Maximilian Krause

Vor dem Hintergrund einer rapide wachsenden IoT-Bedrohungslandschaft war es Ziel des Forschungsprojekts, eine
wissenschaftlich fundierte Infrastruktur zur kontrollierten Analyse von Malwareinfektionen an IoT-Geräten aufzubauen
und parallel eine skalierbare Plattform zu entwickeln, die Netzwerkverkehrsdaten aus über 300 realen Smart Homes
systematisch erfassen und auswerten kann.
Ich übernahm den technischen Aufbau eines Honeypot-ähnlichen Netzwerks, das die kontrollierte Infektion von
IoT-Geräten unter Laborbedingungen ermöglichte. Durch gezielten Einsatz von Privilege-Escalation-Techniken und
anschließende Malwareinfektion konnte das reale Angreiferverhalten reproduzierbar nachgebildet werden. Zur
Auswertung der anfallenden Datenmassen entwickelte ich Python- und Rust-basierte Analysewerkzeuge, die in der Lage
waren, mehr als 40 Milliarden Netzwerkpakete automatisiert zu verarbeiten – ein Volumen, das manuelle Analyse
ausschloss und hochoptimierte Pipelines erforderte.
Parallel konzipierte und implementierte ich ein Python-Backend zur vollständigen Verwaltung einer groß angelegten
Feldstudie, in der Netzwerkverkehr aus über 300 Smart Homes aufgezeichnet wurde. Das Backend deckte die gesamte
Studienlogistik ab – von der technischen Geräteintegration über die Datenverwaltung bis hin zur Kommunikation und
Betreuung der Studienteilnehmenden.
Ergänzend führte ich statistische Analysen von IoT-Firmwareupdates durch und entwickelte Konzepte zur
automatisierten Unterscheidung regulärer Updates von bösartigen Anomalien. Abschließend baute ich eine
Trainingspipeline für Deep-Learning-Modelle auf Basis von Federated Learning auf – einem dezentralen Ansatz, der es
erlaubt, Anomalieerkennungsmodelle direkt auf den verteilten Haushaltsdaten zu trainieren, ohne diese zentral
zusammenführen zu müssen, und damit sowohl Datenschutz als auch Modellqualität sicherstellt.

Ziel des Projekts war die Ablösung einer gewachsenen HR-Insellösung aus Excel, Salesforce, Microsoft Dynamics und OneNote durch einen integrierten, cloudbasierten HR-Stack. Der Kunde, ein produzierendes Unternehmen mit rund 500 Mitarbeitenden, sah sich mit zunehmenden Audit-Beanstandungen und wachsender Unzufriedenheit auf Mitarbeiter- und HR-Seite konfrontiert. Die Systemarchitektur sah eine Kombination aus Personio als zentralem HR-Kern, Circula für das Reisekostenmanagement, Leapsome für das Learning Management sowie einer bidirektionalen Integration in das bestehende ERP-System vor.

Ich übernahm die Anforderungsanalyse in enger Abstimmung mit der HR-Leitung, der IT-Leitung und den zentralen Key-Usern und erarbeitete auf dieser Basis zwei vollständige Lösungskonzepte: einen Best-of-Breed-Ansatz mit dem Personio-Stack sowie die SAP SuccessFactors Suite als Alternative. Für beide Optionen erstellte ich eine detaillierte Aufwands- und Kostenkalkulation, die Laufzeit, Implementierungsrisiken und den Fünf-Jahres-TCO gegenüberstellte.

Ziel des Projekts war die Identifikation und Entwicklung konkreter KI-Einsatzmöglichkeiten auf Basis von Salesforce Agentforce in den Fundraising-Prozessen des Kunden. Der Kunde, eine gemeinnützige Organisation im Non-Profit-Bereich, betreibt seit mehreren Jahren eine umfangreiche Salesforce-Systemlandschaft und sieht im zunehmend automatisierten Einsatz von KI-Agenten das zentrale Hebel zur Entlastung seiner Mitarbeitenden — insbesondere bei wiederkehrenden, manuellen Prozessen im Spendenmanagement.

Ich übernahm die inhaltliche Vorbereitung eines dreitägigen Discovery Workshops mit dem Ziel, gemeinsam mit den Fachbereichen des Kunden konkrete Use Cases für den Agentforce-Einsatz zu erarbeiten. Dazu entwickelte ich ein interaktives KI-Einstiegsmodul für Mitarbeitende ohne KI-Vorerfahrung, das spielerische Formate wie Live-Abstimmungen, ein Quiz und eine Live-Demo eines Fundraiser-Agenten in der Agentforce-Sandbox kombinierte. Parallel analysierte ich die bestehenden Fundraising-Prozesse und manuellen Schwachstellen, um gezielt Automatisierungspotenziale für die Use-Case-Erhebung im Workshop vorzubereiten

Ziel des Projekts war die vollständige Ablösung eines gewachsenen SAP-HCM-Systems durch SAP SuccessFactors, um die HR-Prozesse eines weltweit tätigen Energieversorgers auf eine moderne, cloudbasierte Plattform zu überführen. Die Systemarchitektur sah dabei ein zentrales Hauptmodul vor, von dem regional angepasste Ländervarianten abgeleitet wurden, um der internationalen Aufstellung des Unternehmens gerecht zu werden.

Ich begleitete das Testing-Team und wirkte aktiv in der User-Acceptance-Testing-Phase (UAT) mit. Ich aktivierte End-to-End-Tests und übernahm die Zuweisung von Testfällen an Gruppen von Endanwendern auf Kundenseite. Das UAT-Konzept sah vor, dass die tatsächlichen späteren Systemnutzer die Testfälle eigenständig durchführten, da sie Abweichungen vom Sollprozess am schnellsten identifizieren. Ich betreute das Projekt bei den täglichen UAT-Meetings, in denen die Tester Fragen stellen und Bugs melden konnten.