Das Projekt glich einer Operation am offenen Herzen. Jeglicher Fehler hatte fatale Folgen; falsche Fahrzeugkonfigurationen oder die Produktion stand gleich ganz still.

Zu Beginn des Projekts war jegliche Information zu den Ausstattungsvarianten oder Kodierung der Steuergeräte noch auf umständlichen Laufzetteln erfasst, die das Werkspersonal einzeln abarbeiten musste- ein enormer Zeitfaktor.

Aufgrund der Fehleranfälligkeit, die mit einer Systemumstellung einhergeht, hatte sich viele Jahre niemand getraut, diese veraltete Form der Informationsweitergabe durch virtuelle Fahrzeuge zu ersetzen.

Die größte Herausforderung lag darin, ein System ohne Single Point of Failure, der einen sofortigen Totalausfall der Produktionssysteme nach sich zieht, zu erstellen. Dazu plante ich eine Produktionssteuerung auf Basis virtueller Fahrzeuge, die alle notwendingen Ausstattungscodes enthielten. Jede Komponente des Systems musste mit allen Fachabteilungen für jeden Fahrzeugtyp sorgsam geprüft werden.

Die wichtigste und komplexeste Aufgabe des Projekts war der Aufbau einer hochverfügbaren, maximal ausfallsicheren Serverinfrastruktur.

Als technischer Projektleiter für die Produktionssteuerung auf Basis virtueller Fahrzeuge, war ich primär für den Ausbau einer hochverfügbaren, maximal ausfallsicheren Serverinfrastruktur verantwortlich.

Besonderer Einsatz folgender Technologien: Adaption von Java Programmen als fail-over Objekte für Microsoft Cluster, Microsoft Cluster Server sowie Compaq Indutrieserver

Die richtige Information, zur richtigen Zeit, am richtigen Ort.

Als die Smartphones massentauglich wurden, waren viele Nutzer mit Updates und Funktionen überfordert, weil sie an Anleitungen gewöhnt waren. Diese gab es jedoch nicht mehr in der althergebrachten Form. Diese informationsorientierten Suchen im Appstore passten wir mit dem Release-Datum der Updates ab, veröffentlichten unsere Apps und besetzten daraufhin oftmals über Nacht Top-Positionen in den Suchergebnissen. In den Gesamtrankings bescherte uns das in China den Platz 2 sowie in den USA Platz 50.

Unsere Apps wie der Update Guide, der Backup Guide oder der Guide for iCloud stifteten großen Nutzen.

Zunächst gab es kaum verfügbares Wissen zum Thema App-Entwicklung. In Europa gehörten wir zu den Pionieren. Das notwendige Wissen habe ich mir in kürzester Zeit selbst angeeignet und aktuell gehalten.

Unsere Apps stellten wir auf verschiedenen Systemen wie dem iPhone und iPad bereit. Die technische Umsetzung erfolgte in Swift und Objective-C.

Eine Herausforderung lag darin, die Anwendungen über Jahre aktuell, sicher, stets kompatibel und für die Nutzer attraktiv zu halten. Dabei habe ich mein Wissen fortlaufend weiterentwickelt, um der Verantwortung gegenüber den Millionen Nutzern gerecht zu werden.

Unsere erfolgreichste App Update Guide for iPhone zentralisiert alle Informationen zu einem iOS Update und informiert die Nutzer über die wichtigsten Neuerungen. Ein kostenloser Update-Check bereitet die Nutzer außerdem step-by-step auf das Update vor, um unseren Anwendern einen sicheren, fehlerfreien Update-Prozess zu garantieren. Denn oftmals scheitern Update-Versuche, ohne dass die Nutzer wissen, warum (fehlender Speicherplatz uvm.).

Konzeptionierung, Entwicklung, Support sowie kontinuierliche Weiterentwicklung mobiler Anwendungen

Besonderer Einsatz von Swift, Objective-C, Javascript, HTML5, Xcode, Sencha Touch

James Hodson gründete das Nonprofit ,,AI for Good” in den USA, um globalen Herausforderungen mittels künstlicher Intelligenz zu begegnen.

Als sog. ,,High Commitment Volunteer” unterstützte ich als Entwickler eine Initiative in den USA zwischen Doktoranden des Massachusetts Institute of Technology und der Harvard University.

Einige Doktoranden arbeiteten daran, den rasanten Wachstum des globalen Finanzmarkts seit der industriellen Revolution mit fundierten, länderübergreifenden Daten zu untersuchen.

Der riesige Datenfundus war unstrukturiert und lag in unterschiedlichsten Formaten aus mehr als 1000 historischen

Originalquellen vor:

• hierunter überwiegend schlecht lesbare Scans
• mit verschiedenen Formaten,
• verschiedenen Tabellen,
• und unterschiedlichen numerischen Formaten und Notationen

Die Daten mussten zunächst extrahiert, teilweise übersetzt, in ein einheitliches Format editiert und dann in eine zentrale relationale Datenbank überführt und visualisierbar gemacht werden. Vor dem Plotting fand zudem eine Plausibilitätsprüfung statt.

Hier konnte ich meine Expertise für unstrukturierte Großdaten unter Beweis stellen. Mittels optischer Texterkennung konnten die schlecht lesbaren Scans nutzbar gemacht und mit einer Google Translate API übersetzt werden. Alle Daten habe ich eingelesen, einheitlich formatiert, abgelegt und nachkalkuliert. Abschließend wurden die Daten in eine zentrale relationale Datenbank überführt.

Besonderer Einsatz von SQL-Datenbanken, Python, Pandas, Stata, Excel, OCR sowie weiteren spezialisierten Python-Paketen.