100+ Onderwerpen voor Informatica Bachelor- en Masterscriptie

Je zoekt een onderwerp voor je informaticascriptie en overal duiken dezelfde woorden op: AI, blockchain, cloud. Daar struikelt bijna niemand over. Onderwerpen struikelen over de vraag erna: hoe laat je aan het eind zien dat jouw oplossing iets waard is?

Een onderwerp voor je informaticascriptie vind je door te beginnen bij een gebied dat jouw opleiding echt begeleidt, het terug te brengen tot één systeem en één doelgroep, en voor de aanmelding na te gaan waar de data voor je evaluatie vandaan komt: eigen metingen, een open dataset of mensen die jouw systeem gebruiken. Neem drie voorstellen mee naar je begeleider en bij elk één zin over hoe je het zou evalueren.

📌 Het belangrijkste in één oogopslag

• 220 informatica-onderwerpen verdeeld over negen gebieden.
• Een werkend systeem is nog geen resultaat.
• De gemiddelde SUS-score over 500 studies is 68.
• De AI-verordening geldt grotendeels sinds augustus 2026.
• De databron bepaalt je planning, niet je interesse.

De voorstellen in dit artikel horen bij het overzicht van alle themavoorstellen, waarin ook de andere opleidingen staan.

In vier stappen naar het juiste onderwerp voor je informaticascriptie

Het zoeken naar een onderwerp heeft in informatica een eigenaardigheid: je kunt bijna alles wat je wilt onderzoeken zelf maken. Een dataset, een prototype, een meetopstelling, het is allemaal een kwestie van uren werk. Precies daarom lopen informatica-onderwerpen zo makkelijk uit de hand.

De 220 voorstellen hieronder zijn grondstof. Een voorstel wordt pas een onderwerp als drie dingen vastliggen: welk systeem je aanpakt, voor wie het bedoeld is en waaraan je het succes afmeet.

1. Begin bij de onderzoeksgroep, niet bij de trend. Kijk welke groepen jouw opleiding heeft en welke scripties daar recent zijn afgerond. Een onderwerp zonder groep vindt geen begeleider, hoe actueel het ook is.
2. Breng een gebied terug tot één systeem. “Kunstmatige intelligentie in de zorg” is een gebied. “Een classifier voor ontslagbrieven: herkent die diagnoses zonder bijsturing?” is een onderwerp.
3. Plan je evaluatie vóór de eerste code. Schrijf op wat je aan het eind wilt vergelijken en waarmee. Zonder vergelijkingsbasis staat er in je resultaten een getal dat niemand kan plaatsen.
4. Ga met drie onderwerpen naar je begeleider. Met één krijg je een oordeel. Met drie krijg je een gesprek over de verschillen, en dat is de eigenlijke begeleiding.

De aanpak los van de opleiding staat in het artikel Onderwerp voor je bachelorscriptie of masterscriptie vinden.

Gebieden en specialisaties binnen de opleiding informatica

De gebieden binnen informatica verschillen voor een scriptie minder in inhoud dan in de vraag waar de meetdata vandaan komt. Een bewijs in de theoretische informatica heeft niets meer nodig dan literatuur. Een onderwerp uit de toegepaste informatica heeft een opdrachtgever nodig die je bij zijn gebruikers laat. Die scheiding bepaalt je planning, niet de technische moeilijkheid.

De tabel hieronder zet bij elk van de negen gebieden waar het over gaat en waar de data gewoonlijk ligt. Hij is met opzet grof: elk gebied laat ook puur theoretisch werk toe en bijna elk gebied laat eigen dataverzameling toe. De rechterkolom noemt het normale geval.

De arbeidsmarkt achter deze gebieden is groot. Het Centraal Bureau voor de Statistiek meldt op 10 februari 2026 in Digitalisering en kenniseconomie 2025 dat er “in 2024 622 duizend ICT’ers werkzaam” waren in diverse bedrijfstakken van de Nederlandse economie. Een onderwerp dat zich op één beroepsprofiel daarbinnen richt, verdedig je later makkelijk in een sollicitatiegesprek.

Eén gebied ontbreekt met opzet in de lijst. Alles wat meer naar het bedrijfsproces, het invoeringsproject en de rentabiliteit vraagt dan naar het systeem zelf, ligt dichter bij bedrijfsinformatica. Daarvoor is er een eigen lijst met onderwerpen voor bedrijfsinformatica. Ligt jouw nadruk juist op de formele basis, dan is een blik op de themavoorstellen voor wiskunde de moeite waard.

220 informatica-onderwerpen verdeeld over negen gebieden

De 220 voorstellen hieronder staan geordend naar de negen gebieden van hierboven. Ze zijn bedoeld als startpunt, niet als afgeronde onderzoeksvraag: elk voorstel heeft nog een concreet systeem, een doelgroep en een maat nodig voordat het een onderwerp is. “Machine learning in cybersecurity” wordt pas een scriptie als duidelijk is welk type aanval, welke dataset en gemeten waaraan.

Controleer twee dingen voordat je een voorstel overneemt. Ten eerste of jouw opleiding dat gebied begeleidt, want een onderwerp zonder begeleider wordt niet goedgekeurd. Ten tweede of de techniek nog zo heet. Onderwerpen die één bibliotheek of één product noemen, verouderen veel sneller dan onderwerpen die een probleem noemen.

Grondslagen van de informatica: 25 onderwerpen

Onderwerpen uit de grondslagen zijn de veiligste keuze als je niemand om data wilt vragen. Je meet je eigen systeem: looptijd, geheugengebruik, doorvoer. De meetopstelling is de helft van het werk en hoort zo beschreven te zijn dat iemand anders hem kan nabouwen. Het nadeel: zonder vergelijkingsoplossing blijft er een getal zonder betekenis over.

• Optimalisatie van zoekalgoritmen in niet-lineaire datastructuren
• Vergelijkende analyse van objectgeoriënteerde programmeertalen
• Ontwikkeling van cross-platform applicaties met actuele frameworks
• Geautomatiseerde code reviews en hun effect op softwarekwaliteit
• Parallellisatietechnieken in moderne processoren
• Evaluatie van algoritmen voor graafkleuring
• Prestatieanalyse van datacompressiealgoritmen
• Evolutionaire algoritmen toegepast op optimalisatieproblemen
• Analyse van synchronisatiemechanismen in multithreaded omgevingen
• Ontwerp en implementatie van een klein besturingssysteem
• Veiligheidsaspecten in programmeertalen en compilerbouw
• Implementatie van algoritmen op GPU-architecturen
• Ontwerppatronen in functioneel programmeren
• Strategieën voor geheugenbeheer in moderne programmeertalen
• Analyse van de complexiteit van algoritmen in de cryptografie
• Ontwikkeling van een framework voor testautomatisering
• Beoordeling van softwarearchitecturen voor schaalbare applicaties
• Goede praktijken bij het ontwerpen van programmeerinterfaces
• Gebruik van Docker bij softwareontwikkeling en uitrol
• Ontwerp en implementatie van microservices-architecturen
• Analyse van compileroptimalisaties voor hogere programmeertalen
• Implementatie en beoordeling van debugtechnieken
• Realtime besturingssystemen voor embedded systemen
• Ontwikkeling van een emulator voor een specifiek domein
• Continuous integration en continuous deployment in softwareontwikkeling

Theoretische informatica: 25 onderwerpen

Theoretisch werk heeft geen lab en geen deelnemers nodig, maar wel een lange adem. Je bewijst iets of je weerlegt het, en beide lukken alleen met papier, pen en heel veel lezen. Zulke onderwerpen vragen dat iemand bij jouw opleiding in die richting onderzoek doet. Een bewijsonderwerp bij een toepassingsgerichte groep vindt zelden begeleiding.

• Beslisbaarheid in formele talen
• Complexiteitsklassen en hun onderlinge relaties
• Nieuwe algoritmen voor NP-volledige problemen
• Toepassingen van speltheorie in de informatica
• Graafisomorfie en de algoritmische uitdagingen daarvan
• Quantumcomputing: grondslagen en perspectieven
• Automaten en hun toepassing in tekstverwerking
• Ontwerp en analyse van algoritmen voor graafproblemen
• Codeertheorie en fouttolerante systemen
• Dekpuntstellingen in de semantiek van programmeertalen
• Vervulbaarheidsproblemen en strategieën van moderne SAT-solvers
• Algoritmische speltheorie en mechanismeontwerp
• Petrinetten en hun toepassing bij het modelleren van systemen
• Formalisering van bewijssystemen
• Rekenmodellen voorbij Turing-volledigheid
• Categorietheorie in de informatica
• De rol van recursietheorie in de berekenbaarheid
• Reductiestrategieën in de complexiteitstheorie
• Formele talen en compilerconstructie
• Analyse van randomisatietechnieken in algoritmen
• Zero-knowledge-bewijzen
• Formalisering van oneindige automaten
• Fuzzy logica toegepast op besluitvorming
• Complexiteitsanalyse van gedistribueerde algoritmen
• Benaderingsalgoritmen voor NP-moeilijke optimalisatieproblemen

Praktische informatica: 25 onderwerpen

In dit gebied komt er iets tot stand dat werkt. Daar zit precies de valkuil: een werkend systeem is nog geen resultaat. Bepaal vroeg waaraan je afmeet of jouw oplossing beter is dan het voor de hand liggende alternatief. Wie daar pas in de laatste maand over nadenkt, schrijft de evaluatie met de data die er toevallig is.

• Beoordeling van REST- en GraphQL-interfaces in webapplicaties
• Beveiligingsstrategieën voor mobiele besturingssystemen
• Ontwikkeling van tools voor realtime data-analyse
• Goede praktijken voor het beheer van grote codebases
• Prestaties van NoSQL-databases vergeleken met SQL-systemen
• Virtual reality voor onderwijstoepassingen
• Server-side rendering in webapplicaties: architectuur en laadtijden
• Ontwikkeling van chatbots met natural language processing
• Beveiligingsmechanismen in apparaten voor het internet of things
• Inzet van drones voor het verzamelen en analyseren van data
• Ontwikkeling van een systeem voor gezichtsherkenning
• Geautomatiseerd opsporen en herstellen van softwarefouten
• Blockchain voor veilige transactiesystemen
• Ontwikkeling van een productiviteitsapp met speelse elementen
• Analyse en implementatie van load-balancingstrategieën voor webservers
• Ontwikkeling van besturingssystemen op maat op basis van Linux
• Augmented reality voor assistentiesystemen in de industrie
• Efficiëntie en schaalbaarheid van cloudopslagoplossingen
• Ontwerp en implementatie van een toegankelijke datavisualisatie
• Algoritmen voor het optimaliseren van netwerkroutes
• Implementatie van algoritmen voor zelfherstellende systemen
• Cross-site-scripting-aanvallen en hoe je ze afweert
• Ontwikkeling van een forensische tool voor digitaal onderzoek
• Ontwerp van een open source tool voor projectbeheer
• Implementatie en evaluatie van algoritmen voor gedistribueerd rekenen

Toegepaste informatica: 25 onderwerpen

Toegepaste onderwerpen leven van de opdrachtgever. Een ziekenhuis, een vereniging, een gemeente of een bedrijf levert de casus en meestal ook de mensen voor de test. Vraag vroeg en schriftelijk, want hier stranden onderwerpen op toegang en niet op techniek. Een onderwerp uit dit gebied zonder opdrachtgever blijft een prototype zonder beoordeling.

• Ontwikkeling van een digitaal systeem voor gezondheidsmonitoring
• IT-oplossingen voor duurzame landbouw
• Analyse van vervoerssystemen met simulatie en data-analyse
• Informatica in de ruimtevaart: navigatie en databeheer
• Digitale onderwijsplatforms: ontwikkeling en beoordeling
• IT-ondersteunde logistiek voor slimme warehousing
• Informatica-instrumenten toegepast in de archeologie
• Ontwerp van een informatiesysteem voor een kleine onderneming
• Ontwikkeling van een aanbevelingssysteem voor e-commerce
• Beveiligingsconcepten voor internetbankieren
• Smarthometechnologie: ontwikkeling en integratie
• Analyse van socialemediadata voor marketingstrategieën
• Mobile health: app-ontwikkeling voor patiëntbeheer
• Virtual reality in de psychotherapie
• Ontwikkeling van computerspellen met onderwijsinhoud
• Informatica in forensische analyse
• Invoering van ERP-systemen buiten de IT-sector
• Informatiesystemen in het toerisme: ontwikkeling en gebruik
• Kunstmatige intelligentie in de muziekindustrie
• Analyse van e-learningstrategieën in het hoger onderwijs
• Smart city: integratie van IT-systemen in de stedenbouw
• Informatica-oplossingen voor energiebeheer
• IT-ondersteuning bij de analyse van juridische data
• Digitale kunst en cultuur: platforms en archivering
• Ontwikkeling van hulpsystemen voor mensen met een beperking

Software engineering: 25 onderwerpen

Software engineering is het gebied met het meeste empirische werk. Wie over werkwijzen, technische schuld of code reviews schrijft, kan niet om uitspraken van ontwikkelaars heen. Dat is goed nieuws: professionals kunnen zelf toestemming geven en praten graag over hun werk. Twaalf tot twintig ingevulde vragenlijsten dragen een bachelorscriptie, het precieze aantal stem je af met je begeleider.

• Agile methoden en het watervalmodel: twee werkwijzen vergeleken
• Analyse en verbetering van de gebruikerservaring in een softwareproduct
• Softwaremetrieken en hun rol in kwaliteitsbewaking
• Ontwikkeling en beoordeling van continuous-delivery-workflows
• Refactoring van code: technieken en goede praktijken
• Technische schuld en de gevolgen voor softwareprojecten
• Analyse van cross-platform ontwikkelomgevingen
• Geautomatiseerde testmethoden voor mobiele applicaties
• Ontwerppatronen in cloudgebaseerde applicaties
• Hulpmiddelen voor softwareontwikkeling op basis van kunstmatige intelligentie
• Veiligheidsaspecten in de softwareontwikkeling
• Open source softwareprojecten en communitybeheer
• Gevolgen van microservices voor de systeemarchitectuur
• Softwareonderhoud en software-evolutie: uitdagingen en strategieën
• Virtualisatietechnieken in de softwareontwikkeling
• Invoering van een DevOps-cultuur in een organisatie
• Frameworks voor de internationalisering van software
• Beoordeling van architectuurstijlen voor bedrijfsapplicaties
• Effectiviteit van bugtrackingsystemen
• Pair programming en code reviews in de praktijk
• Prestatieoptimalisatie van webapplicaties met hoge belasting
• Projectmanagementtools in de softwareontwikkeling
• Ontwikkeling van beveiligingsprotocollen voor webapplicaties
• Kunstmatige intelligentie toegepast op software testing
• Aanpassingsmechanismen voor verouderde softwaresystemen

Kunstmatige intelligentie en machine learning: 30 onderwerpen

Kunstmatige intelligentie is het gebied dat sinds 2023 het hardst is verschoven, en vijf onderwerpen hieronder stonden niet in de eerste versie van deze lijst. Twee aandachtspunten: vraag voor je aanmelding naar toegang tot rekencapaciteit, en een model dat alleen tegen een standaard benchmark loopt is nog geen eigen prestatie.

• Neurale netwerken voor beeldherkenning
• Leeralgoritmen voor de financiële sector
• Deep learning toegepast op medische diagnostiek
• Bijsturen van voorgetrainde taalmodellen voor een vakdomein
• Machine learning voor het voorspellen van weersverschijnselen
• Reinforcement learning in autonome voertuigen
• Kunstmatige intelligentie in gepersonaliseerde geneeskunde
• Patroonherkenning in tijdreeksen
• Optimalisatie van de toeleveringsketen met kunstmatige intelligentie
• Natural language processing voor het automatisch samenvatten van teksten
• Gedragsanalyse met kunstmatige intelligentie in camerabewaking
• Kunstmatige intelligentie in games: gedrag van niet-speelbare personages
• Aanbevelingssystemen voor streamingdiensten
• Machine learning in cybersecurity
• Machine learning voor het voorspellen van aandelenkoersen
• Algoritmen voor spraakgestuurde assistenten
• Kunstmatige intelligentie in de landbouwtechniek voor hogere opbrengst
• Methoden van kunstmatige intelligentie voor de analyse van genoomdata
• Machine learning in industriële beeldverwerking
• Diagnostische hulpmiddelen op basis van kunstmatige intelligentie in de zorg
• Machine learning voor het herkennen van nepnieuws
• Leerplatforms ondersteund door kunstmatige intelligentie
• Kunstmatige intelligentie in de robotica: samenwerkende systemen
• Predictive analytics in klantrelatiebeheer
• Kunstmatige intelligentie voor het optimaliseren van energienetten
• Retrieval-augmented generation: architectuur en antwoordkwaliteit
• Evaluatie van grote taalmodellen: benchmarks en hun grenzen
• Herkennen van door AI gegenereerde teksten: methoden en foutmarges
• Kwantisatie van neurale netwerken voor gebruik op apparaten
• Effect van promptstrategieën op de antwoorden van taalmodellen

Data science: 25 onderwerpen

Onderwerpen uit de data science hangen aan één vraag: bestaat de dataset echt en mag je hem gebruiken? Open portalen zoals data.overheid.nl of Zenodo zijn de comfortabele route. Data uit sociale netwerken is dat niet meer, omdat de interfaces van de grote platforms inmiddels geld kosten of gesloten zijn. Controleer de toegang voordat je het onderwerp aanmeldt.

• Frequent pattern mining in grote transactiedatasets
• Clusteringtechnieken toegepast op marktsegmentatie
• Machine learning-modellen voor het voorspellen van klantvraag
• Deep learning voor automatische tekstclassificatie
• Frameworks voor stream processing van big data
• Anomaliedetectie in tijdreeksdata
• Sentimentanalyse in sociale netwerken
• Visualisatietechnieken voor complexe datasets
• Netwerkanalyse toegepast op sociale media
• Aanbevelingssystemen bouwen met collaboratief filteren
• Predictive analytics voor fraudedetectie
• Analyse van ruimtelijk-temporele data voor milieumonitoring
• Machine learning voor het optimaliseren van logistieke netwerken
• Modellen voor het voorspellen van trends op financiële markten
• Natural language processing voor het automatisch schrijven van nieuwsberichten
• Optimalisatie van algoritmen voor schaalbare dataverwerking
• Personalisatie van webcontent met technieken uit de kunstmatige intelligentie
• Beoordeling van technieken voor data-integratie uit meerdere bronnen
• Strategieën voor databeheer in cloudomgevingen
• Data science in de zorg voor betere patiëntenzorg
• Algoritmen voor datareductie en datacompressie
• Analyse van geodata ter ondersteuning van stedenbouw
• Methoden om datakwaliteit te waarborgen
• Text mining voor het ontsluiten van wetenschappelijke publicaties
• Machine learning voor gepersonaliseerd onderwijs

Wiskunde voor informatica: 20 onderwerpen

Wiskundige onderwerpen schrijf je aan je bureau en ze liggen bij examinatoren beter dan studenten vermoeden. Zo’n scriptie laat zien dat je de basis begrijpt in plaats van een bibliotheek aan te roepen. Vijf van de twintig voorstellen zijn nieuw en sluiten aan bij cryptografie en machine learning, waar de wiskunde nu bijzonder zichtbaar is.

• Elliptische krommen en hun rol in moderne versleutelingsmethoden
• Modellering en simulatie van netwerken met graaftheorie
• Kansrekening toegepast op de algoritmiek
• Numerieke methoden voor differentiaalvergelijkingen in computergrafiek
• Optimalisatiealgoritmen in de kunstmatige intelligentie
• Wiskundige modellen voor het analyseren van algoritmeprestaties
• Topologie en haar toepassing in de robotica
• Speltheorie toegepast op computernetwerken
• Analyse van versleutelingsalgoritmen met getaltheorie
• Discrete structuren in de informatica
• Lineaire algebra en gegevensverwerking
• Statistische methoden voor softwarekwaliteitsbewaking
• Opzet en analyse van experimenten in informaticaonderzoek
• Wiskundige modellering van processen in gedistribueerde systemen
• Combinatoriek bij het ontwerpen van datastructuren
• Differential privacy: wiskundige grondslagen en praktische grenzen
• Roostergebaseerde cryptografie: de wiskunde achter de NIST-standaarden
• Numerieke stabiliteit bij het trainen van neurale netwerken
• Informatietheorie en entropie bij datacompressie
• Markovketens voor het modelleren van gebruikersgedrag op het web

Specialisaties en onderzoek: 20 onderwerpen

Specialistische onderwerpen zijn aantrekkelijk en riskant tegelijk. Aantrekkelijk omdat er weinig literatuur is en je scriptie daardoor snel iets eigen toevoegt. Riskant omdat weinig literatuur ook betekent dat je houvast mist. Neem een onderwerp uit dit gebied alleen als er bij jouw opleiding een groep aan werkt.

Bij twee punten moet de aanduiding vandaag precies zijn. Methoden die bestand zijn tegen quantumcomputers zijn sinds 13 augustus 2024 gestandaardiseerd: het NIST publiceerde de eerste drie standaarden, FIPS 203, 204 en 205, waaronder ML-KEM voor sleuteluitwisseling (NIST, augustus 2024). Wie over quantumcomputing en versleuteling schrijft, noemt die standaarden in plaats van in het algemeen over een toekomstige dreiging te spreken.

• Gevolgen van quantumcomputing voor versleutelingsmethoden
• Autonome robotsystemen voor specifieke toepassingen
• Ethische aspecten van systemen met kunstmatige intelligentie
• Humanoïde robotica en kunstmatige empathie
• Brain-computer interfaces en hun toepassingen
• Computational neuroscience en cognitieve modellen
• Genetische algoritmen voor probleemoplossing in de kunstmatige intelligentie
• Geavanceerde systemen voor fog computing
• Edge computing in omgevingen van het internet of things
• Cyberfysieke systemen en het industriële internet
• Mixed-reality-toepassingen voor onderwijs en training
• Nanotechnologie in de informatica
• Migratie van bestaande systemen naar quantumveilige methoden
• Bio-informatica: methoden voor de analyse van genetische sequenties
• Informatica ten dienste van duurzame energie
• Conformiteitseisen van de AI-verordening voor systemen met hoog risico
• Energiegebruik bij het trainen van grote modellen: meten en verlagen
• Reproduceerbaarheid in informaticaonderzoek: artefacten en badges
• Toegankelijkheid van webinterfaces volgens de WCAG: toetsmethoden
• MLOps: beheer en monitoring van modellen in productie

Welke informatica-onderwerpen eigen dataverzameling nodig hebben

Informatica-onderwerpen die eigen dataverzameling nodig hebben, verraden zich in hun formulering: alles wat naar acceptatie, gebruiksgemak of inzet in de praktijk vraagt, heeft uitspraken van mensen nodig. Al het andere komt uit een meting op je eigen systeem of uit de literatuur. Dat onderscheid is het nuttigste voor de aanmelding en staat in geen enkele onderwerpenlijst.

De tabel hieronder zet bij de meest voorkomende formuleringen wat ze vragen. Elke regel met “eigen enquête” of “eigen gebruikerstest” rechts betekent ongeveer vier weken extra voor vragenlijst, toestemming en het zoeken van deelnemers.

Voor de regels met eigen dataverzameling geldt eerst een keuze: wil je tellen of wil je begrijpen? Tellen vraagt een gestandaardiseerde vragenlijst en genoeg deelnemers. Begrijpen komt met acht goede interviews al een heel eind. Wat de twee routes opleveren, staat in het artikel over de online enquête als empirische onderzoeksmethode.

Eén punt gaat in informaticascripties regelmatig mis: representativiteit. Een enquête onder 40 medestudenten zegt niets over ontwikkelaars in Nederland, en dat hoeft ook niet. Hij moet alleen correct beschreven zijn in je methodedeel. Wanneer een enquête die aanspraak wél kan maken, legt het artikel over de representativiteit van online enquêtes uit.

Je systeem beoordelen: het deel dat in veel informaticascripties ontbreekt

Je systeem beoordeel je door vóór de eerste regel code vast te leggen welk doel je toetst, met welke vraag en met welke maat, en het resultaat daarna te leggen naast een vergelijkingsoplossing of naast het oordeel van echte gebruikers. Zonder dat plan blijft aan het eind de vaststelling over dat de software werkt.

Informatica is de opleiding waarin studenten het vaakst iets maken en het minst vaak vooraf bedenken hoe ze het gaan beoordelen. Het prototype werkt, de repository is gevuld, de inlevering is over twee weken en dan ontbreekt het deel dat het werk tot onderzoek maakt. De vraag naar de evaluatie hoort daarom bij de onderwerpkeuze, niet bij de conclusie.

De kwaliteitscriteria komen uit je eigen plan van aanpak

Je kwaliteitscriteria leg je zelf vast, en je moet er aan het eind verantwoording over afleggen. De afstudeerleidraad Scriptie van het Institute for ICT van Hogeschool Utrecht voor 2025-2026 formuleert die eis letterlijk: “Geef een verantwoording van hoe de resultaten van je afstudeerproject voldoen aan de in het plan van aanpak beloofde kwaliteitscriteria.”

Die ene zin verklaart waarom unittests niet volstaan. Unittests laten zien dat je code doet wat je hebt geprogrammeerd, niet dat je oplossing beter is dan wat er al was. Dezelfde leidraad kent 30 ECTS toe na positieve afronding en noemt als richtlijn “idealiter niet langer dan 50 pagina’s (exclusief bijlagen)”. Jouw eigen leidraad is bepalend, want elke opleiding regelt dit anders.

Hbo of wo: dezelfde techniek, een andere vraag

Hbo en wo verschillen in de vraag die je stelt, en dat bepaalt hoe je onderwerp eruitziet. De Rijksuniversiteit Groningen schrijft over het wo: “De nadruk ligt hierbij op het analytisch en kritisch leren denken.” Over het hbo schrijft zij: “Je zet (bestaande) kennis om in praktijkgerichte oplossingen die je direct leert toepassen in de praktijk.”

Voor je onderwerp betekent dat iets concreets. In het hbo staat een opdrachtgever centraal en is de vraag of jouw oplossing in die situatie werkt. In het wo staat een onderzoeksvraag centraal en is de vraag of je methode houdbaar is. Er bestaan ook opleidingen zonder losse scriptie: de Universiteit Utrecht laat studenten informatica in het Softwareproject in een professionele setting software of games ontwikkelen. Kijk dus eerst welke vorm jouw opleiding kent.

Gebruiksgemak meten met de System Usability Scale

Zodra mensen jouw systeem moeten gebruiken, heb je een maat voor hun oordeel nodig. De meest gebruikte vragenlijst daarvoor is de System Usability Scale, kort SUS: tien uitspraken, een vijfpuntsschaal en aan het eind een waarde tussen 0 en 100. Het voordeel voor een scriptie zit in de vergelijkingswaarde. Jeff Sauro analyseerde in 2011 500 studies en schrijft: “The average SUS score from all 500 studies is a 68.”

Met dat getal krijgt jouw resultaat een plaats die geen zelfgemaakte tevredenheidsvraag kan geven. Een SUS-score van 74 is bovengemiddeld, een van 55 niet. Houd de grens in gedachten: de SUS meet het subjectieve oordeel over gebruiksgemak, niet of de taak lukt. Hoe lang een taak duurt en hoe vaak hij mislukt, meet je daarnaast.

Reproduceerbaarheid: wat er van je scriptie navolgbaar blijft

Reproduceerbaarheid is in de informatica een eigen kwaliteitskenmerk en een sterk argument bij de verdediging. De Association for Computing Machinery, kort ACM, onderscheidt in haar richtlijn over Artifact Review and Badging (versie 1.1 van 24 augustus 2020) twee niveaus. “Results Reproduced” betekent dat een ander team de resultaten met de artefacten van de auteurs opnieuw heeft gehaald. “Results Replicated” betekent dat het die zonder die artefacten heeft gehaald.

Voor je scriptie volgt daaruit een korte lijst. Leg broncode, configuratie, dataset en analysescripts zo vast dat je begeleider je getallen kan narekenen. Noem de versies van de bibliotheken, niet alleen hun namen. En houd bij welke runs je hebt weggegooid. Een scriptie waarvan de resultaten na te rekenen zijn, is moeilijker aan te vallen dan een met mooiere getallen.

Voor een enquête of een gebruikerstest heb je een tool nodig waarmee je de vragenlijst opstelt en de antwoorden analyseert. empirio.ai, een online enquêtetool uit Duitsland, biedt in het gratis tarief 50 antwoorden per maand en host in de EU, inclusief verwerkersovereenkomst (stand: oktober 2026). Voor een SUS-meting met 30 mensen is dat genoeg. Enkele honderden antwoorden vragen een betaald tarief, en dat hoort er eerlijk bij.

Onderwerpen voor masterscriptie, afstudeerproject en projectopdracht

Onderwerpen voor een masterscriptie, een afstudeerproject en een projectopdracht komen uit dezelfde lijst, alleen anders toegesneden: de projectopdracht neemt één maat, de bachelorscriptie een oplossing plus beoordeling, de masterscriptie de vergelijking van meerdere methoden. Niet het voorstel is beslissend, maar hoe breed je het optuigt.

De gevallen hieronder komen het vaakst voor bij begeleidingsgesprekken. Voor alle geldt hetzelfde principe: hoe korter het werk, hoe smaller de vraag en hoe kleiner het evaluatiedeel. Een projectopdracht van tien pagina’s draagt precies één maat.

Een informatica-onderwerp opschalen naar een masterscriptie

Een masterscriptie verschilt van een bachelorscriptie in de informatica meestal niet door meer code, maar door meer vergelijking. “Ontwikkeling van een aanbevelingssysteem voor e-commerce” wordt in de master de vergelijking van drie methoden op dezelfde dataset, met een significantietoets en een bespreking van de grenzen. De omvang groeit waar de onderbouwing groeit, niet waar het aantal regels groeit.

Afstuderen met een scriptie of met een beroepsproduct

Veel hbo-opleidingen kennen twee afstudeerroutes, en die keuze verandert je onderwerp. Het Institute for ICT van Hogeschool Utrecht heeft naast de scriptieroute een route met een beroepsproduct. In de scriptieroute staat het onderzoek centraal en is de vraag wat je hebt aangetoond. In de productroute staat het opgeleverde product centraal en is de vraag of het aan de afgesproken kwaliteitscriteria voldoet. Vraag in het eerste gesprek welke route jouw onderwerp past.

Een onderwerp versmallen tot een projectopdracht

Voor een projectopdracht neem je een voorstel uit de lijst en haal je alles vergelijkende eruit. “Agile methoden en het watervalmodel: twee werkwijzen vergeleken” wordt “Retrospectives in een Scrum-team: verloop en ervaren nut”. Een projectopdracht heeft geen benchmark nodig, maar een nette beschrijving en één onderbouwde uitspraak. Meer voorbeelden staan in de lijst met themavoorstellen voor huiswerk en seminaarwerk.

Informatica of bedrijfsinformatica: waar hoort welk onderwerp

Informatica en bedrijfsinformatica overlappen flink, maar de examenvraag verschilt. Informatica vraagt hoe een systeem werkt en of het beter werkt dan een ander. Bedrijfsinformatica vraagt of een systeem een organisatie helpt en wat de invoering kost. In de praktijk: zit er in je onderwerp een maat uit het systeem, dan is het informatica. Zit er een maat uit de organisatie in, dan is het bedrijfsinformatica.

Staat je onderwerp, dan volgt de stap naar de onderzoeksvraag. Een onderzoeksvraag is niet hetzelfde als een onderwerp: hij moet te beantwoorden zijn, en wel met de data die je echt krijgt. Het verschil tussen vraag, stelling en hypothese legt het artikel over stelling, hypothese en onderzoeksvraag uit.

Veelgemaakte fouten bij het kiezen van een informatica-onderwerp

Vier fouten komen bij het kiezen van een informatica-onderwerp bijzonder vaak voor: een technologienaam als onderwerp, een prototype zonder vergelijkingsbasis, een achterhaald juridisch kader en ontbrekende toegang tot de data. Alle vier hebben dezelfde kern: het onderwerp is vanuit de techniek bedacht en niet vanuit de vraag.

Alle vier zijn voor de aanmelding te herstellen. Daarna niet meer, omdat onderwerp en titel dan vastliggen en wisselen een nieuwe aanmelding betekent.

Het onderwerp is een technologie, geen vraag

“Blockchain in de logistiek” is een gebied, geen scriptie. De fout ontstaat doordat technologienamen de vertrouwde woorden zijn uit colleges en vacatures. Het gevolg is een scriptie die dertig pagina’s uitlegt wat de technologie is en vijf pagina’s wat jij ermee hebt gedaan. De uitweg is mechanisch: zet achter je onderwerp een systeem, een doelgroep en een maat. Blijft het dan nog te groot, schrap de helft.

Het prototype werkt, maar er is niets te laten zien

De meest voorkomende misser in informaticascripties: het systeem werkt, de inlevering nadert en er is geen vergelijkingsbasis. In de resultaten staat dan dat de applicatie “succesvol is geïmplementeerd”, en daar staan in de beoordeling geen punten voor. Leg voor je eerste commit vast waarmee je vergelijkt: een bestaande oplossing, een eenvoudige referentiemethode of de situatie voor jouw wijziging.

Achterhaald juridisch kader: de AI-verordening geldt al

Onderwerpenlijsten op het web behandelen kunstmatige intelligentie nog als juridisch ongeregeld terrein. Sinds augustus 2024 is dat onjuist. De Europese AI-verordening, Verordening (EU) 2024/1689, is op 1 augustus 2024 in werking getreden. De verboden en de plicht tot AI-vaardigheid gelden sinds 2 februari 2025, de verplichtingen voor modellen voor algemene doeleinden sinds 2 augustus 2025 en het grootste deel van de verordening sinds 2 augustus 2026 (Europese Commissie).

In Nederland is het toezicht daarop nog niet definitief geregeld, en dat is precies het detail dat een actuele scriptie van een gekopieerde onderscheidt. De Rijksoverheid meldt op 20 april 2026 dat het kabinet een voorstel heeft gedaan waarin bestaande toezichthouders binnen hun eigen domein toezicht houden en waarin “de Autoriteit Persoonsgegevens en de Rijksinspectie Digitale Infrastructuur (RDI) … een coördinerende rol” krijgen (Rijksoverheid). Schrijf dus over een voorgenomen stelsel, niet over een vastgesteld stelsel.

Voor je onderwerpkeuze volgt daaruit één controlestap. Wie een AI-systeem voor een concrete toepassing ontwikkelt, bijvoorbeeld voor sollicitaties, onderwijs of zorg, plaatst het in het theoretisch kader in een risicoklasse en noemt de verplichtingen die daarbij horen. Een puur algoritmische scriptie zonder toepassing heeft dat niet nodig. Dit artikel is geen juridisch advies, de verordeningstekst is bepalend.

Geen toegang tot de data waarmee je wilde rekenen

Een onderwerp over sentimentanalyse op een socialmediaplatform leest goed en eindigt vaak bij een betaalmuur. Interfaces die in 2020 nog vrij waren, kosten nu geld of zijn gesloten. Hetzelfde geldt voor bedrijfsdata: een mondelinge toezegging tijdens een stage is geen goedkeuring van de juridische afdeling. Download de dataset of haal de schriftelijke toezegging voordat je het onderwerp aanmeldt.

Checklist voor de aanmelding

• Systeem, doelgroep en maat staan in de werktitel.
• De vergelijkingsbasis voor de evaluatie is benoemd.
• De dataset staat klaar of de toezegging is schriftelijk.
• Deelnemers voor een gebruikerstest zijn bereikbaar.
• Rekentijd en tools zijn geregeld.
• Een groep bij jouw opleiding begeleidt dit gebied.

Een informatica-onderwerp is niet goed omdat de techniek spannend is. Het is goed omdat je aan het eind iets kunt meten.

Conclusie

Neem uit de 220 voorstellen drie onderwerpen mee die bij een groep van jouw opleiding passen, en beslis daarna op de evaluatie en niet op je interesse. Onderwerpen uit de theoretische informatica en de wiskunde kunnen altijd, omdat je niemand om data hoeft te vragen. Alles met een gebruikerstest of een enquête vraagt vier weken voorbereiding en genoeg deelnemers.

Hoe het verdergaat

• Wil je weten hoe lang de scriptie moet zijn en welke hoofdstukken erin horen? Bachelor: gids en structuur met voorbeeld
• Heb je een vragenlijst nodig voor je gebruikerstest? Vragenlijst maken: handleiding, tips en voorbeelden
• Zoek je een kant-en-klaar sjabloon als startpunt? Sjablonen voor enquêtes en vragenlijsten

Heeft jouw onderwerp een gebruikersonderzoek nodig?

Stel de vragenlijst in een paar minuten op, deel de link met je testgroep en laat de antwoorden direct analyseren.

Enquête maken voor je scriptie