Solarbetriebener Umweltsensor seit 6 Monaten autark auf dem Dach: Temperatur, Luftfeuchtigkeit, Feinstaub (PM2.5/PM10), UV-Index. 6W Solarpanel, 18650-Akku mit TP4056-Laderegler, ESP32 im Deep Sleep. Die Daten gehen per LoRa an meinen Gateway und von dort ins Grafana-Dashboard. Hat den kompletten Winter ohne Batteriewechsel überstanden. #solar #umweltmonitoring #iot

Blockchain Supply Chain Tracking für einen Lebensmittelproduzenten: Vom Bauernhof über die Verarbeitung bis zum Supermarktregal. Jede Station scannt, signiert und schreibt auf die Blockchain. QR-Code auf der Verpackung zeigt dem Verbraucher die gesamte Lieferkette - transparent und manipulationssicher.

Der Business Case: Ein Rückruf der vorher 72 Stunden dauerte, ist jetzt in 4 Stunden erledigt - weil sofort klar ist welche Charge betroffen ist. #supplychain #blockchain #foodtech

MLOps Pipeline mit MLflow + Kubeflow komplett aufgebaut. Vom Jupyter-Notebook-Chaos zu reproduzierbaren, versionierten ML-Experimenten. Jedes Training wird getrackt: Hyperparameter, Metriken, Artefakte, sogar die Git-Revision des Trainingscodes.

Model Registry mit Staging/Production-Stages, automatische A/B-Tests bei neuem Modell, und ein Rollback-Mechanismus der in unter 2 Minuten zum vorherigen Modell zurückwechselt. Endlich Ordnung im ML-Chaos. #mlops #mlflow #kubeflow

Solarbetriebener Umweltsensor seit 6 Monaten autark auf dem Dach: Temperatur, Luftfeuchtigkeit, Feinstaub (PM2.5/PM10), UV-Index. 6W Solarpanel, 18650-Akku mit TP4056-Laderegler, ESP32 im Deep Sleep. Die Daten gehen per LoRa an meinen Gateway und von dort ins Grafana-Dashboard. Hat den kompletten Winter ohne Batteriewechsel überstanden. #solar #umweltmonitoring #iot

Solarbetriebener Umweltsensor seit 6 Monaten autark auf dem Dach: Temperatur, Luftfeuchtigkeit, Feinstaub (PM2.5/PM10), UV-Index. 6W Solarpanel, 18650-Akku mit TP4056-Laderegler, ESP32 im Deep Sleep. Die Daten gehen per LoRa an meinen Gateway und von dort ins Grafana-Dashboard. Hat den kompletten Winter ohne Batteriewechsel überstanden. #solar #umweltmonitoring #iot

RPA-Bot für die Buchhaltung: 200 Rechnungen pro Monat automatisch verarbeitet. Der Bot extrahiert Daten aus PDFs (OCR + Regex), prüft gegen Bestellungen, kategorisiert nach Kostenstelle und erstellt den Buchungssatz in DATEV. Fehlerquote von 8% (manuell) auf 0.3% (automatisiert). Jährliche Ersparnis: ca. 25.000 EUR an Personalkosten. #rpa #automation #buchhaltung

RPA-Bot für die Buchhaltung: 200 Rechnungen pro Monat automatisch verarbeitet. Der Bot extrahiert Daten aus PDFs (OCR + Regex), prüft gegen Bestellungen, kategorisiert nach Kostenstelle und erstellt den Buchungssatz in DATEV. Fehlerquote von 8% (manuell) auf 0.3% (automatisiert). Jährliche Ersparnis: ca. 25.000 EUR an Personalkosten. #rpa #automation #buchhaltung

Automatische Bewässerung v2.0 fertig: ESP32-S3, 4 kapazitive Bodenfeuchtesensoren, Magnetventile, Solarpanel. Das System entscheidet selbst wann und wie lange bewässert wird - basierend auf Bodenfeuchte, Wettervorhersage (API-Abfrage alle 6h) und Pflanzenprofilen.

Wasserverbrauch gegenüber Zeitschaltuhr um 45% reduziert. Pflanzen sehen besser aus als je zuvor. Alles per MQTT an Home Assistant angebunden, Verlauf in Grafana. Das vollständige Tutorial kommt nächste Woche. #smarthome #esp32 #automation

RPA-Bot für die Buchhaltung: 200 Rechnungen pro Monat automatisch verarbeitet. Der Bot extrahiert Daten aus PDFs (OCR + Regex), prüft gegen Bestellungen, kategorisiert nach Kostenstelle und erstellt den Buchungssatz in DATEV. Fehlerquote von 8% (manuell) auf 0.3% (automatisiert). Jährliche Ersparnis: ca. 25.000 EUR an Personalkosten. #rpa #automation #buchhaltung

MLOps Pipeline mit MLflow + Kubeflow komplett aufgebaut. Vom Jupyter-Notebook-Chaos zu reproduzierbaren, versionierten ML-Experimenten. Jedes Training wird getrackt: Hyperparameter, Metriken, Artefakte, sogar die Git-Revision des Trainingscodes.

Model Registry mit Staging/Production-Stages, automatische A/B-Tests bei neuem Modell, und ein Rollback-Mechanismus der in unter 2 Minuten zum vorherigen Modell zurückwechselt. Endlich Ordnung im ML-Chaos. #mlops #mlflow #kubeflow

MLOps Pipeline mit MLflow + Kubeflow komplett aufgebaut. Vom Jupyter-Notebook-Chaos zu reproduzierbaren, versionierten ML-Experimenten. Jedes Training wird getrackt: Hyperparameter, Metriken, Artefakte, sogar die Git-Revision des Trainingscodes.

Model Registry mit Staging/Production-Stages, automatische A/B-Tests bei neuem Modell, und ein Rollback-Mechanismus der in unter 2 Minuten zum vorherigen Modell zurückwechselt. Endlich Ordnung im ML-Chaos. #mlops #mlflow #kubeflow

Blockchain Supply Chain Tracking für einen Lebensmittelproduzenten: Vom Bauernhof über die Verarbeitung bis zum Supermarktregal. Jede Station scannt, signiert und schreibt auf die Blockchain. QR-Code auf der Verpackung zeigt dem Verbraucher die gesamte Lieferkette - transparent und manipulationssicher.

Der Business Case: Ein Rückruf der vorher 72 Stunden dauerte, ist jetzt in 4 Stunden erledigt - weil sofort klar ist welche Charge betroffen ist. #supplychain #blockchain #foodtech

Automatische Bewässerung v2.0 fertig: ESP32-S3, 4 kapazitive Bodenfeuchtesensoren, Magnetventile, Solarpanel. Das System entscheidet selbst wann und wie lange bewässert wird - basierend auf Bodenfeuchte, Wettervorhersage (API-Abfrage alle 6h) und Pflanzenprofilen.

Wasserverbrauch gegenüber Zeitschaltuhr um 45% reduziert. Pflanzen sehen besser aus als je zuvor. Alles per MQTT an Home Assistant angebunden, Verlauf in Grafana. Das vollständige Tutorial kommt nächste Woche. #smarthome #esp32 #automation

Blockchain Supply Chain Tracking für einen Lebensmittelproduzenten: Vom Bauernhof über die Verarbeitung bis zum Supermarktregal. Jede Station scannt, signiert und schreibt auf die Blockchain. QR-Code auf der Verpackung zeigt dem Verbraucher die gesamte Lieferkette - transparent und manipulationssicher.

Der Business Case: Ein Rückruf der vorher 72 Stunden dauerte, ist jetzt in 4 Stunden erledigt - weil sofort klar ist welche Charge betroffen ist. #supplychain #blockchain #foodtech

MLOps Pipeline mit MLflow + Kubeflow komplett aufgebaut. Vom Jupyter-Notebook-Chaos zu reproduzierbaren, versionierten ML-Experimenten. Jedes Training wird getrackt: Hyperparameter, Metriken, Artefakte, sogar die Git-Revision des Trainingscodes.

Model Registry mit Staging/Production-Stages, automatische A/B-Tests bei neuem Modell, und ein Rollback-Mechanismus der in unter 2 Minuten zum vorherigen Modell zurückwechselt. Endlich Ordnung im ML-Chaos. #mlops #mlflow #kubeflow

Blockchain Supply Chain Tracking für einen Lebensmittelproduzenten: Vom Bauernhof über die Verarbeitung bis zum Supermarktregal. Jede Station scannt, signiert und schreibt auf die Blockchain. QR-Code auf der Verpackung zeigt dem Verbraucher die gesamte Lieferkette - transparent und manipulationssicher.

Der Business Case: Ein Rückruf der vorher 72 Stunden dauerte, ist jetzt in 4 Stunden erledigt - weil sofort klar ist welche Charge betroffen ist. #supplychain #blockchain #foodtech

Solarbetriebener Umweltsensor seit 6 Monaten autark auf dem Dach: Temperatur, Luftfeuchtigkeit, Feinstaub (PM2.5/PM10), UV-Index. 6W Solarpanel, 18650-Akku mit TP4056-Laderegler, ESP32 im Deep Sleep. Die Daten gehen per LoRa an meinen Gateway und von dort ins Grafana-Dashboard. Hat den kompletten Winter ohne Batteriewechsel überstanden. #solar #umweltmonitoring #iot

Automatische Bewässerung v2.0 fertig: ESP32-S3, 4 kapazitive Bodenfeuchtesensoren, Magnetventile, Solarpanel. Das System entscheidet selbst wann und wie lange bewässert wird - basierend auf Bodenfeuchte, Wettervorhersage (API-Abfrage alle 6h) und Pflanzenprofilen.

Wasserverbrauch gegenüber Zeitschaltuhr um 45% reduziert. Pflanzen sehen besser aus als je zuvor. Alles per MQTT an Home Assistant angebunden, Verlauf in Grafana. Das vollständige Tutorial kommt nächste Woche. #smarthome #esp32 #automation