Timo Boße

Datenarchitektur einer IoT-Plattform, rund 12.000 Maschinen. • Umbau der Batch-Verarbeitung auf ein Data Lakehouse (Iceberg, Trino), gewählt nach mehrmonatigen PoCs gegen Databricks/Spark und StarRocks • Metrik- und Query-Schicht für Webanwendung, externe API und KI-Agenten • Herstellerübergreifendes Ereignismodell, Zeitreihen-DB abgelöst, Aggregation auf Flink • Agentische KI-Workflows: eigener MCP-Server auf Produktivdaten • Fachliche Führung Data Engineering, Beratung Data Science, rund 10 Mitarbeitende

Schwerpunkt Data Engineering (2021–2023): • Neue Datenpipeline zur Dekodierung, Normalisierung und Qualitätsprüfung von Sensordaten unterschiedlicher Maschinenhersteller und Bussysteme • Konvertierung der Rohdaten in ein spaltenorientiertes Format, seit 2021 im Dauerbetrieb Schwerpunkt Data Science (2019–2020): • Proof-of-Concepts zur Anomalieerkennung auf Zeitreihen-Sensordaten mit Autoencoder-Modellen • Analytics-Fachlogik für Maschinenstunden, Auslastung, Arbeitszyklen und Verbrauch aus Rohsignalen

Projektleitung für fünf Großkunden-Rollouts von Planungs- und Optimierungssoftware, u. a. DHL Benelux und Berlin Recycling. • Anforderungsaufnahme in den Fachbereichen der Kunden, Ableitung des Lösungsdesigns • Steuerung von Umsetzung und laufendem Customizing bis zum Rollout • Projektlaufzeit im Schnitt ein Jahr, durchgehend technischer Hauptansprechpartner beim Kunden

• Flugnetz-Optimierung für easyJet: Anforderungsanalyse beim Kunden, Modellierung der flugbetrieblichen Nebenbedingungen, Gewinnmaximierung auf Basis von Nachfragedaten (AIMMS, CPLEX) • Entwicklung von Optimierungsalgorithmen für die Tourenplanung • Anforderungsaufnahme für ein Tourenmanagementsystem der Deutschen Post AG • Einführung einer Planungssoftware für den Werksbusverkehr bei BMW

Studentische Tätigkeit neben dem Zusatzstudium.

Quantitative Methoden

Experimentelle Elementarteilchenphysik. Gesamtnote: gut.