Question-Answering-System für Energieversorger-Wissensbasis
Übersicht
Worum es bei diesem Projekt geht.
Sie erhalten 5.000 Wiki-Artikel der Sektion 'Netzbetrieb' plus ein selbst zu erstellendes QA-Datenset von 400 Frage-Antwort-Paaren (Sie generieren sie mit Hilfe eines LLM, validieren sie aber manuell). Fine-tunen Sie deutsches MiniLM oder gelectra auf 80 % der Paare und evaluieren auf 20 %. Baseline: semantisches Retrieval mit sBERT, das den relevantesten Absatz zurückgibt, ohne Antwort-Span. Messen Sie Exact-Match (EM), F1-Token-Überlapp und Top-k-Retrieval-Recall. Bauen Sie ein Streamlit-Demo. Erfolg: QA-Modell erreicht mindestens 65 % F1 auf dem Hold-out-Set und der Retrieval-Schritt liefert Top-3 mit mindestens 85 % Recall.
Das Briefing
Was Du tust und was Du zeigst.
Wie gut kann ein domänen-adaptiertes deutsches QA-Modell auf 5.000 Wiki-Artikeln einer Netzbetrieb-Wissensbasis Antworten extrahieren?
Earning criteria — what you'll demonstrate
- Extraktive QA als spezielle NLP-Task verstehen und umsetzen
- QA-Eval-Set mit LLM-Assist und menschlicher Validierung erstellen
- Retrieval + Reading kombiniert als Zwei-Stufen-Architektur designen
- Demo-Qualität als Akzeptanztest mit Stakeholder verstehen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenNLP-Ingenieur:in
Extraktive QA + Retrieval-Architektur ist ein direkt produktrelevantes Profil für Unternehmenswissens-Anwendungen in jeder DACH-Branche.
Dieses Projekt schärft
- question-answering
- extractive-qa
- german-bert
KI-Ingenieur:in
Retrieve-and-Read-Architekturen sind die Brücke zwischen klassischem NLP und modernen RAG-Systemen; diese Erfahrung qualifiziert für GenAI-AI-Engineer-Rollen.
Dieses Projekt schärft
- semantic-retrieval
- extractive-qa
- fine-tuning
Machine-Learning-Ingenieur:in
Wer ein Zwei-Stufen-NLP-System mit Eval und Demo abliefert, übt das End-to-End-Profil, das Junior-MLEs für Plattform-Pfade qualifiziert.
Dieses Projekt schärft
- fine-tuning
- evaluation
- question-answering
Noch eine Sache