Lebenslauf
Software-entwickler
Fullstack-Entwicklung: Software für Übertragungsnetzbetreiber
Einzelheiten
- FOLGT!
2023 - heute
Junior Software Engineer
Standardentwicklung
Einzelheiten
- Entwicklung von Backend-Funktionen im Rahmen einer Microservice-Architektur (Spring Boot)
- Konzeption, Implementierung und Dokumentation von RESTful APIs, einschließlich Sicherheitsintegration und Leitungsoptimierung
- Verbesserung von Docker-Compose basierter Infrastruktur
- Automatisierung von Build- und Releaseprozessen
- Durchführung von Fehleranalysen
- Fehlerbehebung im Backend
- Weiterentwicklung von Shell-Skripten
- Produktsupport (Fehleranalyse mit anschließender Fehlerbehebung oder Erarbeitung von Lösungsvorschlägen)
- Support für Keycloak SSO-Konfigurationen (SAML, LDAP)
- Entwicklung von Python-Skripten für spezifische Anforderungen (Releaseprozesse)
- Qualitätskontrolle
- Containisierung von Services
- Ansprechpartner für technische Unterstützung bei Linux-spezifischen Problemen
- Dokumentation von neuen und bestehenden Softwarekomponenten
- Durchführung von Produktreleases
2022 - 2023
Werkstudent
Entwicklung und Wartung von E2E-Tests
2019 - 2022
Bildung
2021 - 2022
2017 - 2021
2015 - 2017
2015
Portfolio / Blog
pyLEDControl (2023-heute)
64x64 Display mit Fernsteuerung
Nachdem ich im Jahr 2023 umgezogen bin, schaute ich nach Pixel-Art-Displays, um mein Arbeitszimmer zu dekorieren. Da ich aber die verfügbaren Gesamtlösungen zu teuer fand, begann ich selbst mit der Entwicklung einer solchen Anzeige.
So begann ich zunächst die benötigten Komponenten einzukaufen. Dazu gehörten ein Raspberry Pi 3b+, der notwendige Adafruit Hat als Kompatibilitäts-Layer, ein 30W Netzteil sowie die 64x64 RGB Matrix. In erster Linie sollte sie die Uhrzeit und das aktuelle Wetter oder eine Wettervorhersage anzeigen. Um das Rad nicht neu erfinden zu müssen, werden als Basis die Python-Bindings des hzeller/rpi-rgb-led-matrix Repository genutzt.
Nach und nach fing ich an, die vorhandenen Ebenen zu abstrahieren (Zustandsautomat, Kommunikation zw. Server und LED-Controller), wodurch es unter anderem möglich wurde, reibungslos zwischen einer emulierten Version des Boards (zu Entwicklungs-/Debuggingzwecken) und dem realen Deployment zu wechseln sowie eigene, neue Funktionalitäten einzubauen. Dazu gehört auch das „Kreieren“ neuer sogenannter „Effects“, also Ausführungsmodi für die Matrix. Eine Dokumentation zur aktuellen Architektur ist in Arbeit ;)
Spätestens während der Implementierung von Conways Game of Life war die mangelhafte Performance des Python-Interpreters spürbar, weshalb ich alte C-Bücher ausgepackt und den Algorithmus in diese Sprache übersetzt habe. Die C-Libs werden praktischerweise vom Setup-Script mittels make generiert. Lediglich die notwendigen Dependencies muss der Nutzer selbst installieren.
Um die Anzeige zu Hause auch von meinem Smartphone aus steuern zu können, habe ich mithilfe von React und dem Material-UI-Framework eine Web-App gebaut, die ebenfalls im Rahmen des Projekts auf dem Raspi lokal gehostet wird. Mit der App ist es möglich, einen Effekt auszuwählen und die Helligkeit einzustellen.
Nach der Einführung des „Spotify Effects“, welcher das aktuelle Album-Art und das abgespielte Lied samt Interpreten visualisiert, begann der erste breite architekturelle Umbau des Codes. Der Grund für diesen Schritt war, dass es keine Möglichkeit gab, einem ausgewählten Effect Parameter zu übergeben, die die Ausführung in irgendeiner Weise beeinflussen. Deshalb wurde auf abstrakter Ebene eine „Options“ Subklasse eingeführt, die innerhalb der jeweiligen Effect-Klasse implementiert werden kann, sofern zusätzliche Parameter (neben bspw. Helligkeit) spezifizierbar sein sollten. Um diese Parameter, abgebildet als statische Attribute, in ihren Werten eingrenzbar zu machen, wurden sog. Constraints eingeführt. Mithilfe dieser Options-Klasse war es nun möglich, eine JSON-Definition für das Frontend zu generieren, welche vorschreibt, welche Constraint-Kontrollstrukturen wie Slider oder Auswahlfenster für den ausgewählten Effekt angezeigt werden sollen. Dies erforderte eine ausführliche Auseinandersetzung mit Pythons Reflections, besonders in Zusammenhang mit dem Dataclasses-Modul, welches in einigen Klassen zum Einsatz gekommen ist.
Weiterhin wollte ich die Möglichkeit haben, über das Frontend zusätzliche Effekte in Form von jpg/png/gif-Dateien bereitzustellen. Beim Upload des Mediums wird serverseitig neben der Ablage in ein lokales Verzeichnis zusätzlich ein yaml-File erstellt, welches Metadaten wie den Namen des Effects, mögliche Constraints (Platzhalter für Zukunft) und den Dateipfad der Quelldatei enthält. Handelt es sich um eine gif-Datei, so hat es sich in der Praxis bewiesen, die einzelnen Frames spätestens vor dem ersten Start des neuen Effects zu transformieren und zu pickeln. Grund dafür ist der relativ hohe Berechnungsaufwand der Bildskalierung und der Extraktion der gif-Frames.
Ein Problem, dem noch nachgegangen werden muss, ist das gelegentliche Ghosting bzw. Flackern abwechselnder Bereiche der Matrix. Vermutet wird diesbezüglich, dass es sich hierbei um Spannungsschwankungen der PSU, welche gleichzeitig den Raspi sowie die Matrix mit Strom versorgt.
Bachelorarbeit 2020/21
Mobile visuelle Datenanalyse
In Zeiten von zunehmender Automatisierung, Industrie 4.0 und Digitalisierung ist die Datenanalyse zu einem wichtigen Prozess geworden, der für Unternehmen essenziell ist, um weiterhin innovativ und konkurrenzfähig zu sein. Mit dem stetigen Austausch von klassischen Desktoprechnern mit mobilen Endgeräten wie Tablets und Smartphones hat sich auch die visuelle Datenanalyse auf solchen Geräten zu einer Notwendigkeit entwickelt. Mithilfe von modernen Webtechnologien und Visualisierungsbibliotheken ist es heutzutage möglich, die visuelle Datenanalyse geräteübergreifend zu verwirklichen. Ziel der Bachelorarbeit ist es, eine Lösung auszuarbeiten, um Daten möglichst performant auf mobilen Endgeräten im Rahmen eines Dashboards zu visualisieren. Das dabei entstehende Dashboard wird in Abhängigkeit der genutzten Technologien und seiner Leistungsfähigkeit mit dem open-source Datenanalyse-Werkzeug Grafana gegenübergestellt. Dabei festzustellende Differenzen sind dabei ebenfalls von Interesse. Die Web-Applikation soll nach Implementierung hinsichtlich vielfältiger leistungsbasierten Metriken analysiert werden, um mögliche Bottlenecks lokalisieren und beseitigen zu können. Dabei kommen moderne, automatische open-source Tools zum Einsatz, deren Zuverlässigkeit, Genauigkeit sowie Integrierbarkeit analysiert und evaluiert werden.
BoTeX
Semesterprojekt 2019/2020
BoTeX ist ein Editor zum Erstellen und Bearbeiten von Bachelorarbeiten basierend auf dem Schriftsatzsystem LaTeX. Dabei ermöglicht der Editor, schon bestehenden LaTeX-Code einzulesen und graphisch anzuzeigen. Dazu wird die Library ANTLR verwendet, welche Tokenlisten und einen Syntaxtree generiert. Mit diesen wird der LaTeX-Code in Java-Klassen übersetzt. Da BoTeX auf Bachelorarbeiten fokussiert ist, bietet der Editor die Möglichkeit ein vorgefertigtes Titelblatt und ein Inhaltsverzeichnis einzufügen. Die Daten des Titelblatts können dabei entsprechend angepasst werden. Aus dem fertigen Dokument wird während des Speicherns LaTeX-Code generiert. Somit kann der Code dann noch weiter bearbeitet werden oder durch die LaTeX-PDF Tools (latexmk) verarbeitet werden.
Persönliche Webseite
Implementierung einer Personal Homepage mithilfe von React und TypeScript
Mitte des Jahres 2020 begann ich die Idee zu verwirklichen, meine eigene persönliche Webseite zu kreieren. Dies diente vor allem zur Festigung meiner HTML- und CSS-Kenntnisse. Um den Entwicklungsprozess zu vereinfachen wurde das Projekt mithilfe von 'create-react-app' auf TypeScript-Basis aufgesetzt. Da kurz darauf meine Bachelorarbeits- beziehungsweise Praxisphase begann musste dieses Projekt bis zum Januar 2021 pausiert werden. Kurz nach Abgabe meiner Bachelorabeit konnte die Website verfeinert werden und ging mithilfe von Netlify online.
pyDigitalWellbeing
Tracking der Desktopaktivität mittels Python
2020 / 21 :: Die Funktion "Digital Wellbeing" ist beispielweise unter Android nützlich, um die eigene Bildschirmzeit zu überwachen und statistisch festzuhalten, wieviel Zeit in jener App verbracht wurde. Diese Funktion wollte ich gerne, wenn möglich, plattform-unabhängig nachbilden. Da die Window Management Systeme von Windows und Unix-ähnlichen Systemen äußerst unterschiedlich sind, musste ich bei der Implementierung des Trackers auf plattformspezifische Tools zurückgreifen. Bei der Nutzung unter Linux kommt daher das Programm "xprop" zum Einsatz, um Fensterinformationen zu erhalten. Auf Windows hingegen kommt die Python-Bibliothek "win32gui" zum Zug, um den Fenstertitel auszulesen. Falls unter Windows kein Titel erkannt werden konnte, wird als Fallback mittels "ctypes" die ProzessId ermittelt, um nachher über "psutil" den Anwendungsnamen des Prozess zu erlangen. Der Tracker prüft den aktuellen Status in der Regel alle 2 Sekunden und legt seine Ergebnisse in eine SQLite Datenbank. Diese dient als Basis für die Visualisierung, da auch das auf "Dash" (Plotly) basierende Frontend auf die Daten zugreift und diese als Kuchen- sowie Balkendiagramme darstellt.
HSBO Flashcards
Cross-Platform-Karteikarten-App mithilfe von React, Node.js und Docker
Die Applikation 'HSBO Flashcards' enstand im Sommersemester 2021 als Semesterprojekt des Moduls 'Web-Engineering' des Master-Studiums an der Hochschule Bochum in Zusammenarbeit mit dem Kommilitonen Tim Poerschke und dient als Plattform für das Lernen mit Karteikarten. Zumal das Programm Cloud-basiert und damit über den üblichen Webbrowser erreichbar ist, ist es unerheblich, welche Platform - Tablet, Smartphone, PC etc. - genutzt wird. Besonderheiten sind hierbei die Möglichkeit, die Karteikartenrückseite auch mit einem Stift (Stylus) zu beschriften, sofern das Tablet bzw. Smartphone auch eine solche Eingabe unterstützt. Als Basis für die Funktion dient das NPM-Modul 'ReactSketchCanvas', welches SVG-basiert ist. Als Grundlage für das Frontend des Projekts entschieden wir uns für React auf TypeScript-Basis. Zusätzlich kam das Material-UI-Framework zum Einsatz, mit dem ein Großteil der Elemente gestyled wurde. Für das Backend wurden Express.js sowie TypeORM in Verbindung mit einem Postgres Datenbankserver (Docker-Container) eingesetzt. Vor allem die Nutzung von TypeORM war für mich neu, aber auch eine gute Erfahrung, zumal dadurch Daten aus der Datenbank als Objekte abgerufen werden können. Weitere Besonderheiten unserer Arbeit ist die komplette Dockerisierung des Front-und Backends, die Möglichkeit für Nutzer, ihre Karteikarten-Stacks mit anderen Nutzern zu teilen sowie die Implementierung eines Amazon-Alexa-Skills, mit dem Nutzer einen Karteikarten-Test mithilfe eines Alexa-fähigen Geräts durchführen können.
Technologie-Stack
Frontend
HTML, CSS, React, JavaFX, Ext.js
Backend
JBoss EAP (JakartaEE), Spring Boot, Node.js, Express, Flask, RabbitMQ (asynchrone Kommunikation zwischen Microservices)
Tools
VSCode, IntelliJ, Git(Hub), Jira, Terminal (bash), Linux (OpenSUSE | Fedora), Remmina (remote desktop client), screen (terminal multiplexer)
Datenbanken
Postgres, Oracle, SQLite
Programmiersprachen etc.
JavaScript, Python, Java 24, bash, TypeScript
Machine Learning / Data Analytics
Association Rule Mining (Algorithmen und fortgeschrittene Konzepte), Jupyter Notebook, pandas, scipy, plotly, sklearn, Korrelationsanalyse
weitere Tools
Protractor, Selenium, LaTeX (MikTeX), Android (Android Studio, Java | Kotlin)
