Semesterprojekt

Ein Prototyp macht Preislisten und Car Policy abfragbar und belegt jeden Vorschlag mit einer Quelle. Bewertet wird er an fachlichen Prüffällen.

Fahrplan

Termin Was Stand bis dahin
Di, 27.10.2026, 12:00 Uhr Review 1 mit Mercedes-Benz, online Datenzugriff steht, erste Car-Policy-Regeln greifen, erste Prüffälle
bis Di, 17.11.2026 Online-Kurse, individuell alle Pflichtkurse belegt, Nachweis abgelegt
Di, 01.12.2026, 11:45 Uhr, I010 Zwischenpräsentation, 10 Minuten je Team Prototyp, Prüffälle, offene Punkte, Plan bis Semesterende
Di, 12.01.2027, 12:00 Uhr Review 2 mit Mercedes-Benz, online Generalprobe, Car Policy 2.0 eingespielt
Di, 02.02.2027, Kundencenter Werk Sindelfingen Abschlusspräsentation bei Mercedes-Benz, 15 Minuten je Team Live-Demo
Fr, 12.02.2027 Abgabe Prototyp und Wiki letzter Commit

Jeden Dienstag, 11:45 bis 13:15 Uhr: Coaching und Abstimmung.

Prüfungsleistung

Komponente Gewicht
Online-Kurse (Vorprüfungsleistung, individuell) unbenotet
Zwischenpräsentation 10 %
Abschlusspräsentation mit Live-Demo 10 %
Prototyp (GitHub-Repository, reproduzierbar) 50 %
Dokumentation und Evaluation (GitHub-Wiki) 30 %

Alles außer den Online-Kursen entsteht im Team. Details unter Bewertung.

Online-Kurse

Kurs Umfang Wofür im Projekt
Pflicht n8n Course Level 1 Textkurs, zwei Workflows Workflow zum Einspielen der Car Policy 2.0
Pflicht AI Agents in LangGraph 1 h 42 min Dialog-Agent mit LangGraph
Pflicht Evaluating AI Agents 2 h 36 min Evaluationsbericht
Empfohlen Document AI: From OCR to Agentic Doc Extraction ca. 3 h Rohdaten-Weg: Tabellen aus PDFs

Nachweis ablegen

Voraussetzungen: kostenloses Konto bei DeepLearning.AI, eine n8n-Instanz für den n8n-Kurs (zum Beispiel die Testphase von n8n Cloud).

  1. Jeden Pflichtkurs vollständig durcharbeiten.
  2. Bei DeepLearning.AI die Kursübersicht öffnen.
  3. Einen Screenshot machen, auf dem alle Lektionen als erledigt markiert sind.
  4. Beim n8n-Kurs einen Screenshot vom Abschlussquiz oder vom Badge machen.
  5. Die Screenshots bis 17.11.2026 im Team-Repository unter 00_Nachweise/<Nachname>/ ablegen.

Prüfung: Drei Screenshots je Person. Kurstitel und eigener Name sind lesbar.

DeepLearning.AI bietet die Kurse nur für begrenzte Zeit kostenlos an. Deshalb jetzt einschreiben.

Bewertung

Prototyp: 50 Punkte

Kriterium Punkte
Datenzugriff: Preislisten-Datenbank angebunden, an einem Ausschnitt mit der Extraktion aus dem Original-PDF verglichen 8
Car Policy abgebildet (Pflicht, Verbot, Kombinationspflichten, Lack und Polster) und mit den Abhängigkeiten der Preisliste verknüpft 8
Retrieval mit transparenter Quellenangabe (LangChain) 8
Dialog mit Folgefragen, schrittweisen Vorschlägen und Rückfrage bei Unklarheit (LangGraph) 8
Car Policy 2.0 einspielen (n8n): nur der aktuelle Stand gilt, Änderungen sind erklärbar 6
Zusammenspiel von n8n und LangChain 6
Code-Qualität, Struktur, Fehlerbehandlung 6

Dokumentation und Evaluation: 30 Punkte

Kriterium Punkte
Architektur, Datenfluss, Designentscheidungen 10
Evaluationsbericht 15
Übergabe an Mercedes-Benz, bekannte Grenzen, Offenlegung der KI-Nutzung 5

Ein Teil der Prüffälle wird erst nach der Abgabe bekannt gegeben und gegen den abgegebenen Stand ausgeführt.

Teamarbeit: Alle tragen gleichwertig bei. Peer-Bewertung, Commits und Board-Aktivität fließen ein. Bei zu geringem Beitrag sinkt die Einzelnote um bis zu 0,7 gegenüber der Teamnote.

Leitplanken

  • Nur das Mietmodell.
  • Nur die aktuelle Car-Policy-Version zählt.
  • Nur verpflichtende Regeln zählen, keine Empfehlungen.
  • Keine Aussage zur Verfügbarkeit. Das Team legt dafür eine Standardantwort fest.
  • Jede Antwort nennt ihre Quelle.
  • Fehlt eine Information: nachfragen oder „weiß ich nicht“ sagen, nie raten.

Prüffälle

Ab sofort in 04_Evaluation sammeln, ein Fall pro Zeile:

Feld Beispiel
ID PF-007
Frage Welche Motorisierungen gibt es für Baureihe X?
Erwartete Antwort fachlich richtige Antwort in Stichworten
Quelle Preisliste, Seite 4
Regeltyp Preis, Pflicht, Verbot, Kombination, Version, Verfügbarkeit
Ergebnis richtig oder falsch, je Lauf (mindestens drei Läufe)

Bis Review 1: mindestens ein Prüffall je Regeltyp.

Daten und Rückfragen

  • Preislisten-Datenbank: Jedes Team erhält einen eigenen Zugang per E-Mail. Zugangsdaten gehören in die .env.
  • Bis dahin: mit dem Rohdaten-Weg an einem Ausschnitt beginnen. Der Vergleich gehört ohnehin zur Bewertung.
  • Rückfragen an Mercedes-Benz: im Team sammeln und zum Dienstagstermin vor einem Review mitbringen. Keine Einzelanfragen an Mercedes-Benz.

Team-Repository

Jede Gruppe arbeitet in einem privaten Repository ihrer GitHub-Organisation und plant im GitHub Project. Vorgeschlagene Ordner:

Ordner Inhalt
00_Nachweise Screenshots der Online-Kurse, je Person ein Unterordner
01_Agenten Agenten-Code, Anweisungen, Wissensgrundlagen
02_Workflows Prozessmodelle, n8n-Exporte, Skizzen
03_Playbook Aufgabenbeschreibung, Teamvereinbarung, Bedienungsanleitung
04_Evaluation Prüffälle, Testläufe, Vergleiche

Im Stamm liegen README.md (Projektziel, Ordnerübersicht, Start), AGENTS.md (Kontext und Regeln für Coding-Agenten) und .gitignore (.env, .venv/).

Arbeitsregeln

Die Unterlagen von Mercedes-Benz fallen unter die Vertraulichkeitsvereinbarung: nicht in öffentliche Repositories, nicht in kostenlose KI-Chats, keine Weitergabe außerhalb des Projekts.

Zugangsdaten bleiben in .env. Der Agent schlägt vor, ein Mensch prüft und entscheidet.