Projekte
Die folgenden Projekte zeigen ausgewählte Arbeiten aus den Bereichen Enterprise-Software, Legacy-Modernisierung, Systemintegration, Energiemanagement und Zustandsmodellierung.
Der Schwerpunkt liegt auf der Entwicklung langfristig wartbarer Systeme, der Modernisierung bestehender Anwendungen sowie der Integration und Automatisierung technischer Prozesse.
GAM 2.1.0 – Modernisierung einer Fachanwendung
Kurzbeschreibung :
Modernisierung eines historisch gewachsenen Verwaltungs- und
Abrechnungssystems auf Basis von Spring Boot, React und MariaDB.
Schwerpunkte:
- Rollen- und Rechteverwaltung
- Rechnungswesen
- Storno-, Gutschrift- und Proforma-Logik
- PDF- und ZUGFeRD-Verarbeitung
- TOTP-2FA und Passkeys
- Migration historischer Geschäftslogik
- Plattformübergreifende Geräteerkennung und Inventarisierung
- Zusammenführung mehrerer Erkennungsquellen zu einer Geräteidentität
Technologien:
- Java
- Spring Boot
- React
- TypeScript
- MariaDB
- JWT
- TOTP
- WebAuthn
- Maven
- WinRM
- SSH
- ADB
Status:
- Produktiv nutzbare Enterprise-Plattform – kontinuierliche Weiterentwicklung
- Version 2.1.0 veröffentlicht und erfolgreich auf realer Hardware getestet
- Windows, Linux und macOS: jeweils lokal auf dem Backend-System und remote
- Android sowie iOS/iPadOS: jeweils über USB und WLAN
MOH
Offline-Version
Kurzbeschreibung:
Modernisierung einer historisch gewachsenen medizinischen Fachanwendung mit dem Ziel, bestehende Geschäftslogik und medizinische Workflows in eine langfristig wartbare und unabhängige Softwarearchitektur zu überführen.
Schwerpunkte:
- Legacy-Modernisierung
- Analyse und Dokumentation bestehender Fachlogik
- Entkopplung von proprietären Plattformabhängigkeiten
- Migration medizinischer Workflows
- Architekturmodernisierung
- Langfristige Wartbarkeit und Zukunftssicherheit
Technologien:
- JavaScript
- HTML5
- CSS3
- Git
- Software Architecture
- Legacy Modernization
- Workflow Engineering
- Medical Software
Status:
- Funktionsfähig, weitere Optimierungen geplant
Felicity API Integration
Entwicklung einer regelbasierten Steuerung für Batteriespeicher auf Basis von PV-Erzeugung, Netzfluss und Ladezuständen.
Schwerpunkte:
- Multi-Inverter-Koordination
- Energiemanagement
- Regelbasierte Entscheidungslogik
- PV-Überschussoptimierung
- Zustandsmodelle
Technologien:
- Python
- Home Assistant
- YAML
- REST APIs
- JSON
- Git
Status:
- Produktiv nutzbar, Erweiterungen in Entwicklung
ACStorage Controller
Entwicklung einer regelbasierten Steuerung für Batteriespeicher auf Basis von PV-Erzeugung, Netzfluss und Ladezuständen. Das Projekt kombiniert eine Home-Assistant-Steuerungslogik mit einer eigenen Hardware-Anbindung zur Schaltung von Kostal ACStorage an realen Wechselrichtern.
Schwerpunkte :
- Energiemanagement
- Regelbasierte Entscheidungslogik
- Multi-Inverter-Koordination
- Lade- und Entladestrategien
- PV-Überschussoptimierung
- Status-Synchronisation
- Schalteranbindung an echte Kostal-Hardware
- Home-Assistant-Integration
Technologien:
- Python
- Home Assistant
- YAML
- Kostal / pykoplenti
- REST APIs
- JSON
- Git
- Automation
Status:
- Produktiv im Einsatz
Repositories:
- koplenti_acstorage – Hardware- und Schalteranbindung
- ha-acstorage-controller – Regelbasierte Steuerungslogik
Appliance State Reconstruction Framework
Entwicklung eines Frameworks zur Rekonstruktion robuster Gerätezustände aus mehreren unvollständigen, zeitversetzten oder fehleranfälligen Datenquellen. Die zugrundeliegenden Konzepte werden unter anderem für die Überwachung und Steuerung von Haushaltsgeräten eingesetzt.
Schwerpunkte:
- Zustandsrekonstruktion
- Ereignisgesteuerte Systeme
- Zustandsautomaten
- Recovery-Mechanismen
- Synchronisation verteilter Datenquellen
- Fehlertolerante Automatisierung
Technologien:
- Python
- Home Assistant
- YAML
- State Machines
- Event Processing
- JSON
- Git
- Automation
Status:
- Produktiv im Einsatz
Multimedia Engineering – Digitale Medienrekonstruktion und Audiosynchronisation
Privates Technikprojekt | Audio-/Videoverarbeitung · Synchronisation · HD-Aufbereitung · Qualitätssicherung
Im Rahmen privater Multimedia-Projekte beschäftige ich mich mit der technischen Rekonstruktion und Aufbereitung unterschiedlicher Filmfassungen. Ein Schwerpunkt liegt auf der möglichst präzisen Synchronisation deutschsprachiger Tonspuren mit international verfügbaren HD-Fassungen.
Technische Herausforderungen
Synchronisation: Zeitlicher Abgleich unterschiedlicher Audio- und Videofassungen anhand von Untertitel-Zeitmarken und Szenenvergleichen.
Medienintegration: Zusammenführung von Bild-, Ton- und Untertitelmaterial mit unterschiedlichen Laufzeiten, Bildraten und Schnittfassungen.
Digitale Aufbereitung: HD-Optimierung und Upscaling von Medienmaterial sowie Anpassung vorhandener Tonspuren.
Fehleranalyse: Identifikation fehlender Sprachsegmente, zeitlicher Abweichungen und fehlerhafter Zuordnungen.
Qualitätssicherung: Iterative Überprüfung und Korrektur der Synchronität über den gesamten Filmverlauf.
Werkzeuge und Methoden
MKVToolNix, MediaInfo, Untertitelanalyse, zeitbasierte Audio-/Videozuordnung, Bildratenanpassung und digitale Medienverarbeitung.
Technischer Schwerpunkt
Im Mittelpunkt steht die systematische Analyse und Zusammenführung heterogener Medienquellen. Dabei werden komplexe zeitliche Abhängigkeiten untersucht, Abweichungen erkannt und die Ergebnisse schrittweise optimiert.
Die Projekte verbinden analytische Problemlösung, technische Präzision und strukturierte Qualitätssicherung.
Hinweis: Die Arbeiten erfolgen ausschließlich im privaten Rahmen. Urheberrechtlich geschützte Film-, Bild- und Toninhalte werden nicht öffentlich bereitgestellt.
EseeCloud PTZ
Lokale Kamerasteuerung für Home Assistant
Kurzbeschreibung:
Entwicklung einer Home-Assistant-Integration zur lokalen Schwenk- und Neigesteuerung von EseeCloud-/Jennov-Kameras über den Recorder. Die Anbindung setzt das herstellerspezifische WebSocket-Protokoll in Python um und stellt Steuerungsaktionen für Home Assistant bereit.
Schwerpunkte:
- Integration eines herstellerspezifischen Geräteprotokolls
- Lokale Kommunikation mit dem Kamerarecorder
- Kanalbezogene Schwenk- und Neigesteuerung
- Kurze Bewegungsimpulse und kontinuierliche Bewegung
- Sitzungsverwaltung und Fehlerbehandlung
- Einbindung in Home-Assistant-Dashboards
Technologien:
- Python
- Home Assistant
- AsyncIO
- WebSocket
- TCP/IP
- YAML
- Git
Status:
Implementierungsstand 0.3.3 – lokale Kamerasteuerung mit Dashboard-Beispielen