In diesem Praktikum werden Sie eine KI-unterstützte Pipeline entwickeln, die technische Dokumente in strukturiertes Ingenieurwissen umwandelt. Das Projekt konzentriert sich darauf, maschinelles Lernen und Techniken zum Verständnis von Dokumenten anzuwenden, um automatisch Materialparameter aus Liefererdokumentationen zu identifizieren, zu extrahieren, zu validieren und zu strukturieren. Ziel ist es, eine reproduzierbare Datenpipeline zu erstellen, die unstrukturierte Dokumente in eine strukturierte Wissensbasis umwandelt, die in Ingenieursimulationen verwendet wird. Während Ihrer Tätigkeit werden Sie eine Pipeline zum Verständnis von Dokumenten entwickeln, um relevante Parametertabellen in technischen Dokumenten zu identifizieren. Sie werden die extrahierten Materialparameter und Metadaten mithilfe von LLM-basiertem maschinellem Lernen implementieren und eine strukturierte Darstellung des Materialwissens einschließlich Herkunft und Validierungsregeln entwerfen. Darüber hinaus werden Sie automatisierte Workflows erstellen, die extrahierte Daten in simulationsbereite Datensätze umwandeln. Für die extrahierten Parameter werden Sie Qualitätsprüfungen und Anomalieerkennung implementieren. Sie werden auch Methoden erkunden, um die Extraktionsgenauigkeit mithilfe von ML-Techniken (Prompting, Klassifikation, Modellevaluation) zu verbessern. Zusätzlich werden Sie Werkzeuge erstellen, die es Ingenieuren ermöglichen, extrahierte Informationen effizient zu überprüfen und zu genehmigen. Schließlich werden Sie den Workflow dokumentieren und die Leistung des entwickelten Systems bewerten.

• Ausbildung: Studium im Bereich Elektrotechnik, Physik, Informatik, Datenwissenschaft oder vergleichbar
• Erfahrung und Kenntnisse: Erfahrung in der Automatisierung, Datenverarbeitung, LLMs, Python, Git, Linux
• Persönlichkeit und Arbeitsweise: Sie gehen Aufgaben strukturiert an und entwickeln Lösungen eigenständig
• Arbeitsroutine: Ihre Präsenz vor Ort ist erforderlich
• Sprachen: sehr gute Englischkenntnisse