Masterarbeit: Self-Healing Software Autonome Fehlererkennung und -behebung durch LLM-gestützte CI/CD-Pipelines

Themengebiet & Motivation

Moderne Softwaresysteme werden zunehmend komplexer – gleichzeitig steigen die Anforderungen an Verfügbarkeit und Qualität. Diese Arbeit untersucht, wie Large Language Models (LLMs) als zentrales Steuerungselement in eine autonome DevOps-Pipeline integriert werden können, die Fehler selbstständig erkennt, analysiert und behebt.

Das Konzept der Self-Healing Software geht dabei deutlich über klassisches Monitoring hinaus: Das LLM übernimmt die Rolle eines autonomen Software-Engineers, der Fehler im Kontext des gesamten Codebases versteht, geeignete Fixes generiert und diese nach automatisierten Tests in die Produktion deployt.

Theoretischer Teil

• Literaturrecherche zu Self-Healing Systems, Autonomous Agents und LLM-basierter Code-Generierung
• Analyse bestehender Ansätze (SWE-bench, Devin, AutoCodeRover, GitBug-Java)
• Definition eines Reifegradmodells für autonome Fehlerbehebungssysteme

Praktischer Teil

• Design und Implementierung einer LLM-gestützten Self-Healing-Pipeline
• Integration in bestehende CI/CD-Infrastruktur (GitHub Actions / GitLab CI)
• Entwicklung eines Fehlerklassifikations- und Priorisierungsmoduls
• Automatisiertes Patching mit anschließender Validierung durch Test-Suiten
• Evaluation anhand standardisierter Benchmarks (SWE-bench Lite oder eigener Benchmark)

Voraussetzungen

• Immatrikulation im Bachelor oder Masterstudiengang Informatik, Software Engineering, AI oder verwandt
• Sehr gute Kenntnisse in Python und/oder Java/C#
• Erfahrung mit CI/CD-Pipelines und Versionskontrolle (Git)
• Grundkenntnisse in LLM-APIs (OpenAI, Anthropic, HuggingFace) oder Bereitschaft zur Einarbeitung

Von Vorteil

• Kenntnisse in statischer Code-Analyse und Compiler-Technologien (AST, LSP)
• Erfahrung mit Containerisierung (Docker, Kubernetes)
• Vertrautheit mit Benchmarks wie SWE-bench, HumanEval oder MBPP
• Interesse an Software-Testing, DevOps und Autonomous Agents

Was wir bieten

• Betreuung durch erfahrenes Team an der Schnittstelle von KI und Software Engineering
• Zugang zu GPU-Infrastruktur und kommerziellen LLM-APIs (Kontingent wird gestellt)
• Möglichkeit zur Veröffentlichung der Ergebnisse auf einer Konferenz
• Monatliche Vergütung von 1.000€