Ingenieurleistungen mit Beispielen umgesetzter Arbeiten.
Engineer ApS wurde 2025 eingetragen. Die meisten hier gezeigten Arbeiten hat unsere Gründerin zuvor in Kundenteams umgesetzt; einige hat das Unternehmen selbst erbracht, andere die Gründerin seitdem in Anstellungsverhältnissen. Dieselben Hände und dieselben Standards — wir benennen den jeweiligen Kontext, statt die Grenzen zu verwischen.
Sie lesen, um zu entscheiden, statt nur zu stöbern? Einige Arbeiten sind für Sie aufbereitet: verständlich, als Fallstudien.
Foto: lecreusois / Pixabay
Foto: dazzleology / Pixabay
BREITE
Erfahrung finden, die sich nutzen lässt
Nutzen Sie diese Arbeitsnachweise, um Erfahrung zu finden, die für Ihr Projekt relevant ist.
Die Einträge beschreiben umgesetzte Arbeiten über verschiedene Leistungen hinweg. Lesen Sie eine Rückschau, um die Situation und Entscheidungen dahinter zu verstehen.
Einen datenbankgestützten Generator für Lebenslauf, Referenzen, Portfolio und Anschreiben in Python entwickelt — 41 Module, 10.580 Zeilen — der sechs Ausgabeformate aus einer SQLite‑Quelle mit 23 Tabellen erzeugt, aufgebaut durch eine idempotente Pipeline mit 19 Schritten.
Arbeitsbereiche für Personalgewinnung und die Laufbahn von Seeleuten entwickelt; der dokumentierte Implementierungsstand umfasst 151 gespeicherte Funktionen in 48 Tabellen für Stellen, Bewerbungen, Zertifikate, Rangentwicklung und Seefahrtzeit.
Das Loyalitäts- und Reputationssystem entwickelt — 67 Funktionen über ein Hauptbuch mit 31 Tabellen, mit Ligen, Abzeichen und einem Prämienshop — und den Kontostand durch eine Zeilensperre gegen doppelte Ausgaben abgesichert.
Eigene Produktanalysen in PostgreSQL entwickelt — 47 Funktionen über partitionierten Ereignistabellen mit automatischer Bereinigung — pseudonymisiert mit wechselndem Salt und nur mit Einwilligung des Besuchers.
Langsame Verarbeitung aus dem Anfragepfad in eine River‑Jobqueue verlagert — 15 Worker‑Module, 8 geplante Aufgaben und 20 pg_cron‑Jobs — sodass Anfragen zurückkehren, während die zugehörige Arbeit weiterläuft.
Die Zahlungs- und Berechtigungsschicht aufgebaut — Stripe sowie In‑App‑Käufe von Apple und Google — und Verzeichnis, Suche und Export durch ein serverseitig geprüftes Zugriffsmodell mit 11 Tabellen abgesichert.
Die maritime Domäne in 348 normalisierten Tabellen über 34 PostgreSQL‑Schemata modelliert — Fachkräfte, Unternehmen, Schiffe, Stellen, Bewertungen und weitere Bereiche — mit SMALLINT‑Nachschlagetabellen und UUID‑v7‑Schlüsseln.
Eine kataloggesteuerte tiefe Zusammenführung gespeicherter JSON‑Einstellungen umgesetzt, die Abstürze durch fehlende Schlüssel bei der Weiterentwicklung des Schemas verhindert.
Zeitlich geordnete UUID‑v7‑Identifikatoren (PostgreSQL 18) als Entitätsschlüssel eingeführt, um die Fragmentierung von B‑Baum‑Indizes zu verringern und Abfragen zu beschleunigen.
Eine PostgreSQL‑Datenschicht nach dem Function‑first‑Prinzip entworfen — 1.275 gespeicherte Funktionen in 34 Schemata — sodass jeder Lese- und Schreibzugriff über eine gezielt berechtigbare Funktion statt über eine Tabelle erfolgt.
Eine JSON‑Passthrough‑Architektur entworfen, in der PostgreSQL‑Funktionen vollständiges JSON zurückgeben, das die Go‑API unverändert weiterreicht; damit entfällt die zwischenzeitliche Deserialisierung und das Frontend bleibt von Schemaänderungen entkoppelt.
Eine geschichtete maritime Plattform mit getrenntem Next.js‑PWA‑Frontend, Go‑API (Huma/Fiber) und PostgreSQL‑Funktionsschicht entworfen und sämtliche Geschäftslogik in der Datenbank gehalten.
100 Data‑Warehouse‑Datenbanken in PostgreSQL, MS SQL und Google BigQuery mit überwiegend GIS- und Zeitreihendaten konzipiert, aufgebaut und verwaltet sowie Performance und Skalierbarkeit optimiert.
6 ETL/ELT‑Pipelines mit Google BigQuery, MSSQL, PostgreSQL, Shell‑Skripten, PL/pgSQL und Transact‑SQL entworfen, umgesetzt und administriert sowie Daten für eine effiziente Verarbeitung durch die Python‑API integriert.
Daten und Datenbanken
Datenbankadministration (DBA)
Die Datenbank in guten Händen
Jemand trägt die Verantwortung für das Fundament des Unternehmens: Es läuft, wird gesichert und verfällt nicht unbemerkt.
Die Konsistenz des Schemas über 1.022 Migrationen mit einer CI‑Prüfung abgesichert, die die Datenbank auf zwei Wegen aufbaut — Neuinstallation sowie Installation mit sämtlichen Migrationen — und bei Unterschieden fehlschlägt.
Die Aufbewahrung von Datenbanksicherungen als Infrastructure as Code konfiguriert, anschließend die Wiederherstellbarkeit geprüft und das Wiederherstellungsverfahren dokumentiert — mit ausdrücklich benannten Lücken, statt sie erst im Ernstfall entdecken zu lassen.
600 PL/pgSQL‑basierte ETL/ELT‑Pipelines für effizientere komplexe Datenverarbeitung in mehreren PostgreSQL‑Entwicklungs- und Produktivumgebungen entwickelt.
100 geschäftskritische Datensicherungen mit Barman, Google Cloud, Bash und Python automatisiert und die Datenintegrität über die Datenbanken hinweg abgesichert.
PostgreSQL durch gezielte Indizierung, Partitionierung und Abfrageoptimierung um das 10‑Fache beschleunigt und die Datenbankeffizienz für Nutzer-, Mandanten-, Geodaten und Strom‑Zeitreihendaten verbessert.
Die Datensicherheit durch 1.000 RBAC‑Regeln für Entwickler, Anwendungsinstanzen, PostgreSQL, MS SQL und weitere Linux‑Server erhöht, unberechtigte Zugriffe verhindert und die Regeln mit Ansible‑Automatisierung dokumentiert.
10 PostgreSQL- und MS‑SQL‑Server auf Ubuntu‑Linux‑VPS entworfen, bereitgestellt und gewartet und dabei Serverperformance und Zuverlässigkeit sichergestellt.
Diese Leistung ist Teil von Arbeiten, die an anderer Stelle auf dieser Seite aufgeführt sind:
Die Performance einer geografischen Kartenanwendung durch einen gezielten Datenbankwechsel von MSSQL zu PostgreSQL einschließlich Datenumschaltung um das 10‑Fache verbessert und dabei Verarbeitung und Datensicherheit optimiert.
Eine 50‑fache Verbesserung der geografischen Datenpipeline bei der Arbeit der Gründerin für Utiligize durch Änderungen an SQL und Datenmodellen in PostgreSQL, MS SQL und Google Cloud BigQuery dokumentiert.
Varianten zur stündlichen Aggregation des Stromverbrauchs in Python, SQL und Bash + Jq entwickelt; der Python‑Benchmark verarbeitete einen 30‑Tage‑JSONL‑Datensatz in 180 ms.
Diese Leistung ist Teil von Arbeiten, die an anderer Stelle auf dieser Seite aufgeführt sind:
Jede sichtbare Zeichenfolge aus Python in einen Inhaltsbaum mit 874 Dateien in drei Sprachen verlagert, nachdem unerkannte tote Übersetzungen und eine stillschweigend nur ein Drittel der Leistungen bewertende Prüfung gefunden worden waren.
Diese Leistung ist Teil von Arbeiten, die an anderer Stelle auf dieser Seite aufgeführt sind:
495 Leistungsseiten in drei Sprachen aus einem schreibgeschützten SQLite‑Export erzeugt und die Seitenadresse als eigene Daten festgehalten, damit eine Satzkorrektur nicht länger die Seite verschiebt und Links bricht.
Infrastruktur, Datenverarbeitung und eine Kartenanwendung über 2 Jahre konzipiert, entwickelt und betreut, einschließlich Softwareauslieferung und betrieblicher Wartung.
Entwicklung, Bereitstellung und Support von über 30 GIS‑Projekten geleitet und dabei Fachwissen zu PostgreSQL, Bash, Python, JavaScript, GDAL, ArcGIS, PostGIS und Mapbox eingesetzt.
Die Bereitstellung von 20 GIS‑Datenpipelines und ETL‑Prozessen für Anwendungsdaten automatisiert und dadurch Infrastrukturautomatisierung und Berichterstattung vereinfacht.
1.000 Probleme in geografischen Daten und Zeitreihendaten mit GDAL, ArcGIS, PostGIS, Mapbox, QGIS, SQL (PL/pgSQL, Transact‑SQL) und Bash behoben und eine hochwertige Big‑Data‑Verarbeitung sichergestellt.
Ein umfassendes Infrastrukturrahmenwerk für ein Forschungsinstitut mit 14 Abteilungen entworfen, mit flexiblen Modulen, einheitlichen Datenpipelines und strukturierten Supportstrategien für eine langfristige Nutzung.
Diese Leistung ist Teil von Arbeiten, die an anderer Stelle auf dieser Seite aufgeführt sind:
500 Analyseberichte zu Strom- und GIS‑Daten veröffentlicht und durch gründliche Recherche und Fehlerdiagnose präzise Erkenntnisse aus geografischen Big Data und Zeitreihendaten ermöglicht.
8 Power‑BI‑Projekte mit umfassenden Handbüchern umgesetzt und Microsoft Power BI mit einer NodeJS‑API und Python FastAPI für wirksame Datenanalyse und Visualisierung integriert.
Das erste Observability‑Dashboard des Unternehmens entwickelt und eingeführt, das Systemperformance und Datenvisualisierungen in Echtzeit auf dem großen Bürofernseher anzeigt.
Dreizehn Adressen ausschließlich anhand des eigenen Webserver‑Zugriffsprotokolls gemessen — ohne Cookie, Tracker oder Drittanbieterdienst — das Clientnetz beim Schreiben jeder Zeile maskiert und das Ergebnis dauerhaft mit 21 täglichen Zählwerten und 20 monatlichen Facetten archiviert.
644 Rust‑Crates bei jedem Build auf Lizenzverträglichkeit geprüft und die Wirksamkeit durch das Ändern einer Crate‑Lizenz sowie das Verschieben der festgelegten Kernrevision ohne Neuerzeugung nachgewiesen.
Eine sprachübergreifende Inhaltsprüfung entwickelt, die bei fehlenden Zahlen gegenüber dem Englischen und bei sprachfremder Notation fehlschlägt — dabei zwei dänische Beschreibungen ohne eine Kennzahl und sechzehn ukrainische Textstellen mit englischen Anführungszeichen gefunden.
Tests für die Prüfwerkzeuge selbst geschrieben, nachdem klar war, dass ein nur mit fehlerfreien Eingaben getestetes Werkzeug irgendwann auch nach dem Lesen von nichts Erfolg meldet — einen Tippfehler eingebaut, um die Rechtschreibprüfung zu prüfen, und einen ID‑Bereich aus der Datenbank statt einer Testkonstante übernommen.
963 anonyme Blöcke strukturierter Daten, die das Unternehmen 1.671‑mal erneut beschrieben, durch einen verknüpften Graphen mit 16 Typen aus stabilen Identifikatoren auf Basis des eigenen Web‑Ursprungs ersetzt.
Eine Regel zum Zuständigkeitsumfang im Repository festgeschrieben, nachdem eine Umstrukturierung Inventar, Firewallfreigaben und Texte eines anderen Unternehmens hineingetragen hatte; die isolierten Rückstände weiterhin auf Geheimnisse prüfen lassen, statt sie auszuschließen.
Ihre Datensätze sind für KI-Agenten erreichbar, jeder Kunde ist nur einmal erfasst, niemand sieht mehr als erlaubt und jede Antwort lässt sich bis zur Quelle zurückverfolgen.
Diese Leistung ist Teil von Arbeiten, die an anderer Stelle auf dieser Seite aufgeführt sind: