• Entwurf einer flexiblen Systemarchitektur zur Unterstützung verschiedener AvionicsDatenprotokolle (ARINC 429, ARINC 717, DIO)
• Entwicklung eines Prototypen zur Überprüfung der Entwicklungshypothesen
• Implementierung des Message Server in C++ unter Nutzung der Boost-Libraries

Erfolge

• Ermöglichung des Entwickelns neuer Anwendungen für den Betrieb von Flugzeugen unter realistischen Bedingungen durch die Erprobung im Labor
• Portierung der Cross-Compiling Toolchain von einem VM-basierten Ansatz auf Docker
• Definition und Implementierung von anwendungsspezifischen Erweiterungen zum STAP Protokoll für die Unterstützung weiterer Test- und Entwicklungs-Use-Cases

• Speicherung von Flugzeug-Logdateien wird für die langfristige Sicherung der Flugtauglichkeit benötigt
• Bestehende Softwarelösung benötigt eine umfassende Überarbeitung
• Review des existierenden Proof of Concepts in Bezug auf den zukunftssicheren Produktivbetrieb
• Aufstellung der Anwendung für weitere Use Cases im Bereich Machine Learning und KI
• Strategische Führung bei der Konzeption und Umsetzung der Weiterentwicklung der vorhandenen Applikation, um neue Anwendungsfälle zu unterstützen
• Koordination mit dem In-House Entwicklungsteam, um maximale Projektergebnisse sicherzustellen.
• Einführung von umfassendem Logging und Tracing im System zur lückenlosen Rückverfolgung der Prozessierung der Logdateien
• Optimierung der Datenverarbeitung und Speicherung zur Einsparung von Kosten
• Mentoring und Coaching von In-House Mitarbeitern

• Anreicherung von Datensätzen mit verschiedenen Merkmalen im Bereich Radiowerbung
• Existierende REST API für neue Kunden unter Beachtung zusätzlicher, hoher Performanceansprüche zu erweitern
• Weiterentwicklung der bestehenden REST API für einen neuen Anwendungsfall mit C++ und Python
• Einhaltung der Performancekriterien (Antwortzeit unter 2 Millisekunden)
• Analyse der bestehenden Applikation
• Implementierung einer Low-Latency-API in C++

Erfolge

• Erreichte mittlere Antwortzeiten von unter 1,8 Millisekunden durch Low-Level Optimierungen
• Verarbeitet mehr als 2,3 Millionen HTTP-Anfragen am Tag bei steigender Tendenz und gleichbleibender Antwortzeit

• Hoher Bedarf an Software-Entwicklern und IT-Spezialisten bei der Volkswagen AG
• Die Fakultät73 schult Mitarbeiter unter anderem zu Python-Entwicklern um
• Entwicklung neuer, interaktiver Unterrichtskonzepte zur Steigerung der Motivation der Teilnehmer
• Durchführung von On-Site und Remote-Schulungen
• Erstellen von Jupyter Notebooks zur Verwendung als Lehrmaterial für mehr als 12 Trainer sowie als Übungsmaterial für mehr als 100 Teilnehmer
• Erstellen eines Python-Lehrskripts für das Eigenstudium durch die Teilnehmer

Erfolge

• Schulung von mehr als 45 Teilnehmern der fünften Generation in den Grundlagen der Programmierung mit Python
• Schulung von 20 Teilnehmern der vierten Generation in verschiedenen Themen im Bereich Data Engineering und Data Science

• Überwachung von Serverstandorten an abgelegenen Orten durch Temperaturmessungen
• Anbindung der IIoT-Geräte an die Cloud erwünscht
• Alerts bei Überschreitung von Temperaturgrenzwerten notwendig
• Anforderungsanalyse zur Erarbeitung der notwendigen Funktionen
• Konzeptionierung und Implementierung eines Proof of Concepts für eine Cloud-Anbindung der Leistungsmessgeräte mittels Azure IoT Hub
• Kommunikation mit internationalen Stakeholdern zur Anforderungsanalyse und Produktbesprechung
• Implementierung der Datapipeline mit Azure IoT Hub und Azure Date Lake Storage Gen 2
• Automatisierte Erzeugung synthetischer Daten für das Testen der Datapipeline
• Dokumentation der Lösung für Überführung in den Produktiveinsatz

Erfolge

• Erfolgreiches Einlesen und Verarbeiten der Sensorwerte
• Warnsystem mit PowerBI

• Hersteller intelligenter Hardwaresysteme haben keine Datenbasis zur Nutzung ihrer Produkte
• Verbesserung des eigenen Angebots für Firmen schwer möglich
• Ziel ist, einen Prototyp zu entwickeln, der die Datenlage verbessert
• Problemanalyse und Anforderungsanalyse
• Entwicklung eines Prototyps
• Interviews mit potentiellen Kunden zur Schärfung des Problemverständnisses
• Leitung der agilen Produktentwicklung in einem zweiköpfigen Team
• Konzeptionierung und Entwicklung eines Softwareprototypen zur Extraktion von Logdaten aus IoT-Geräten mit Python, FastAPI und MQTT
• Erstellung einer auf die Zielgruppe angepassten Dokumentation

Erfolge

• Identifizierung mehrerer Use Cases für die Anwendung

• Remote Procedure Calls sind eine nützliche Methode Berechnungen auf geeignete Systeme auszulagern
• Keine Möglichkeit, diese einfach Dritten zur Verfügung zu stellen
• Konzeptionierung und Systementwurf für einen Marktplatz für Remote Procedure Calls
• Anforderungsanalyse durch mehr als 50 Discovery-Interviews mit potentiellen Kunden
• Implementierung des Systems mit Python und MQTT
• Greenfield-Implementierung der CI/CD mit GitHub Actions

Erfolge

• Erfolgreiche Systemtests mit Anwendungen im wissenschaftlichen Umfeld.

• Entwicklung von medizinischen KI-System benötigt Trainingsdaten
• Aufgrund von Datenschutzanforderungen sind diese nicht ausreichend vorhanden
• Durch die Simulation medizinischer Bilddaten erhofft man sich bessere Zugang zu geeigneten Daten
• Anforderungsanalyse an medizinische Bilddaten für das Training von KI
• Entwicklung einer Simulationssoftware zur Erzeugung passender Daten
• Durchführung von Kundeninterviews zur Identifizierung eines ersten praxisrelevanten Use Cases
• Projektmanagement innerhalb eines interdisziplinären Teams aus Ingenieuren und Medizinern
• Implementierung von Tools zur Synthese medizinischer Bilddaten (Röntgen, Ultraschall) mit C++ und einem innovativem Python SDK
• Umsetzung von Datapipelines für proprietäre Nutzermodelle und Simulationsdaten zur Umwandlung in offene Formate

Erfolge

• Synthese von Röntgendaten der Hüftregion und Training eines KI-Demonstrators

• Mars-Rover Perseverance ist mit einem Bodenradar zur Untersuchung des Marsbodens ausgestattet
• Für Systementwurf und Entwicklung von Auswertungsalgorithmen werden Simulationsdaten benötigt
• Weiterentwicklung der Simulationssoftware für das Ausbreitungsverhalten elektromagnetischer Wellen im Kontext der Mars-Mission
• Entwicklung von C++ Code mit besonderem Fokus auf hohe Performance
• Implementierung von Tools zu einfachen Nutzung der Simulationscodes in Private Cloud
• Teilautomatisierte Datapipelines für die Eingabe- und Ergebnisdaten
• Kommunikation der Ergebnisse durch Vorträge in internationalen Arbeitsgruppen

Erfolge

• Beschleunigte C++ Code zur Steigerung der Simulationseffizienz um mehr als 50% durch gezielte Benchmarks und Cache-Optimierungen

• Ziel ist die Entwicklung innovativer THz Systeme zur Materialcharakterisierung
• Herkömmliche Simulationsmethoden sind dafür nicht geeignet
• Entwicklung und Validierung neuer Ansätze für die Simulation großer Modelle im Bereich der elektromagnetischen Wellenausbreitung
• Bestandsaufnahme der aktuellen Simulationsmöglichkeiten
• Projekt- und Stakeholdermanagement sowie Anforderungsanalyse im Projekt mit mehr als 90 Projektmitarbeitern
• Entwicklung von neuen Algorithmen in C++ und Python

Erfolge

• Ermöglichte die Simulation großer Modelle mit hoher Genauigkeit, die besonders in industriellen Anwendungen relevant sind
• Beschleunigte Simulationen durch Approximationsverfahren
• Vorstellung der neuen Methoden auf internationalen Konferenzen und Fachzeitschriften