Systemmodule
Ausgewählte Arbeiten aus Daten, Tooling und Automatisierung.
Eine fokussierte Auswahl an Projekten rund um verlässliche ETL, datenschutzorientiertes Tooling, Developer Experience und praktische Systeme für reale operative Probleme.
Aktuelles Signal
Python, Polars, Automatisierung und Developer Tooling geprägt von Verlässlichkeit, Klarheit und echten Produktionsanforderungen.
Mehr über michCloakData macht Privacy-Arbeit zu einer wiederholbaren Datenpipeline.
Eine auf Polars basierende Anonymisierungsbibliothek für ETL-Workflows, die explizite Regeln, schnelle Transformationen und überprüfbares Privacy-Verhalten brauchen.
- Regelorientiertes Masking für sensible operative Datensätze.
- Polars-first Transformationen für schnelle lokale und Pipeline-Ausführung.
- Als wiederverwendbares Tooling für ETL, Notebooks und Validierungsflows entwickelt.
Privacy-Vorschau
Sensible Felder vor und nach dem Masking
telefon
kunde_id
Modulbrowser
Filemindr
Ein Python-CLI-Tool für lokale Dateiautomatisierung mit Watch-Modus und regelbasierter Organisation.
Problem
Lokale Ordner werden schnell zu manueller Aufräumarbeit.
Entscheidung
Eine regelbasierte CLI hält Organisation transparent und skriptbar.
Ergebnis
Praktisches Tooling für wiederkehrende lokale Workflows.
CloakData
Eine auf Polars basierende Anonymisierungsbibliothek für datenschutzorientierte ETL-Workflows.
Problem
Sensible Felder landen oft als einmalige Masking-Skripte in Pipelines.
Entscheidung
Regeln bleiben explizit, überprüfbar und auf Polars-Transformationen aufgebaut.
Ergebnis
Wiederverwendbares Privacy-Tooling für ETL, Notebooks und Validierung.
Editorial
CodeCraftPython Blog
Technische Beiträge zu Python, Polars, Data Engineering und praktischem Tooling.
Problem
Gute Engineering-Entscheidungen sind vertrauenswürdiger, wenn die Begründung sichtbar ist.
Entscheidung
Artikel fokussieren auf praktisches Python, Datenworkflows und Trade-offs.
Ergebnis
Ein Schreibkanal, der den Data-Fokus des Portfolios stärkt.
TabuLynx
Ein Python-Tool zur klareren Analyse tabellarischer Daten in Ubuntu-Workflows.
Problem
Lokale Tabellenprüfung kann langsam und voller Kontextwechsel sein.
Entscheidung
Eine fokussierte Python-Oberfläche bleibt nah am Datenworkflow.
Ergebnis
Klarere lokale Inspektion für datenlastige Ubuntu-Routinen.