Techniken:

Feature-Aufbereitung der Sensordaten eines Windparks mit sekündlicher Auflösung und 8 Sensoren pro Windanlage, 500GB Daten pro Jahr, Prediction der Windparkleistung auf Basis der Sensordaten.

Projektsprache:

Deutsch

• Generierung von Bildern und Logos mittels InvokeAI (Yuggernaught-Modell)
• Prompt-Engineering für ChatGPT 40
• Fake-Detektion (Erkennung von computergenerierten Bildern)
• Finetuning LLAMA-3-8B zur Erzeugung vom SQL-Code aus natürlicher Sprache
• Finetuning Falcon-180 und Gemma-7N für QA
• Finetuning FLAN-T5 für Textzusammenfassung
• Finetuning ChatGPT 40 Mini für binäre Marketprediktion
• Augmentation von LLMs mit Daten aus Vektordatenbanken
• Erstellen von Workflows mit n8n

Projektsprache:

Deutsch

• OpenSOC/SIEM, Proof of Concept eines Open Source basierten SOCs mit ML-Funktionalitäten für den Einsatz in Stellwerken mit einer Datenrate in Produktion in der Größenordnung 100 TB/tag bis Mitte 2020
• SOC/SIEM auf Basis von Splunk Enterprise ab Mitte 2020

Teilprojekt bis Mai 2020: Elastic Search und ML für IT Security

• Technische Projektleitung
• Konzeption technische Architektur
• Konzeption und Durchführung der Performanz- und Skalierungstests
• Wirtschaftlichkeitsberechnung im Vergleich zu Splunk, dafür Architekturenwürfe Splunk Cluster und Elastic Search Cluster
• Apache-Spark-ETL-Pipelines mit PySpark
• Erstellen, Trainieren und Evaluiern von ML-Modellen zur Threat- und Anomaly-Detection: Random-Forest, Gradient-Boosting, Deep-Learning-Modelle, Autoencoder, Isolation Forest, One-Class SVM.
• Aufsetzen von Azure-Instanzen für Entwicklungsrechner und die gesamte SOC-Pipeline.
• Automatisches Aufsetzen von Elastic Cloud Enterprise und Elasticsearch-Clustern mit Verschlüsselung inklusive Monitoring-Server und Index Lifecyclye Management mittels Kubernetes und Ansible.
• Erstellen von Kibana Dashboards.
• Aufsetzen von Logpipelines (Beats, Logstash).
• Maschine Learning mit Elastic.
• Erstellen von Queriers/Regeln für Security Use-Cases.
• Logfile-Analyse von Security-Logfiles im Terabyte-Bereich (>10TB).
• Last und Performance Tests von Elastic Search Clustern bis zu 12TB/d Ingestionrate mit 12 Nodes.
• Index-Design, Query-Optimierung
• APM von Elasticsearch-Clustern.

Teilprojekt ab Mai 2020

• Mitarbeit an technischer Architektur
• Entwicklung von Log-Policies für Windows and Linux Server, Windows AD Server, Linux Audit
• Installation von Splunk-Server und Splunk Forwardern
  • Splunk Basis Konfiguration
  • Splunk Indexer, Search Heads, Sizing, Konfiguration
  • Splunk Universal Forwarder Konfiguration, Vorfilterung von Log Daten (Syslog, AuditD-Logs, Firewall-Logs, Windows-Logs, OT-Logs)
  • Splunk Heavy Forwarder Installation und Konfiguration
  • Verschlüsselte Kommunikation, Zertifikate
  • Einrichtung User, Indexes
  • Anbindung Syslog-Server und Logstash and Splunk-Forwarder
  • Anbindung Logstash/FluentD and Splunk HEC.
• Use-Case-Entwicklung, Logfile-Analyse, Dashboard-Entwicklung (SIEM)
  • Use-Case-Definition und Implementierung mittels Splunk Queries (SPL) für Linux, AuditD, Windows und Firewallogs.
  • Performance-Optimierung von Splunk Queries
  • Erstellung von Playbooks
  • Analyse von Logdaten mittels SPL
  • Einsatz von ML-Methoden mit Splunk
  • Splunk Anomalie-Detektion
  • Entwicklung von Dashbaords

Projektsprache:

Deutsch

Projektsprache:

Englisch

Projektsprache:

Englisch

• Erkennen von Zigarettenstummeln in urbaner Umgebung (Strasse, Gras)
• Training eines Models zur Erkennung von Zigarettenstummeln mit Ausgabe von Bounding-Boxen (Yolo4 Modell)
• Hohe Erkennungsgenauigkeit wurde erreicht, bei einer Bildgröße von 512x512 wurde eine Genauigkeit von circa 90% erzielt.
• Mittels TensorRT wurde ein hochoptimierte Laufzeitversion für Nvidia Jetson Xavier erzeugt, das mehr als 14FPS erzielt.
• Implementierung der Bildverarbeitungs-/Detektion-Engine in Python.
• Praxistests auf einer Kehrmaschine verifizierten die hohe Qualität der Erkennung

Projektsprache:

Deutsch

Projektsprache:

Englisch

• Explorative Analyse von Sensordaten
• Konstruktion von Erklärungsmodellen und prädiktiven Modellen für Sensordaten

Projektsprache:

Englisch

Analyse von Webtraffic Daten

Projektsprache:

Deutsch in Wort und Schrift

• Aufbau einer Simulationsumgebung für Traffic-Micro-Simulationen mit Pkws, Bikes, LKWs, Bussen, Trams, Personen
• Durchführung von Traffic-Simulationen und Datensammlung
• Datenaufbereitung, Modelldefinition und Training zur Trajectory-Prediction von Objekten.
• Deep-Reinforcement-Learning für die Betriebsführung und Optimierung von Gasturbinen.

Projektsprache:

Deutsch und Englisch in Wort und Schrift

• Auswahl einer geeigneten Datenbank (SQL, NonSQL) zur Verwaltung von Asset-Informationen
• Implementierung von Entity-Resolution-Algorithmen
• POC mit MongoDB und Elastic Search

Projektsprache:

Deutsch und Englisch in Wort und Schrift.

• Senior Data Scientist und Machine Learning Expert
• Auswahl und Optimierung von Algorithmen für die Intent and Entity recognition, Intent Erkennung, Intent labeling, Semantic Search.
• Exploration und Evaluation von Technologien und Algorithmen für  Advanced Chatbots und intelligente Agenten auf Basis von Deep Learning

Erzielte Ergebnisse:

Starke Verbesserung bei der Intent und Entity Recognition, Verbesserung des Trainings und der Datenvorverarbeitung

Projektsprache:

Deutsch und Englisch in Wort und Schrift.

• Auswahl,Implementierung und Optimierung von Algorithmen für das Forecasting von Zeitreihen, die für eine Anwendung in einer Produktionsumgebung für tausende von Zeitreihen geeignet sind. Dazu müssen diese Verfahren ohne manuelle Eingriffe von Experten eine hohe Forecasting-Qualität liefern. Berechnen von Prognose-Konfidenz-Intervallen.
• Implementierung in R und Python.
• Entwicklung eines interaktiven R-Shiny-Prototypen für das Forecasting von Zeitreihen. Erstellen von Docker-Files und Docker-Compose-Files für das automatische Deployen in der AWS -Cloud
• Verwendete Verfahren: Facebook Prophet und selbstentwickeltes Prognose-Verfahren mittels XGBoost.
• Automatische Parameter-Optimierung mittels Gridsearch, Random-Search-Verfahren and Bayes-Search-Verfahren.

Erzielte Ergebnisse:

Interaktiver Shiny-Forecast-Prototyp, Forecast-Verfahren mittels XGBoost.

Projektsprache:

Deutsch und Englisch in Wort und Schrift.

Data Science und Data Analytics für PWC Deutschland

• Senior Data Scientist und Machine Learning Expert
• Data Science Coach
• Machine Classification und Machine Learning Applications
• Text Analytics and Text Classification
• Forecast von ökonomischen Zeitreihen.
• Clusteranalyse von Controlling-Daten
• Datenaufbereitung
• Big Data
• Real Time Analytics
• Consulting
• Erstellen von Tableau-Dashboards.

Erzielte Ergebnisse:

einige Ergebnisse wurden auf Vorstandsebene präsentiert und die verwendeten Verfahren sollen unternehmensweit ausgerollt warden.

Projektsprache:

Deutsch und Englisch in Wort und Schrift.

Großprojekt Digitalisierung und Big Data, Advanced Analytics

• Senior Data Scientist und Machine Learning Expert
• Senior Solution Architekt
• Data Science Coach
• Design unternehmensweiter Data Lake
• Design einer Real-Time-Streaming-Plattform mit sehr hoher Last (> hundertausend Requests pro Sekunde) bei sehr niedriger Latenzzeit (<10ms) für real time analytics, real time bidding, real time behaviour customer analytics für Omni-Channel-CRM-Funktionen.
• Last- und Performance-Tests von NoSQL-Datenbanken: Aerospike, Cassandra, HBase in AWS Cloud.
• Last- und Performance-Tests von Apache Kafka und Apache Flink in AWS Cloud.

Erzielte Ergebnisse:

Big Data und Data Lake Architektur definiert, Real Time Streaming Konzeptionierung und Evaluierung

Projektsprache:

Deutsch und Englisch in Wort und Schrift.

IT-Großprojekt für das Container-Geschäft Hamburg Süd, circa 90 Projektmitarbeiter

• Senior-Solution-Architekt für das Teilproject SALES und für Teilproject DevOps.
• Performance-Analyse und Performance-Optimierung.
• Impact-Analyse von Change Requests auf die Architektur.
• Marktanalyse Application Monitoring Tools
• Aufsetzen von Application Monitoring für verschiedene Anwendungen und Schnittstellen.
• Erstellen von technischen Roadmaps.
• Technisches Risikomanagement.
• Erstellen der nichtfunktionalen Anforderungen.
• Technisches Grobdesign der Anwendung SALES.

Erzielte Ergebnisse:

bessere Performance der SALES-Applikation – 5 bis 30mal schneller. verbessertes Applikation-Monitoring

Projektsprache:

Deutsch und Englisch in Wort und Schrift.

IT-Tool-Konsolidierung für einen Fachbereich mit mehr als 150 Mitarbeitern, Migration von circa 50 Access-Tools in eine Webplattform.

• Projektmanagement.
• Anforderungsmanagement.

Ergebnisse:

Erfolgreiche Umsetzung der Projekte.

Projektsprache:

Deutsch in Wort und Schrift.

E-ID/E-IAM-Projekt bei BIT in Bern. Förderierte SAML-2.0-basierte Sicherheitsarchitektur für das Access- und Identiy-Management. Circa 10 Mitarbeiter

• Big-Data-Analysen mit SPLUNK, Erstellen von Reports und Dashboards, Erstellung und Auswertungen von Statistiken
• Senior-ICT- und Enterprise-Architekt.
• Projektmanagement¨
• Führung des EIAM-Gremiums.
• Erarbeiten und festhalten von Architekturzielen und -anforderungen mit den Stakeholdern.
• Definieren und evaluieren der Lösungsbausteine einschließlich Individual- und Standardsoftware.
• Erfassen der Anforderungen (Requierementsengineering)
• Erstellen und Dokumentieren von Daten-, Applikations- und Technologiearchitekturen nach gängigen Standards (UML)
• Definieren und beschreiben der Schnittstellen und technischen Integrationsverfahren.
• Sicherstellen der Architektur- und Sicherheitskonformität.
• Erstellen von Migrationskonzepten.
• Beurteilung von Anforderungen und Architekturen bzgl. Wirtschaftlichkeit, Machbarkeit, Qualität, Risiken.
• Begleiten der Umsetzung und Durchsetzung der Architekturvorgaben bei der Umsetzung.
• Vermitteln und integrieren zwischen den spezialisierten Bereichen bzw. deren Spezialisten (SAP, Java, .NET, Windows, ...).
• Erstellen von Informationssicherheits- und Datenschutzkonzepten.
• Erarbeiten von Offerten und Kostenschätzungen für Changerequests.
• Führen der Spezialisten/ der Architekten in Teilprojekten.
• Kontinuierliche Verbesserung der Architekturvorgaben und Methoden.

Ergebnisse:

IAM-Architektur-Dokument erstellt und mit Enterprise-Architektur abgestimmt und in Umsetzung, Betriebssystem-Migration erfolgreich durchgeführt, Verbesserung des Projektmanagements.

Projektsprache:

Deutsch in Wort und Schrift.

Zugriff auf acht Sybase-Datenbanken, Replikation in lokale Datenbank, Verarbeitung von CSV-Dateien, SOAP-Zugriffe auf ein Geo-Informationssystem und über einen ESB (Tibco) auf das kaufmännische Kernsystem, Zugriff auf Huawei-Concentrator. Circa 30 interne Mitarbeiter, mehrere externe Lieferanten.

• Business-Analyse BPMN.
• Erstellen einer SOAP-Architektur mit J2EE, Biztalk, .Net, Tibco BW.
• Analyse der gesamten Umgebung und Erstellen einer Enterprise-Architektur-Übersicht.
• Erstellung einer Architektur mit Integration diverser Backend-Systeme (circa 10) mittels Biztalk und Tibco-ESB/BW, Zugriffe mittels SOAP, sftp, SQL. SOAP-Architektur.
• Erstellen eines RFP.
• Machbarkeitstudie
• Vendor-Auswahl und Auswahl,.
• Erstellen von Use-Cases und Sequenz- und Activity-Diagrammen in UML2.x.
• Erstellen der Spezifikation für den Lieferanten (Requirement-Engineering und Business-Analyse).
• Vendor-Management.
• SCRUM-Master.
• Abnahme-Tests (Erstellen Testspezifikation und Durchführung der funktionalen und Integrations-Tests).
• Performance- und Lasttests- und Analysen.
• Unterstützung des Deployments in Produktion.
• Erstellen eines umfangreichen Python/Django-Programms zur Provisionierung von Femtozellen im Friendly-User-Trial in Produktionsumgebung.
• Entwicklung eines Architekturprototypen mit J2EE 6.0 mit Oracle Glasssfish 2.x –Server und MySql-Database.

Erzielte Ergebnisse:

Das Produkt wurde in Time und Budget realisiert und wurde erfolgreich gelauncht.

Entwicklungsprozess:

Agile Entwicklung, SCRUM.

Projektsprache:

Deutsch in Wort und Schrift.

Unified Communication Projekt. Circa 10 interne Mitarbeiter, externer Lieferant.

• Erstellung einer SOAP-Architektur mit Integration diverser Backend-Systeme (Mail, SMS, MMS, Voice, Presence, etc.) über ESB und J2EE-Server. SOAP-Architektur, Portal-Integration, CMS-Integration
• Frontend-Technologie-Auswahl (JavaScript, YUI etc.)
• Erstellen eines RFP.
• Machbarkeitstudie.
• Vendor-Evaluation und Auswahl,.
• Wirtschaftlichkeitsanalysen.
• Erstellen von Use-Cases und Sequenz- und Activity-Diagrammen in UML2.x.
• Erstellen der Spezifikation für den Lieferanten (Requirement-Engineering und Business-Analyse).
• Vendor-Management.
• SCRUM-Master.
• Abnahme-Tests (Erstellen Testspezifikation und Durchführung der  funktionalen und Integrations-Tests).
• Performance- und Lasttests.
• Unterstützung des Deployments in Produktion

Erzielte Ergebnisse:

Das Produkt wurde in Time und Budget realisiert und wurde erfolgreich gelauncht.

Entwicklungsprozess:

Agile Entwicklung, SCRUM.

Projektsprache:

Deutsch in Wort und Schrift.

Migration von PC-Client-Software (über 500 verschiedene Softwarepakete) auf mehr als 100.000 Clients auf eine neue Betriebssystemplattform.  Circa 70 Mitarbeiter.

• Projektmanagement-Coaching dreier Projektleiter in Projektplanung, Projektsteuerung, Projektcontrolling, Zeitmanagement, Risikomanagement.

Erzielte Ergebnisse:

Erfolgreiches Coaching

Entwicklungsprozess:

V-Modell

Projektsprache:

Deutsch in Wort und Schrift.

• Technologieberatung im Bereich Programm-Managament für das Erstellen einer Feasabilty-Studie für ein neues Internet/Mobilfunkprodukt.
• Erstellen eines RFPs,
• Vendor-Evaluation,
• Wirtschaftlichkeitsanalysen.
• Erstellen von Use-Cases und Sequenzdiagrammen in UML, Mapping auf Systemarchitektur,
• Erstellen einer Spezifikation.
• Integration von Backend-Systemen (Mail, SMS, MMS, Voice, Presence, etc) über ESB beschreiben. 

Erzielte Ergebnisse:

Erfolgreiche Erstellung der Feasibility-Studie und Spezifikation zur vollsten Zufriedenheit des Kunden.

Projektsprache:

Deutsch in Wort und Dokumentation in English.

• Performance-Messungen und Analyse.
• Durchführung von Lasttests.
• Optimierung zeitkritischer Routinen inklusive Datenbankoptimierung

Erzielte Ergebnisse:

Die Performance kritischer Routinen wurde mehr als verdoppelt und vom Kunden Deutsche Post abgenommen.

Entwicklungsprozess:

RUP

Projektsprache:

Deutsch in Wort und Schrift.

• Businessanalyse und Requirementengineering.

Erzielte Ergebnisse:

Anforderungsdokumentation wurde erstellt und abgenommen

Entwicklungsprozess:

RUP

Projektsprache:

Deutsch in Wort und Schrift.