ÜBER MICH

09 / 2023 - heute: IT-Ingenieurin und Spezialistin für Cybersecurity ("advanced cybersecurity architect") /
Cyber- und Informationssicherheit / Unternehmen: advanced agile security mit Sitz in Ulm /
Zusammenarbeit mit Dax-Unternehmen, Start-Ups und Landesbehörden.
 

03/2014 – 02/2015: Praxissemester bei SEW – EURODRIVE GmbH & Co KG

Abteilung: Forschung Technik

• Programmierung eines Absolutwertgebers in C

• Einarbeitung in bestehende Softwarebibliotheken

• Entwicklung und erfolgreiche Umsetzung eines automatisierten Verfahrens zur Winkelversatzanalyse

04/2013 – 02/2014: Werkstudentin bei SEW – EURODRIVE GmbH & Co KG

Abteilung: Forschung Technik

• Konstruktion eines Hohlwellenmotors mit Absolutwertgeber

• CAD-Modellierung mit SolidWorks

05/2009 – 09/2012: Minijob Fitnessstudio Pfitzenmeier, Heidelberg

09/2007 – 02/2008: „engagiert plus“ im Seniorenzentrum der Caritas, Heidelberg-Ziegelhausen

03/2020 – 03/2023 Master Informationstechnik (in Teilzeit)

Hochschule Mannheim

Schwerpunkte: Security und Embedded Systems

Abschlussnote: 1,3

Thema der Masterarbeit: „Bilddatengenerierung mit NVIDIA Omniverse™ Isaac Sim am Beispiel eines Lagerhauses“

09/2010 – 02/2020 Bachelor of Science Mechatronik (in Teilzeit)

Hochschule Mannheim

Schwerpunkt: Automatisierung

Abschlussnote: 1,4

Thema der Bachelorarbeit: „Bildklassifikation auf einem Raspberry Pi Zero am Beispiel einer Ladestationserkennung“

09/2008 – 02/2010 Studium der Bildungswissenschaften und evangelischen Theologie

Ruprecht-Karls-Universität, Heidelberg

2007 Abitur / Baccalauréat général scientifique

Bunsen-Gymnasium, Heidelberg

Englisch: fließend

Französisch: fließend

Vorsitzende des Elternbeirats der Norbert-Preiß-Grundschule, Mauer

Kath. Kirchengemeinde St. Bartholomäus, Mauer (seit 2015)

• Organisatorische und leitende Tätigkeiten bei Projekten wie der 72-Stunden-Aktion oder der Sternsingeraktion

• Aufbau einer Leiterrunde in Zusammenarbeit mit dem Oberministranten vor Ort

Kirchliches Engagement im Dekanat Heidelberg-Weinheim (bis 2015)

• Über 8 Jahre Tätigkeiten in gewählten Leitungsteams auf unterschiedlichen Ebenen

• Organisation von Gruppenstunden, Freizeiten und Großprojekten (72-Stunden-Aktion)

• Ausbildung von Kindern und Jugendlichen im kirchlichen Bereich

Spiele (Brett- und Kartenspiele)

Lesen

Masterarbeit
Bilddatengenerierung mit NVIDIA Omniverse™ Isaac Sim am Beispiel eines Lagerhauses

Objekterkennung ist eine etablierte Anwendung komplexer Neuronaler Netze. Das Erstellen passender Datensätze, um diese Netze zu trainieren, ist mit realen Daten immer aufwendig, manchmal auch gefährlich oder schlicht nicht möglich. Daher spielt die synthetische Bilddatengenerierung eine wachsende Rolle. Im Rahmen dieser Arbeit werden die Möglichkeiten von NVIDIA Omniverse™ Isaac Sim im Bezug auf die Importfähigkeit vorhandener Modelle, der Roboteransteuerung in der Simulation und der Bilddatengenerierung untersucht. Mit diesen Erkenntnissen wird ein reales Lagerhaus digital nachgebaut und ein Roboterprototyp importiert. Eine Pipeline wird erstellt, die einen Bilddatensatz generiert, die Datengröße anpassen kann und in das YOLOv7 Format bringt. Zum Schluss wird ein Datensatz mit dem Roboterprototyp in dem Lagerhaus mit 50.400 Bildern generiert.

Bachelorarbeit
Bildklassifikation auf einem Raspberry Pi Zero am Beispiel einer Ladestationserkennung

Bildverarbeitungssoftware benötigt meist viel Rechenleistung und viele Trainingsdaten. In diesem Fall wird ein zweistufiges Bildverarbeitungssystem auf einem Raspberry Pi Zero W verwirklicht. Ein Roboter soll das Symbol seiner Ladestation erkennen. Dazu wird im ersten Schritt das Bild seiner Kamera in ein s/w-Bild umgewandelt. Durch den Minimum-Distance-Klassifikator werden die Pixel weiß, welche Teil des Symbols sein können, alle anderen Pixelwerte werden schwarz. Das s/w-Bild wird durch einen Autoencoder ausgewertet. Dieser wird zuvor auf einem Computer mit mehr Rechenleistung trainiert, s/w-Bilder mit Symbol von jenen ohne Symbol zu unterscheiden. Es wird gezeigt, dass der Roboter auf diese Weise das Symbol seiner Ladestation erkennt.

Studienarbeit
Reinforcement Learning am Beispiel eines vierbeinigen Roboters

Ein Roboter soll Laufen lernen. Auf einem Arduino Nano Board wird eine Tabelle mit möglichen Zuständen der vier Beine erstellt. Diese können jeweils nach außen oder nach innen gerichtet sein. Der Roboter wechselt die unterschiedlichen Beinstellungen zufällig und bewertet den Übergang von einem zum nächsten Zustand anhand der Rückmeldung eines Rotary Encoder, welchen er hinter sich herzieht. Durch Q-Learning lernt er mit der Zeit welche Aktionen aus welchem Zustand heraus zu einer Vorwärtsbewegung führen und beginnt diese bevorzugt auszuführen.