Praktikum im Bereich Context Engineering für KI-Coding-Assistenten (w/m/div.)

Unternehmensbeschreibung Bei Bosch gestalten wir die Zukunft, indem wir hochwertige Technologien und Dienstleistungen entwickeln, die begeistern und das Leben der Menschen bereichern. Unser Versprechen an unsere Mitarbeitenden ist felsenfest: Wir wachsen gemeinsam, wir haben Freude an unserer Arbeit und wir inspirieren uns gegenseitig. Machen Sie mit und spüren Sie den Unterschied. Die Bosch Sicherheitssysteme GmbH freut sich auf Ihre Bewerbung! Stellenbeschreibung Nutzen Sie die Gelegenheit, Ihr Wissen über moderne KI-Technologien zu vertiefen, an spannenden technischen Herausforderungen mitzuwirken und einen spürbaren Beitrag zur nächsten Generation von Coding-Agents zu leisten. Sie führen umfassende Literaturrecherchen sowie State-of-the-Art-(SoTA)-Analysen zur aktuellen Forschung in den Bereichen LLM-Context-Engineering, Retrieval-Augmented Generation (RAG) im Repository-Maßstab und agentische Workflows für die Softwareentwicklung durch. Im Rahmen des Aufbaus und der Pflege der Agenten-Infrastruktur konfigurieren und betreuen Sie Ausführungs-Sandboxes, Agent-Harnesses und Testumgebungen. Zur Bewertung der Praxistauglichkeit implementieren und betreiben Sie Benchmarks für repository-basierte Coding-Anwendungsfälle und messen dabei Performance, Ergebnisgenauigkeit sowie Produktivitätsgewinne für Entwicklerinnen und Entwickler. Darüber hinaus schlagen Sie generische Kontext-Pipelines für KI-Coding-Agents vor, prototypisieren diese und evaluieren sie. Abschließend dokumentieren Sie wissenschaftliche Methoden und Erkenntnisse und präsentieren Ihre Ergebnisse dem Forschungsteam. Qualifikationen Ausbildung: Masterstudium im Bereich Informatik, Künstliche Intelligenz, Data Science, Software Engineering oder eine vergleichbare Qualifikation Erfahrung und Kenntnisse: Sehr gute Programmierkenntnisse in Python, Git sowie containerisierten Sandbox-Umgebungen wie Docker; fundiertes Verständnis von LLMs, Prompt Engineering, Kontextmanagement und KI-Agentenarchitekturen; prakti