Master\'s Thesis Expert-in-the-Loop AgentOps/LLMOps Pipeline for Systems Engineering Process Agents

Arbeitszeiten: Vollzeit

Zielgruppe: Studierende

Abteilung: E-IO-SY

Veröffentlicht: -

Wir sind...

Bei FEV.io GmbH ist es unsere Mission, die Landschaft der Automobilindustrie zu revolutionieren und intelligente Mobilität für alle Wirklichkeit werden zu lassen. Durch modernste Technologie und Software streben wir an, ein sichereres, umweltfreundlicheres und vernetztes Fahrerlebnis für alle zu schaffen. Wir erreichen dies durch unsere unvergleichlichen, agilen Software-Engineering-Systeme, die bahnbrechende Lösungen für unsere Kunden liefern, darunter sowohl zukunftsorientierte Automobil-Start-ups als auch die größten und etabliertesten Automobil-OEMs der Welt. Agilität und Innovation sind der Weg, wie wir unsere Mission erfüllen. Ist das einfach? Nein. Um dies zu erreichen, haben wir ein Team aus einigen der hellsten Softwareköpfe der Welt zusammengestellt. Unterstützt von unserem Mutterunternehmen - FEV, mit 6.100 talentierten Menschen, verfügen wir über das Know-how und die Erfahrung, um unser Versprechen einzuhalten. Wenn Sie zu uns kommen, werden Sie Teil eines Teams, das in die Zukunft blickt, um Software zu entwickeln, die einen Schritt voraus ist.

In dieser Thesis wird eine AgentOps/LLMOps-Pipeline entworfen und implementiert, um Ingenieure mit Experten-Feedback zu unterstützen. Die Arbeit adressiert die Herausforderung, dass aktuelle generative KI-Agenten im Systems Engineering (SE) - verwendet für Aufgaben wie Anforderungsableitung, Testfallgenerierung und Subsystemzerlegung - oft inkonsistente oder nicht nachvollziehbare Ergebnisse liefern, wenn sie als Black Boxes eingesetzt werden. Die Pipeline wird Fachexperten in iterative Feedback-Schleifen einbinden, ihre Korrekturen und Kontexte erfassen und dieses Feedback nutzen, um das System selektiv anzupassen. Der Ansatz wird sowohl den Vorwärtsfluss (Methoden/Daten → Agentenausgabe → Benutzerfeedback → Iteration) als auch den Rückwärtsfluss (Benutzerfeedback → Klassifizierung/Kontextengineering → selektive LLM-Anpassung/Testaktualisierung) operationalisieren, um unnötiges Retraining zu minimieren und sich auf Kontextengineering und selektive Anpassung zu konzentrieren.

Die Hauptaufgaben der Thesis umfassen:

• Durchführung einer Literatur- und Stand der Technik-Überprüfung zu MLOps, LLMOps und AgentOps, mit Fokus auf Ingenieure und Systeme mit Experten im Loop.
• Entwurf und Implementierung einer Open-Source-AgentOps/LLMOps-Pipeline, die auf SE-Anwendungsfälle zugeschnitten ist.
• Empirischer Vergleich von Anpassungsstrategien (Kontextengineering, parameter-effizientes Feintuning, hybrid) bei zwei SE-Aufgaben: (a) Anforderungsableitung für Subsysteme, (b) Testfallableitung aus Anforderungen.
• Messung von Präzision/Rückruf, semantischer Korrektheit, Expertenkorrekturen pro Iteration und Kosten-Nutzen-Metriken.
• Quantifizierung des Wertes von Expertenfeedback in der iterativen Verbesserung von Agenten.

Ihr Profil:

• Solide Programmierkenntnisse, vorzugsweise in Python (Erfahrung mit anderen Sprachen wie C++/Java ist von Vorteil).
• Fundamentales Wissen über maschinelles Lernen / KI, idealerweise einschließlich großer Sprachmodelle, Prompt-Engineering, retrieval-augmented generation (RAG) und Kontextengineering.
• Grundlegendes Verständnis von Software-Engineering-Konzepten (APIs, Datenmodelle, Versionskontrolle, Tests) und Cloud-Entwicklung (Azure bevorzugt).
• Analytische Fähigkeiten zur Gestaltung von Experimenten, Messung von Leistungskennzahlen und Interpretation von Ergebnissen.
• Fähigkeit, selbstständig zu arbeiten, komplexe Probleme zu strukturieren und Ergebnisse in wissenschaftlichem Englisch zu dokumentieren.
• Interesse an der Operationalisierung von KI-Agenten und der Integration von Experten-Feedback-Schleifen.

Schön zu haben:

• Erfahrung mit Kontextengineering, RAG oder Feintuning von LLMs.
• Interesse an Prozessen und Werkzeugen des Systems Engineering.

Wir bieten...

Modernste Technologie

Hier ist modernste Technologie und Innovation mehr als nur eine coole Art, uns zu beschreiben. So ist es wirklich! Sie werden mit den Besten der Besten zusammenarbeiten, einschließlich führender Automobil-OEMs, um die Software-Systeme und -Lösungen von morgen zu schaffen.

Flexibilität

Flexibel zu sein, mag für einige schön sein - aber für uns ist es ein Muss! Wir möchten, dass Sie entspannt, kreativ und effizient bei Ihrer Arbeit sind, daher bieten wir Ihnen ein Arbeitsmodell, das dies unterstützt! Möchten Sie Ihre Arbeitszeiten wählen? Sicher! Möchten Sie remote arbeiten? Klingt nach einem Plan!

Agilität

Produktprototypen innerhalb von 2-Tage-Sprints? Ja! Scrums und agile Workflows und Kommunikation? Auch! Wir sind stolz darauf, eine Atmosphäre von Agilität, Offenheit, Vertrauen und Innovation zu haben - und praktizieren dies täglich!

Die Quintessenz

Unsere Atmosphäre, Flexibilität und Agilität sind großartig, aber wir möchten auch sicherstellen, dass Sie Ihr Studium mit Leichtigkeit bestehen, daher bieten wir Folgendes an:

• Bis zu 100% Remote-Arbeit
• Flexible Arbeitszeiten für Ihre Work-Life-Balance
• FEV Academy und LinkedIn Learning
• Spendit Card - bargeldloser Vorteil
• Teamevents und Partys
• Moderne Lounges, elektronisch verstellbare Schreibtische, Flex-Desk, Tischfußball, Nintendo, Kaffee und Tee