GNU Octave Experten in Deutschland

• Migration von Kundendaten von einer Private Cloud zu AWS
• Optimierung von Daten-Transformations-Jobs und Migration von Talend zu AWS Glue
• Automatisierung aller Migrationsschritte
• Verwendete Technologien: AWS, Python, Lambda, CloudFormation, SQLServer, AWS Stepfunctions, Glue, PySpark

Ich implementierte eine Zero-Trust-Architektur fuer robuste, militaertaugliche maritime Container-Mini-Rechenraeume auf Basis von VMware & Tanzu zur Unterstuetzung containerisierter GIS-Workloads fuer Bodentruppen. Der besondere Fokus lag auf der Absicherung der Kommunikation, dem Workload-Schutz und dem Datenzugriff in umkaempften elektronischen Gefechtsumgebungen, die durch Jamming, Abfangen, Signalmanipulation und staendig wechselnde Einsatzbedingungen beeinflusst werden. Ich habe Use Cases so entworfen und architektonisch umgesetzt, dass jedes Element von Workload, Identitaet und System auch in degradierten oder gestoerten Szenarien weiterhin unabhaengig und sicher funktionieren konnte. Parallel dazu definierte ich die Enterprise- und Solution-Security-Architektur mit LeanIX, Bizzdesign und HOPEX als Enterprise-Architecture-, Repository- und Governance-Plattformen, um Architekturinventar, Beziehungen, Nachverfolgbarkeit, Zielbilder und Security Governance in komplexen Umgebungen zu pflegen. Fuer die architektonischen Designs nutzte ich Sparx Enterprise Architect, um formale Architekturperspektiven, Schnittstellen, Vertrauensgrenzen und Systemarchitektur sowohl in IT- als auch OT-Umgebungen zu beschreiben. Das Tool IriusRisk wurde fuer das Threat Modeling der Loesung eingesetzt, um architekturgetriebene Risiken zu identifizieren, Sicherheitsanforderungen abzuleiten und Gegenmassnahmen sowie Designluecken direkt aus den Loesungsmodellen zu erkennen. Das Risiko- und Compliance-Management wurde mit Archer unterstuetzt. Architekturentscheidungen, Kontrollluecken und operative Risiken wurden in gesteuerte Governance- und auditierbare Compliance-Massnahmen ueberfuehrt. Fuer Dokumentation, Zusammenarbeit und visuelles Design nutzte ich Confluence zur Pflege von Architecture Decision Records, Security Blueprints und Workflows. Lucidchart und draw.io verwendete ich zur Erstellung stakeholdergerechter Design-Artefakte. Ich habe ausserdem OT-Sicherheitskonzepte mit Unterstuetzung von Elektro- und Maschinenbauingenieuren in den Bereichen Oel, Fahrzeug-Bordsysteme, Bahn, Kraftwerke, Pharma, Gasturbinen und Nukleartechnik definiert. Ich erstellte die End-to-End-OT-Sicherheitsstrategie, beginnend bei der globalen Policy, weiterentwickelt zu Standards und Verfahren und schliesslich korreliert mit Bell-LaPadula, Purdue Model, SABSA, TOGAF ADM, CENELEC 50701, IEC 62443 und NIST-Standards. Zudem arbeitete ich mit Engineering-Teamleads zusammen, um kritische KBP-Assets zu identifizieren und sie unter Schutzmassnahmen zu stellen, mit denen SCADA-, PLC- und HMI-Assets segmentiert wurden. Ich trieb die Zusammenarbeit zwischen Security-, IT- und OT-Teams voran, um standardisierte Workflows und Use Cases fuer den OT-Security-Loesungskatalog zu erstellen, waehrend Defense-in-Depth- und Zero-Trust-Prinzipien in operative Umgebungen integriert wurden. Entscheidend war die Integration multidisziplinaerer Engineering-, Security- und Operations-Akteure in eine einheitliche Security-Blueprinting-Strategie und die Sicherstellung, dass Architektur, Threat Modeling, Governance und Dokumentation technisch robust und operativ praktikabel waren.

• Tech-Stack: Python, Qt, tensorflow.js, plotly, Angular, TypeScript, HTML, CSS, Git

• Mitentwicklung eines online simulationsbasierten digitalen Zwillings für ein Brückeninfrastrukturprojekt.
• Erstellung von Paketen zur Implementierung rechnerischer und statistischer Module für den digitalen Zwilling.
• Modellierung der Struktur mit FEniCSX in einer Python-Umgebung.
• Integration realer Sensordaten in das virtuelle Modell über APIs.
• Verwendung von Inferenzmodellen zur Vorhersage des zukünftigen Zustands der Brücke.

• Entwicklung einer KI-Vision: Abgleich externer Best Practices mit Analyse von Prozessen, Schnittstellen, Stakeholdern, Datenflüssen und Kennzahlen, um ein langfristiges Zielbild von Prozessautomatisierung und KI-Erweiterung zu entwickeln
• Ausgearbeitetes Schulungsframework für Mitarbeitende, z. B. für eine Stiftung im öffentlichen Dienst: Grundlagen der KI, Anwendungen generativer KI, Bewertung menschlicher Urteilsfähigkeit und automatisierter Steuerung in gesellschaftskritischen Einsatzbereichen
• Einführung von spezialisierten Advanced-Upskilling-Kursen für Produktmanager: Einsatz von KI in Innovation, Portfoliomanagement, Prozessautomatisierung und Marketing zur Förderung neuer Produkte und Dienstleistungen
• Mehrfacher Keynote-Redner: KI-getriebene Organisationstransformation durch Kulturwandel und zukunftsgerichtete Führungspraktiken
• Laufender Austausch von Fachwissen und Erfahrungen mit meinem persönlichen Netzwerk führender KI-Strategen in internationalen Konzernen wie Siemens, Mercedes-Benz, BMW, McDonald’s, Adidas, Linde, Infineon und TÜV Süd, um Best Practices zu sammeln
• Kooperation mit Expertennetzwerken für Führungskräfte, z. B. dem TEC Leadership Institute und PM1, um die Wirkung durch erhöhte Reichweite über Organisationen und Branchen hinweg zu verstärken

• Entwurf von Abstimmungsnetzwerken für RF-Komponenten, Wilkinson-Leistungsweiche, eingebetteter symmetrischer Streifenleitungstechnologie und anderen RF-Komponenten.
• Durchführung von Messungen und Abschätzungen, um die Hauptfehlerquelle bei einem sphärischen Scanner zu ermitteln.
• Entwurf einer Bow-Tie-Antenne für Bodenradar und Test auf Störungen im Rover.

• Pose-Estimierungs-Frameworks auf Wärmebildern mit Infrarotkameras angewendet, um die Temperaturanalyse und Bewertung des thermischen Komforts zu verbessern.
• CFD-Simulationen durchgeführt, um Luftstrom und Temperaturverteilung in geschlossenen Räumen zu analysieren und zu visualisieren, und datenbasierte Erkenntnisse zur Optimierung der HLK-Systemeffizienz geliefert.
• Transfer Learning genutzt, um vortrainierte Deep-Learning-Modelle für verschiedene Aufgaben und Datensätze anzupassen, dadurch die Genauigkeit erhöht und die Trainingszeit verkürzt.
• Große Datensätze gehandhabt und Visualisierungstechniken wie Boxplots, Streudiagramme und andere grafische Werkzeuge angewendet, um Trends zu erkennen, Anomalien zu identifizieren und die Datenqualität zu überprüfen.
• Maschinelle Lernmodelle für Vorhersagen erstellt, z. B. lineare Regression, logistische Regression und Klassifikationsmodelle.
• ML-Modelle und Datenpipelines mit Docker containerisiert und skalierbare Trainings- und Inferenz-Workflows mithilfe von Kubernetes orchestriert.

• Erstellte Berichte und Analysen basierend auf den Forschungsergebnissen
• Arbeitete mit dem Team zusammen, um Schlüsselbereiche der Studie und Methodik zu identifizieren
• Gab Feedback und Vorschläge zur Verbesserung der Codeeffizienz und Sicherheit

• Mitwirkung an über 20 erfolgreichen Projekten

• Optimierung von Robotern in der Lagerlogistik (Python)