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

• 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.

• 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. 

• 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.

Du glaubst, nicht alle Anforderungen zu 100% zu erfüllen? Das sollte dich nicht abhalten, denn wir suchen Menschen, nicht Checkboxen. Auch wenn du nicht jeden Punkt abhaken kannst, freuen wir uns über deine Bewerbung. Diversität und unterschiedliche Perspektiven bereichern unser Team – denn Vielfalt macht uns besser.

Wir freuen uns schon darauf, dich kennenzulernen! Du hast noch Fragen? Dann melde dich gerne.