Die abat AG, eine international erfolgreiche SAP-Beratung im Bereich Automotive und Logistik, sucht einen Bacheloranden/Masteranden (m/w/d) für eine innovative Abschlussarbeit im Bereich der Künstlichen Intelligenz und Wissensmanagement. Im Fokus steht die Entwicklung eines Ansatzes zur Extraktion und textuellen Aufbereitung des umfangreichen Informationsgehalts aus BPMN-Prozessdiagrammen für die Integration in Retrieval-Augmented Generation (RAG) Systeme.

In Unternehmen liegen Geschäftsprozessinformationen häufig als BPMN-Diagramme vor, die einen hohen Informationsgehalt besitzen, aber in dieser Form nicht optimal für moderne KI-basierte Wissenssysteme nutzbar sind. Die Überführung dieser grafischen Informationen in strukturierte textuelle Beschreibungen würde es ermöglichen, dieses wertvolle Prozesswissen in RAG-Systemen zu integrieren und somit für verschiedene Anwendungsfälle wie Prozessoptimierung, Schulung oder automatisierte Beratung zugänglich zu machen.

Mit Hauptsitz in Bremen und zahlreichen namhaften Kunden aus dem Automotive- und Logistiksektor, bietet abat dir die Chance, dein theoretisches Wissen in der Praxis anzuwenden und wertvolle Hands-on-Erfahrungen zu sammeln!

Deine Vorteile:

• Arbeit an einem Thema mit hoher Praxisrelevanz und Einbettung in ein aktuelles Forschungsprojekt
• Einblicke in die Praxis und in ein Unternehmen
• Qualifizierte Betreuung durch Uni-Ansprechpartner und Unternehmen

Wenn dein Interesse geweckt wurde, melde dich gerne bei mir (steffen.meeuw@uol.de)

• Literaturrecherche / Analyse des State of the Art im Bereich BPMN-Analyse, Informationsextraktion und RAG-Systeme
• Entwicklung eines Ansatzes zur automatisierten Erkennung und Interpretation von BPMN-Elementen und deren Beziehungen
• Konzeption einer Methodik zur Extraktion semantisch relevanter Informationen aus BPMN-Diagrammen
• Entwicklung von Algorithmen zur Transformation der extrahierten Informationen in strukturierte textuelle Beschreibungen
• Integration der erzeugten Beschreibungen in ein RAG-System
• Implementierung und Evaluation verschiedener Ansätze zur Informationsaufbereitung für optimale Abfrageergebnisse
• Entwicklung eines Prototyps zur Demonstration der Gesamtlösung
• Evaluation der Effektivität des Systems anhand realer BPMN-Diagramme und typischer Abfragen

• Gute Kenntnisse in Python
• Grundkenntnisse im Bereich KI und Natural Language Processing
• Verständnis für Geschäftsprozessmodellierung und BPMN
• Interesse an Retrieval-Augmented Generation (RAG) und Wissensmanagement
• Hohes Engagement, Eigeninitiative und Kreativität
• Teamfähigkeit und gute Kommunikationsfähigkeiten