Masterarbeit: Erforschung fortgeschrittener Speicherungsmuster zur Verbesserung agentischer LLM-Anwendungen

Beschreibung
Die aktuelle Generation von Agenten, die in Unternehmen eingesetzt werden, verlässt sich selten auf ein strukturiertes Gedächtnis früherer Interaktionen. Da Agenten jedoch immer häufiger werden, wird es immer wichtiger, sicherzustellen, dass sie Benutzerpräferenzen dynamisch berücksichtigen.

Dies gilt insbesondere im Kontext eines zentralen Routing-Agenten, um sicherzustellen, dass der Kontext des Benutzers berücksichtigt wird, um ihn besser zu bedienen.

Dies wirft jedoch mehrere interessante Herausforderungen auf, die in diesem Projekt untersucht werden müssen.

Zum Beispiel: Kann sich das Gedächtnis an einen sich verändernden Kontext anpassen? Ein Benutzer, der eine neue Position begonnen hat, hat nicht mehr dieselben Interessenschwerpunkte. Oder einfach, wenn ein Benutzer jetzt im Allgemeinen ausführlichere Antworten möchte, während er zuvor kurze Antworten mit einfachen Links bevorzugte.

Das Speichern dieser Informationen für ein Unternehmen wirft auch Fragen der Vertraulichkeit auf, und es wird eine lokale Einrichtung erforderlich sein. Es wird wichtig sein, den Benutzern den Zugriff auf die gespeicherten Erinnerungen zu ermöglichen und ihnen die volle Kontrolle darüber zu geben.

Um dieses Thema zu erforschen, konzentrieren wir uns auf eine Agentenarchitektur, die das Gedächtnis zentral verwaltet und sich auf sekundäre Agenten stützt, die RAG auf bestimmten Teilen der Wissensbasis von ELCA durchführen.

Es wird von der derzeit bei ELCA geleisteten Arbeit zur Entwicklung einer Multi-Agenten-Infrastruktur mit automatischer Erkennung profitieren.

Das Ziel wäre, den praktischen Wert dieses Ansatzes zu demonstrieren und zu bestätigen, dass das Kosten-Nutzen-Verhältnis seinen Einsatz in realen Geschäftsanwendungen rechtfertigt.

Dieses Praktikum bietet eine reichhaltige Grundlage für praktische Erfahrungen, insbesondere in einem Forschungsbereich, der darauf abzielt, den operativen Umfang der konversationellen KI durch die Nutzung proprietärer Daten und das relativ unerforschte Feld des Gedächtnisses in Multi-Agenten-LLMs zu erweitern. Dies ist sowohl eine Bildungs- als auch eine berufliche Entwicklungsmöglichkeit in einem sich schnell entwickelnden technologischen Umfeld.

Ziele

• Erforschung und Einsatz von LLM-Gedächtnisframeworks (z. B. Mem0) und Erstellung eines Programms, um diese im Geschäftskontext nützlich zu machen.
• Bereitstellung einer Proof-of-Concept-Anwendung, die diesen gedächtnisbasierten agentischen Ansatz nutzen kann, und Bewertung seiner Nützlichkeit.
• Entwicklung praktischer Erfahrungen mit derzeit verwendeten Chatbots

Unser Angebot

• Ein dynamisches Arbeits- und kollaboratives Umfeld mit einem hochmotivierten multikulturellen und internationalen Team an verschiedenen Standorten
• Die Chance, das Leben der Menschen durch den Aufbau innovativer Lösungen zu verbessern
• Verschiedene interne Coding-Events (Hackathon, Brownbags), siehe unseren technischen Blog
• Monatliche After-Work-Veranstaltungen an den Standorten

Erforderliche Fähigkeiten

• Erfahrung mit Machine Learning und NLP-Prinzipien, Vertrautheit mit LLMs.
• Erfahrung mit Python (Pandas, PyTorch, …) und Software-Engineering-Prinzipien.
• Kenntnisse in der Webentwicklung sind von Vorteil (React, Streamlit, …).
• Starke Kommunikationsfähigkeiten in Französisch und Englisch, Fähigkeit, komplexe Ideen klar schriftlich und mündlich zu artikulieren.
   

Dieses Praktikum beginnt im Februar 2026. 

Bewerbungen müssen Ihre aktuellsten akademischen Zeugnisse (Noten) enthalten; Bewerbungen ohne Zeugnisse werden nicht berücksichtigt.