Master Thesis: AI OS Agentic Apps & Semantics

Unsere Kunden setzen als Enwicklungspartner für Data- und AI-Lösungen auf uns. In deiner Masterarbeit entwickelst du eine belastbare Referenzarchitektur und einen prototypischen "AI OS"-Stack, der Datenfundament, Semantik und Agentic Execution zusammenbringt.

• 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.
• Entwerfe 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.
• Implementiere einen PoC (z.
  
  B. GraphRAG/RAG + Tool-Calling + Agent Runtime) und zeige, wie Agenten auf Semantik „geerdet“ Entscheidungen treffen und kontrolliert handeln können (Policies, Audit, Human-in-the-loop).
• Liefere Masterarbeit + Architekturdiagramme + PoC-Demo + Entscheidungslog (Trade-offs, Build-vs-Buy, Skalierungspfad) – so, dass es als Blaupause für weitere Umsetzungen dient.

• Persönlicher Background: Du bist immatrikulierte/r Master Student:in der Informatik, Mathematik, Physik oder einer anderen Natur- oder
  - Ingenieurwissenschaft.
• Data & Tech
  
  Skills:
  
  Du besitzt sehr gute Grundlagen in Data/AI (Python, SQL) und hast ein solides Verständnis moderner Datenplattformen (Cloud- oder On-Prem-Grundkonzepte) sowie Interesse an Lakehouse-Architekturen, Knowledge Graphs/Ontologien und LLM-/Agenten-Patterns.
• Analytische & wissenschaftliche Arbeitsweise: Du bringst die Fähigkeit mit, 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“.
• Communication is key:Du kannst komplexe Themen verständlich visualisieren und in Reviews/Workshops klar vertreten (z.
  
  B. Architektur- und Ergebnispräsentationen).
• Nice to have: Du hattest bereits erste Berührungen mit Knowledge Graph Technologien (Neo4j/RDF/Property Graph), RAG/Embeddings, Agent Frameworks (z.
  
  B. Lang Graph/Autogen), Data Lakhouse oder Data Catalog.
• Let's talk: Du sprichst fließend Deutsch und Englisch - super, dann findest du dich bei Exxeta bestens zurecht.