Additionalinformation

Zusätzliche Informationen

• 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.

Companydescription

Unternehmensbeschreibung

Wir sind die Gestalter von heute für die Welt von morgen.

Als einer der weltweit führenden Entwicklungsdienstleister setzen wir uns bei ALTEN dafür ein, die Zukunft unserer Partnerunternehmen, die Karrieren unserer Mitarbeiter und Mitarbeiterinnen sowie die Herausforderungen für unsere Gesellschaft und Umwelt positiv zu gestalten. Knapp 60.000 Angestellte in 30 Ländern arbeiten schon heute an innovativen Lösungen in verschiedenen Ingenieur- und IT-Branchen wie Luft- und Raumfahrt, erneuerbare Energien, Medizintechnik, Bahntechnik und Automobil.

Jobdescription

Stellenbeschreibung

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

Qualifications

Qualifikationen

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.

Videos

Videos To Watch