Erfahrungen
Data Engineer
Finanzielles Risiko, Bankwesen
- SQL/Python-Pipelines für Transaktionsdaten mit hohem Volumen im Produktivbetrieb; automatisierte Qualitätssicherung, Abstimmung und Prüfungsnachweise unter SOX – die Sorgfalt, die ich bei der Modellvalidierung einbringe
KI-Berater
Freiberuflich
- Skalierbare, durchgängige Machine-Learning-Pipelines für ein großes Telekommunikationsunternehmen entwickelt, einschließlich Feature Engineering, Modellentwicklung, Bereitstellung und einer Streamlit-Visualisierungs-App.
- Data Science im Customer-Experience-Team initiiert und verankert; tägliche Zusammenarbeit mit Stakeholdern bei der Umsetzung durchgängiger Lösungen. Während meiner laufenden Unterstützung blieb der Kundenzufriedenheitswert NPS stabil auf einem Rekordwert von >30pt.
- Einen Kunden zu GenAI-Tools, KI-Entwicklungsstrategien und Responsible-AI-Praktiken beraten und so interne Ansätze für Einführung und Governance mitgestaltet.
Freiberuflicher Senior Data Scientist / ML Engineer
Henze Consulting
ML Engineer
Telefónica Deutschland (O2)
Customer-Experience-Analytik
- Durchgängige ML-Pipelines für die Vorhersage des Kundenverhaltens und des NPS entwickelt und in den Produktivbetrieb überführt (Zeitreihen-Features, scikit-learn- und PyTorch-Modelle, Bereitstellung, Monitoring, Streamlit-Auswertungen für das CX-Team)
- Causal ML mit Kundenmerkmalen und SHAP-Feature-Importance eingesetzt, um tatsächliche Treiber der Zufriedenheit von bloßen Korrelationen zu unterscheiden und dem Marketing erklärbare, umsetzbare Segmente bereitzustellen
- Uplift-Modellierung und A/B-Tests genutzt, um zu entscheiden, welche Engagement-Maßnahmen welchen Kunden angeboten werden, und ihre Wirkung zu messen; der NPS blieb während des Einsatzes auf einem Rekordniveau von über 30
- Data Science als dauerhafte Kompetenz im Customer-Experience-Team etabliert; zu GenAI-Tools, LLM-Workflows und Responsible AI beraten
Data Scientist
Comsysto Reply
- Fünf Jahre eng in die Kunden- und Marketinganalytik von Telefónica Deutschland eingebunden: Datensätze mit mehreren Millionen Kunden analysiert (SQL, Statistik, SHAP auf Dataiku) und NPS-Vorhersage- und Treibermodelle entwickelt, um zu erkennen, was Zufriedenheit und Unzufriedenheit beeinflusst
- Die Ergebnisse veränderten die Outbound-Strategie: Kaltakquise um ein Drittel reduziert, während der NPS um +10 Punkte auf einen Rekordwert von 31 stieg
- Uplift-Modellierung und A/B-Tests genutzt, um zu entscheiden, welche Kunden wann und mit welcher Maßnahme kontaktiert werden; Auswertung nach jeder Kampagnenwelle
- Erste Pilotprojekte mit Transformer- und GPT-Modellen (PyTorch) gemeinsam mit der Geschäftsleitung und dem CTO durchgeführt, darunter eine strategische Zusammenarbeit mit Anthropic
- Ein globales Team von KI-Ingenieuren geleitet (Computer Vision mit Vision Transformers); Workshops zu Responsible AI und Generative AI für bayerische Staatsministerien durchgeführt; das Predictive Analytics Meetup Munich gegründet (500+ Mitglieder)
Werkstudent im Software Engineering
Brainlab AG
Tools zur Datenvalidierung für Software für Patientendaten
Wissenschaftlicher Mitarbeiter
LMU Munich, Center for Information and Language Processing (CIS)
Python-Tools zur Analyse historischer Texte
Branchenerfahrung
Sieh, in welchen Branchen dieser Freelancer den Großteil seiner beruflichen Laufbahn verbracht hat.
Erfahren in Telekommunikation, Informationstechnologie (IT), Regierung und öffentliche Verwaltung, Bank- und Finanzwesen, Gesundheitswesen und Bildung.
Erfahrung nach Fachbereich
Zeigt, in welchen Abteilungen und Funktionen dieser Freelancer am meisten mitgewirkt hat.
Erfahren in Informationstechnologie (IT), Business Intelligence, Marketing, Kundendienst, Qualitätssicherung und Produktentwicklung.
Häufig gestellte Fragen
Du hast Fragen? Hier findest du mehr.
Azada ist in München, Deutschland ansässig.
Azada spricht folgende Sprachen: Deutsch (Verhandlungssicher), Englisch (Verhandlungssicher), Russisch (Verhandlungssicher), Aserbaidschanisch (Grundkenntnisse).
Azada hat mindestens 9 Jahre Erfahrung. In dieser Zeit hat Azada in mindestens 7 verschiedenen Rollen und für 6 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 1 Jahr und 3 Monate. Beachten Sie, dass Azada möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.
Basierend auf der jüngsten Erfahrung wäre Azada gut geeignet für Rollen wie: Data Engineer, KI-Berater, Freiberuflicher Senior Data Scientist / ML Engineer.
Die neueste Position von Azada ist Data Engineer.
In den letzten Jahren hat Azada für Freiberuflich, Henze Consulting, Telefónica Deutschland (O2) und Comsysto Reply gearbeitet.
Azada hat die meiste Erfahrung in Industrien wie Telekommunikation, Informationstechnologie (IT) und Regierung und öffentliche Verwaltung. Azada hat auch etwas Erfahrung in Bank- und Finanzwesen, Gesundheitswesen und Bildung.
Azada hat die meiste Erfahrung in Bereichen wie Informationstechnologie (IT), Business Intelligence und Marketing. Azada hat auch etwas Erfahrung in Kundendienst, Qualitätssicherung und Produktentwicklung.
Azada hat kürzlich in Industrien wie Telekommunikation, Informationstechnologie (IT) und Regierung und öffentliche Verwaltung gearbeitet.
Azada hat kürzlich in Bereichen wie Informationstechnologie (IT), Business Intelligence und Marketing gearbeitet.
Azada besuchte Azerbaijan University of Languages für Englische Linguistik.
Azada hat 1 Zertifikat: AI Governance Professional (AIGP).
Azada wird ab November 2026 vollzeit verfügbar sein.
Tagessatzverteilung
Die angegebenen Tagessätze entsprechen der typischen Marktspanne für Freelancer in dieser Position, basierend auf aktuellen Projekten auf unserer Plattform.
Durchschnittlicher Tagessatz für ähnliche Positionen
Die Tagessätze basieren auf aktuellen Projekten und enthalten keine FRATCH-Marge.
Der durchschnittliche Tagessatz ist der Mittelwert aller Tagessätze aus aktuellen Verträgen vergleichbarer Freelancer auf unserer Plattform.
Der Median-Tagessatz ist der mittlere Wert aller Tagessätze – die Hälfte der vergleichbaren Freelancer verlangt weniger, die andere Hälfte mehr. Anders als der Durchschnitt wird er von Ausreißern kaum beeinflusst.
Berechnet auf Basis der Tagessätze unserer Freelancer, Stand 19 Nov 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Ähnliche Freelancer
Entdecke andere Experten mit ähnlichen Qualifikationen und Erfahrungen
Philipp G.
Letzte Position:
Data Scientist & ML Engineer bei Data-Science Factory GmbH
- Aufbau, Implementierung und Vertrieb von automatisierten Data-Science-Lösungen wie Scorecard Factory und Prognose Factory
- Implementierung automatisierter End-to-End-Cloud-Prozesse
- Entwicklung von LLM- und NLP-Modellen
- Erstellung interaktiver Reports
- Betreuung nationaler und internationaler Großkonzerne sowie mittelständischer Firmen bei der Implementierung von ML-Projekten
Serge K.
Letzte Position:
Data Scientist & MLOps (Machine Learning Operations) bei REWE Digital GmbH
- Es handelt sich um ein Startup innerhalb von REWE, in dem wir ein neues Prognosesystem auf der Google Cloud Platform von Grund auf aufbauen müssen. Obwohl meine offizielle Rolle MLOps heißt, umfassen meine tatsächlichen Aufgaben auch die Entwicklung von Datenverarbeitungspipelines (Data Engineering) und Aufgaben eines Data Scientists wie Feature Engineering und Modelltraining.
- GCP: Terraform (tofu), Vertex AI (Kubeflow), Cloud Run, IAM, Google Cloud Storage, BigQuery, Artifact Registry
- Data Engineering: Snowflake als zentrales Data Warehouse, Terraform, DBT zur Implementierung von Datenmodellen
- CI/CD: GitLab. Wir haben eine CI/CD-Pipeline entwickelt, die die Bereitstellung neuer Releases bis in die Produktionsumgebung automatisiert.
- Entwicklung eines Feature Stores und Datensynchronisierung zwischen Umgebungen
- Data Science: Bewertung verschiedener Prognosemodelle, darunter CatBoost, Contextual Gamma und Random Forest; Implementierung von Trainingspipelines mit Kubeflow auf Vertex AI; Skalierung und Entwicklung einer ereignisgesteuerten Schnittstelle mit Kafka als Prognoseservice; Bewertung von MLFlow für Modellverfolgung und Modellregister
- Implementierung einer REST-API mit KeyCloak OAuth2 und OpenID (JWT)
- Monitoring: Implementierung von Dashboards mit Grafana, Prometheus, Mimir, Streamlit und Loki zur Überwachung von Prognosemetriken, GCP- und Snowflake-Kosten für Pipelines sowie Systemmetriken
- Entwicklung von Copilot Agent Skills
Katharina S.
Letzte Position:
KI-Ingenieur
- Entwickelte und implementierte durchgängige automatisierte Workflows zur Extraktion strukturierter Daten aus semi-strukturierten PDF-Dokumenten wie Rechnungen und medizinischen Berichten
- Setzte Optical Character Recognition (OCR)-Technologie und große Sprachmodelle ein, um Dokumente zu analysieren und validierte JSON-Schemata zu erstellen
- Entwickelte Strategien zur Prompt-Optimierung und regelbasierte Klassifikationshierarchien, um die Parsergenauigkeit bei unterschiedlichen Dokumentenlayouts zu verbessern
- Etablierte ein Qualitätssicherungs-Framework mit Evaluationsmetriken, um die Ergebnisse mit Ground-Truth-Datensätzen mit 96 % Genauigkeit zu validieren
Anton K.
Letzte Position:
Leiter der technischen Gesamtintegration NSC / Entwicklung von Hadoop Cloud bei IABG
Leiter der technischen Gesamtintegration NSC (National Secure Cloud, Projekt mit ca. 60 Mitarbeiter).
Technische Integration von allen Subprojekten in ein Produkt, Definition von Schnittstellen, Basiskomponenten einer Cloud inklusive Hardware, technische Architektur der Basis IABG.
Entwicklung eines Cloud Management Platforms (CMP), die in der Lage ist, Private/Mixed Cloud von beliebiger Komplexität anhand einer textuellen Beschreibung mit einem Click oder interaktiv zu erstellen.
CMP beinhaltet auch den kompletten Zyklus Hardware Management.
Als Basis wird Kubernetes, Openstack und Hadoop benutzt.
Die Managementschicht beinhaltet Harbor, Gitea, Longhorn, Keycloak, Rancher und Jenkins, die automatisch konfiguriert sind.
Privat Cloud kann beliebige Workloads von Kunden ausführen, darunter volle Hadoop Schicht mit HDFS, Spark, MapRed, Mezos, HBase und ca. 20 weiteren ML/DL Technologien.
Hadoop Worker Cluster kann auch ohne Kubernetes on Bare Metal oder Commodity Hardware automatisch installiert werden.
Openstack mit Nova, Neutron, Ironic, Swift, Cinder, Ceph.
Entwicklung einer Java Anwendung Rudi: Soap, Rest, Containers, DB.
Technologien: Kubernetes (K3s, Rke2, Minikube, Harbor, Gitea, Jenkins, Longhorn, Keycloak, Rancher), Openstack (Nova, Neutron, Keystone, Swift, Ceph, Cinder, Sahara, Magnum, Kayobe, Kolla, Bigrost, Ironic), Hadoop (HDFS, Ambari, Solr, Livy, Ranger, YARN, Tez, HBase, Kafka, Hive, Zookeeper, MapReduce, Spark, Oozie, Flink), Virtualizierung (Kubernetes (K3S), VMware, Oracle), Skripting (Ansible, Puppet, Juju, Shell, Groovy, Gradle, Maven).
Jana B.
Letzte Position:
Datenwissenschaftlerin bei masem research institute GmbH
- Betreuung von Kunden in Projekten der Datenwissenschaft und des maschinellen Lernens
- Entwerfen der Architektur für ETL-Pipelines einer KI-Plattform zur semi-automatisierten Verarbeitung sensibler Kundendaten für R+V
- Modernisieren des Techstacks mit Docker und Elasticsearch
- Einarbeiten von Kolleginnen und Kollegen in Monitoring und Reporting mit dem ELK Stack
- Entwickeln einer ML-Anwendung zur schnellen Erkennung von Rasenkrankheiten mit einem feinabgestimmten MobileNetV2 und semantischer Segmentierung für einen Golfplatzbauer
- Übernahme der Teamleitung und des Projektmanagements zur Umgestaltung eines monolithischen lokal installierten Systems in eine Webanwendung
Martin M.
Letzte Position:
Product Owner AI-Lernplattform bei B2B Tech Scale-Up
- Agiler Aufbau einer multimodalen Analyseplattform für Trainingsmaterial (Video, Audio, Dokumente) nach Scrum
- Extraktion kontextrelevanter Inhalte basierend auf Nutzerprofilen & Kompetenzdimensionen
- Personalisierte Ausspielung von Lerninhalten zur Steigerung der Vertriebsperformance
- Enge Abstimmung mit Sales-Teams & Stakeholdern zur Validierung der Features
- Einsatz von Gemini, Whisper, Python & JavaScript, Deployment auf AWS, Perl für Skripte zum Datenimport
- Integration in bestehende Tools & CRM-Systeme zur reibungslosen Einführung
- Genutzte Technologien: Python, OpenAI, Datenbanktechnologien wie PostgreSQL, CI/CD für AirFlow-DAGs, FastAPI
Experten, die kürzlich an ähnlichen Projekten gearbeitet haben
Freelancer mit praktischer Erfahrung in vergleichbaren Projekten als Data Engineer
Freelancer in der Nähe
Fachkräfte, die in oder in der Nähe von München, Deutschland arbeiten
