Bakalářská prácestudenta se zabývá srovnáním low-code/no-code platforem a AI-native vývojových prostředí při řešení úlohy monitorování provozních parametrů bateriového úložiště energie (BESS). Student zadanou úlohu úspěšně implementoval ve čtyřech různých nástrojích (n8n, Make.com, Cursor, Windsurf) a na základě dlouhodobějšího provozu nasbíral data pro následný benchmark. Přístup studenta k řešení byl po celou dobu zodpovědný a systematický.
Praktická část práce vykazuje dobrou inženýrskou úroveň. Vyhodnocení parametrů, jako je doba běhu procesů nebo přenositelnost kódu, je provedeno metodicky správně a diskuze věcně pojmenovává slabá místa jednotlivých řešení (např. diagnostická omezení cloudových platforem). Výstup práce má reálnou využitelnost, což potvrzuje i fakt, že nasazená aplikace úspěšně detekovala teplotní gradienty na sledované technologii.
Hlavním negativem práce je její zbytečná literární rozsáhlost. Autor se v textu často pouští do příliš detailních popisů, které mohly být zkráceny a formulovány úderněji, což by prospělo celkové čtivosti. Tento formální nedostatek je však vyvážen velkým rozsahem praktické implementace a kvalitním zpracováním výsledků. Práci doporučuji k obhajobě s hodnocením výborně (A).

Práce se zabývá aktuální problematikou využití low-code a no-code nástrojů pro řešení automatizační úlohy v oblasti monitorování bateriového úložiště. Autor provedl rozsáhlou rešerši a následně navrhl a implementoval praktickou aplikaci, kterou realizoval na více platformách a objektivně porovnal pomocí definovaných metrik. Pozitivně hodnotím zejména komplexnost řešení, systematický postup a důslednou snahu o srovnání jednotlivých přístupů na stejné bázi, včetně sjednocení logiky i výstupního reportu. Práce tak má jasný praktický přínos a ukazuje dobrou orientaci autora v oblasti moderních vývojových nástrojů i automatizace.

Hlavním nedostatkem práce je její neúměrný rozsah a značná rozvláčnost. Teoretická část jde místy do zbytečné šířky a zahrnuje i pojmy a technologie, které nejsou pro vlastní řešení klíčové. Text tak působí méně úsporně, než by bylo u technické práce vhodné – některé pasáže mají spíše charakter učebnicového výkladu než cílené podpory řešeného problému. Podobně i v praktické části se objevují příliš detailní popisy implementačních kroků, které by bylo možné shrnout nebo přesunout do příloh bez ztráty informační hodnoty. Práce by výrazně získala na kvalitě při důslednější selekci informací a větším důrazu na stručnost a výběr podstatného.

Další slabinou je spíše popisný charakter některých částí, zejména v oblasti vyhodnocení a diskuse výsledků. Autor sice prezentuje rozsáhlé množství dat a metrik, ale jejich hlubší interpretace, kritické zhodnocení a zobecnění závěrů není vždy dostatečně rozpracováno. Chybí také silnější akcent na limity navrženého řešení a jeho širší uplatnitelnost mimo konkrétní experimentální podmínky.

Přes uvedené výhrady hodnotím práci jako kvalitní, s jasným praktickým zaměřením a solidní technickou úrovní. Autor prokázal schopnost řešit komplexní inženýrský úkol a pracovat s moderními technologiemi, avšak forma zpracování by si zasloužila větší míru stručnosti a selektivnosti. Topics for thesis defence:

1. V práci porovnáváte jednotlivé platformy na základě předem definovaných metrik. Jak by se podle vás změnily výsledky benchmarku při použití jiné automatizační úlohy (např. s většími datovými objemy nebo vyšší náročností na real-time zpracování)?
2. Ve vaší implementaci používáte jako datové úložiště Google Sheets. Jaké by byly hlavní dopady na architekturu řešení a výsledky porovnání, pokud by byla použita robustní databáze (např. SQL/NoSQL systém) určená pro produkční nasazení?