Die Anforderungen an moderne Datenplattformen mit KI-Komponenten wachsen – nicht nur technisch, sondern auch regulatorisch. Mit Vorgaben wie dem EU-AI-Act wird deutlich: Plattformen müssen nachvollziehbar, auditierbar und wiederholbar bereitgestellt werden können. Besonders im Unternehmensumfeld ist es daher wichtig, KI-Infrastrukturen flexibel, konsistent und automatisiert bereitzustellen – und genau hier kommt Infrastructure as Code (IaC) ins Spiel.

In deiner Masterarbeit beschäftigst du dich mit der Frage, wie eine bestehende Open-Source-Lakehouse- und Modellplattform um ein IaC-Framework erweitert werden kann. Ziel ist es, die Plattform so zu gestalten, dass sich zentrale Komponenten – von der Datenhaltung über das Feature-Engineering bis zum Modell-Serving – automatisiert und portabel in verschiedenen Umgebungen (z. B. On-Prem, Cloud oder Hybrid) bereitstellen lassen.

Zur Evaluation entwickelst du ein IaC-gestütztes Deployment in unterschiedlichen Szenarien und untersuchst, wie gut sich die Lösung hinsichtlich Portabilität, Wiederholbarkeit und Wartbarkeit schlägt. Ein praxisnaher Use-Case – etwa ein RAG-basierter GenAI-Agent – macht greifbar, wie deine Architektur in realen Anwendungen funktioniert und welche Vorteile sie für Governance und Betrieb bietet.

• Du modellierst eine komplexe Open-Source-KI-Plattform mit Infrastructure as Code (IaC) und untersuchst, wie sich Portabilität, Wartbarkeit und Auditierbarkeit dabei systematisch sicherstellen lassen.
• Du vergleichst verschiedene IaC-Werkzeuge und -Paradigmen (z. B. deklarativ vs. imperativ) im Hinblick auf ihre Eignung für den zuverlässigen Betrieb von LLM-/ML-/RAGOps-Plattformen in hybriden Infrastrukturen.
• Du analysierst, inwieweit Infrastructure as Code zur Erfüllung regulatorischer Anforderungen beiträgt – insbesondere in Bezug auf Dokumentation, Reproduzierbarkeit und Incident-Response-Fähigkeit.