Bachelor-/Masterarbeit:
In der heutigen digitalen Welt gibt es eine Vielzahl von Ansätzen wie das Internet of Things (IoT), Datentreuhänder und Datenräume, um Daten auszutauschen und zu verwalten. Alle Ansätze verbindet, dass komplexe Datenökosysteme entstehen. Die Auswahl einer für den eigenen Anwendungsfall geeigneten Lösung ist dabei entscheidend für die Effizienz und den langfristigen Erfolg des Datenökosystems. Dies ist jedoch nicht trivial, da unterschiedliche Aspekte zu berücksichtigen sind, z.B. das notwendige Sicherheitslevel oder die IT-Kenntnisse der Anwender. Die Vielfalt der Technologien und Methoden erfordert eine präzise Einordnung und Bewertung, um optimale Entscheidungen zu treffen und eine geeignete Systemarchitektur zu entwickeln.
Diese Arbeit zielt darauf ab, ein KI-gestütztes Framework zu konzipieren, das mithilfe von Retrieval Augmented Generation (RAG) und Large Language Models (LLMs) bei der Auswahl und Entwicklung effizienter und flexibler Systemarchitekturen unterstützt. Basierend auf der Data Ecosystem Description Language (DEDL) sollen spezifische Anforderungen erfasst werden, um diese mit relevanten Informationen anzureichern und so eine schnelle Erstellung potenzieller Architekturen zu ermöglichen. Das konzipierte Framework soll anschließend prototypisch umgesetzt werden. Aufbauend darauf sollen Effizienz und Benutzerfreundlichkeit evaluiert sowie die Eignung des Frameworks durch eine Validierung der generierten Systemarchitekturen gezeigt werden.
Teil der prototypischen Umsetzung soll eine webbasierte grafische Benutzeroberfläche, basierend auf Angular oder Vue sowie Python Flask, sein. Das Framework soll modular aufgebaut sein, sodass einzelne Komponenten, bspw. die Oberfläche oder das LLM, flexibel austauschbar sind. Das notwendige Modell der DEDL wird im Rahmen der Arbeit bereitgestellt.
Die Arbeitspakete umfassen:
- Untersuchung des aktuellen Stands der Technik im Bereich RAG-Systeme und LLMs zur Abstraktion von Nutzeranforderungen und der darauf aufbauenden Erstellung technischer Architekturen von Datenökosystemen
- Vergleich verschiedener LLMs hinsichtlich ihrer Eignung für Anforderungsanalysen und der Generierung von Architekturen von Datenökosystemen
- Entwicklung eines modularen Frameworks basierend auf RAG, LLMs, DEDL sowie einer grafischen Benutzeroberfläche zur Anforderungsanalyse und daraus abgeleiteter Architekturen von Datenökosystemen
- Prototypische Implementierung des entwickelten Frameworks mittels Python Flask sowie Angular oder Vue
- Evaluation des Prototyps hinsichtlich Effizienz und Benutzerfreundlichkeit
- Validierung des Frameworks basierend auf den generierten Systemarchitekturen
Betreuer: Klöpper
