A legtöbb általános célú szoftver teljesítménye nem egyforma a különböző típusú feladatok tekintetében. Napjainkban ezért egyre inkább terjedőben vannak az adott típusú feladatokra specializálódott szoftverek. Jó példa erre az adatbázisok területe, ahol az általános célú szoftverek mellett (Oracle, MySQL, PostgreSQL) egyre gyakoribbak a teljesítményt (MongoDB, Redis), skálázhatóságot (Cassandra, Hive), vagy a valós idejű adatfeldolgozást (Kafka, Flink) előtérbe helyező rendszerek. Ezeknek a rendszereknek a konfigurálása azonban nem egyértelmű, főleg a folyamatos adatáramlás, a nagy sebesség és volumen, illetve a különböző adattípusok miatt. Ezért szükségszerű a rendszerek megfelelő, a célokhoz és a feladatokhoz mért beállítása és finomhangolása a rendelkezésre álló beállítások segítségével.

A hallgató feladata egy olyan mesterséges intelligencián alapuló rendszer megvalósítása, amely tanácsot ad a paraméterek és/vagy a környezet hangolására, amely elősegíti a szolgáltatás (rendszer) teljesítménycéljainak elérését az adott korlátozások tekintetében. A rendszer bemenete a korlátozások, a teljesítménycélok és az aktuális szolgáltatáskonfiguráció. A rendszer kimenete pedig egy javaslatkészlet, amely megváltoztatná a konfigurációt a szolgáltatás (rendszer) optimális futása érdekében.