Lehrstuhl Digital Farming

Studentische Arbeiten und Projekte

Die an unserem Lehrstuhl durchgeführten Arbeiten befassen sich mit dem Software- und Systems Engineering im Bereich Digital Farming. Hierfür betrachten wir Systeme entlang der gesamten Wertschöpfungskette. Unser Standort in Rheinland-Pfalz bietet durch die vielseitige Abdeckung verschiedener Bereiche, wie Wein-, Gemüse- und Getreideanbau, aber auch der unmittelbaren Nähe zu Forschung und Industrie eine hervorragende Grundlage.

Interessierte Studierende auf der Suche nach Abschlussarbeiten und Projekten sind stets willkommen, mit uns Kontakt aufzunehmen, um Interessen und mögliche Themen zu besprechen.

Unsere Forschungsschwerpunkte:

  • Software- und Systems Engineering im Bereich Digital Farming
  • Anforderungsanalyse der verschiedenen Akteure im landwirtschaftlichen Ökosystem
  • Verbesserung der Interoperabilität und Vernetzung zwischen Akteuren und Systemen
  • Verbesserung der Nutzungsakzeptanz

Offene Abschlussarbeiten

Geometric Representation of AGROVOC for Improved Semantic Linking

OBJECTIVES OF THE MASTER THESIS

The aim of the master's thesis is to investigate whether geometric representations of AGROVOC can improve semantic linking in the context of the PrOWhEAT project. Euclidean, hyperbolic and asymmetric/Finsler approaches will be studied. As the main research contribution, the thesis will develop and investigate a relation-aware asymmetric representation that models relation type and direction. The best structural representation will be integrated into PrOWhEAT alongside text similarity.

MOTIVATION

In PrOWhEAT we extracts agricultural information from PDFs, Excel and CSV files and links terms to AGROVOC. Current linking mainly uses text similarity and local ontology information. Yet AGROVOC is a directed, typed graph: relation type and direction carry meaning that normal vector spaces may not capture well. A geometry that preserves this structure could improve concept selection while keeping AGROVOC in RDF/SKOS.

KEYWORDS

AGROVOC, semantic linking, knowledge graphs, Euclidean/Hyperbolic/Finsler geometry, relation aware embeddings, PrOWhEAT

MILESTONES OF THE WORK

  1. Search for the state of the art in ontology/knowledge-graph embeddings and geometry-based semantic linking

  2. Prepare the AGROVOC RDF/SKOS graph and establish the current PrOWhEAT linking approach as a baseline

  3. Implement Euclidean and hyperbolic representations of AGROVOC

  4. Develop and investigate an asymmetric/Finsler representation for directional relations

  5. Extend it to a relation-aware representation for different AGROVOC relation types

  6. Evaluate hidden relation recovery, relation direction, and alternative-label-to-concept retrieval

  7. Perform an external semantic-relatedness check (e.g. ConceptNet) and integrate the best representation into PrOWhEAT

  8. Compare with existing text-based linking, analyse the results, and document the thesis.

WE OFFER

  • Collaboration in a pioneering research project.

  • Opportunity to investigate a novel research idea with potential for a scientific contribution.

WHAT YOU BRING WITH YOU

  • Background in Computer science, data science or related studies
  • Good Python programming skills
  • Interest in machine learning, knowledge graphs/ontologies and mathematical representations
  • Interest in agricultural applications
  • RDF/SKOS/SPARQL experience is helpful but not required

Contact:

M.Sc. Anish Bipin Jagadale (anish.jagadale(at)rptu.de)

Design and Implementation of a RAG‑Based Chatbot for Knowledge Extraction from the Agricultural Knowledge Sources

In cooperation with the 'Friends of Digital Farming'

OBJECTIVES OF THE MASTER THESIS

The objective of this thesis is to design and implement a fully local RAG chatbot capable of delivering precise, context‑aware answers from the Agricultural knowledge sources like papers, books, etc. This involves developing a robust PDF ingestion pipeline to extract and pre-process handbook content, constructing a vector‑based retrieval system using Chroma DB, and integrating a local LLM to generate high‑quality responses. The work further aims to build a production‑ready FastAPI backend that exposes the chatbot as an accessible interface for agricultural practitioners, while evaluating the system’s accuracy, latency, and usability in real‑world digital farming scenarios. Ultimately, the thesis should serve as a proof of concept and seeks to demonstrate how retrieval‑augmented generation can transform large agricultural documents into interactive, user‑friendly knowledge systems.

MOTIVATION

The motivation for this thesis is to make the agricultural knowledge sources like papers, books, etc. easier to access by transforming its extensive content into an interactive, question‑answering system. Farmers and students often struggle to locate relevant information quickly, and a local RAG chatbot enables fast, precise retrieval without relying on cloud services. By combining semantic search with a locally running LLM, the project supports digital adoption in agriculture while ensuring data sovereignty and practical usability.

KEY POINTS

  • PDF ingestion pipeline
  • Vector embeddings
  • RAG workflow
  • Evaluation Framework
  • User-centric design

MILESTONES OF THE WORK

  • Requirement analysis for user needs, the legal requirements (copyrights, etc.) and handbook structure.
  • PDF extraction and pre-processing pipeline, setting up Vector database.
  • RAG pipeline implementation combining retrieval and LLM reasoning.
  • FastAPI backend development for serving queries.
  • User interface prototype for interacting with the chatbot.
  • Evaluation and benchmarking of accuracy, latency, and user satisfaction.
  • Thesis documentation and final write-up including architecture, experiments, and conclusions.

WHAT YOU BRING WITH YOU

  • Studied computer science, bioinformatics and business informatics.
  • Interest in scientific work and literature research methods.
  • Interest in Machine Learning Application.
  • Enthusiasm for agricultural issues.

CONTACT

M.Sc. Vishal Sharbidar Mukunda (mukunda(at)rptu.de)

Optimierung der Interoperabilität von IT-Systemen in der Wertschöpfungskette im Obst- und Gemüsebau

Research Objectives:

  • In der Wertschöpfungskette im Obst- und Gemüsebau werden unterschiedliche IT Systeme eingesetzt. Die IT-Systeme sind teilweise miteinander vernetzt.
  • Die Interoperabilität der Systeme ist jedoch häufig verbesserungswürdig. Dies führt zur Notwendigkeit Daten, die eigentlich bereits digital vorlagen, trotzdem erneut manuell in andere IT-Systeme einzugeben.
  • Im Rahmen dieser Masterarbeit soll am Beispiel von Qualitätssicherungs- und Reklamationssystemen im Obst- und Gemüsebau ein Konzept zur Optimierung der Interoperabilität erarbeitet werden.
  • Die Arbeit findet in Kooperation mit der Pfalzmarkt für Obst und Gemüse eG statt.

 

Expected Contributions:

  • Einarbeiten in den State of the Art im Bereich Interoperabilität.
  • Einarbeiten in die Arbeitsprozesse bei der Pfalzmarkt für Obst und Gemüse eG.
  • Analyse der QS und Reklamationsprozesse bei der Pfalzmarkt für Obst und Gemüse eG.
  • Modellierung der Datenmodelle der unterschiedlichen IT-Systeme.
  • Semantische Beschreibung der Daten welche ausgetauscht werden sollen.
  • Entwurf eines / alternativer Konzepte für eine optimierte Interoperabilität.
  • Ggf. Prototypentwicklung.
  • Ggf. Evaluation des Prototypen mit Endnutzern der Pfalzmarkt für Obst und Gemüse eG.

 

Contact:

Claudia Schwager