Övergripande beskrivning
Detta examensarbete syftar till att undersöka hur maskininlärning och molnbaserade tjänster kan användas för att förutsäga tokenförbrukning och kostnader vid användning av stora språkmodeller (LLM:er). I takt med att allt fler organisationer integrerar LLM:er i sina tjänster blir kostnaderna svåra att förutse, eftersom användningen ofta varierar kraftigt över tid och mellan olika applikationer. För höga prognoser leder till outnyttjad budget, medan för låga prognoser kan ge högre kostnader eller begränsningar i tjänsten. Arbetet ska utforska hur ett automatiserat system kan förutsäga användning, beräkna framtida kostnader och ge underlag för mer välgrundade inköpsbeslut.

Projektbeskrivning
Projektet kommer att innebära att utforma, implementera och utvärdera en proof of concept-lösning för ett molnbaserat system som samlar in, bearbetar och analyserar användningsdata från LLM-tjänster. Systemet kan utvecklas och testas med hjälp av exempelvis publikt tillgängliga användningsloggar som simulerar verklig trafik. Studenten har stort utrymme att själv välja inriktning, tekniker och avgränsningar.

Forskningen kommer att fokusera på att jämföra olika metoder för tidsserieprognoser, från klassiska statistiska modeller till maskininlärning och förtränade modeller, samt att omvandla prognoserna till kostnadsberäkningar för olika prismodeller, exempelvis förbetald kapacitet och användningsbaserad prissättning. Arbetet kan även omfatta hur prognoser, faktisk användning och avvikelser kan visualiseras och övervakas, samt i vilken utsträckning bättre prognoser leder till faktiska kostnadsbesparingar.

Vem söker vi?

• Masterutbildning inom datateknik, mjukvaruteknik, teknisk fysik eller närliggande område

• Inriktning mot maskininlärning, dataanalys eller molnutveckling är meriterande

• Examen i juni 2027

• Flytande svenska i tal och skrift

• Flytande engelska i tal och skrift

Syfte
Syftet med examensarbetet är att skapa en djupare förståelse för hur väl tokenförbrukning kan förutsägas, vilka faktorer som påverkar prognosernas noggrannhet och hur prognoserna kan användas för att optimera kostnader. Resultatet förväntas bidra med kunskap kring hur organisationer kan planera och styra sin AI-användning mer effektivt, och ge underlag för framtida utveckling inom kostnadsoptimering och resursplanering för AI-tjänster.

En spännande resa med Knightec Group
Knightec Group är idag en av Norra Europas ledande strategiska partners inom produkt- och digital tjänsteutveckling – hur häftigt är inte det?

Genom att förena ingenjörskompetens, digital expertis och affärsförståelse hjälper vi våra kunder att omvandla ny teknik till verkliga lösningar som skapar värde. Vi arbetar i skärningspunkten mellan affärsstrategi och teknikutveckling och stöttar våra kunder genom hela resan – från de första idéerna till utveckling, implementering och vidare utveckling.

På Knightec Group samlas människor med olika perspektiv, erfarenheter och specialistområden. Tillsammans skapar vi innovation som gör verklig skillnad – för företag, människor och samhället i stort. För våra medarbetare innebär det stora möjligheter att vara med och forma framtidens lösningar genom meningsfulla projekt i teknikens absoluta framkant. Här får du inte bara utvecklas och växa i din roll – du blir också en del av ett team där nyfikenhet, samarbete och modet att utmana driver oss framåt.

Praktisk information
Detta är en masteruppsats-tjänst med placering på vårt kontor i Stockholm. Startdatum är i januari 2027, exakta datum släpps närmre inpå.

Det färdiga examensarbetet kan publiceras och användas både i din personliga portfölj och i företagets marknadsföring. Vänligen bifoga CV och personligt brev i din ansökan.

Skicka gärna in din ansökan så snart som möjligt, dock senast 2026-10-29. Om du har några frågor är du välkommen att kontakta Hibatallah Belhajali på Hibatallah.belhajali@knightec.se. Observera att vi, på grund av GDPR, endast tar emot ansökningar via vår karriärsida.