2019 - heute: privates Forschungsprojekt

Aufgaben:

Heuristic categorization

• Modellierung menschlicher Kategorisierung als heuristischen Entscheidungsprozess

2018 - heute: Cognitive plausibility of story-based motion representation

Kunde: Universität Tübingen

Aufgaben:

• Interdisziplinäre Forschung zur Bewertung qualitativer Repräsentationen von Bewegungen in Hinblick auf menschliche Kategorisierung
• privates Forschungsprojekt

2021 - 2021: Digitalisierungsstrategie

Kunde: Logistik-Dienstleister

Aufgaben:

Der Kunde wollte sein Geschäft stärker digitalisieren und hat bereits damit angefangen seine Softwarelandschaft seinen Bedürfnissen anzupassen. Dabei stellen sich mehrere Herausforderungen:

• die Fülle von Anforderungen, die sich einerseits aus dem operativen Geschäft, andererseits aus der zukünftigen strategischen Ausrichtung, ergibt
• geringe Erfahrung des Kunden im Bereich Softwareentwicklung und -wartung
• die Größe des Marktes von Softwarekomponenten und Dienstleistungsportalen
• die Notwendigkeit von Schnittstellen zwischen Softwarelösungen für verschiedene Teilaufgaben
• Entwicklung von Domänenverständnis durch Workshop und dauernde Absprachen
• Verständnis der spezifischen Kundenanforderungen
• ständige Diskussion von Zwischenergebnisse, Rückfragen, und weiteren Schritten
• Recherche von Logistik-Portalen
• Recherche von Transportmanagement-Lösungen
• Aufzeigen und Einschätzen von Lösungsalternativen

Ergebnis

• Ergebnisbericht:
  • Zusammenfassung der geschäftlichen Ziele
  • allgemeinen Überlegungen zur Gestaltung einer Software-Landschaft
  • konkrete Rechercheergebnisse
• Roadmap für die nächsten Schritte und langfristige Strategieprojekte

2019 - 2021: Demonstrationsprototyp eines Wissenswerkzeugs

Aufgaben:

In agilen Entwicklungsprozessen hat man es ständig mit komplexen Zusammenhängen zu tun. Software-Werkzeuge folgen entweder quantiativen Mustern (z.B. Tabellenverarbeitung), die den Lösungsraum von Anfang an einschränken, oder qualitativen notizartigen Mustern (z.B. Textverarbeitung), die sehr viel Freiheit erlauben, aber keine automatischen Inferenzen zulassen. In diesem Projekt sollte exploriert werden wie ein Werkzeug diese beiden Welten verbinden kann um komplexe Wissensbestände intuitiv zu erfassen und auszuwerten.

• initialer Wegwerf-Prototyp mit JavaScript/React anhand einer konkreten Aufgabe (Auswertung
  von UX-Interviews)
• Konzeption des weiter zu entwickelnden Prototyps
  
  • Identifikation von Alleinstellungsmerkmalen gegenüber anderen Wissenswerkzeugen
  • Projektarchitektur mit ClojureScript (mit Reagent/React, shadow-cljs)
  • Entwicklung theoretischer Grundkonzepte für eine intuitive und effiziente Aufgabenmodellierung
• Iterative Entwicklung des Prototyps anhand von weiteren realen Anwendungsszenarien (Auswertung UX-Workshops, Konzeption von Texten, Aufgabenplanung, Erstellen von Personas, Literaturrecherche)
• erste Marketingschritte zur Gewinnung von AnwenderInnen

Interaktion

• Konzeption und Umsetzung im Team mit einer Designerin
• informelle Nutzertests und Demonstrationen für NutzerInnen
• Präsentationen des Gesamtkonzepts und seines Potentials als Produkt

Ergebnis
Verwendbares Programm um das Potential der Konzepte zu demonstrieren: URL gerne auf Anfrage

Eingesetzte Produkte:

ClojureScript (mit shadow-cljs, reagent), React, JavaScript, verschiedene JavaScript Libraries: material-ui, react-beautiful-dnd, react-virtualized, chart.js

2020 - 2020: Datengetriebenes Entscheidungssystem

Aufgaben:

Die Produktentwicklung eines Telekommunikationsunternehmens sollte stärker an realen Kundenbedürfnissen ausgerichtet werden. Dazu wurden bereits Daten erfasst, diese sollten in einem interaktiven Dashboard für Analysen und Simulationen zur Verfügung gestellt werden. Konkretes Ziel war die Konzeption eines Minimum Viable Product.

• Unterstützung der Konzeption des MVP aus technischer Sicht
• Aufwandsabschätzung für die Umsetzung
• Definition von Datenschnittstellen unter Verwendung von Swagger/OpenAPI

Interaktion

• Vermittlung zwischen den beteiligten Disziplinen.
• Während das Design-Konzept teilweise auf unrealistische Annahmen zu den technischen Möglichkeiten basierte, gab es auf Seiten von Data Scientists Vorbehalte zur Machbarkeit und zum Mehrwert.
• Durch meine Expertise im technischen Bereich und meine Erfahrung im Design konnten wir einen stimmigen Lösungsansatz herausarbeiten.

2019 - 2020: User Interface Design für ein Intralogistik-Startup

Aufgaben:

Es sollte ein User Interface für eine neuartige Software im Bereich Intralogistik entwickelt werden. Die Software erlaubt es fahrerlose Transportsysteme verschiedener Hersteller in einem System zu überwachen und zu steuern, sowie durch KI-Planungsalgorithmen die Effizienz zu steigern. Eine besondere Herausforderung dabei war, dass in den Einsatzorten wenig Erfahrung im Betrieb von fahrerlosen Transportsystemen vorhanden war.

• Vor-Ort-Begehungen, Beobachtung und Interviews
• agile Konzeptentwicklung im ständigen Austausch mit dem Kunden
• Erstellung einer UX-Landkarte für die aktuelle und zukünftige Entwicklung des User Interfaces

Interaktion

• Arbeit im Team mit zwei DesignerInnen
• Kundenabsprachen mit Geschäftsleitung, Product Owner und Entwicklern
• Interviews und Beobachtung von potentiellen EndnutzerInnen

2019 - 2019: Prototyp eines interaktiven Decision-Support Systems

Aufgaben:

Für die Planung von Vertriebsniederlassungen eines Großkonzerns sollten architektonische Vorgaben in einem interaktiven Werzeug abgebildet werden, um in einer frühen Planungsphase die zentral vorgegebenen architektonischen Grundsätze zu visualisieren und individuelle Planungsoptionen aufzuzeigen. Wichtig war dabei der interaktive Charakter und die Möglichkeit mehrere Lösungsoptionen zu vergleichen.

• Verwendung eines zu Forschungszwecken selbst entwickelten Frameworks für Decision
  Support Systems (Kirsch. ?A Unifying Computational Model of Decision Making?, 2019)
• vereinfachte Modellierung der Domäne: Geometrie, Constraints, Gütekriterien
• Erweiterung des Grundkonzepts zu einem interaktiven Prototypen für die Domäne

Eingesetzte Produkte:

Clojure (mit Leiningen), JavaFX

2018 - 2019: Machine Learning Werkzeug: Konzeption und Technischer Durchsicht

Aufgaben:

Algorithmen für maschinelles Lernen sind in Open Source Libraries gut verfügbar. Einige Programme versuchen diese einer breiteren Nutzergruppe zugänglich zu machen indem sie diese Algorithmen als graphische Pipelines zur Verfügung stellen (z.B. Knime, Microsoft Azure Machine Learning-Designer). Das eigentlich Schwierige ist jedoch das Erstellen einer Pipeline. Ohne Hintergrund in statistischen Verfahren, experimentellem Design und Grundwissen über maschinelles Lernen, sind diese Werkzeuge weitgehend nutzlos oder gar irreführend. Dieser Prototyp sollte den Maschine Learning Prozess herausarbeiten und Nutzenden sinnvolle Wahlalternativen bieten. Als fertiges Programm könnte dieses für Schulungen eingesetzt werden, als Kommunikationswerkzeug zwischen Data Scientists und DomänenexpertInnen, sowie als Werkzeug zum Trainieren von Modellen mit maschinellem Lernen.

• Wegwerfprototyp mit Python in Jupyter Notebook
• Konzeption eines User Interface
• Konzeption der Systemarchitektur aus Frontend (JS), Backend (Python), Middleware mit Event Sourcing (wolkenkit) mit Domain-driven Design
• Technischer Durchstich und Implementierung der Hauptfunktionalitäten

Eingesetzte Produkte:

Python, Libraries pandas, seaborn, scikit-learn, jupyter notebooks, ipywidgets, JavaScript, wolkenkit, Domain-driven Design (DDD)

2014 - 2018: Prototypenbasierte Wissensrepräsentation für Alltagsgegenstände

Kunde: Landes Baden-Württemberg

Aufgaben:

• Antragstellung und Betreuung einer Doktorandin zur Bearbeitung des Projekts
• Juniorprofessurenprogramm des Landes Baden-Württemberg