Job Description

PQR is een Nederlandse IT-dienstverlener die organisaties helpt met het ontwerpen, realiseren, beheren en optimaliseren van hun IT-infrastructuur. PQR richt zich onder andere op datacenter- en private-cloudoplossingen, public cloud, networking, security en data & AI. Met een team van IT-specialisten ondersteunt PQR haar klanten bij complexe IT-vraagstukken en de ontwikkeling van betrouwbare, veilige en toekomstbestendige IT-infrastructuren.

Tijdens deze stage werk je samen met specialisten op het gebied van VMware Cloud Foundation (VCF) en onderzoek je hoe AI kan bijdragen aan het veiliger en beter voorspelbaar maken van complexe infrastructuurupgrades.

Aanleiding en achtergrond

VMware Cloud Foundation (VCF) is een softwareplatform waarmee organisaties hun cloudinfrastructuur kunnen opbouwen en beheren. Het platform combineert technologieën voor servervirtualisatie, opslag, netwerken en cloudmanagement in één geïntegreerde omgeving.

VCF wordt onder andere ingezet voor het realiseren en beheren van private-cloudomgevingen, waarop applicaties en bedrijfskritische systemen kunnen draaien. Dit maakt het platform relevant voor organisaties die behoefte hebben aan een betrouwbare, schaalbare en centraal beheerde IT-infrastructuur, bijvoorbeeld in hun eigen datacenter of private cloud.

Om deze omgevingen veilig, stabiel en up-to-date te houden, wordt VCF regelmatig geupdate. Dit is een complex proces, waarbij verschillende componenten en onderlinge afhankelijkheden in de juiste volgorde moeten worden bijgewerkt. Een update kan mislukken door bijvoorbeeld afwijkende configuraties, technische afhankelijkheden of fouten die pas tijdens de uitvoering zichtbaar worden. Het analyseren en oplossen van deze problemen vraagt om specialistische kennis en het combineren van configuratiegegevens, logbestanden, taakstatussen, foutcodes en technische documentatie.

Met de introductie van VCF 9 veranderen bovendien onderdelen van het lifecyclemanagement. Hierdoor ontstaan nieuwe workflows en mogelijke faalpunten. Voor PQR is het daarom interessant om te onderzoeken hoe updates vooraf beter kunnen worden voorbereid, getest en gevalideerd.

De opdracht

Tijdens deze onderzoeksstage onderzoek je hoe kunstmatige intelligentie (AI) kan helpen om VCF-upgrades veiliger en voorspelbaarder te maken. Je ontwerpt, bouwt en test hiervoor gedurende 20 weken een prototype in het PQR-lab.

De opdracht richt zich op één specifiek upgradepad: een upgrade van VCF Automation 9.0.2 naar 9.1. Je onderzoekt hoe deze upgrade vooraf in een gecontroleerde labomgeving kan worden doorlopen en gevalideerd, zodat mogelijke problemen vroegtijdig zichtbaar worden.

Het prototype bestaat uit twee onderdelen. Een orchestrator voert de vooraf bepaalde stappen uit en bewaakt het verloop van de upgrade. Een AI-agent analyseert eventuele fouten en stelt mogelijke vervolgstappen voor. De AI-agent mag daarbij uitsluitend kiezen uit een vooraf goedgekeurde lijst van vijf tot acht acties. De daadwerkelijke uitvoering verloopt via ondersteunde API's, command-line interfaces (CLI's) en geautomatiseerde scripts.

Een belangrijk onderdeel van het onderzoek is het waarborgen van de veiligheid en betrouwbaarheid van het framework. Je onderzoekt hoe het proces controleerbaar en reproduceerbaar kan worden uitgevoerd en hoe het systeem moet omgaan met fouten en onverwachte situaties. Daarbij mag de AI-agent niet zelfstandig willekeurige acties uitvoeren: het framework moet ongeoorloofde acties voorkomen en de upgrade gecontroleerd kunnen stoppen wanneer dat nodig is.

Naast het ontwikkelen van het prototype onderzoek je of AI daadwerkelijk meerwaarde biedt bij het opsporen en analyseren van fouten. Je vergelijkt hiervoor de foutdiagnose met en zonder AI-ondersteuning aan de hand van een vooraf vastgestelde set testgevallen.

Het doel is een werkend onderzoeksprototype waarmee PQR inzicht krijgt in de mogelijkheden en beperkingen van deze aanpak. Het framework is uitsluitend bedoeld voor validatie in een gecontroleerde labomgeving en niet voor het zelfstandig uitvoeren van upgrades in productieomgevingen.

Onderzoeksvraag

De centrale onderzoeksvraag luidt:

Hoe kan PQR een veilige, reproduceerbare en controleerbare methode ontwerpen om een VCF 9-upgrade vooraf te valideren in een gecontroleerde labomgeving, waarbij AI uitsluitend wordt ingezet voor analyse en actieselectie en de uitvoering via ondersteunde API's en CLI's verloopt? En in welke mate verbetert de AI-analyse de foutdiagnose?

Om deze vraag te beantwoorden, onderzoek je onder andere:

• Welke technische voorwaarden, afhankelijkheden en mogelijke faalpunten spelen een rol bij het gekozen upgradepad?
• Hoe kan een deterministische orchestrator worden ontworpen die de upgrade reproduceerbaar uitvoert en de voortgang bewaakt?
• Welke acties mag de AI-agent voorstellen en hoe kunnen deze worden begrensd en gevalideerd?
• Hoe kunnen foutmeldingen, logs, taakstatussen en technische documentatie veilig en effectief worden gebruikt voor foutdiagnose?
• Hoe kan het framework aantoonbaar maken welke onderdelen van de upgrade wel, niet of gedeeltelijk zijn gevalideerd?
• Hoe kan de kwaliteit van de AI-diagnose objectief worden gemeten ten opzichte van een aanpak zonder AI?
• Welke beperkingen, risico's en mogelijkheden voor vervolgonderzoek komen uit de evaluatie naar voren?

Onderzoeksaanpak

Je volgt de Design Science Research-methode. Hierbij analyseer je eerst het probleem, ontwerp je een oplossing, bouw je een prototype en evalueer je de resultaten. Op basis van de bevindingen kun je het ontwerp gedurende de stage bijstellen.

Je werkzaamheden bestaan uit de volgende onderdelen:

1. Analyse en vooronderzoek

Je bestudeert relevante Broadcom-documentatie, release notes, kennisbankartikelen en technische richtlijnen voor het gekozen upgradepad. Daarnaast interview je drie tot vijf VCF-engineers van PQR om inzicht te krijgen in veelvoorkomende upgradeproblemen, bestaande diagnosemethoden en betrouwbare controles achteraf.

1. Ontwerp van het framework

Je stelt de architectuur, veiligheidsmaatregelen en technische ontwerpkeuzes op. Je onderzoekt hoe de orchestrator, AI-agent, actieselectie, logging en rapportage samenwerken. Ook leg je vast welke interacties met VCF via ondersteunde interfaces mogelijk zijn en welke acties expliciete goedkeuring vereisen.

1. Ontwikkeling van het prototype

Je implementeert het framework in de beschikbare PQR-labomgeving. Daarbij werk je onder andere aan de aansturing van upgrade-stappen, validatie van acties, foutafhandeling, logging en het gecontroleerd stoppen van processen. De precieze technologiekeuze wordt aan het begin van de stage afgestemd op de bestaande omgeving van PQR.

1. Testen en evalueren

Je voert labexperimenten uit om de werking en reproduceerbaarheid van het framework te onderzoeken. Daarnaast vergelijk je de foutdiagnose met en zonder AI-ondersteuning aan de hand van dezelfde verzameling foutgevallen.

De evaluatie omvat minimaal 30 gelabelde foutgevallen, waaronder nagebootste bekende problemen en adversariële gevallen. Bij die laatste categorie onderzoek je bijvoorbeeld hoe het systeem omgaat met misleidende instructies in logs, niet-bestaande kennisbankreferenties en fouten waarvoor geen goedgekeurde actie beschikbaar is. De testset wordt vooraf vastgelegd en gescheiden gehouden van de ontwikkelset. Elk testgeval wordt drie keer uitgevoerd met dezelfde modelversie, zodat ook de variatie in de resultaten inzichtelijk wordt.

1. Analyse en rapportage

Je analyseert de resultaten, beoordeelt de toegevoegde waarde en beperkingen van AI en vertaalt de bevindingen naar concrete aanbevelingen voor PQR.

Verwacht resultaat

Aan het einde van de stage lever je de volgende resultaten op:

• Een werkend prototype van het AI-Assisted VCF Upgrade Validation Framework voor één afgebakend VCF-upgradepad in het PQR-lab.
• Een reproduceerbare pipeline met een gedocumenteerd uitvoeringsplan, controles, logging en veiligheidsmaatregelen.
• Een ontwerp- en onderzoeksrapport waarin de gemaakte keuzes, architectuur, randvoorwaarden en beperkingen worden onderbouwd.
• Een Upgrade Confidence Report waarin inzichtelijk is welke onderdelen van de upgrade zijn gecontroleerd, welke resultaten zijn behaald en welke onzekerheden of risico's overblijven.
• Een evaluatierapport waarin de kwaliteit van de foutdiagnose met en zonder AI wordt vergeleken op basis van vooraf vastgestelde meetcriteria.
• Bij een gecontroleerd afgebroken test: een gestructureerd evidence-pakket met relevante logs, foutinformatie, uitgevoerde controles en een supportklare casusbeschrijving die kan worden gebruikt bij een eventuele melding aan Broadcom.
• Concrete aanbevelingen voor eventuele vervolgstappen en de mogelijkheden om de aanpak verder te ontwikkelen.

Het onderzoek moet niet alleen aantonen of het prototype werkt, maar ook onder welke omstandigheden de aanpak betrouwbaar is. Daarbij wordt expliciet gerapporteerd wat wel, niet en gedeeltelijk is gevalideerd.

Planning en looptijd

De stage duurt 20 weken. De onderstaande fasering is een voorgestelde planning; de exacte momenten worden in overleg met de stagebegeleider en de opleiding vastgesteld.

• Week 1–3: Analyse en afbakening. Documentonderzoek, interviews, inventarisatie van de labomgeving, formulering van acceptatiecriteria en vastlegging van technische ontwerpkeuzes.
• Week 4–6: Ontwerp. Uitwerking van de architectuur, de orchestrator, de veiligheidsmaatregelen en de onderzoeksopzet.
• Week 7–12: Ontwikkeling. Realisatie van het prototype en de eerste gecontroleerde upgrade-rehearsals.
• Week 13–16: Testen en evalueren. Uitvoering van labexperimenten en de vergelijkende evaluatie van de AI-diagnose.
• Week 17–18: Analyse en verbetering. Verwerking van de resultaten, analyse van beperkingen en eventuele gerichte verbeteringen.
• Week 19–20: Afronding en overdracht. Oplevering van de documentatie, rapportages, het prototype en de eindpresentatie.

Belangrijke mijlpalen zijn de goedkeuring van het ontwerp, het beschikbaar hebben van een testbaar prototype, het bevriezen van de evaluatieset en de oplevering van het eindrapport. De definitieve data worden bij aanvang van de stage vastgelegd.

Wie zoeken we?

We zoeken een nieuwsgierige en analytische hbo- of wo-student die een onderzoeksstage wil uitvoeren op het snijvlak van infrastructuurautomatisering, softwareontwikkeling en kunstmatige intelligentie. Je vindt het interessant om complexe technische problemen te onderzoeken en wilt niet alleen iets bouwen, maar ook aantonen of en waarom de oplossing werkt.

Je neemt initiatief, kunt zelfstandig onderzoek uitvoeren en vindt het prettig om samen te werken met ervaren engineers. Je bent kritisch op de uitkomsten van AI en begrijpt dat veiligheid, betrouwbaarheid en reproduceerbaarheid belangrijk zijn bij het automatiseren van infrastructuurprocessen.

Gewenste competenties en vaardigheden

We verwachten dat je beschikt over, of je tijdens de stage verder wilt ontwikkelen in:

• Analytisch en onderzoekend vermogen: je kunt een complex probleem afbakenen, onderzoeksvragen formuleren en resultaten onderbouwen.
• Programmeervaardigheden, bij voorkeur in Python.
• Interesse in AI-toepassingen, bijvoorbeeld AI-agents, taalmodellen en het evalueren van AI-uitkomsten.
• Affiniteit met IT-infrastructuur, virtualisatie, cloudtechnologie of automatisering.
• Een gestructureerde werkwijze en aandacht voor documentatie, versiebeheer en testen.
• Communicatieve vaardigheden om bevindingen te bespreken met engineers en helder te rapporteren.

Ervaring met VMware Cloud Foundation, REST API's, PowerCLI, Git, CI/CD of infrastructuurautomatisering is een pré. Ook kennis van bijvoorbeeld Ansible, JSON Schema, Pydantic of secretmanagement is welkom. Je hoeft niet met alle genoemde technologieën ervaring te hebben; leergierigheid en een goede onderzoekende houding zijn minstens zo belangrijk.

Wat biedt PQR?

Bij PQR krijg je de mogelijkheid om aan een actueel en technisch uitdagend vraagstuk te werken, waarbij infrastructuurtechnologie en AI samenkomen. Je werkt in een gecontroleerde labomgeving en kunt sparren met specialisten die ervaring hebben met complexe IT-infrastructuren en VMware-technologie.

Je krijgt ruimte om zelfstandig onderzoek te doen, technische keuzes te onderbouwen en een eigen prototype te ontwikkelen. Daarbij word je begeleid door een inhoudelijk deskundige stagebegeleider en krijg je de gelegenheid om jouw resultaten te presenteren en te bespreken.

De stage biedt je de mogelijkheid om je onderzoeksvaardigheden en technische kennis verder te ontwikkelen en ervaring op te doen met het ontwerpen, bouwen en evalueren van een AI-ondersteunde automatiseringsoplossing.

Stagevergoeding

De stagevergoeding bedraagt €500,- per maand gebaseerd op een fulltime stageopdracht.