| Gleaves, Zina: Latent Diffusion Models for Hyperspectral Image Generation | Master |
| Yoshido, Tanaka: Real-Time Deep Learning-Based MultiScale Weed Detection for Precision Herbicide Application in Sugar Beet Fields | Master |
| Lumpp, Tim: Inter-Robot Communication in a Swarm Robotic Application for Modular Agricultural Implement movement | Master |
| Pieper, Tobias: Motion and sonsor data analysis - quad bot on agricultural terrain | Bachelor |
| Siamudaala, Nathan: Exploring Predictability of Performance Indicators in Fattening Pigs Using Social Networt Analysis Metrics | Master |
| Altinisik, Levin: Conceptual Framework for Agentic Workflows based on Multimodal LLMs to enhance farmers' productivity | Master |
| Oberhofer, Dina: Deep Learning-basierte Analyse der Saatbettqualität durch Segmentierung von Bodenaggregaten | Bachelor |
| Zellmer, Fabian: Entwicklung einer Pflanzenreihenerkennung für die Anbaugerätelenkung | Master |
| Reichert, Carina: Enhancing Agricultural Predictive Modelling: The Role of Artifical Intelligence in Forecasting Crop Yields from Proximally Sensed Data | Master |
| Theiß, Jan: Hierarchical Personalised Federatred Learning | Bachelor |
| Khatri, Vishal: Classificaton of diseases in tomato (Solanum lycopersicum) trial cultivation using Machin Learning | Master |
| Kuhn, Lena: Semantische Segmentierung von symptomatischen Bereichen auf Laboraufnahmen von inokulierten Pflanzen | Master |
| Schuler, Sven: Automated Detection of Wheat Leaves and Ears on Hperspectral Images | Master |
| Voigt, Max: Die Partizipaton von Landwirten in staatlich geförderten Forschungsprojekten im Bereich künstliche Intelligenz in der Agrarwirtschaft | Bachelor |
| Holzwarth, Harald: Beurteilung der Saatbettqualität mittels KI-gestützter Bildverarbeitung | Forschungsprojekt |
| Koppolu, Sarath Chandra: Time Weed Detection: A Comparative Analysis of State of Art Models | Master |
| Emminghaus, Jessica: Evaltuation of Field Emergence through AI | Master |
| Liskien, Paulina: Wer hat von meinem (Daten-)Tellerchen gegessen? Über die Kritikalität von Daten in der digitalen Landwirtschaft | Forschungsprojekt |
| Pieper, Tobias: Auf welchem Stand ist die aktuelle Landtechnik in Bezug auf Künstliche Intelligenz | Forschungsprojekt |
| Hsiao, Chieh-Fu: Classifying multiple soybean fungal diseases in leafscale by convolutional neural network | Master |
| Hanselmann, Jonah: Evaluierung des Energiebedarfs einer dynamischen Tiefenführung eines gezogenen Planzschars zur Feldgemüsepflanzung | Master |
| Mielke, Simon: Erkennung von Harnpfützen im Milchviehstall mit Methoden des maschinellem Sehens | Master |
| Händle, Marc: Ein Vergleich von Transformer - und CNN - Architektur in der Unkrautdetektion | Master |
| Schacht, Johannes: Vorhersage der von Winterraps aufgenommenen Stickstoffmenge aus Satellitendaten mittels maschinellem Lernen | Master |
| Voigt, Max: Detection of plant rows by means of Computer Vision | Forschungsprojekt |
| Duboux, Mathias: Real-time processing and analysing of multispectral images in the edge | Praktikum |
| Oberhofer, Dina: A Deep Learning approach for soil segmentation | Forschungsprojekt |
| Saravanan, Gomathi: Predicting the harvest time of tomatoes by detecting the ripeness using maching learning | Master |
| Modak, Sourav: Preprocessing and Enhancement of UAV Images for Plant Stress Detection | Master |
| Hanselmann, Jonah: Echtweltsimulationen für das Training von KIs | Forschungsprojekt |
| Jung, Annemarie: Einfluss angepasster Drehzahl auf Bodenrauigkeit und Kraftstoffverbrauch in einem Feldversuch | Forschungsprojekt |
| Potential for selective weeding in sugar beet using an image recognition algorithm - system analysis and economic feasibility | Master |
| Der Einsatz von Künstlicher Intelligenz als neue Perspektive im Smart/Precision Livestock Farming | Bachelor |
| Automated Ground Truth Generation for Semantic Segmentation of Crop and Weed on Drone Images using CNNs | Master |
| AI assisted synthetic image generation for agriculture application | Master |
| Die Anwendung von Methoden der Künstlichen Intelligenz in der Agrartechnik: Überblick, Taxonomie, Bewertung | Bachelor |
