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.
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…
DU…
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.
... zudem bieten wir dir einen Einblick in unsere Abläufe und Systeme sowie Corporate Benefits und Teamevents.
Copyright © 2026 Grabjobs Pte.Ltd. All Rights Reserved.