Masterarbeit: Streamable Multivariate Time Series Anomaly Detection (all gender) - Bretten

Standort: 

Bretten, DE, 75015

Bereich/Abteilung:  Development
Karrierelevel:  Bachelor- / Masterarbeit

 

"Accelerating business to improve the lives of people."

Unser Purpose beschreibt genau, was wir mit Leidenschaft tun - wir vernetzen die IT-Systeme unserer Kunden, um ihre Abläufe zu digitalisieren, damit die relevanten Daten zur richtigen Zeit und am richtigen Ort verfügbar sind. Ein reibungsloser Datenfluss ist entscheidend, sei es für die Produktion von Autos, pünktliche Zahlungen oder die Auffüllung von Supermarktregalen. Unsere Geschichte begann 1986 mit der Digitalisierung der Lieferketten in der deutschen Automobilindustrie. Heute ist SEEBURGER ein führender globaler Anbieter von B2B-Software mit rund 1.200 #Businessbeschleunigern in 15 Ländern weltweit und über 14.000 zufriedenen Kunden, die unseren innovativen Lösungen vertrauen.

Thema

 

Streamable Multivariate Time Series Anomaly Detection for Cloud Service Infrastructures

 

 

Motivation und Ziele 

 

Die automatische Erkennung von Anomalien ist ein wichtiges Werkzeug zur Überwachung von komplexen Cloudserviceinfrastrukturen für die B2B-Kommunikation. Multivariate Anomalien ergeben sich hierbei gleichzeitig aus einer Vielzahl von Metriken und dem Kontext der einzelnen Services. Eine sich ändernde Systemlast kann zusammenhängen mit der Anzahl erfolgreicher Prozesse, dem Wegfall von Verarbeitungsfehlern und sinkenden Bestellungen eines Discounters.
Im Betrieb treten bisher unbekannte oder seltene Fehler auf, es lassen sich vergleichsweise wenige Anomalien durch Experten labeln und Daten für das Training von ML-Modellen sind nur unzureichend von Anomalien bereinigt.
Ziel der Arbeit ist die Entwicklung eines streamorientierten, multivariaten Anomalieerkenners und einem Alert-Kommunikationssystem, sowie die Evaluierung des Systems am Beispiel einer Cloudserviceinfrastruktur mit den bereitgestellten Daten.

 

 

Aufgaben

 

  • Untersuchung und Bewertung verschiedener Ansätze zur Erkennung von Anomalien mit dem Schwerpunkt auf Deep Neural Networks
  • Vorverarbeitung, Filterung, Bereinigung, sowie Anreicherung von Monitoring-, Messagetrackingdaten und den Cloudstrukturdaten für den Anomalieerkenner. Das Messagetracking erfasst hierbei Metadaten bei der Verarbeitung der Dokumente mit den verschiedenen Cloudeservices. Historische Daten stehen für mehrere Jahre in einem Data Lake zur Verfügung. Aus den Metadaten sollen weitere Zeitreihen generiert werden
  • Entwicklung und Implementierung des KI-Anomalieerkenners sowie eines Frameworks für das regelmäßige Training der ML-Modelle und die streamorientierte Erkennung der Anomalien
  • Entwicklung und Implementierung eines dynamisches Alertsystems, das für verschiedene Nutzer wie Systemoperatoren oder Kunden geeignet ist, sowie die Analyse und Bewertung der Anomalien ermöglicht
  • Entwicklung von Kriterien zur Evaluierung des Systems

 

 

Dienstsitz: Karlsruhe und/oder Bretten.

 

 

Kontakt Recruiting:

 

Daniel Iwtschenko

+49 7252 96-2224

LinkedIn - XING

 

Profitiere davon, Teil eines global bekannten Unternehmens zu sein, das die Digitalisierung vorantreibt. Wir wachsen weiter – und das kannst auch du! Es ist uns wichtig, dass du deine Talente und Stärken voll einbringen und deinen eigenen Weg gehen kannst, egal ob du eine Fach- oder Führungskarriere anstrebst. Mit unserem Know-how und dem Wachstum in einer zukunftsorientierten Branche bieten wir vielfältige Möglichkeiten und sichere Arbeitsplätze. Bei SEEBURGER schätzen wir die unterstützende Atmosphäre und das familiäre Umfeld. #StrongerTogether ist einer unserer Unternehmenswerte und prägt unser Zusammenleben.

Klingt spannend? Werde auch du zum #Businessbeschleuniger!