Für ein internes Forschungs- und Entwicklungsprojekt suchen wir Dich für eine Masterarbeit an der Schnittstelle von Large Language Models, Softwarearchitektur und empirischer Softwaretechnik.
Worum geht es?
KI-Coding-Agenten bearbeiten eine Aufgabe in vielen aufeinanderfolgenden Modellaufrufen mit Tool Calling. Lokal betriebene Open-Weight-Modelle sind günstig und datenschutzfreundlich, aber oft weniger leistungsfähig als Cloud-Modelle. Gleichzeitig kennen die Modelle das interne Wissen von ALTEN nicht, etwa Guidelines, Architekturentscheidungen und interne APIs. Agenten gleichen das mit zusätzlichen Suchschritten und Fehlversuchen aus, und beides kostet Tokens.
Praxisziel: Eine Lösung für ALTEN, die internes Wissen für beliebige Coding-Agenten nutzbar macht und den Token-Verbrauch in unserer täglichen Arbeit minimiert („Local first, Cloud when necessary“). Die Arbeit liefert die Entscheidungsgrundlage, ob eine gepflegte Wissensbasis oder mehr Cloud-Budget die Tokens besser spart.
Leitfrage der Arbeit: Um wie viele Prozentpunkte sinkt der Anteil der Aufgaben, die ein Gateway in die Cloud routen muss, damit Coding-Agenten bei testbasierten Aufgaben nicht schlechter als mit einem reinen Cloud-Modell abschneiden, wenn dem lokalen Modell zusätzlich Unternehmenswissen bereitgestellt wird? (Die Formulierung ist für die Ausschreibung vereinfacht; die präzise Fassung mit Non-Inferiority-Grenze steht im Exposé.)
Methode: prototypbasierte empirische Untersuchung (Design Science Research). Du entwickelst ein Gateway als Artefakt und evaluierst es in einem kontrollierten, vorab festgelegten Experiment mit testbasierten Coding-Aufgaben. Ein zweiter, andersartiger Coding-Agent prüft die Übertragbarkeit. Ein Nullergebnis ist ausdrücklich ein gültiges Ergebnis. Die genauen Forschungsfragen stimmst du mit deiner Hochschule ab. Ein ausgearbeiteter Vorschlag liegt vor.
DU…
- arbeitest den Stand der Forschung zu LLM-Routing, Kaskaden, Retrieval-Augmented Generation und agentischen Coding-Systemen auf
- entwirfst und implementierst prototypisch ein Inference-Gateway mit Chat-Completions-kompatibler Schnittstelle (z. B. in Python)
- wählst die untersuchten Coding-Agenten anhand nachvollziehbarer Kriterien aus, zum Beispiel konfigurierbarer Endpunkt, Tool Calling, Skriptmodus und Erweiterbarkeit
- implementierst eine transparente, regelbasierte Routing-Policy auf Basis beobachtbarer Signale und berücksichtigst Datenschutzvorgaben als harte Bedingung
- machst ALTEN-internes Wissen für die Agenten zugänglich und untersuchst, wie es je Modellstufe (lokal und Cloud) wirkt
- baust einen Aufgabenkatalog mit automatisierten Akzeptanztests und eine Evaluations-Harness auf
- vergleichst mit Baselines (immer lokal, immer Cloud, zufällig, Oracle) hinsichtlich Lösungsrate, Tokens und Kosten pro gelöster Aufgabe sowie Latenz und wertest die Ergebnisse statistisch aus (Mixed-Effects-Modelle, Non-Inferiority, Poweranalyse, Pilot für das Token-Budget; ca. 3 450 automatisiert ausgeführte Läufe)
- prüfst in einer Replikation, ob die Befunde für einen zweiten, andersartigen Coding-Agenten gelten
- leitest Gestaltungsempfehlungen ab, zum Beispiel Schwellwerte, Hardware-Dimensionierung und Break-even-Betrachtung
DU…
- studierst im Master Informatik, Software Engineering, Wirtschaftsinformatik, Data Science oder einen vergleichbaren Studiengang
- hast sichere Programmiererfahrung, idealerweise in Python, und kennst REST APIs und HTTP. Erfahrung mit Streaming (SSE) ist von Vorteil
- bringst Grundkenntnisse in Linux und Containern mit; Erfahrung mit GPU-Servern oder dem Betrieb von LLM-Inference-Servern ist ein Plus
- hast Interesse an LLMs, Modell-Routing, Embeddings bzw. RAG und KI-gestützter Softwareentwicklung; idealerweise hast du schon mit Coding-Agenten gearbeitet
- kennst Grundlagen der Versuchsplanung und Statistik oder möchtest sie gezielt vertiefen
- arbeitest strukturiert, eigenständig und analytisch und dokumentierst nachvollziehbar
- kommunizierst sicher auf Deutsch und Englisch
Wir wertschätzen Vielfalt und begrüßen daher alle Bewerbungen – unabhängig von Geschlecht, Nationalität, ethnischer und sozialer Herkunft, Religion / Weltanschauung, Behinderung, Alter sowie sexueller Orientierung und Identität.
Schwerbehinderte werden bei gleicher Eignung bevorzugt berücksichtigt.
Bewirb dich jetzt über unser Online-Bewerbungsformular.
- Talent Management – wir entwickeln deine Karriere
- Praxisnahe Masterarbeit -– klar eingegrenztem Proof-of-Concept-Umfang
- Fachliche Betreuung – regelmäßigen Austausch mit dem Projektteam
- Work Life Balance – flexible Arbeitszeiten und mobiles Arbeiten möglich
- Zukunft – Aussicht auf eine Festanstellung nach Beendigung deines Studiums
- Green Mobility – mit uns bist du vergünstigt unterwegs
... zudem bieten wir dir einen Einblick in unsere Abläufe und Systeme sowie Corporate Benefits und Teamevents.