Hintergrund
In einem etablierten Ingenieurbüro liegt wertvolles Wissen in tausenden Dokumenten
(Masterarbeiten, Fachbüchern, Projektdokumentationen und GMP-Leitfäden). Dieses „implizite
Wissen“ ist oft schwer zugänglich, was besonders bei der Einarbeitung neuer Mitarbeiter zu
langen Suchzeiten führt. Gleichzeitig stellt die Prüfung von Rohrleitungs- und
Instrumentenfließbildern (R&Is) gegen interne Standards und GMP-Vorgaben (z.B. Vermeidung
von Deadlegs, korrekte Platzierung von Sterilfiltern) einen zeitintensiven, manuellen Prozess dar.
Durch den Durchbruch bei multimodalen Large Language Models (LLMs), die sowohl Texte
verstehen als auch Bilder/Diagramme analysieren können, bietet sich die Chance, diese beiden
Bereiche in einem zentralen Werkzeug zu vereinen. BACHELOR-/ MASTERARBEIT // Entwicklung eines multimodalen KI-Engineering-Assistenten: Integration von RAG basiertem Wissensmanagement und automatisierter R&I-Prüfung in der pharmazeutischen Prozessplanung in Idstein Ihre Aufgaben
Gegenstand, Ziel und Zweck
Gegenstand der Arbeit ist die Konzeption und der Aufbau eines Prototyps (Proof-of-Concept), der
ein LLM mittels „Retrieval-Augmented Generation“ (RAG-Technologie) mit
unternehmensinternem Fachwissen verknüpft und gleichzeitig über Bildverarbeitungsfunktionen
verfügt.
Ziel: Schaffung einer zentralen Web-Schnittstelle („Engineering Chat“), die zwei Kernfunktionen
bietet:
1. Q&A-Dienst: Präzise Beantwortung technischer Fragen basierend auf dem internen Wissensschatz.
2. Visual Audit: Identifikation von Planungsfehlern in hochgeladenen P&ID-Ausschnitten durch Abgleich mit gelernten Regeln.
Zweck: Messbare Steigerung der Planungsgeschwindigkeit, Reduktion der Fehlerrate in der
Planung/ Vor-Qualifizierung (DQ) und langfristige Sicherung des Firmen-Know-hows für das
Recruiting und Onboarding.
Ihre Aufgabenstellung:
Anforderungsanalyse & Datenselektion: Identifikation der relevantesten Wissensquellen (z.B.
ISPE-Guidelines, interne Templates, abgeschlossene Masterarbeiten) und Definition von
kritischen Design-Regeln für R&Is (z.B. 3D-Regel für Stichleitungen, Gefälle-Anforderungen).
3. Systemarchitektur & RAG-Pipeline: Aufbau einer Vektordatenbank (z. B. Pinecone oder Weaviate) zur Indexierung des Textwissens und Anbindung eines geeigneten LLMs (z. B. GPT-4o oder Claude 3.5 Sonnet) via API.
4. Entwicklung der Vision-Komponente: Erarbeitung eines Workflows, um R&I-Ausschnitte (PDF/ Bild) für die KI interpretierbar zu machen und durch gezieltes Prompt-Engineering die Einhaltung der Design-Regeln zu prüfen.
5. Prototyping: Erstellung einer einfachen Benutzeroberfläche (z. B. mit Streamlit), über die Dokumente abgefragt und Bilder hochgeladen werden können.
Ihr Profil
6. Die Ausschreibung richtet sich an Studierende der Fachrichtungen Automatisierungstechnik, Mechatronik, Chemie- und Bioverfahrenstechnik sowie verwandter Studiengänge.
7. Voraussetzung für den Erfolg sind Ihre hohe Motivation an dem Gelingen sowie Ihre systematische und strukturierte Arbeitsweise.
Unser Angebot Ihr Ausblick:
8. Validierung & Benchmarking: Test des Systems anhand von realen (anonymisierten) Projektdaten. Vergleich der KI-Ergebnisse mit den Korrekturen eines erfahrenen Senior- Ingenieurs (Zeitaufwand und Trefferquote).
9. Wirtschaftlichkeitsbetrachtung: Abschätzung der Skalierungskosten und des potenziellen Zeitgewinns für die Process [.-ING].
10. Branchenübliche Vergütung