Wissensbasiertes Assistenz-Tool für eine Münchener Anwaltskanzlei
Übersicht
Worum es bei diesem Projekt geht.
Euer Team von vier Studierenden bildet die typische Rollen-Aufteilung eines Engineering-Teams ab: ML-Engineering, Backend, Frontend, Plattform/DevOps. Liefert: 1) Indexierungs-Pipeline für etwa 5.000 anonymisierte Beispiel-Dokumente (PDFs und Word-Dateien) mit Vektor-Datenbank, 2) RAG-Backend mit konfigurierbarem Modell-Anbieter und Quellen-Zitaten, 3) Web-Oberfläche mit Suchbox, Antwort und nachverfolgbaren Quellen, 4) Audit-Log für jede Abfrage, 5) Container-basiertes Deployment auf einem Linux-Server. Arbeitet von Anfang an mit Continuous Integration (CI — automatisierte Tests bei jedem Commit) und einer Code-Review-Pflicht. Liefert am Ende eine Live-Demo plus eine technische Dokumentation.
Das Briefing
Was Du tust und was Du zeigst.
Wie baut ein vierköpfiges Team in zwölf Wochen ein produktionsreifes, datenschutz-konformes RAG-Tool für eine Anwaltskanzlei und übergibt es an eine kleine IT-Mannschaft?
Earning criteria — what you'll demonstrate
- Eine End-to-End-AI-Anwendung im Team koordiniert bauen
- Software-Engineering-Praktiken (Code-Review, CI/CD, Versionierung) in ein AI-Projekt integrieren
- RAG-Architekturen mit Quellen-Transparenz und Audit-Log umsetzen
- Eine produktive Übergabe an eine kleine IT-Mannschaft vorbereiten
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.
AI Engineer
AI Engineers in der Praxis bauen End-to-End-Produkte mit RAG, nicht nur Modelle. Diese Capstone-Challenge übt das volle Spektrum von Architektur bis Übergabe in einem realistischen Mandanten-Kontext.
Dieses Projekt schärft
- retrieval-augmented-generation
- vector-databases
- python
Machine Learning Engineer
Machine Learning Engineers bringen Modelle in Produktion und arbeiten mit klassischen SE-Praktiken. Die Challenge übt diese Brücke zwischen ML- und SE-Welt explizit.
Dieses Projekt schärft
- ci-cd
- docker
- python
AI Solutions Architect
Solutions Architects entwerfen genau diese Art von Architektur für mittelständische Kunden in regulierten Branchen. Die Übergabe-Phase ist der charakteristische Abschluss ihrer Mandate.
Dieses Projekt schärft
- retrieval-augmented-generation
- team-coordination
- vector-databases
Noch eine Sache