MarvinKrausser.github.io/lang/de.json

{
  "title_website": "Marvins Protfolio",
  "title_introduction": "Hallo!",
  "content_introduction": "Ich studiere Medieninformatik im Bachelor und habe im Rahmen meines Studiums praktische Erfahrungen in verschiedenen Projekten gesammelt. Besonders gerne arbeite ich an Projekten, in denen ich neue Technologien ausprobieren und vertiefen kann, aktuell vor allem im Bereich Machine Learning.",
  "status": "Student B.Sc.",
  "profession": "Medieninformatik",
  "workplace": "Universität Ulm",
  "github_desc": "Auf GitHub ansehen ↗",
  "navbar_group_work": "Berufserfahrung",
  "navbar_group_projects": "Projekte",
  "content_work": [
    {
      "id": "siemens_mobility",
      "title": "Siemens Mobility",
      "company": "Siemens Mobility GmbH",
      "description": "Werkstudent Softwareentwicklung in Simulationsumgebung (Hybrid)",
      "type": "Hybrid",
      "tasks": [
        {
          "title": "Netzwerkentwicklung & Integration",
          "content": "Konzeption und Implementierung einer stabilen Remote-Schnittstelle zur Anbindung externer Clients an eine Unity-Simulationsumgebung."
        },
        {
          "title": "Server-Infrastruktur & Deployment",
          "content": "Einrichtung, Absicherung und Administration eines Debian 13-Servers sowie Bereitstellung der Anwendungsinstanzen."
        },
        {
          "title": "Agile Teamarbeit & Quality Assurance",
          "content": "Aktive Kollaboration im Entwicklerteam unter Anwendung von Feature-Branching-Workflows (Git) und systematischen Code-Reviews."
        }
      ],
      "tech": [
        "Unity",
        "WebRTC",
        "Linux",
        "GitLab",
        "C#"
      ],
      "start": "2026-05-15",
      "end": "heute",
      "locale": "de-DE",
      "from": "von",
      "to": "bis",
      "at": "bei"
    }
  ],
  "content_projects": [
    {
      "id": "cnn_website",
      "title": "CNN Website",
      "description": "Eine Website zur Präsentation verschiedener CNN-Projekte wie Bildklassifikation von Vögeln und Gesichtserkennung.",
      "tags": [
        "React",
        "PyTorch",
        "NGINX",
        "Caddy",
        "Docker Compose"
      ],
      "github": "https://github.com/MarvinKrausser/CNN_Website",
      "blocks": [
        {
          "heading": "Frontend",
          "text": "Die --link-- Website ist online. Das Frontend wurde mit React implementiert und ermöglicht das Hochladen von Bildern sowie die Anzeige von Klassifikationsergebnissen. Es ist responsiv gestaltet und passt sich an verschiedene Bildschirmgrößen an, wodurch es auch auf Mobilgeräten gut nutzbar ist.",
          "image": "cnn_website_1",
          "links": [
            {
              "id": "website",
              "link": "https://marvinkrausser.com/bird_cnn",
              "desc": "Website ↗"
            }
          ]
        },
        {
          "heading": "Backend",
          "text": "Das Backend ist in einem containerisierten Setup mit Docker implementiert und wird über Docker Compose verwaltet. Die einzelnen Komponenten sind nur über das Docker-Netzwerk erreichbar. Caddy fungiert als zentraler Reverse Proxy und stellt automatisch SSL-Zertifikate über Let's Encrypt bereit. Die React-Anwendung läuft hinter einem NGINX-Reverse-Proxy, während die API als FastAPI-Server mit HTTP-Anfragen und WebSockets implementiert ist. Die --link-- ist über eine Subdomain erreichbar und wird von Caddy an den FastAPI-Server weitergeleitet.",
          "image": "cnn_website_2",
          "links": [
            {
              "id": "subdomain",
              "link": "https://api.marvinkrausser.com/docs",
              "desc": "API ↗"
            }
          ]
        },
        {
          "heading": "Bird Classification",
          "text": "Das CNN klassifiziert sieben Vogelarten aus Bildern. Es verwendet Skip Connections, Dropout und Batch Normalization, um das Training stabiler zu machen und Overfitting zu reduzieren.",
          "image": "cnn_website_3"
        },
        {
          "heading": "Face Detection",
          "text": "Das Modell basiert auf der YOLO-Architektur und kann Gesichter in Echtzeit erkennen, selbst auf schwacher Hardware (z. B. ein Server mit 1 GB RAM und 1 vCPU). Das Frontend sendet kontinuierlich ausgeschnittene Frames des Webcam-Streams über WebSockets an den Server.",
          "image": "cnn_website_4"
        }
      ]
    },
    {
      "id": "pixelcnn",
      "title": "PixelCNN Bildgeneration",
      "description": "Autoregressives Deep Learning-Modell basierend auf PixelCNN zur generativen Bildsynthese mit PyTorch.",
      "tags": [
        "Python",
        "PyTorch",
        "CUDA",
        "LaTeX"
      ],
      "github": "https://github.com/MarvinKrausser/pixelcnn",
      "blocks": [
        {
          "heading": "Bildgenerierung mit Deep Learning",
          "text": "Das Modell verwendet Convolutional Neural Networks und Deep Learning zur Generierung von Bildern. Als Trainingsdatensatz wurden die MNIST-Digits verwendet und mittels CUDA auf einer GPU trainiert. Zusätzlich kann das Modell gezielt mit Klassen als Eingabe gesteuert werden, wie im Beispiel mit den Ziffern von 0 bis 9 gezeigt. Aufgrund begrenzter Ressourcen ist mein Modell auf Datensätze mit niedriger Komplexität beschränkt.",
          "image": "pixelcnn_1"
        },
        {
          "heading": "Seminararbeit",
          "text": "Zusätzlich zum Projekt wurde eine --link-- und ein --link-- erstellt.",
          "image": "pixelcnn_2",
          "links": [
            {
              "id": "seminararbeit",
              "link": "pdfs/Seminararbeit.pdf",
              "desc": "Seminararbeit ↗"
            },
            {
              "id": "seminarvortrag",
              "link": "pdfs/Seminararbeit_Vortrag.pdf",
              "desc": "Vortrag ↗"
            }
          ]
        }
      ]
    },
    {
      "id": "boardgame",
      "title": "Online Multiplayer Game",
      "description": "Ein Online-Multiplayer-Brettspiel mit Server, Spielclient und KI-Spieler entstanden als Gruppenarbeit mit 5 weiteren Kommilitonen.",
      "tags": [
        "C#",
        ".net",
        "Unity",
        "Docker",
        "JSON"
      ],
      "github": "https://github.com/MarvinKrausser/BoardgameServer",
      "blocks": [
        {
          "heading": "Client",
          "text": "Der Game Client wurde mit Unity und C# entwickelt und basiert auf einem rundenbasierten Bewegungs- und Kartensystem. Sämtliche Designs wurden eigenständig erstellt. Auch ein --link-- und --link-- wurden erstellt.",
          "image": "boardgame_1",
          "links": [
            {
              "id": "entwicklerhandbuch",
              "link": "pdfs/Team23_Entwicklerhandbuch_BoC.pdf",
              "desc": "Entwicklerhandbuch ↗"
            },
            {
              "id": "benutzerhandbuch",
              "link": "pdfs/Team23_Benutzerhandbuch_BoC.pdf",
              "desc": "Benutzerhandbuch ↗"
            }
          ]
        },
        {
          "heading": "Server",
          "text": "Der Server wurde in C# mit einer mehrschichtigen Architektur umgesetzt, die eine klare Trennung zwischen WebSocket-Verbindungsmanagement und spielbezogener Logik (z. B. Spielerzuweisung und Sitzungsverwaltung) ermöglicht. Die Kommunikation zwischen Server und Client wurde durch ein definiertes JSON-Schema standardisiert, um die Kompatibilität und Austauschbarkeit der von verschiedenen Entwicklerteams entwickelten Komponenten sicherzustellen.",
          "image": "boardgame_2"
        },
        {
          "heading": "KI-Spieler",
          "text": "Zusätzlich wurden mehrere regelbasierte KI-Spieler implementiert, die in das System integriert werden können. Die Codequalität wurde durch automatisierte Tests sichergestellt. Die Zusammenarbeit im Team erfolgte nach agilen Methoden (Scrum), und Server sowie KI wurden containerbasiert mit Docker bereitgestellt.",
          "image": "boardgame_3"
        }
      ]
    },
    {
      "id": "towerdefense",
      "title": "Towerdefense Game",
      "description": "Singleplayer Towerdefense Game mit Editor entstanden im Rahmen einer Vorlesung als Einzelprojekt.",
      "tags": [
        "C#",
        "Unity",
        "JSON"
      ],
      "github": "https://github.com/MarvinKrausser/TowerDefenseGame",
      "links": [
        {
          "id": "github",
          "link": "https://github.com/MarvinKrausser/TowerDefenseGame",
          "desc": "Auf GitHub ansehen ↗"
        }
      ],
      "blocks": [
        {
          "heading": "Singleplayer Tower Defense Game",
          "text": "Einfaches Tower-Defense-Spiel das von Grund auf mit eigenen Designs erstellt wurde. Nutzt den A*-Algorithmus zur Berechnung des Laufweges. Ein Demo-Build ist im Github Repository vorhanden.",
          "image": "towerdefense_1"
        }
      ]
    },
    {
      "id": "personal_website",
      "title": "Portfolio Website",
      "description": "Diese Website zeigt meine Projekte in Form eines persönlichen Portfolios.",
      "tags": [
        "HTML",
        "CSS",
        "Javascript",
        "JSON"
      ],
      "github": "https://github.com/MarvinKrausser/MarvinKrausser.github.io",
      "blocks": [
        {
          "heading": "Technisches",
          "text": "Die Website wurde mit HTML, CSS und JavaScript ohne die Verwendung externer Libraries entwickelt. Der Inhalt ist in sprachspezifischen JSON-Dateien gespeichert. Die Website wird dynamisch mithilfe von JavaScript aus der jeweiligen JSON-Datei generiert. Das Git-Repository verwendet einen Feature-Branch-Workflow, um die Korrektheit der Website auch während der Entwicklung sicherzustellen.",
          "image": "personal_website_1"
        }
      ]
    }
  ]
}