Marvin Meusel

Refactoring eines Legacy Energiedatenmanagement Systems: Überführung der ursprünglichen Architektur hin zu einer eventgesteuerten Microservice-Architektur; Zeitreihenmanagement von Energiedaten; enge Zusammenarbeit mit dem Data Science Team zur Entwicklung neuartiger Machine Learning und KI Ansätze für Energieprognosen und Fahrplänen; Implementierung organisationsübergreifender Machine-to-Machine Kommunikation; Containerisierung bis hin zur Private Cloud

Projekte E-Mobilität und grüner Wasserstoff: intelligente Energieverteilung beim simultanen Laden mehrerer Fahrzeuge; vom Marktpreis abhängiger wahlweiser Verkauf der Energie oder Erzeugung von Wasserstoff; Implementierung der Machine-to-Machine Kommunikation mit Kooperationspartnern

Projekte Smart City / Wohnquartierverwaltung: Implementierung der Machine-to-Machine Kommunikation mit der Smart City-/Wohnquartier Plattform; Erprobung geeigneter Architekturen; Plattformen: Bauhaus Mobility Lab (Sensor Things API); ODH-Jülich (BASYX Asset Administration Shells); SMOOD auf Camunda; Fiware Kontextbroker

Projekte Datenräume / International Data Spaces: Übertragung von Zeitreihen mittels IDS Konnektoren; Kompetenzaufbau für Gaia-X konforme Datenräume (Eclipse Data Components, XFSC, Tractus-X; Decentralized identifiers; Datensouveränität; standardisierte APIs und Datenobjekte; Anforderungen an Gaia-X konforme Datenräume); Projekt Avatar (Anonymisierung personenbezogener Gesundheitsdaten)

Verwendete Technologien: Java; Spring Boot; Spring Cloud; Apache Kafka; REST APIs; Keycloak; Grafana + Loki; Oracle; PostgreSQL; MongoDB; Gradle; Deployment unter Ubuntu Server mittels Docker, docker-compose, Google Distroless

Projektorganisation und Verantwortlichkeiten: agil an Scrum angelehnt; hybrid; Arbeit in interdisziplinären Teams über Organisationsgrenzen hinaus; Architekturentscheidungen; Führung und Mentoring von wissenschaftlichen Hilfskräften und Praktikanten

Arbeitsmodell überwiegend Homeoffice

Technische Umsetzung des Telematik KFZ-Versicherungstarifs

Enge Zusammenarbeit mit dem Data Science Team

Betreuung eines Apache Hadoop Clusters und Streaming Komponenten; Entwicklung von PySpark Scripten

Verwendete Technologien: Python; Scala; Apache Spark; Apache Kafka; Red Hat Enterprise Linux; Cloudera

Methodenentwicklung für die Strukturaufklärung von Sekundärmetaboliten und niedermolekularen Verbindungen aus Massenspektrometrie-Daten: Detektion chemischer Elemente anhand des Isotopenmusters; Suche unbekannter Moleküle in Strukturdatenbanken; Mitarbeit an der SIRIUS Software; Datenanalyse

Betreuung von Übungen und Programmierpraktika

Mitarbeit an Publikationen

Verwendete Technologien: Java; R; Random Forests; LaTeX; Maven; Gradle; Linux