Ein gutes Informatik-Thema verbindet drei Dinge: ein aktuelles Problem, eine machbare technische Umsetzung im Bachelor-Rahmen (3–6 Monate) und eine messbare Evaluation. Genau daran scheitern viele Erstvorschläge — „Ich will was mit KI machen“ ist ein Interesse, kein Thema. Diese Liste liefert dir 28 konkret formulierte Arbeitstitel entlang der Trends, die das Fach 2026 prägen, plus die Anleitung, wie du daraus deine eigene Forschungsfrage ableitest.
Was die Informatik 2026 bewegt — die Trendlage
- LLM-Engineering wird Ingenieursdisziplin: Nicht mehr „kann ein Sprachmodell X“, sondern: Wie baut man zuverlässige Systeme darauf — RAG-Pipelines, Agenten-Architekturen, Evaluation, Kostenkontrolle.
- KI-Sicherheit als eigenes Feld: Prompt Injection, Jailbreaks, Datenabfluss über LLM-Schnittstellen — Angriffe auf KI-Systeme sind das neue Pentesting-Thema.
- Regulierung trifft Code: Der EU AI Act wird stufenweise wirksam — Compliance-Anforderungen (Risikoklassifizierung, Transparenz, Logging) müssen technisch umgesetzt werden.
- Post-Quanten-Kryptografie wird real: Mit den standardisierten NIST-Verfahren (ML-KEM, ML-DSA) beginnt die Migration realer Systeme.
- Green Coding & Edge AI: Energieverbrauch von Software wird messbar gemacht und optimiert; Inferenz wandert vom Rechenzentrum auf Endgeräte.
28 Bachelorarbeit-Themen Informatik 2026
Block 1: LLMs & generative KI in der Anwendung
- Retrieval-Augmented Generation für internes Unternehmenswissen: Konzeption, Implementierung und Evaluation einer RAG-Pipeline mit Vektordatenbank
- Halluzinationen in LLM-Antworten messen: Vergleich automatisierter Evaluationsmetriken am Beispiel einer Frage-Antwort-Anwendung
- LLM-Agenten für Routineaufgaben: Entwicklung und Evaluation eines Tool-using-Agenten zur automatisierten Datenaufbereitung
- Kleine vs. große Sprachmodelle: Leistungs- und Kostenvergleich lokaler Open-Weight-Modelle gegenüber Cloud-APIs für einen definierten Unternehmens-Use-Case
- Prompt-Versionierung und -Testing: Entwurf eines CI/CD-Ansatzes für promptbasierte Anwendungen
Block 2: IT-Sicherheit
- Prompt Injection als Angriffsvektor: Systematisierung von Angriffstechniken und Evaluation von Abwehrmaßnahmen an einer Beispielanwendung
- Migration zu Post-Quanten-Kryptografie: Aufwandsanalyse und prototypische Umsetzung von ML-KEM in einer bestehenden TLS-Infrastruktur
- Software Bill of Materials (SBOM) in der Praxis: Automatisierte Erzeugung und Schwachstellen-Matching in einer CI-Pipeline
- Passwortlose Authentifizierung mit Passkeys: Usability- und Sicherheitsanalyse am Beispiel einer Webanwendung
- NIS-2-Anforderungen technisch umsetzen: Entwicklung eines Monitoring-Konzepts für ein mittelständisches Unternehmen
Block 3: Software Engineering & Architektur
- KI-gestützte Code-Generierung im Entwicklungsalltag: Empirische Untersuchung von Produktivität und Codequalität bei der Nutzung von Coding-Assistenten
- Microservices vs. Modulith: Architekturentscheidung für eine wachsende Webanwendung — Kriterienkatalog und Fallstudie
- Platform Engineering: Konzeption einer internen Developer Platform für ein mittelständisches Entwicklungsteam
- Technische Schulden messbar machen: Vergleich statischer Analysewerkzeuge an einem realen Legacy-Projekt
- Rust im Systemumfeld: Migration einer C-Komponente nach Rust — Aufwand, Performance und Speichersicherheit im Vergleich
Block 4: Daten & maschinelles Lernen
- Explainable AI im Einsatz: Vergleich von SHAP und LIME zur Erklärung eines Kreditscoring-Modells
- Federated Learning auf Mobilgeräten: Prototypische Umsetzung und Bewertung von Genauigkeit und Kommunikationsaufwand
- Synthetische Trainingsdaten: Können generierte Daten reale Datensätze ersetzen? Eine Evaluation am Beispiel der Objekterkennung
- Vektordatenbanken im Vergleich: Benchmarking von Suchqualität und Latenz für semantische Suche
- Edge AI: Optimierung eines Bildklassifikationsmodells für den Einsatz auf einem Mikrocontroller (Quantisierung, Pruning)
Block 5: Recht, Ethik & Nachhaltigkeit
- EU AI Act in der Entwicklungspraxis: Ableitung technischer Anforderungen für ein Hochrisiko-KI-System und prototypische Umsetzung der Logging-Pflichten
- Green Coding: Energieverbrauchsmessung von Softwarevarianten — Methodik und Fallstudie an einer Backend-Anwendung
- Bias in Trainingsdaten erkennen: Entwicklung einer Prüfpipeline für Fairness-Metriken
- Digitale Barrierefreiheit automatisiert testen: Grenzen aktueller Accessibility-Testwerkzeuge am Beispiel des Barrierefreiheitsstärkungsgesetzes
Block 6: Anwendungsdomänen
- Digitale Zwillinge in der Produktion: Konzeption eines Digital Twin für eine Fertigungslinie mit Echtzeit-Sensordaten
- Chatbots in der Verwaltung: Entwicklung und Nutzerevaluation eines LLM-basierten Bürgerservice-Assistenten
- Smart-Home-Interoperabilität: Der Matter-Standard in der Praxis — Implementierung und Kompatibilitätsanalyse
- Process Mining trifft KI: Automatisierte Erkennung von Prozessabweichungen in Event-Logs eines ERP-Systems
Vom Thema zur Forschungsfrage: das Informatik-Rezept
Ein Arbeitstitel wird zur Bachelorarbeit, wenn du drei Entscheidungen triffst: (1) Artefakt — was baust oder analysierst du konkret (Prototyp, Benchmark, Konzept)? (2) Evaluation — woran misst du Erfolg (Latenz, Genauigkeit, Nutzerstudie, Kriterienkatalog)? (3) Abgrenzung — was lässt du explizit weg? Beispiel: Aus Thema 1 wird „Inwieweit verbessert eine RAG-Pipeline mit hybrider Suche die Antwortqualität gegenüber reiner Vektorsuche? — Implementierung und Evaluation anhand von 200 Testfragen aus der internen Dokumentation der Firma X.“ Damit hast du Artefakt, Messgröße und Rahmen — und deine Betreuung kann sofort Ja sagen.
Methodisch sind in der Informatik drei Typen üblich: konstruktiv (Design Science: bauen + evaluieren — der häufigste Bachelor-Typ), empirisch (Benchmark, Nutzerstudie, Entwickler-Befragung) und analytisch (systematischer Vergleich, Literatur-Review nach definierter Methodik). Kläre früh mit deiner Betreuung, welcher Typ am Lehrstuhl erwartet wird.
Unterstützung bei Themenfindung und Umsetzung
Wenn du zwischen mehreren Richtungen schwankst oder dein Wunschthema noch zu groß ist: Wir unterstützen bei der Themenfindung und Exposé-Erstellung (inklusive Machbarkeits-Check für den Bachelor-Rahmen) — und auf Wunsch bei der kompletten Bachelorarbeit als Mustervorlage, geschrieben von Informatiker:innen mit mindestens Masterabschluss. → Unverbindlich anfragen
Häufige Fragen
Muss ich für eine Informatik-Bachelorarbeit programmieren?
Meist ja — der konstruktive Typ (Prototyp + Evaluation) ist Standard. Reine Literatur- oder Vergleichsarbeiten sind möglich, aber lehrstuhlabhängig; kläre das vor der Anmeldung.
Sind KI-Themen nicht schon „ausgelutscht“?
Das Feld ist groß genug: Generische Themen („Chancen von KI“) sind verbrannt, spezifische Engineering-, Sicherheits- und Compliance-Fragen (Blöcke 1, 2, 5) sind 2026 hochaktuell und unterversorgt.
Wie viele Seiten hat eine Informatik-Bachelorarbeit?
Typisch 40–60 Seiten plus Anhang (Code, Messdaten). Kosten einer Mustervorlage: Bachelorarbeit-Kosten im Überblick.
