In cooperation with the 'Friends of Digital Farming'

OBJECTIVES OF THE MASTER THESIS

The objective of this thesis is to design and implement a fully local RAG chatbot capable of delivering precise, context‑aware answers from the Agricultural knowledge sources like papers, books, etc. This involves developing a robust PDF ingestion pipeline to extract and pre-process handbook content, constructing a vector‑based retrieval system using Chroma DB, and integrating a local LLM to generate high‑quality responses. The work further aims to build a production‑ready FastAPI backend that exposes the chatbot as an accessible interface for agricultural practitioners, while evaluating the system’s accuracy, latency, and usability in real‑world digital farming scenarios. Ultimately, the thesis should serve as a proof of concept and seeks to demonstrate how retrieval‑augmented generation can transform large agricultural documents into interactive, user‑friendly knowledge systems.

MOTIVATION

The motivation for this thesis is to make the agricultural knowledge sources like papers, books, etc. easier to access by transforming its extensive content into an interactive, question‑answering system. Farmers and students often struggle to locate relevant information quickly, and a local RAG chatbot enables fast, precise retrieval without relying on cloud services. By combining semantic search with a locally running LLM, the project supports digital adoption in agriculture while ensuring data sovereignty and practical usability.

KEY POINTS

• PDF ingestion pipeline
• Vector embeddings
• RAG workflow
• Evaluation Framework
• User-centric design

MILESTONES OF THE WORK

• Requirement analysis for user needs, the legal requirements (copyrights, etc.) and handbook structure.
• PDF extraction and pre-processing pipeline, setting up Vector database.
• RAG pipeline implementation combining retrieval and LLM reasoning.
• FastAPI backend development for serving queries.
• User interface prototype for interacting with the chatbot.
• Evaluation and benchmarking of accuracy, latency, and user satisfaction.
• Thesis documentation and final write-up including architecture, experiments, and conclusions.

WHAT YOU BRING WITH YOU

• Studied computer science, bioinformatics and business informatics.
• Interest in scientific work and literature research methods.
• Interest in Machine Learning Application.
• Enthusiasm for agricultural issues.

Research Objectives:

• In der Wertschöpfungskette im Obst- und Gemüsebau werden unterschiedliche IT Systeme eingesetzt. Die IT-Systeme sind teilweise miteinander vernetzt.
• Die Interoperabilität der Systeme ist jedoch häufig verbesserungswürdig. Dies führt zur Notwendigkeit Daten, die eigentlich bereits digital vorlagen, trotzdem erneut manuell in andere IT-Systeme einzugeben.
• Im Rahmen dieser Masterarbeit soll am Beispiel von Qualitätssicherungs- und Reklamationssystemen im Obst- und Gemüsebau ein Konzept zur Optimierung der Interoperabilität erarbeitet werden.
• Die Arbeit findet in Kooperation mit der Pfalzmarkt für Obst und Gemüse eG statt.

Expected Contributions:

• Einarbeiten in den State of the Art im Bereich Interoperabilität.
• Einarbeiten in die Arbeitsprozesse bei der Pfalzmarkt für Obst und Gemüse eG.
• Analyse der QS und Reklamationsprozesse bei der Pfalzmarkt für Obst und Gemüse eG.
• Modellierung der Datenmodelle der unterschiedlichen IT-Systeme.
• Semantische Beschreibung der Daten welche ausgetauscht werden sollen.
• Entwurf eines / alternativer Konzepte für eine optimierte Interoperabilität.
• Ggf. Prototypentwicklung.
• Ggf. Evaluation des Prototypen mit Endnutzern der Pfalzmarkt für Obst und Gemüse eG.

Contact:

Claudia Schwager