reporting workflows? (MA)
• How can retrieval-based assistants answer corporate policy questions accurately while defining escalation and control rules? (MA)
• How can AI agents support risk screening across country, ESG, sanctions, and delivery risks? (MA)

Requirements:

• Strong interest in business process management, corporate administration, automation, reporting, and AI agents
• Good analytical and writing skills; structured thinking and willingness to evaluate AI outputs against explicit criteria
• Interest in empirical methods such as prompt benchmarking, classification evaluation, error analysis, process mapping, interviews, or prototype evaluation
• For selected topics, access to company data, anonymized tickets, corporate policy documents, sample reporting data, or interview partners may be required or highly beneficial
• For technical topics, skills in prompt engineering, data handling, retrieval-augmented generation, basic programming, or prototype development are advantageous

Methodological Approach (exemplary - to be defined for each research question):
Literature Review + Process Mapping + Prompt Benchmark + Error Analysis + Prototype Evaluation

• Review literature on administrative automation, RPA, GenAI copilots, AI agents, knowledge management, reporting, and process governance
• Map current and AI-enabled workflows for selected administrative processes or corporate functions
• Evaluate AI outputs using prompt benchmarks, classification accuracy, hallucination analysis, or source-grounded Q&A tests
• Develop or simulate GenAI workflows for ticket classification, executive reporting, policy helpdesks, meeting summaries, or procurement risk screening

Goal:
Develop actionable insights into where GenAI and AI agents can improve administrative processes and where reliability, data access, control rules, and human escalation mechanisms remain necessary

Language: English
Start: ASAP
Application: Please apply via the regular application process on our chair’s online portal
Contact: Timo Deller (timo.deller(at)tum.de)

Description:
As organizations move from experimentation with GenAI toward more agentic workflows, they need to understand adoption maturity, value creation, governance, and responsible use. At the same time, informal or uncoordinated GenAI use by employees can create both productivity benefits and governance risks.
Theses in this topic area examine how firms can assess their readiness for agentic AI, measure the value of AI use cases, define responsible guardrails, and understand shadow AI practices in corporate strategy and related functions. The topics are suitable for students interested in digital transformation, governance, value measurement, and organizational behavior.

Possible Research Questions:

• How can corporations assess their maturity from experimentation with GenAI to scaled agentic workflows? (BA)
• Which responsible GenAI guardrails are needed for strategy analysts, students, or junior consultants using GenAI for strategic analysis? (BA)
• How can firms measure the ROI of agentic AI use cases across productivity, quality, risk, and organizational learning? (MA)
• How does shadow AI emerge in strategy, consulting, or corporate development work, and which benefits and governance risks does it create? (MA)
• How can adoption maturity, ROI measurement, and responsible-use guardrails be combined into an actionable governance framework for corporate functions? (BA/MA)

Requirements:

• Strong interest in digital transformation, AI adoption, responsible AI, corporate governance, strategy work, and organizational change
• Good analytical and writing skills; ability to synthesize literature and derive clear frameworks, maturity models, or practical recommendations
• Interest in empirical methods such as case analysis, interviews, surveys, document analysis, or qualitative content analysis
• For selected topics, access to company data, interview partners, survey participants, or organizational use-case information may be required or highly beneficial
• For value-measurement topics, interest in ROI logic, performance measurement, productivity effects, and qualitative or quantitative evaluation is advantageous

Methodological Approach (exemplary - to be defined for each research question):
Literature Review + Framework Development + Case Analysis + Interviews or Survey

• Review literature on AI adoption, agentic AI, responsible AI, digital transformation, maturity models, ROI, and shadow IT or shadow AI
• Develop maturity models, guardrail frameworks, value-measurement models, or governance concepts for corporate AI use
• Analyze public company cases, practitioner sources, or organizational examples of GenAI adoption and value creation
• Conduct interviews or surveys with practitioners, students, analysts, or corporate employees where appropriate.

Goal:
Support organizations in moving from isolated GenAI experimentation to responsible, value-oriented, and governed adoption of agentic AI in corporate functions

Language: English
Start: ASAP
Application: Please apply via the regular application process on our chair’s online portal
Contact: Timo Deller (timo.deller(at)tum.de)

Description:
Millions of households now own batteries, heat pumps, and EV chargers — a vast pool of potential flexibility that could ease grid stress and cut reinforcement costs. The catch: this flexibility is decentralized and self-interested. Price signals alone often fail to coordinate it at the moments the grid needs most. A range of mechanisms — from dynamic tariffs to virtual power plants, energy communities, and direct grid control — promise to solve this, but they differ sharply in how well they work and what they demand from households.

This thesis maps and compares the main mechanisms for aggregating residential flexibility, assessing each against the criteria that matter for grid relief, fairness, and feasibility.

Possible Research Questions:

• What mechanisms exist to coordinate decentralized residential flexibility (price-based tariffs, direct/regulated control, aggregators/VPPs, energy communities, local flexibility markets)?
• How does each perform on effectiveness, transparency, fairness, consumer acceptance, and regulatory feasibility?
• Where do price-based signals fall short, and which mechanisms address those gaps?
• What trade-offs arise between effectiveness and household autonomy/transparency?
• Which mechanisms appear most promising under deep electrification?

Requirements:

• Strong interest in energy systems, flexibility, and the power sector
• Ideally: background in economics, management, engineering, or energy systems
• Interest in structured, literature-based research and academic writing
• Ability to synthesize and compare evidence across different research streams

Methodological Approach:
Structured comparison at the heart of the flexibility debate

• Survey the landscape of coordination mechanisms across academic and policy literature
• Build a clear evaluation framework and apply it consistently across mechanisms
• Surface the trade-offs — what each mechanism delivers, what it costs households, and where the open gaps lie

Goal:
Develop a structured comparison of mechanisms for aggregating residential flexibility, clarifying their strengths, trade-offs, and suitability for coordinating households under deep electrification.

Language: English or German
Start: ASAP
Application: Please apply via the regular application process on our chair’s online portal
Contact: Alexander Oertmann (alexander.oertmann(at)tum.de)

Description:
Across Europe, governments spend billions subsidizing residential solar and battery systems — but they do it in very different ways. Some pay per kilowatt installed, others reward self-consumption, energy content, or feed-in. These design choices shape who adopts, who benefits, and whether public money actually delivers value to the energy system. Yet a clear, comparative picture of how these schemes are built is surprisingly hard to find.

This thesis maps and classifies residential PV-battery subsidy schemes across Germany and selected European countries, revealing what behaviors each design rewards — and what it overlooks.

Possible Research Questions:

• How are residential PV and battery subsidies designed across Germany and other European countries?
• What is each scheme's subsidy base (per-kWp, self-consumption, capacity, energy content, feed-in)?
• Which household behaviors does each design reward — and which does it ignore?
• How do support levels and eligibility rules differ across jurisdictions?
• Do any schemes link support to a system's contribution to grid relief or peak reduction?

Requirements:

• Strong interest in energy policy and the European renewable energy sector
• Ideally: background in economics, management, or energy systems
• Interest in comparative policy research and structured academic writing
• Ability to gather and organize information from diverse national sources

Methodological Approach:
Comparative policy mapping across Europe's subsidy landscape

• Track down and decode real subsidy schemes from regulatory and policy sources across multiple countries
• Classify them along a clear typology of subsidy bases, levels, and eligibility rules
• Surface the patterns: what these schemes incentivize, where they diverge, and what they leave on the table

Goal:
Develop a clear, structured comparison of European residential PV-battery subsidy schemes, classified by design and incentive logic, as a foundation for assessing how well public support aligns with system value.

Language: English or German
Start: ASAP
Application: Please apply via the regular application process on our chair’s online portal
Contact: Alexander Oertmann (alexander.oertmann(at)tum.de)

Description:
Electrifying heating and mobility means millions of new heat pumps, EVs, and batteries drawing on a distribution grid that was never built for them. The result: a looming wave of grid reinforcement — new cables, transformers, and feeders — projected to cost European grid operators billions. But how big is the bill really? Published estimates vary enormously depending on country, method, and assumptions, and no clear comparative picture exists.

This thesis collects, structures, and benchmarks projected distribution-grid reinforcement cost estimates across European studies, creating a comparable reference for how much electrification will cost the grid — and what drives the differences.

Possible Research Questions:

• What reinforcement cost estimates do European DSO studies and academic papers report?
• How do costs differ by country, grid level (LV/MV/HV), and area type (rural vs. urban)?
• Which assumptions (adoption rates, methods, cost parameters) drive the biggest differences?
• What share of costs falls on which grid level — and where are the cost hotspots?
• Can the estimates be normalized into comparable figures (e.g., € per household)?

Requirements:

• Strong interest in energy infrastructure and the European power sector
• Ideally: background in economics, engineering, management, or energy systems
• Comfort comparing studies with differing methods and assumptions
• Care and rigor in structuring and normalizing quantitative findings

Methodological Approach:
Cost detective work across Europe's grid studies

• Track down and decode reinforcement cost estimates from DSO reports, regulatory studies, and academic literature
• Structure them by country, grid level, method, and underlying assumptions
• Where possible, normalize into comparable benchmarks and surface what really drives the cost differences

Goal:
Develop a structured, comparable overview of projected European distribution-grid reinforcement costs, identifying key drivers and a defensible benchmark range to ground future modeling work.

Language: English or German
Start: ASAP
Application: Please apply via the regular application process on our chair’s online portal
Contact: Alexander Oertmann (alexander.oertmann(at)tum.de)

Description:
As heat pumps, EV chargers, rooftop PV, and home batteries spread across German households, the distribution grid faces growing strain. Paragraph 14a of the German Energy Industry Act (§14a EnWG) is the central regulatory answer: since 2024 it allows grid operators to control flexible household devices — in exchange for reduced network charges. The framework is evolving rapidly and sits at the heart of Germany's energy transition.

This thesis maps the current §14a framework and its reform trajectory, and assesses what it would take to move from today's defensive curtailment toward genuine coordination of household flexibility — including the growing role of PV and battery storage.

Possible Research Questions:

• What does §14a EnWG currently allow grid operators to do, and for which devices?
• How do Modules 1–3 (flat reduction, variable, and time-variable grid fees) differ in incentives and effects?
• How is the framework evolving (EU Directive 2024/1711, recent Bundesnetzagentur revisions)?
• What would active coordination of flexible household devices (heat pumps, EV charging, battery dispatch) require beyond the current curtailment-focused rules?
• How does §14a compare to flexibility regulations in other European countries?

Requirements:

• Strong interest in energy regulation and the German/European power sector
• Ideally: background in economics, management, or energy systems
• Interest in policy-based research and structured academic writing
• Ability to synthesize fast-moving regulatory developments

Methodological Approach:
Hands-on regulatory detective work at the frontier of energy policy

• Dive into the legal texts, regulatory filings, and academic debate shaping §14a — a regulation still being written in real time
• Untangle and structure the framework's modules, mechanisms, and reform direction into a clear picture
• Possible comparison with flexibility regulations in other European jurisdictions 

Goal:
Develop a clear, structured overview of §14a EnWG and its trajectory, identifying what current regulation enables and what coordinated household flexibility would require.

Language: English or German
Start: ASAP
Application: Please apply via the regular application process on our chair’s online portal
Contact: Alexander Oertmann (alexander.oertmann(at)tum.de)

Description:
The transition toward low-carbon energy systems requires substantial investments in new energy carrier infrastructure such as hydrogen and CO₂ transport networks. Current policy and regulatory approaches often prioritize large-scale backbone expansion and rapid capacity build-up. However, under high uncertainty regarding future demand, flexible, modular, and multimodal infrastructure systems may offer advantages in terms of adaptability, resilience, and long-term system efficiency.

This thesis investigates how regulatory and financial incentive structures influence infrastructure investment decisions and whether current policy frameworks sufficiently account for uncertainty, system flexibility, and adaptive infrastructure development. Particular attention may be given to the role of subsidy schemes, infrastructure regulation, and coordination in shaping infrastructure development pathways and avoiding inefficient overbuilding or infrastructure lock-ins.

Possible Research Questions:

• How should infrastructure investments be evaluated when flexibility itself creates long-term system value?
• Which regulatory frameworks enable adaptive infrastructure expansion without creating inefficient overbuilding or infrastructure lock-ins?     
• How should regulators address the “hen-and-egg” problem in emerging energy carrier infrastructure without incentivizing inefficient overinvestment?
• Which investment and subsidy mechanisms encourage infrastructure adaptability rather than pure expansion volume? 

Requirements:

• Strong interest in energy systems, infrastructure policy, and sustainability transitions
• Ideally: background in energy economics, management, accounting, or finance
• Interest in empirical research methods such as surveys, interviews, or qualitative content analysis
• Good analytical and writing skills; structured thinking

Methodological Approach:
Literature Review + Comparative Policy Analysis OR Expert Interviews

• Review of literature on infrastructure regulation, adaptive planning, flexibility, infrastructure lock-ins, and investment under uncertainty
• Option 1: Comparative policy analysis of 3-4 regions regarding risk allocation, incentive structure, infrastructure coordination, flexibility mechanisms, and lock-in prevention
• Option 2: Semi-structured expert interviews (min. 12) with regulators, infrastructure operators, policymakers, investors, consultants, or industry stakeholders and thematic analysis around risk allocation, incentive structure, infrastructure coordination, flexibility mechanisms, and lock-in prevention 

Goal:
Develop insights into how regulatory and financial frameworks can support efficient, flexible, and adaptive infrastructure development under uncertain future demand conditions.

Language: English or German
Start: ASAP
Application: Please apply via the regular application process on our chair’s online portal
Contact: Céline M. Sandmaier (celine.sandmaier(at)tum.de)

Hintergrund

Die Rahmenbedingungen der Unternehmensfinanzierung verändern sich durch die zunehmende Bedeutung von ESG-Kriterien. Banken berücksichtigen Nachhaltigkeitsaspekte verstärkt in Kreditvergabe- und Risikobewertungsprozessen. Für viele kleine und mittlere Unternehmen, insbesondere Handwerksbetriebe, ist jedoch bislang unklar, welche ESG-Informationen Banken konkret erwarten, welche Nachweise tatsächlich kreditrelevant sind und wie stark sich die Anforderungen zwischen verschiedenen Kreditinstituten unterscheiden.

Gerade Handwerksbetriebe verfügen häufig nicht über eigene Nachhaltigkeitsabteilungen oder standardisierte ESG-Dokumentationen. Dadurch besteht das Risiko, dass bestehende Nachhaltigkeitsmaßnahmen nicht systematisch erfasst, gegenüber Banken nicht ausreichend kommuniziert oder in Kreditprozessen nicht angemessen berücksichtigt werden.

Vor diesem Hintergrund soll die Masterarbeit untersuchen, welche ESG-Kriterien bei der Kreditvergabe an Handwerksbetriebe eine Rolle spielen und wie Betriebe diese Anforderungen praktisch erfüllen, dokumentieren und kommunizieren können. Die Arbeit ist an ein praxisnahes Forschungsprojekt an der Schnittstelle von Finanzwirtschaft, Nachhaltigkeit und Handwerk angelehnt, welches am Ludwig-Fröhler-Institut bearbeitet wird.

Ziel der Masterarbeit

Ziel der Arbeit ist es,

- die ESG-Anforderungen verschiedener Banken im Kreditvergabeprozess zu untersuchen,
- Gemeinsamkeiten und Unterschiede zwischen Banken herauszuarbeiten,
- mögliche ESG-Abfrage-, Bewertungs- oder Ratinglogiken zu systematisieren,
- und konkrete Handlungsempfehlungen für Handwerksbetriebe abzuleiten.

Der Fokus liegt dabei auf der Frage:

Welche ESG-Kriterien spielen bei der Kreditvergabe an Handwerksbetriebe eine Rolle – und wie können Betriebe diese Anforderungen praktisch erfüllen, dokumentieren und gegenüber Banken kommunizieren?

Vorgehen und Methodik

Die Arbeit kombiniert wissenschaftliche Fundierung mit starkem Praxisbezug:

1) Literatur- und Regulierungsanalyse
- Analyse wissenschaftlicher Literatur zu Sustainable Finance, ESG, KMU-Finanzierung und bankbezogener Nachhaltigkeitsbewertung
- Auswertung relevanter regulatorischer Entwicklungen und öffentlich verfügbarer Bankinformationen
- Einordnung der Bedeutung von ESG-Kriterien für Kreditvergabe und Risikobewertung

2) Empirische Untersuchung
- Qualitative Expertengespräche mit Vertreter:innen von Banken, Sparkassen, Genossenschaftsbanken, Förderinstituten oder Finanzierungsexpert:innen
- Ziel: Erhebung, welche ESG-Informationen im Kreditprozess abgefragt werden, welche Kriterien besonders relevant sind und ob standardisierte Fragebögen oder Scoring-Modelle genutzt werden
- Alternativ oder ergänzend: strukturierte Bankbefragung auf Basis fiktiver Fallbeispiele von Handwerksbetrieben

3) Systematisierung und Praxisübertragung
- Vergleich der Anforderungen verschiedener Banktypen
- Ableitung möglicher ESG-Bewertungs- oder Abfragelogiken
- Übersetzung der Ergebnisse in konkrete Empfehlungen für Handwerksbetriebe

Ergebnis der Arbeit

Als Ergebnis sollen entstehen:

- eine strukturierte Übersicht über ESG-Anforderungen verschiedener Banken,
- eine Einordnung, welche ESG-Kriterien für Handwerksbetriebe besonders relevant sind,
- eine Typologie möglicher ESG-Abfrage- oder Bewertungsansätze,
- konkrete Best Practices für Handwerksbetriebe,
- sowie Empfehlungen zur Dokumentation und Kommunikation von Nachhaltigkeitsmaßnahmen gegenüber Banken.

Mögliche praxisnahe Ansatzpunkte sind beispielsweise CO₂-Bilanzierung, Energieeffizienzmaßnahmen, Lieferkettennachweise, Governance-Strukturen oder die systematische Aufbereitung bereits bestehender Nachhaltigkeitsaktivitäten.

Die Ergebnisse sollen dazu beitragen, ESG-Anforderungen in der Kreditvergabe für Handwerksbetriebe transparenter zu machen und konkrete Unterstützungsmöglichkeiten für Betriebe, Handwerksorganisationen und Beratungspraxis abzuleiten.

Erwartungen an Bewerber:innen

- Interesse an Sustainable Finance, ESG, Kreditvergabe und KMU-Finanzierung
- Interesse am Handwerk und an praxisnaher Forschung
- Bereitschaft zu empirischer Arbeit, insbesondere Interviews, Dokumentenanalyse oder strukturierter Bankbefragung
- Strukturierte, eigenständige und sorgfältige Arbeitsweise
- Sehr gute Deutschkenntnisse für Interviews und Auswertung
- Gute Englischkenntnisse für Literatur- und Regulierungsrecherche
- Hohe Eigenmotivation und ein ausgeprägter Anspruch an sauberes wissenschaftliches Arbeiten

Was wir bieten

- Bearbeitung eines hochaktuellen und praxisrelevanten Themas
- Mitarbeit an einem echten Forschungsprojekt mit Praxispartner
- Enge Betreuung im Rahmen eines anwendungsorientierten Forschungsprojekts
- Einblick in die Schnittstelle von Finanzwirtschaft, Nachhaltigkeit und Handwerk
- Möglichkeit, konkrete Ergebnisse für Handwerksbetriebe, Handwerksorganisationen und Beratungspraxis zu entwickeln

Sprache: Deutsch
Start: Mitte Juni, Juli, August
Kontakt: Alina Gries, alina.gries[at]tum.de

Hintergrund:

Die Unternehmensnachfolge zählt zu den zentralen Zukunftsfragen im deutschen Handwerk. Viele Betriebe stehen in den kommenden Jahren vor einem Generationenwechsel, während geeignete Nachfolgerinnen und Nachfolger nicht immer innerhalb der Familie oder des Betriebs verfügbar sind. Dadurch gewinnen neben klassischen internen Nachfolgelösungen zunehmend externe Übergabeformen an Bedeutung. Die Entscheidung für eine bestimmte Nachfolgeform ist dabei nicht allein eine ökonomische oder organisatorische Frage. Für viele Inhaber:innen geht es zugleich um das eigene Lebenswerk, Verantwortung gegenüber Mitarbeitenden, familiäre Erwartungen, finanzielle Absicherung, regionale Verwurzelung und die Zukunft des Betriebs. Entsprechend können sehr unterschiedliche Motive hinter der Auswahl eines Nachfolgers bzw. einer Nachfolgerin stehen wie der Wunsch nach Kontinuität oder der Erhalt von Tradition und Arbeitsplätzen.

Zielsetzung und mögliche Forschungsfragen:

Ziel der Arbeit ist es, die Motive von Inhaber:innen bei der Unternehmensübergabe theoretisch und empirisch zu systematisieren. Im Fokus steht die Frage, welche Beweggründe, Zielkonflikte und Entscheidungskriterien für abgebende Inhaber:innen bei der Auswahl eines Nachfolgers bzw. einer Nachfolgeform relevant sind. Die Arbeit soll qualitative Interviews nutzen, um mögliche Motive aus der Literatur zu verifizieren bzw. falsifizieren und weiterzuentwickeln. Darauf aufbauend sollen Dimensionen erarbeitet werden, die später in einer quantitativen Befragung zur Typologisierung von Inhaber:innen genutzt werden können. Mögliche Leitfragen sind u. a.:

• Welche Motive prägen Inhaber:innen bei der Planung und Gestaltung der Unternehmensübergabe?
• Welche Motive sprechen eher für interne Nachfolgeformen, welche eher für externe Nachfolgelösungen?
• Welche vorläufigen Inhabertypen lassen sich aus den qualitativen Erkenntnissen ableiten?

Diese Abschlussarbeit ist eingebettet in ein laufendes, praxisorientiertes Forschungsprojekt des Ludwig-Fröhler-Instituts. Die Ergebnisse sollen eine zentrale Grundlage für die spätere quantitative Untersuchung von Nachfolgeformen und Inhabertypen bilden.

Vorgehen und Methodik:

Die Arbeit verbindet wissenschaftliche Fundierung mit qualitativer empirischer Forschung:

• Theoretische und empirische Literaturarbeit
  (z. B. Socioemotional Wealth, Agency- und Stewardship-Theory, Resource-Based View, Identität und Lebenswerklogiken sowie Forschung zu Exit, Ownership und Nachfolgeintentionen)
• Entwicklung eines Motivrasters
  (Systematische Ableitung potenzieller Motivdimensionen von Inhaber:innen: z. B. finanzielle Absicherung, Fortführung des Lebenswerks, Familienkontinuität, regionale Verantwortung)
• Qualitative Interviews mit Inhaber:innen
  (z.B. leitfadengestützte Interviews mit abgebenden oder übergabeerfahrenen Inhaber:innen aus dem Handwerk)
• Qualitative Auswertung
  (z. B. mithilfe qualitativer Inhaltsanalyse, um wiederkehrende Motivmuster, Zielkonflikte und Entscheidungslogiken herauszuarbeiten)

Dein Profil:

• Interesse an Unternehmensnachfolge, Familienunternehmen, KMU, Handwerk und qualitativer Forschung
• Freude an konzeptioneller Arbeit und an der Übersetzung praxisnaher Beobachtungen in wissenschaftlich nutzbare Konstrukte
• Interesse an Interviews, qualitativer Inhaltsanalyse und empirischer Sozialforschung
• Grundverständnis quantitativer Methoden bzw. Interesse daran, wie qualitative Ergebnisse in spätere Befragungs- und Typologisierungsdesigns überführt werden können
• Strukturierte, sorgfältige und eigenständige Arbeitsweise
• Gute Deutschkenntnisse in Wort und Schrift (insb. für Interviewführung, Auswertung und wissenschaftliches Schreiben)

Was wir bieten:

• Ein hochaktuelles Thema mit direkter Relevanz für Handwerksbetriebe/KMU, Nachfolgeprozesse und Politik
• Enge fachliche Betreuung und methodische Unterstützung
• Einblick in die Schnittstelle von wissenschaftlicher Forschung und praxisnahen Projekten

Start:
Mitte Juni / Juli

Bewerbung: Bitte nutze für die Bewerbung das reguläre Bewerbungsverfahren über das Online-Formular des Lehrstuhls.

Kontakt:
Tim Greiner (tim.greiner@tum.de)

Hintergrund:

Viele Betriebe stehen in den kommenden Jahren vor einer Übergabe, während gleichzeitig Fachkräftemangel, Transformationsdruck und wirtschaftliche Unsicherheiten die Fortführung von Unternehmen erschweren. In diesem Kontext spielt auch die steuerliche Behandlung von Betriebsvermögen eine wichtige Rolle. Die derzeitigen erbschaftsteuerlichen Verschonungsregelungen ermöglichen unter bestimmten Voraussetzungen eine weitgehende steuerliche Begünstigung von Betriebsvermögen, wenn Unternehmen über einen definierten Zeitraum fortgeführt werden. Eine Reform oder ein Wegfall dieser Regelungen könnte insbesondere für inhabergeführte Handwerksbetriebe erhebliche Folgen haben.

Zielsetzung und mögliche Forschungsfragen:

Ziel der Arbeit ist es, die Rolle der Erbschaftsteuer und der Begünstigung von Betriebsvermögen im Kontext der Unternehmensnachfolge im Handwerk zu analysieren. Im Mittelpunkt steht die Frage, inwiefern steuerliche Rahmenbedingungen die Übergabefähigkeit, Übernahmebereitschaft und Fortführung von Handwerksbetrieben beeinflussen können. Mögliche Leitfragen sind u. a.:

• Welche Bedeutung haben erbschaftsteuerliche Verschonungsregelungen für die Unternehmensnachfolge im Handwerk?
• Welche Arten von Handwerksbetrieben wären von einer Reform der Begünstigung von Betriebsvermögen besonders betroffen?
• Welche Implikationen ergeben sich für Handwerksorganisationen, Politik und steuerpolitische Interessenvertretung?

Diese Abschlussarbeit ist eingebettet in ein laufendes, praxisorientiertes Forschungsprojekt des Ludwig-Fröhler-Instituts. Die Ergebnisse sollen zur wissenschaftlichen Fundierung und praktischen Einordnung der aktuellen Reformdiskussion beitragen.

Vorgehen und Methodik:

Die Arbeit verbindet wissenschaftliche Fundierung mit hohem Praxisbezug:

• Theoretische und empirische Literaturarbeit
  (z. B. Unternehmensnachfolge, Erbschaftsteuer, Betriebsvermögen, Familienunternehmen, KMU/Handwerk)
• Datenanalyse (z. B. Deskriptive Auswertung der Befragungsdaten)
• Grafische Aufbereitung und Interpretation der Ergebnisse
• Systematisierung und Praxisübertragung (Ableitung von Implikationen für Betriebe, Handwerksorganisationen und Politik, Diskussion der Aussagekraft und Grenzen der Ergebnisse)

Hinweis: die Datenerhebung ist für September geplant; der Fokus der Arbeit liegt auf der Auswertung und Interpretation

Dein Profil:

• Interesse an Unternehmensnachfolge, Steuerpolitik, Mittelstand, Familienunternehmen oder Handwerksforschung
• Bereitschaft, sich in erbschaftsteuerliche Grundfragen und betriebswirtschaftliche Bewertungslogiken einzuarbeiten
• Grundkenntnisse in empirischer Sozialforschung, Statistik oder qualitativer Analyse sind von Vorteil
• Strukturierte, selbstständige Arbeitsweise und hoher Anspruch an wissenschaftliche Qualität
• Gute Deutschkenntnisse in Wort und Schrift, insbesondere für Literaturarbeit und Ergebnisinterpretation

Was wir bieten:

• Ein hochaktuelles Thema mit direkter Relevanz für Handwerksbetriebe, Nachfolgeprozesse und politische Reformdiskussionen
• Enge fachliche Betreuung und methodische Unterstützung
• Einblick in die Schnittstelle von wissenschaftlicher Forschung und praxisnahen Projekten
• Möglichkeit, empirische Methoden praktisch anzuwenden und Kenntnisse in Datenanalyse und Visualisierung zu vertiefen

Start:
Nach Absprache (frühzeitiger Einstieg erwünscht)

Bewerbung: Bitte nutze für die Bewerbung das reguläre Bewerbungsverfahren über das Online-Formular des Lehrstuhls.

Kontakt:
Tim Greiner (tim.greiner@tum.de)

Handlung:

Künstliche Intelligenz (KI) verändert zunehmend Arbeitsprozesse in Unternehmen. Auch kleine und mittlere Unternehmen (KMU), wie beispielsweise Handwerksbetriebe, stehen vor der Herausforderung, neue Technologien in bestehende Arbeitsabläufe zu integrieren und hierfür Kompetenzanforderungen an Mitarbeitende neu zu definieren.

Durch den rasant wachsenden Einsatzbereich von KI verändern sich die Anforderungen an Berufseinsteigende erheblich. KI-Kompetenz entwickelt sich immer mehr zu einem wichtigen Faktor am Arbeitsmarkt.

Vor diesem Hintergrund soll die Abschlussarbeit untersuchen, wie sich durch KI die Kompetenz- und Anforderungsprofile von Berufseinsteigenden in KMU verändern. Es soll untersucht werden, welche Skills Berufseinsteigende zukünftig mitbringen sollten, welche Fähigkeiten an Bedeutung gewinnen und welche Tätigkeiten potenziell durch KI substituiert oder transformiert werden können.

Zielsetzung und mögliche Forschungsfragen:

Ziel der Arbeit ist eine empirische Analyse. Mögliche Forschungsfragen können sein:

• Wie verändert der Einsatz von KI die Kompetenzanforderungen an Berufseinsteigende in KMU?
• Welche digitalen und KI-bezogenen Kompetenzen erwarten KMU künftig von Berufseinsteigenden?
• Welche Unterschiede bestehen zwischen verschiedenen Branchen hinsichtlich der Auswirkungen von KI auf Anforderungsprofile von Berufseinsteigenden?
• Welche Auswirkungen hat KI auf die Bedeutung fachlicher, analytischer und sozialer Kompetenzen bei Berufseinsteigenden in KMU?

Vorgehen und Methodik:

Die Arbeit verbindet wissenschaftliche Fundierung mit hohem Praxisbezug. In einem ersten Schritt soll die vorhandene Theorie in der Literatur zu den relevanten Themen (z.B. KI, Future of Work, KMUs, Kompetenz- und Anforderungsprofile, Berufseinstieg) dargestellt werden. Dabei sollen insbesondere bestehende Erkenntnisse zu Veränderungen von Tätigkeits- und Kompetenzprofilen identifiziert und eingeordnet werden. 

Anschließend soll eine empirische Untersuchung anhand von qualitativen Interviews mit Experten aus KMUs durchgeführt werden. Auch die Analyse von Stellenausschreibungen ist eine Möglichkeit.

Die konkrete methodische Ausgestaltung erfolgt in Abstimmung mit dem Betreuer und richtet sich nach Art und Umfang der Abschlussarbeit.

Dein Profil:

• Interesse an der Zukunft der Arbeit, Digitalisierung und KI
• Kenntnisse qualitativer Forschungsmethoden (z.B. Interviews) von Vorteil
• Hohe Eigenmotivation und ein ausgeprägter Anspruch an sauberes wissenschaftliches Arbeiten
• Gute Deutsch- und Englischkenntnisse

Sprache: Deutsch

Start: Flexibel

Kontakt: Max Reichenberger (max.reichenberger@tum.de)

Hintergrund

Viele KMU stehen unter Transformationsdruck: steigende Energie- und Materialkosten, volatile Nachfrage, neue Nachhaltigkeitsanforderungen und knappe Kapazitäten. Gleichzeitig fehlt es in vielen Betrieben an systematischer Datenerfassung. Controlling ist oft schlank, Systeme sind heterogen, und ökologische Kennzahlen werden selten konsistent erfasst. Wie können KMU ihre ökologische und ökonomische Performance überhaupt sinnvoll messen, wenn Daten, Zeit und Ressourcen begrenzt sind? Wie kann Performance-Measurement so „leicht“ werden, dass es im Alltag wirklich genutzt wird?

Zielsetzung

Diese Masterarbeit soll explorativ untersuchen, wie KMU heute messen (oder nicht messen), welche Hürden bestehen und wie ein einfaches, praxistaugliches Mess-Framework aussehen kann, das ohne „Enterprise-Reporting“ auskommt und dennoch vergleichbare, belastbare Indikatoren ermöglicht.

Mögliche Forschungsfragen

• Was messen KMU (ökonomisch/ökologisch) und was nicht?
• Welche Datenquellen sind verfügbar (Rechnungen, Einkauf, Energie, Entsorgung, Zeiterfassung, Software)?
• Welche KPIs liefern Nutzen (z. B. Energie/Output, Materialkostenquote, Ausschuss/Abfall, Reparatur-/Rücklaufquoten)?
• Wie sieht ein gutes Einführungsdesign aus (Messregeln, Plausibilitätschecks, Verantwortlichkeiten, Reifegradpfad)?

Vorgehen & Methodik

• Literatur‑ und Praxis‑Scan (KMU‑Controlling, Sustainability Measurement, pragmatische Proxy‑KPIs)
• 8–12 Interviews mit versch. Experten aus Wirtschaft und Wissenschaft
• Qualitative Inhaltsanalyse
• Ergebnisartefakte:
  • KPI‑Tabelle (Formel, Datenquelle, Frequenz, Aufwand)
  • 1‑Seiten‑Framework‑Übersicht
  • „Level 1–3“‑Ausbaupfad + kurze Umsetzungsempfehlungen

Dein Profil

• Interesse an Controlling, KPI‑Design und Nachhaltigkeit in KMU
• Lust, ein Konzept zu bauen, das in echten Unternehmen funktioniert
• Sehr gute Deutschkenntnisse; Interview‑/Quali‑Interesse hilfreich und Englischkenntnisse für wissenschaftliches Abreiten

Was wir bieten

• Ein relevantes Thema an der Schnittstelle von Controlling und Nachhaltigkeit
• Enge Betreuung und methodische Unterstützung
• Zugang zu einem praxisnahen Umfeld (KMU) für Interviews/Feedback
• Möglichkeit, ein Ergebnis zu entwickeln, das tatsächlich im betrieblichen Alltag nutzbar ist (statt nur „theoretisch schön“)

Start

Nach Absprache (frühzeitiger Einstieg erwünscht)

Bewerbung

Bitte über das reguläre Online‑Bewerbungsverfahren des Lehrstuhls.

Kontakt

Joshija Kelzenberg (joshija.kelzenberg@tum.de)

Handlung:

Künstliche Intelligenz (KI) wird zunehmend in Arbeit, Bildung und Gesellschaft eingesetzt. Dabei ist nicht nur entscheidend, welche technischen Möglichkeiten KI bietet, sondern auch, wie Menschen KI wahrnehmen. Wahrnehmungen, beispielsweise von Chancen, Risiken, Vertrauen, Angst, Kontrollverlust oder beruflicher Betroffenheit, können beeinflussen, ob KI akzeptiert, genutzt oder abgelehnt wird.

Bislang ist die Forschung zur Wahrnehmung von KI über verschiedene Disziplinen und Forschungsbereiche verstreut. Eine systematische Aufarbeitung kann helfen, zentrale Dimensionen der Wahrnehmung von KI zu identifizieren und für spätere empirische Forschung nutzbar zu machen.

Zielsetzung und mögliche Forschungsfragen:

Ziel der Arbeit ist eine empirische Analyse. Mögliche Forschungsfragen können sein:

• Welche Dimensionen der KI-Wahrnehmung werden in der wissenschaftlichen Literatur untersucht?
• Welche individuellen, organisationalen oder gesellschaftlichen Faktoren beeinflussen die Wahrnehmung von KI?
• Welche Folgen hat die Wahrnehmung von KI für Akzeptanz, Nutzung, Vertrauen, Berufswahl oder Arbeitsverhalten?
• Welche theoretischen Modelle und Messinstrumente werden zur Untersuchung von KI-Wahrnehmung verwendet?
• Welche Forschungslücken ergeben sich für zukünftige Studien?

Vorgehen und Methodik:

Kern dieser Arbeit soll eine systematische Literaturanalyse sein. Hierzu gehören u.a. die Entwicklung einer Suchstrategie, die Recherche in wissenschaftlichen Datenbanken, die strukturierte Erfassung und anschließende Auswertung der Ergebnisse.

Die konkrete methodische Ausgestaltung erfolgt in Abstimmung mit dem Betreuer und richtet sich nach Art und Umfang der Abschlussarbeit.

Dein Profil:

• Interesse an Digitalisierung und KI in Wirtschaft und Gesellschaft
• Kenntnisse zu qualitativen Forschungsmethoden von Vorteil
• Hohe Eigenmotivation und ein ausgeprägter Anspruch an sauberes wissenschaftliches Arbeiten
• Gute Deutsch- und Englischkenntnisse

Sprache: Deutsch

Start: Flexibel

Kontakt: Max Reichenberger (max.reichenberger@tum.de)

Hintergrund:

Die Attraktivität von Arbeitgebern wird stark durch monetäre Faktoren geprägt. Die Höhe und Transparenz der Vergütung sind zentrale Differenzierungsmerkmale im Wettbewerb um Fach‑ und Arbeitskräfte. Vor diesem Hintergrund gewinnt die Frage nach der tatsächlichen Vergütungssituation in kleinen und mittleren Unternehmen erheblich an Bedeutung – sowohl für Betriebe als auch für (potenzielle) Beschäftigte und politische Akteure.

Das Ludwig‑Fröhler‑Institut erhebt seit 2024 Vergütungsdaten zu Auszubildenden, Gesellen, Meistern, kaufmännischen Mitarbeitenden sowie Helfern in Handwerksbetrieben. Bisher wurden die Regionen Ostbayern, Baden‑Württemberg, Nordrhein‑Westfalen, Sachsen und Sachsen‑Anhalt jeweils separat analysiert. Über alle Regionen hinweg liegt nun ein einmaliger Datensatz von rund 7.500 Betrieben mit über 26.000 Vergütungsbeobachtungen vor, der im Rahmen dieser Abschlussarbeit weiter ausgewertet werden soll.

Zielsetzung und mögliche Forschungsfragen:

Ziel der Arbeit ist eine empirische Analyse der Vergütungshöhen und ihrer Determinanten in Handwerks‑KMU mit Fokus auf regionalen Unterschieden. Mögliche Leitfragen sind u. a.:

• Wie schneiden die einzelnen Regionen in puncto Vergütungshöhe gegeneinander ab?
• Gibt es Ost/West‑ bzw. Nord/Süd‑Unterschiede in der Vergütung, wenn für Betriebs‑ und Personenmerkmale kontrolliert wird?
• Welche Determinanten der Vergütung im Handwerk können identifiziert werden (Qualifikation, Betriebsgröße/Umsatz, Gewerbezweig etc.)?
• Gibt es regionale oder gewerkespezifische Unterschiede im Einsatz zusätzlicher Entgeltbestandteile?

Diese Abschlussarbeit ist eingebettet in ein laufendes, stark praxisorientiertes Forschungsprojekt des Ludwig‑Fröhler‑Instituts (Praxispartner: https://lfi-muenchen.de/, Dr. Andrea Greilinger).

Vorgehen und Methodik:

Die Arbeit verbindet wissenschaftliche Fundierung mit hohem Praxisbezug:

• Theoretische und empirische Literaturarbeit (z. B. Arbeitsmarkt‑ und Lohnstrukturforschung, regionale Lohnunterschiede, Tarifbindung, KMU/Handwerk)
• Datenanalyse (z. B. Deskriptive Auswertung der Vergütungsdaten (Regionen, Gewerke, Qualifikationsstufen), Regressionsanalysen zur Identifikation von Vergütungsdeterminanten)
• Grafische Aufbereitung und Interpretation der Ergebnisse
• Systematisierung und Praxisübertragung (Ableitung von Implikationen für Betriebe, Handwerksorganisationen und Politik, Diskussion der Aussagekraft und Grenzen der Ergebnisse)

Hinweis: Die Datenerhebung ist vollständig abgeschlossen; der Fokus der Arbeit liegt auf Auswertung und Interpretation

Dein Profil:

• Interesse an Arbeitsmarkt‑, Personal‑ oder Regionalökonomik sowie an empirischer Forschung
• Grundkenntnisse in Statistik/Ökonometrie und Bereitschaft, mit Statistiksoftware (z. B. Stata) zu arbeiten
• Sorgfältige, strukturierte Arbeitsweise und Freude daran, größere Datensätze zu analysieren
• Gute Deutschkenntnisse in Wort und Schrift (für die Ergebnisinterpretation und das Verfassen der Arbeit)

Was wir bieten:

• Zugang zu einem umfangreichen, in dieser Form einzigartigen Datensatz mit hoher Praxisrelevanz (≈ 7.500 Betriebe, > 26.000 Vergütungsangaben)
• Enge fachliche Betreuung und regelmäßiger Austausch
• Ein Thema mit klarer Sichtbarkeit und Relevanz für Handwerksbetriebe, Handwerkskammern und Politik – die Ergebnisse fließen in ein größeres Forschungs‑ und Transferprojekt ein
• Möglichkeit, empirische Methoden praktisch anzuwenden und Kenntnisse in Datenanalyse und Visualisierung zu vertiefen

Start: 

Mitte Juni, Juli

Bewerbung: Die Bewerbung erfolgt über das Bewerbungsportal das Lehrstuhls.

Kontakt: 

Max Reichenberger (max.reichenberger@tum.de), Dr. Andrea Greilinger (greilinger@lfi-muenchen.de)

Hintergrund:
Künstliche Intelligenz eröffnet neue Möglichkeiten für die betriebswirtschaftliche Beratung im Handwerk. Während insbesondere generative KI und KI-Agenten neue Möglichkeiten für Analyse, Recherche, Gesprächsvorbereitung und Dokumentation eröffnen, stellt sich zunehmend die Frage, wie KI in zukünftige Beratungsangebote integriert werden kann und welche Auswirkungen dies auf die Rolle von Betriebsberaterinnen und Betriebsberatern hat.

Im Rahmen eines praxisorientierten Forschungsprojekts soll untersucht werden, wie sich die Arbeit von Betriebsberaterinnen und Betriebsberatern durch KI verändern könnte. Im Mittelpunkt steht nicht die Bewertung einzelner KI-Tools, sondern die Frage, welche Aufgaben, Rollen und Kompetenzen in einer KI-gestützten Betriebsberatung der Zukunft an Bedeutung gewinnen, sich verändern oder möglicherweise entfallen.

Zielsetzung und mögliche Forschungsfragen:
Ziel der Masterarbeit ist die Analyse des Rollenwandels von Betriebsberaterinnen und Betriebsberatern im Kontext KI-gestützter Betriebsberatung. Dabei soll offen untersucht werden, wie KI bestehende Beratungstätigkeiten unterstützen, teilweise übernehmen oder grundlegend verändern kann und welche Rolle dem Menschen in der Beratung der Zukunft zukommt.

Mögliche Leitfragen sind u. a.:

• Wie verändert KI die Aufgaben, Rollen und Kompetenzen von Betriebsberaterinnen und Betriebsberatern?
• Welche Tätigkeiten in der Betriebsberatung können durch KI unterstützt, teilweise ersetzt oder grundlegend verändert werden?
• Wo liegen Grenzen der Automatisierung in der betriebswirtschaftlichen Beratung?
• Welche neuen Rollen können für Beraterinnen und Berater entstehen?
• Welche Anforderungen ergeben sich an Kompetenzentwicklung, Verantwortung und Zusammenarbeit zwischen Mensch und KI?

Erwartetes Ergebnis ist ein Rollen- und Aufgabenmodell für Betriebsberaterinnen und Betriebsberater in einer KI-gestützten Beratung der Zukunft, ergänzt um eine systematische Einordnung der Veränderungen entlang von Substitution, Augmentation und Transformation.

Vorgehen und Methodik:
Die Arbeit verfolgt einen qualitativen Forschungsansatz und verbindet wissenschaftliche Fundierung mit hohem Praxisbezug. Im Mittelpunkt steht eine Analyse der Beratungsarbeit und ihrer möglichen Veränderung durch KI.

Mögliche methodische Bausteine sind:

• Literaturarbeit zu KI in Wissensarbeit, Human-AI Collaboration, Professional Work und betriebswirtschaftlicher Beratung
• Leitfadengestützte Interviews mit Betriebsberaterinnen und Betriebsberatern sowie ggf. Führungskräften, Methodenverantwortlichen oder weiteren Expertinnen und Experten
• Qualitative Auswertung der Interviews
• Ableitung eines Rollen-, Aufgaben- und Kompetenzmodells für die KI-gestützte Betriebsberatung

Die konkrete Eingrenzung auf bestimmte Beratungsfelder, KI-Anwendungen oder Interviewgruppen erfolgt im Rahmen der Arbeit gemeinsam mit der Betreuung.

Dein Profil / Voraussetzungen:

• Interesse an Handwerk, Künstlicher Intelligenz, Beratung und digitaler Transformation
• Interesse an qualitativer Forschung und wissenschaftlicher Analyse
• Bereitschaft, sich in Themen wie Human-AI Collaboration, Rollenwandel und KI in Wissensarbeit einzuarbeiten
• Strukturierte, selbstständige Arbeitsweise
• Sehr gute Deutschkenntnisse in Wort und Schrift

Was wir bieten:

• Ein hochaktuelles Thema an der Schnittstelle von Handwerksforschung, KI und betriebswirtschaftlicher Beratung
• Enge fachliche Betreuung und methodische Unterstützung
• Ein praxisnahes Forschungsprojekt mit konkretem Transferpotenzial
• Möglichkeit, die Zukunft der Beratungsarbeit im Handwerk wissenschaftlich und praxisnah zu untersuchen

Start:
Nach Absprache.

Hinweis:
Die Arbeit ist Teil eines übergeordneten Forschungsprojekts zur Zukunft der KI-gestützten Betriebsberatung im Handwerk. Parallel ist eine weitere Masterarbeit zur Konzeption eines KI-gestützten Beratungsformats geplant. Eine inhaltliche Einordnung in den gemeinsamen Projektrahmen erfolgt zu Beginn der Arbeit. Die Masterarbeiten bearbeiten eigenständige Fragestellungen mit eigener Methodik und eigenen Ergebnissen.

Bewerbung:
Bitte nutze für die Bewerbung das reguläre Bewerbungsverfahren über das Online-Formular des Lehrstuhls.

Kontakt:
Yannick Dreier (yannick.dreier@tum.de)

Hintergrund:
Künstliche Intelligenz eröffnet neue Möglichkeiten für die betriebswirtschaftliche Beratung im Handwerk. Während insbesondere generative KI und KI-Agenten neue Möglichkeiten für Analyse, Recherche, Gesprächsvorbereitung und Dokumentation eröffnen, stellt sich zunehmend die Frage, wie KI in zukünftige Beratungsangebote integriert werden kann und welche Auswirkungen dies auf die Rolle von Betriebsberaterinnen und Betriebsberatern hat.

Im Rahmen eines praxisorientierten Forschungsprojekts soll untersucht werden, wie ein KI-gestütztes Beratungsformat der Zukunft aussehen könnte. Im Mittelpunkt steht nicht die Entwicklung einer produktionsreifen Software, sondern die konzeptionelle Ausarbeitung eines praxisnahen Beratungsformats. Dieses soll zeigen, wie KI entlang verschiedener Phasen der betriebswirtschaftlichen Beratung sinnvoll eingesetzt werden kann.

Zielsetzung und mögliche Forschungsfragen:
Ziel der Masterarbeit ist die Entwicklung eines konkreten KI-gestützten Beratungsformats für die betriebswirtschaftliche Beratung im Handwerk. Dabei soll untersucht werden, wie KI bestehende Beratungsleistungen unterstützen, teilweise automatisieren oder neue Formen der Beratung ermöglichen kann.

Mögliche Leitfragen sind u. a.:

• Wie kann ein KI-gestütztes Beratungsformat für die betriebswirtschaftliche Beratung im Handwerk gestaltet werden?
• Welche Aufgaben im Beratungsverlauf können durch KI substituiert, augmentiert oder transformiert werden?
• Welche Anforderungen ergeben sich an Datenbasis, Transparenz, Nachvollziehbarkeit und Verantwortung?
• Wie kann ein solches Beratungsformat konzeptionell und visuell, z. B. durch ein Mockup oder einen Service Blueprint, dargestellt werden?

Erwartetes Ergebnis ist ein ausgearbeitetes Konzept für ein KI-gestütztes Beratungsformat, ergänzt um eine visuelle Darstellung, beispielhafte Outputs und Gestaltungsprinzipien für KI-gestützte Beratung im Handwerk.

Vorgehen und Methodik:
Die Arbeit verbindet wissenschaftliche Fundierung mit gestaltungsorientierter Konzeptentwicklung. Vorgesehen ist ein qualitativer und designorientierter Ansatz, z. B. mit folgenden Bausteinen:

• Literaturarbeit zu KI in Beratung, Human-AI Collaboration, Service Design und betriebswirtschaftlicher Beratung
• Leitfadengestützte Interviews mit Betriebsberaterinnen und Betriebsberatern sowie ggf. weiteren Expertinnen und Experten
• Ableitung von Anforderungen an ein KI-gestütztes Beratungsformat
• Entwicklung eines konzeptionellen Artefakts, z. B. Beratungskonzept, Service Blueprint, Mockup oder Beispieloutput
• Rückspiegelung des Konzepts mit ausgewählten Expertinnen und Experten

Der genaue Zuschnitt des Beratungsformats wird im Rahmen der Arbeit auf Basis von Literatur, Interviews und Praxisanforderungen eingegrenzt.

Dein Profil / Voraussetzungen:

• Interesse an Handwerk, Künstlicher Intelligenz, Beratung und digitaler Innovation
• Interesse an qualitativer Forschung und konzeptioneller Arbeit
• Strukturierte, selbstständige Arbeitsweise
• Sehr gute Deutschkenntnisse in Wort und Schrift
• Erste Erfahrungen mit Visualisierungs- oder Prototyping-Tools, z. B. Figma oder Miro, sind von Vorteil

Was wir bieten:

• Ein hochaktuelles Thema an der Schnittstelle von Handwerksforschung, KI und betriebswirtschaftlicher Beratung
• Enge fachliche Betreuung und methodische Unterstützung
• Ein praxisnahes Forschungsprojekt mit konkretem Transferpotenzial
• Möglichkeit, qualitative Forschung mit konzeptioneller Gestaltung zu verbinden

Start:
Nach Absprache.

Hinweis:
Die Arbeit ist Teil eines übergeordneten Forschungsprojekts zur Zukunft der KI-gestützten Betriebsberatung im Handwerk. Parallel ist eine weitere Masterarbeit zur zukünftigen Rolle von Betriebsberaterinnen und Betriebsberatern im Kontext von KI geplant. Eine inhaltliche Einordnung in den gemeinsamen Projektrahmen erfolgt zu Beginn der Arbeit. Die Masterarbeiten bearbeiten eigenständige Fragestellungen mit eigener Methodik und eigenen Ergebnissen.

Bewerbung:
Bitte nutze für die Bewerbung das reguläre Bewerbungsverfahren über das Online-Formular des Lehrstuhls.

Kontakt:
Yannick Dreier (yannick.dreier@tum.de)