Thesis (Master) AI Operating System for Agentic Applications (all genders)

Was erwartet dich

• Du analysierst den Stand der Technik zu AI OS / AI Factory (Lakehouse, Ontologie/KG, Agentic Systems) und leitest daraus klare Architekturprinzipien und Design-Entscheidungen ab.
• Du entwirfst eine 3-Layer-Architektur (Data Layer, Semantic Layer, AI/Agentic Layer) inkl. Schnittstellen und Verantwortlichkeiten.
• Du definierst, wie ein Lakehouse (z. B. Delta/Iceberg-Paradigmen) als „Single Source of Truth“ für strukturierte & unstrukturierte Daten (Docs/Events/Logs) dient – inkl. Data Products, Quality, Lineage und Zugriffskontrollen.
• Du konzipierst einen semantischen Kern (Ontology/KG) mit Business Objects, Beziehungen und (optional) Actions/Writeback-Pfaden; inkl. Entity Resolution, Semantic APIs und (Graph-)Retrieval-Strategien.
• Du implementierst einen PoC (z. B. GraphRAG/RAG + Tool-Calling + Agent Runtime) und zeigst, wie Agenten auf Semantik „geerdet“ Entscheidungen treffen und kontrolliert handeln können (Policies, Audit, Human-in-the-loop).
• Du lieferst Masterarbeit + Architekturdiagramme + PoC-Demo + Entscheidungslog (Trade-offs, Build-vs-Buy, Skalierungspfad) – so, dass es als Blaupause für weitere Umsetzungen dient.

Was erwarten wir von dir

• Technologie-Expertise (Master-Level): Sehr gute Grundlagen in Data/AI (Python, SQL) und ein solides Verständnis moderner Datenplattformen (Cloud- oder On-Prem-Grundkonzepte). Interesse an Lakehouse-Architekturen, Knowledge Graphs/Ontologien und LLM-/Agenten-Patterns.
• Analytische & wissenschaftliche Arbeitsweise: Fähigkeit, Literatur und Praxisquellen zu strukturieren, Hypothesen abzuleiten und Ergebnisse reproduzierbar zu dokumentieren (Methodik, Experimente, saubere Argumentation).
• Engineering & Prototyping: Du kannst Prototypen sauber umsetzen (Git, Testing-Basics, Dokumentation), Schnittstellen/API-Denken und ein Gefühl für „Production Readiness“.
• Kommunikationsstärke: Sehr gutes Deutsch; du kannst komplexe Themen verständlich visualisieren und in Reviews/Workshops klar vertreten (z. B. Architektur- und Ergebnispräsentationen).
• Nice to have: Erste Berührung mit Knowledge Graph Technologien (Neo4j/RDF/Property Graph), RAG/Embeddings, Agent Frameworks (z. B. LangGraph/Autogen), Data Lakhouse oder Data Catalog.

Warum Exxeta

• Arbeite in einer lockeren, freundlichen Unternehmenskultur mit kompetenten und motivierten Kolleg:innen.
• Mobiles Arbeiten? Nachteule oder früher Vogel? Für deine optimale Study-Life-Balance gibt es genug Gestaltungsraum.
• Profitiere von sehr gutem Wissensmanagement und Coaching.
• Stelle die Weichen für deinen Start ins Berufsleben bei Exxeta.