Willkommen auf meinem Portfolio! Ich habe einen Bachelor-Abschluss in Mechatronik und einen Master in Sensor- und Automatisierungstechnik. Mit einem Hintergrund als Fullstack-Software- und Hardwareentwickler widme ich meine Karriere der nahtlosen Integration von Software- und Hardwarelösungen.
Ein kleiner Videoeditor, um verschiedene Filter auf ein Video anzuwenden. Erstellt mit Qt Designer, PyQt6, OpenCV, PyInstaller und Numpy.
Github: Hier anklicken zum Öffnen.Implementierung eines Überwachungssystems mit Grafana, Prometheus, Promtail und Loki zur Verfolgung der Leistung und Fehler der firmeneigenen IoT-Asset-Management-Plattform. Das Entwicklungsteam erhält Benachrichtigungen über MS Teams, sobald ein Alarm ausgelöst wird.
Firma: VONOVIA SE
Design und Implementierung eines Backend-Services, der die Integration von Daten der firmeneigenen Photovoltaik-Assets von einer Drittanbieterplattform in die Asset-Management-Plattform des Unternehmens ermöglicht.
Firma: VONOVIA SE
Entwicklung des Backends und von Unittests für ein Benachrichtigungssystem und eine Reihe von Benachrichtigungsvorlagen, die eine nahtlose Zustellung von Tausenden von Benachrichtigungen pro Tag ermöglichen.
Dieser ereignisgesteuerte Service gewährleistet nicht nur eine effiziente Kommunikation, sondern liefert auch personalisierte und rechtzeitige Benachrichtigungen über mehrere Kanäle, wodurch die Benutzerinteraktion und Produktivität verbessert werden.
Die Plattform wird verwendet, um die Assets des Unternehmens in Echtzeit zu überwachen. Benachrichtigungen werden automatisch bei einem Ausfall eines Assets oder durch eine Benutzeraktion generiert.
Firma: VONOVIA SE
Mehr über die Plattform: VONOVIA press release
Entwicklung des Backends und von Unittests für einen globalen Konfigurationsservice, der es den Nutzern ermöglicht, die Funktionalität und Präferenzen der Cloud-Plattform anzupassen, wie z. B. Benachrichtigungstypen, Benachrichtigungskanäle, geografische Interessensgebiete der Assets und Spracheinstellungen.
Firma: VONOVIA SE
Mehr über die Plattform: VONOVIA press release
Ein Online-Angebots- und Bestellsystem für eine Bienenwachsverarbeitungsanlage in Südchile (Patagonien). Entwickelt mit Django, Celery, HTMX und Jquery.
Company: APISUR
Ein Prüfstand für die kontinuierliche Integration. Bevor eine neue Software-Version für einen bestimmten Teil des kollaborativen Roboters (Cobot) fertiggestellt wird, wird die Software mithilfe des Prüfstandes automatisch getestet. Ziel ist es, die Qualität des Endprodukts zu verbessern, indem alle potenziellen Fehler identifiziert und behoben werden, bevor der Code freigegeben wird. Es werden mehrere Tests durchgeführt, bei denen die verschiedenen Komponenten sorgfältig geprüft werden.
Dieses IoT-Gerät verfolgt Parameter wie die Dauer, die Position, die Entfernung, die Geschwindigkeit und die Anzahl der Arbeitszyklen. Es nutzt ein eingebettetes Linux-Gerät, das mit einem integrierten SIM7600-Modem zur Erfassung von GPS-Daten ausgestattet ist. Das Gerät stellt eine Fernverbindung zu einer Django-Anwendung her, die MQTT über TLS für die Datenübertragung nutzt. Innerhalb der Anwendung können die Benutzer die Daten in einem Tabellenformat anzeigen und die Position in Echtzeit auf einer Karte verfolgen. Außerdem können die Daten mühelos in verschiedene Formate exportiert werden.
Diagramm: Hier anklicken zum Öffnen.
Ein volldigitaler, robuster, einfach zu bedienender und schnell zu installierender Plug-and-Play-Temperaturregler für die honigverarbeitende Industrie. Er wurde speziell für den flexiblen Einsatz in verschiedenen Anwendungen entwickelt, bei denen eine Temperaturregelung erforderlich ist.
Dokumentation: Hier anklicken zum Öffnen.
Mit KiCAD entworfene Leiterplatten. SMD-Bauteile werden vom Hersteller gelötet. Fehlende Bauteile werden manuell bestückt.
Ein Softsensor, ein Linux-basiertes Embedded-System mit einem angeschlossenen Vibrationssensor, wird strategisch an einer Maschine oder einem Prozess platziert, um eine kontinuierliche Überwachung zu ermöglichen. Dieses Embedded-System führt ein spezielles Programm aus, das Daten für Lernzwecke sammelt. Die gesammelten Daten werden nahtlos in die Amazon-Cloud (AWS) übertragen, wo ein Inferenzmodell erstellt wird.
Dieses Inferenzmodell ist ein entscheidendes Werkzeug für die Echtzeitüberwachung und wird durch verschiedene Cloud-Dienste ergänzt, um Sicherheit und Verfügbarkeit zu gewährleisten. Bei Erkennung eines Fehlers löst das System automatisch sofortige Benachrichtigungen an Techniker aus, um eine schnelle Reaktion und Maßnahmen sicherzustellen.
Github: Hier anklicken zum Öffnen.
Bild: SSV Software Systems GmbH
PyDSlog ist eine Open-Source-Bibliothek, die den Prozess der Datenerfassung für das Training von supervised Machine-Learning-Modellen optimiert. Sie vereinfacht diesen Vorgang, indem sie einen Mechanismus bereitstellt, der Daten in Form eines Streams sammelt. Dieser Datenstrom kann direkt einem Inferenzmodell für Echtzeitanalysen zugeführt oder zur Erstellung von CSV-Dateien für weitere Verarbeitung und Modelltraining genutzt werden.
Die Datenerfassung ist ein entscheidender Schritt bei der Entwicklung von Machine-Learning-Modellen, da sie es diesen ermöglicht, von diese zu lernen und präzise Vorhersagen zu treffen. PyDSlog macht diesen Prozess effizienter und ist somit ein wertvolles Werkzeug für Machine-Learning-Praktiker.
Github: Hier anklicken zum Öffnen.
PyPI: Hier anklicken zum Öffnen.
Bild: SSV Software Systems GmbH