IoT & Datenpipelines

Der Weg vom Gerät zur Entscheidung — Protokolle, Edge-Software, Ingest und Zeitreihendaten.

Wir bauen den Weg vom Gerät zur Entscheidung: Protokollanbindung am Gerät, Edge-Software, Ingest, Zeitreihenspeicherung und die Schnittstellen darüber. Im Produktivbetrieb verarbeiten von uns gebaute Systeme 340 Millionen Datenpunkte pro Tag, mit Geräteflotten, die über Modbus, EEBUS, MQTT und OCPP angebunden sind.

Wir übernehmen den Datenpfad als Verantwortungsbereich — Architektur, Implementierung, Verhalten im Produktivbetrieb und das Monitoring darum herum — und arbeiten in Ihrem Team und Ihrem Repository. Engagements laufen über Monate statt über Sprints, und was wir bauen, bleibt für die wartbar, die bleiben.

Zusammenarbeit. Längere Engagements, typischerweise 3–12 Monate, in Teil- oder Vollzeit. Remote oder vor Ort im Raum München. Deutsch und Englisch. Wir arbeiten in Ihrem Team und in Ihrem Repository, mit Verantwortung für einen Bereich von Anfang bis Ende.

Unsere Schwerpunkte in IoT & Datenpipelines

  • Geräte- und Anlagenanbindung
    Zähler, Sensoren, Wechselrichter, Maschinen, Energieanlagen und Ladeinfrastruktur über Modbus, EEBUS, MQTT und OCPP. Wo ein Herstellersystem die Kontrolle über die Anlage behält, integrieren wir daneben — in einem Projekt lief unser Edge-Gerät im Slave-Modus unter Loxone.
  • Edge-Software
    Edge-Services auf Linux-Hardware bis hinunter zum Raspberry Pi: lokale Pufferung, Store-and-Forward bei Verbindungsverlust und die Steuerungslogik, die ohne Umweg über die Cloud laufen muss.
  • Flottenbetrieb
    Sicherer Fernzugriff über Headscale und ein Tailnet, OTA-Updates, gestaffelte Rollouts und Flottenmanagement — Releases und Diagnose ohne Vor-Ort-Einsatz.
  • Ingest
    Streaming- und Batch-Pipelines mit Kafka und Apache Beam, Batching für effizienten Ingest bei hohem Volumen und langlaufende Geräte-Workflows, orchestriert mit Temporal. Verspätete, doppelte und fehlerhafte Nachrichten sowie Backfill werden explizit behandelt.
  • Speicherung und Schnittstellen
    InfluxDB und TimescaleDB für Messwerte, PostgreSQL für relationale Daten, Redis als Cache. Dashboards in Vue 3, Flutter dort, wo die Arbeit im Feld stattfindet.
  • Steuerungslogik
    Peak Shaving und Lastverschiebung auf Basis des eigenen Lastprofils und der vorhandenen Anlagen sowie tarifabhängige Steuerung — etwa E-Fahrzeug-Laden nach dynamischen Tarifen und aktueller Last.

Im Produktivbetrieb

  • B2B2C-Energieplattform
    Eine White-Label-Plattform, über die Versorger und Stadtwerke ihren Endkunden Zugang zu den eigenen Verbrauchsdaten geben. Gerätedaten über REST-APIs erfasst und mit Temporal orchestriert, Zeitreihen in InfluxDB, Apache-Beam-Pipelines für Batch-Ingest, Backend in Go und Java/Spring Boot, Frontend in Vue 3, Mobile App in Flutter. 340 Millionen Datenpunkte pro Tag; die Plattform wuchs von 700 auf 20.000 Nutzer. Unsere Rolle: Solutions Architect, von der Architektur bis in den Produktivbetrieb.
  • EMS mit Edge-Gerät für den Mittelstand
    Peak Shaving und Lastverschiebung auf Basis des eigenen Lastprofils. Edge-Services auf einem Linux-basierten Raspberry Pi, Gerätedaten über Modbus und EEBUS, Loxone-Integration im Slave-Modus, OTA-Updates und Fernwartung über Headscale und ein Tailnet, Backend in Python/FastAPI, Frontend in Vue 3.

Technologien: Modbus · EEBUS · MQTT · OCPP · Loxone · Linux / Raspberry Pi Edge · Headscale / Tailscale · Kafka · Apache Beam · Temporal · InfluxDB · TimescaleDB · PostgreSQL · Redis · Go · Java/Spring Boot · Python/FastAPI · Vue 3 · Flutter · Docker · Kubernetes · AWS · GCP

Schicken Sie uns die Eckdaten Ihres Systems.

Geräte, Protokolle, Datenvolumen und was am anderen Ende herauskommen soll. Sie erhalten eine direkte Einschätzung zu Umfang und Passung.