In einer zunehmend globalisierten und vernetzten Welt spielen öffentliche Nachrichtenquellen eine entscheidende Rolle bei der Früherkennung von Risiken. Unternehmen und Organisationen müssen potenzielle Bedrohungen frühzeitig erkennen, um proaktiv reagieren zu können. Diese Masterarbeit soll untersuchen, wie Risiken aus öffentlich zugänglichen Nachrichtenquellen mithilfe moderner Technologien wie Text Mining und Natural Language Processing (NLP) identifiziert werden können.

Entwicklung eines Frameworks oder Modells zur automatisierten Identifikation von Risiken aus Nachrichtenquellen. Dabei sollen relevante Technologien und Ansätze aus den Bereichen Machine Learning, Textanalyse und Datenaggregation untersucht und angewandt werden.

• Durchführung einer Literaturrecherche zu bestehenden Ansätzen der Risikoerkennung aus Textdaten.
• Sammlung und Vorverarbeitung von Daten aus öffentlichen Nachrichtenquellen (z. B. RSS-Feeds, Websites, Social Media).
• Entwicklung und Implementierung eines Modells zur Risikoidentifikation (z. B. mit NLP-Methoden wie Sentimentanalyse, Named Entity Recognition oder Topic Modeling).
• Evaluation des Modells anhand eines Datensets von realen Nachrichten.
• Ableitung von Handlungsempfehlungen für die praktische Anwendung des entwickelten Modells.

- Studium in Informatik, Data Science, Wirtschaftsinformatik oder einem verwandten Fachgebiet.
- Kenntnisse in Natural Language Processing (NLP) und Textanalyse.
- Programmiererfahrung in Python (z. B. Nutzung von Bibliotheken wie spaCy, NLTK, Transformers).
- Grundverständnis von Machine Learning und Datenvorverarbeitung.