Masterarbeit: KI-Agenten & Simulationsentwicklung

About this role

Die modellbasierte Simulationsentwicklung ist zeitintensiv und erfordert umfangreiches Domänenwissen. Im Rahmen dieser sechsmonatigen Masterarbeit bei Bosch Rexroth untersuchen Sie, wie sich dieser Prozess mithilfe koordinierter KI-Agenten beschleunigen lässt. Im Fokus stehen dabei Agentic Engineering, die Entwicklung kontrollierbarer agentenbasierter Workflows sowie der Einsatz lokaler KI-Modelle. Ihre Aufgaben umfassen: Analyse von Mustern, Anti-Mustern und typischen Hindernissen beim Aufbau agentenbasierter Workflows, insbesondere zur Vermeidung und Erkennung von Halluzinationen Entwicklung eines Harness-Engineering-Ansatzes auf Basis von LangChain und LangGraph zur strukturierten Steuerung von Abläufen, Werkzeugzugriffen und Prüfschritten Untersuchung des Übergangs von Cloud-basierten zu lokalen KI-Modellen einschließlich Vortraining und Fine-Tuning Bewertung der Leistungsfähigkeit hinsichtlich Tokenverbrauch und Rechenleistung sowie Absicherung der Ergebnisqualität durch systematische Evals und definierte Prüffälle Untersuchung aus UX-Sicht, wie entwickelte Simulationen mit oder ohne Unterstützung durch einen KI-Agenten intuitiv in den produktiven Einsatz überführt werden können Entwicklung eines praxistauglichen, kontrollierbaren und übergabefähigen Ansatzes für die KI-gestützte Simulationsentwicklung Ausbildung : Sie absolvieren ein Masterstudium in Informatik, Künstlicher Intelligenz / Data Science, Computational Engineering, Ingenieurinformatik oder einem vergleichbaren technischen Studiengang.

Programmierung und KI: Sie verfügen über sehr gute Programmierkenntnisse in Python sowie fundierte praktische Erfahrung mit LangChain und LangGraph (State Management, Routing, Tool-Integration). LLM-Know-how: Sie bringen Kenntnisse in Prompt-Engineering-Mustern, Structured Outputs und Methoden zur Vermeidung und Erkennung von Halluzinationen sowie im Umgang mit Open-Source-LLMs (z. B. Llama, Mistral), Fine-Tuning (z. B.

PEFT/LoRA) und Modellanpassung mit. Weiterführende Kenntnisse: Idealerweise verfügen Sie über: Grundkenntnisse in modellbasierter Simulation und Engineering-Workflows (z. B. Matlab/Simulink, Modelica, FMU) erste Erfahrungen mit systematischen LLM-Evals und dem Benchmarking von Token-Effizienz und Hardware-Ressourcen (Inferenzlatenz, VRAM) Interesse an Mensch-KI-Interaktion und Interface-Usability für den produktiven Einsatz Erfahrung mit Git, Docker und Inferenz-Engines für lokale Modelle (z.