Lorenz Ehrlich

¿Podrías explicar en qué trabajaste durante tu Proyecto de Fin de Grado y cómo ese trabajo ha evolucionado hasta lo que haces ahora en Telespazio/ESA? ¿Qué impacto real esperas que tenga tu proyecto?

Mi Proyecto de Fin de Grado se centró en el desarrollo de una interfaz basada en Modelos de Lenguaje a Gran Escala (LLM) diseñada para emular el Helpdesk de XMM-Newton, un servicio de preguntas y respuestas gestionado por personas que ofrece la ESA, donde los astrónomos pueden enviar dudas, errores y consultas generales relacionadas con su trabajo con datos de XMM-Newton.

La idea era aprovechar 20 años de tickets en los que expertos habían respondido a preguntas de usuarios y utilizar ese contenido para ajustar un modelo de lenguaje que actuara como un chatbot de XMM.

Otros aspectos del proyecto incluyeron la construcción de un sistema personalizado de Retrieval Augmented Generation (RAG), diseñado para recuperar información relevante a partir de documentación relacionada con XMM. El proceso de desarrollo se centró en gran medida en la exploración de distintos enfoques, como el ajuste fino de modelos de embeddings, sistemas de recuperación híbridos, rerankers, estrategias de fragmentación de texto (chunking), filtrado por metadatos, enrutamiento de consultas-documentos, entre muchos otros.

Mi trabajo actual en la ESA ha seguido evolucionando en torno al chatbot de XMM, pasando de ser un sistema estático de preguntas y respuestas a convertirse en un agente autónomo completamente desarrollado, capaz de realizar directamente tareas de procesamiento de datos astronómicos para los usuarios. Los detalles técnicos son algo complejos para explicarlos en un documento como este.

En cuanto al impacto real, creo que hay dos ideas principales. En primer lugar, el sistema está pensado para ayudar a astrónomos reales en su proceso de investigación y actualmente está activo para un grupo limitado de usuarios dentro de la oficina de la ESA en Madrid. En segundo lugar, el proyecto pretende servir como base y exploración del uso de agentes LLM en Astronomía, analizando qué funciona, qué no, cuáles pueden ser las mejores prácticas y cómo crear este tipo de sistemas a escala para misiones más allá de XMM.

¿Cómo fue tu primera visita al centro de la ESA en Madrid (ESAC) mientras trabajabas en tu Proyecto de Fin de Grado?

Fue una experiencia maravillosa. Desde luego, me sentía fascinado con la idea de visitar una oficina de la ESA; solo el nombre ya impone mucho. Resultó emocionante visitar lo que percibía como la frontera de la Astronomía. Además, el centro está ubicado en un entorno muy bonito y escénico.

También tenía muchas ganas de conocer en persona a mi supervisor, Aitor Ibarra, y al equipo que está detrás de XMM-Newton. Todos fueron muy acogedores y mostraron un gran interés por el trabajo que estaba desarrollando. El ambiente general de la oficina es muy cercano y agradable.

¿Cómo describirías tu colaboración con el equipo —científicos, ingenieros y especialistas en datos?

En una sola palabra: vital. Aunque tenía los conocimientos en ML/IA necesarios para abordar un proyecto como este, no tenía experiencia previa en Astronomía, y en concreto en software de análisis de datos astronómicos. Por ello, desarrollar un proyecto centrado en este ámbito habría sido prácticamente imposible sin el conocimiento especializado del equipo de XMM, especialmente de mis supervisores, cuyo apoyo ha sido excepcional.

Han aportado ideas sobre funcionalidades, me han indicado exactamente qué APIs estaban disponibles para su implementación y me han aconsejado sobre cómo estructurar el proyecto para que el usuario final obtenga lo que realmente necesita. Dado que se trata de un proyecto orientado al usuario, contar con expertos que me asesoraran ha sido extremadamente importante y valioso.

Además, la colaboración entre departamentos también ha sido clave: el equipo de data science ha sido de gran ayuda en la configuración del hardware que da soporte al sistema. En general, hay muchas más personas que han contribuido al proyecto de una u otra forma, grande o pequeña, de lo que probablemente ellas mismas son conscientes.

¿Hubo algún reto concreto que fuera especialmente difícil de resolver? ¿Cómo lo superaste?

No exactamente. Algunas cosas han sido más difíciles que otras, pero prácticamente todo ha sido resoluble con esfuerzo y dedicación. Incluir los tickets reales del Helpdesk es un reto que aún no se ha resuelto, ya que actualmente no existe una forma de hacerlo sin un trabajo manual muy intensivo de limpieza de datos, y se ha decidido que no es el mejor uso del tiempo.

¿Qué has aprendido trabajando en este proyecto y colaborando con los equipos de la ESA y Telespazio?

Podría hablar de todos los aspectos técnicos que he aprendido: configurar agentes LLM, definir estrategias de chunking para RAG, ajuste fino de modelos… la lista sería interminable. Sin embargo, siendo honesto, el mayor aprendizaje ha sido mejorar mi capacidad para simplificar conceptos técnicos.

Mis supervisores en la ESA, aunque tienen experiencia en software, no son expertos en machine learning, y todo lo que hacía tenía que explicarlo en un lenguaje claro y comprensible. Aunque esto es más sencillo cuando te diriges a ingenieros de software que al público general, creo que he mejorado mucho en este aspecto, y eso me ha ayudado especialmente en conferencias y presentaciones.

En ADASS 2025, por ejemplo, tuve 12 minutos para presentar todo el proyecto, incluyendo una demo, ante un panel de astrónomos e ingenieros de software que en su mayoría no estaban familiarizados con el funcionamiento interno de los LLM. Creo que la presentación funcionó muy bien y que el público logró entender claramente en qué consistía el proyecto, en gran parte gracias a lo anterior.

¿Cómo fue tu experiencia presentando tu trabajo en conferencias como ADASS y AstroORDAS? ¿Cómo reaccionó la comunidad científica?

Fue una experiencia fantástica. Siempre me ha gustado presentar y estaba muy ilusionado por mostrar el proyecto a la comunidad en general. La reacción fue muy positiva en la mayoría de los casos, y las preguntas que surgieron tras las presentaciones orales fueron exactamente el tipo de preguntas que esperaba. Parecía despertar una auténtica curiosidad.

Una de las preguntas fue si veía un futuro en el que proyectos como este pudieran ampliarse a múltiples misiones, o incluso convertirse en chatbots a nivel de toda la ESA, una idea que siempre he tenido en mente.

¿Crees que tu proyecto abre nuevas posibilidades para integrar la IA en los flujos de trabajo de la ciencia espacial?

Eso espero. Muchos agentes de IA en ciencia espacial están enfocados en resolver un problema concreto, por ejemplo usar LLMs para tareas de clasificación o para abordar un cuello de botella específico en un flujo de trabajo. Este proyecto es ligeramente diferente, ya que está diseñado como un agente de uso general, no centrado en un único problema, sino en ser una herramienta útil de forma transversal para la ciencia espacial, facilitando el trabajo diario de los investigadores.

Mi objetivo es que este tipo de proyecto pueda replicarse en otras misiones, aprovechando la infraestructura que hemos desarrollado hasta ahora.

Con el nuevo acuerdo firmado entre la ESA e IE University, ¿qué tipo de oportunidades imaginas para los estudiantes actuales y futuros?

No estoy del todo seguro de en qué consiste exactamente el acuerdo, pero me gustaría pensar que supondrá una mayor incorporación de jóvenes hacia la ESA. Aunque IE no ofrece un programa centrado específicamente en Física o Astronomía (creo), en ESAC, en Madrid, trabajan muchos ingenieros de software, y siempre vendría bien contar con algunos más.

Especialmente con el auge de la IA, esperaría que surgieran cada vez más oportunidades para estudiantes de IE interesados en trabajar con la ESA. En cualquier caso, solo puedo hablar desde la perspectiva de ESAC en Madrid; en otros centros de Europa probablemente existan oportunidades distintas, por ejemplo en áreas como Robótica o I+D.

¿Cómo te gustaría seguir creciendo dentro del sector espacial?

Idealmente, me gustaría ampliar este proyecto hacia una iniciativa multi-misión, pero para ello probablemente necesitaría un equipo de personas trabajando en ella. Supongo que eso implicaría evolucionar hacia un rol más cercano al de líder técnico. Aun así, no tengo ambiciones fijas en este momento.

¿Qué consejo le darías a un estudiante de IE que quiera trabajar en proyectos reales y de alto impacto?

Di que sí a las oportunidades que se te presenten. La vida en IE está llena de oportunidades para trabajar en proyectos reales. Participa en datathons, pregunta a tus profesores si tienen algún proyecto en el que puedas colaborar, revisa si hay propuestas de Proyectos de Fin de Grado ofrecidas por empresas de prestigio. Simplemente, di que sí.