tlg
9a197c37c1
Finale Fassung als bewerbung.md (Nutzer-Freigabe inkl. Fett-Formatierung). Gedächtnis: 5 Schwerpunkt-Schlagworte fürs Elektronik-Standbein, belegte Domänen (Automotive/Telekom/Industrie), Stil (Fett bei E-Mail, Onsite-lokal-Framing), datierter Log-Eintrag. Register-Zeile ergänzt (Status: versandreif). Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>
29 lines
2.3 KiB
Markdown
29 lines
2.3 KiB
Markdown
# Schwerpunkte (kontrolliertes Vokabular)
|
|
|
|
Erlaubte Schlagworte zur Klassifikation von Projekten und Bewerbungen.
|
|
Beim Schreiben einer Bewerbung **nur** Schlagworte aus dieser Liste verwenden.
|
|
Fehlt ein passendes Schlagwort, hier ergänzen (mit Kurzdefinition) und im
|
|
Commit begründen. Ziel: gleiche Schwerpunkte immer gleich benennen
|
|
(kein „ML" vs. „Machine Learning" vs. „KI").
|
|
|
|
| Schlagwort | Definition |
|
|
|---|---|
|
|
| Agentic AI | Autonome KI-Agenten, Tool Use / Function Calling, Coding-Agent-Umgebungen (Claude Code/Cowork, Cline) |
|
|
| MCP | Model Context Protocol; Anbindung externer Systeme/Tools an LLMs |
|
|
| RAG | Retrieval Augmented Generation inkl. Chunking, Embeddings, Vektordatenbanken |
|
|
| LLM | Large Language Models: Auswahl, Betrieb, Evaluierung, Fine-Tuning, On-Premise |
|
|
| Vektordatenbanken | Pinecone, Qdrant und vergleichbare Vektorspeicher für semantische Suche |
|
|
| On-Premise KI | Eigenbetrieb von KI-Inferenz auf eigener Hardware (GPU-Inference, Quantisierung) |
|
|
| MLOps | Aufbau und produktiver Betrieb von ML-/LLM-Infrastruktur, Deployment, Monitoring |
|
|
| Container | Containerisierung und Deployment mit Docker/Podman |
|
|
| Python | Python-Entwicklung im Produktionskontext (FastAPI, Tooling, Datenverarbeitung) |
|
|
| Event-Streaming | Verarbeitung kontinuierlicher Daten-/Nachrichtenströme, Message-Middleware (DDS, SOME/IP) |
|
|
| Öffentlicher Sektor | Endkunde aus Verwaltung/Behörden/öffentlicher Hand (oft mit Sicherheitsanforderungen) |
|
|
| Produktiver Einsatz | Tätigkeit zielt auf produktiven Wirkbetrieb, nicht nur Prototyp/PoC |
|
|
| Produktiver KI-Betrieb | Betrieb von KI-/LLM-Systemen im laufenden produktiven Wirkbetrieb (MLOps, Deployment, Monitoring) |
|
|
| Systems Engineering | Systemarchitektur, Konzepte, technische Spezifikationen, disziplinübergreifende Schnittstellenkoordination |
|
|
| System Integration | Integration von Hardware-, Software- und Subsystemen, Inbetriebnahme (Schreibweise immer „System Integration", siehe stil.md) |
|
|
| Requirements Engineering | Analyse, Verwaltung und Spezifikation von (System-)Anforderungen, Requirements-Management-Werkzeuge |
|
|
| Verifikation & Validierung | V&V-Strategien, Test, systematische Ursachenanalyse, technisches Troubleshooting |
|
|
| Embedded & Kommunikationstechnik | Embedded Systems und Kommunikationstechnologien (Ethernet, TCP/IP, CAN, Bussysteme) |
|