Zum Inhalt

Software & Data Engineering

Erstellt: 2026-11-08  ·  Zuletzt aktualisiert: 2026-11-08  ·  Nejat Hakan

Management Summary: Moderne Unternehmensanwendungen erfordern hohen Datendurchsatz, kompromisslose Speichersicherheit und deterministische Persistenz. Software-Engineering lässt sich nicht isoliert von der zugrundeliegenden Systemarchitektur betrachten: Das Laufzeitverhalten kompilierter und verwalteter Sprachen bestimmt maßgeblich Datenbanklatenzen, Cache-Effizienz und den Durchsatz von Machine-Learning-Pipelines. Dieser Fachbereich vereint maschinennahes Systems Programming, relationales Datenbank-Engineering und produktive Data Science zu einem kohärenten Technologiestack.

  • Systems Programming Track

    Praxisorientiert über 5 Sprachen: Maschinennahe ISO C17 Speicherverwaltung, modernes Python 3.12 asyncio, Go-Goroutinen, Java Virtual Threads auf OpenJDK 21 und garantierte Speichersicherheit in Rust.

    Zu Programming

  • Relationale Datenbank-Systeme

    Produktionsdatenbanken beherrschen: Bereitstellung von PostgreSQL 17 und MariaDB 11.4, ACID-Transaktionen, B-Tree/GIN/BRIN-Indexinterna, MVCC-Autovacuum-Tuning und physikalische Streaming-Replikation.

    Zu Datenbanken

  • Data Science & MLOps auf Linux

    Ganzheitliche Analysepipelines: POSIX-Streamverarbeitung auf der CLI, NumPy AVX-512 Vektorisierung, Pandas 2.x PyArrow-Backend, leckagefreie Scikit-learn Pipelines und FastAPI-Serving.

    Zu Data Science

Einheitliche Datenfluss-Architektur

Softwareausführung, transaktionale Speicherung und analytische Inferenz greifen nahtlos ineinander:

%%{init: {'flowchart': {'wrappingWidth': 350}}}%%
flowchart TB
    LANG["💻 Systems Programming<br/>C, Rust, Go, Python & Java"]
    DB["🗄️ Relational Database Engine<br/>PostgreSQL 17, ACID & NVMe"]
    DS["📊 High-Performance Analytics<br/>SIMD, PyArrow, ML & PyTorch"]
    PROD["🚀 Production Serving APIs<br/>FastAPI, PgBouncer & MLOps"]

    LANG ==> DB
    DB ==> DS
    DS ==> PROD

Kernkompetenzen des Fachbereichs

1. Polyglottes Systems Programming

Enterprise-Engineering verlangt die Wahl der richtigen Sprache für die jeweilige Systemebene. Von nativer Zeigerarithmetik in C17 und RAII-Speichersicherheit in Rust über Gos GMP-Scheduler bis hin zu Pythons asynchronem I/O vermittelt diese Säule fundiertes systems-orientiertes Programmieren.

2. Relationales Datenbank-Engineering

Persistenz ist das Fundament jeder Systemzuverlässigkeit. Dieser Bereich umfasst transaktionale Integrität, Normalisierung (1NF–BCNF), Indexinterna, Abfrageoptimierung mit EXPLAIN (ANALYZE, BUFFERS), Connection-Pooling mit PgBouncer und Hochverfügbarkeit via Streaming-Replikation.

3. Produktions-Data-Science & Machine Learning

Echte Data Science verlässt experimentelle Notebooks und läuft auf gehärteten Linux-Servern. Der Fokus liegt auf Zero-Copy Apache Arrow Speicherarchitekturen, SIMD-beschleunigter Numerik, leckagefreien Preprocessing-Pipelines und reproduzierbarem Modell-Serving via MLflow und FastAPI.