Data-Science-Berater in Deutschland

• Entwickelte und implementierte Erweiterungen in SAP BW on HANA 7.5 im Rahmen von CRM-Migration sowie S/4HANA- und BW/4HANA-Transformationsprogrammen
• Migrierte SAPI-Datenquellen auf das ODP-Framework als Teil der S/4HANA-Migration
• Lieferte SAP-ECC-Daten über BW-Datenmodelle und Calculation Views für Power-BI-Analysen in Snowflake
• Integrierte SAP- und Non-SAP-Datenquellen (inklusive MS Dynamics)
• Verbesserte die Transparenz im Reporting durch konsolidierte Datenmodelle
• Optimierte Datenladeprozesse für FI-CO-Datenquellen und verbesserte dadurch Ladezeiten und Systemperformance deutlich

Konzeption und Entwicklung einer Azure-basierten KI- und Datenplattform, die verteilte Projektdokumente in durchsuchbares, strukturiertes Wissen für einen Enterprise-KI-Assistenten überführt. Kombination aus inkrementeller Dokumentverarbeitung, hybrider Keyword-/Vektorsuche, Wissensgraph-Extraktion und konversationeller KI für Microsoft Teams und Microsoft 365 Copilot. Implementierung von Python-Pipelines zur Verarbeitung von PDF-, Word-, Outlook- und Textdateien; Lifecycle-Management für Azure Cosmos DB; Azure AI Search; Azure AI Foundry und Azure OpenAI; identitätsbewusste Suche mit Microsoft Entra ID; Projektberechtigungen; eines TypeScript-Agenten mit Microsoft Agents SDK; Pulumi-Infrastruktur; robustem Scheduling sowie Werkzeugen für Wiederholungen und Diagnosen. Technologie-Stack: Python, TypeScript, FastAPI, Pydantic, Azure AI Foundry, Azure OpenAI, Azure AI Search, Azure Cosmos DB, Blob/Table Storage, Container Apps/Jobs, Service Bus, Key Vault, Entra ID, Docker, Pulumi, pytest, Microsoft Teams und Microsoft 365 Copilot.

• Nutzung von OpenCode und AI-gestützter Softwareentwicklung zur Konzeption, Implementierung, Überarbeitung, Prüfung und Dokumentation einer durchgängigen RAW/SDTM/ADaM-Pipeline in R für Dr. Falk Pharma (07/2026), einschließlich metadatenbasierter Transformationen, automatisierter Validierungsregeln und QC, Rückverfolgbarkeit sowie reproduzierbarer klinischer Outputs.

• Unterrichtete Python, Pandas, Datenanalyse, Visualisierung und Power BI für mehr als 250 Studierende.
• Begleitete praktische Projekte von der Datenaufbereitung und explorativen Analyse bis zur Visualisierung und Dashboard-Erstellung.
• Erklärte komplexe analytische Konzepte verständlich für Zielgruppen mit unterschiedlichen technischen Kenntnissen.

• Konzipierung unternehmensweiter AI-Strategien und Strukturierung die zugehörigen Workshop-Formate für Fach- und Führungsebene als gemeinsame Entscheidungsgrundlage für AI-Investitionen
• Regulatorische Anforderungen des EU AI Act in AI-Governance-Frameworks mit klar definierten Rollen-, Gremien- und Entscheidungsstrukturen
• Etablierung zwei interne Beratungsofferings – eines zur Priorisierung von AI-Use-Cases, eines zur Verzahnung von Data- und AI-Governance –, die heute festen Bestandteil des Beratungsportfolios bilden
• Business-Value für AI-Initiativen und Investitionsentscheidungen anhand nachvollziehbarer Kriterien

• Beratung zur Architektur der Databricks Lakehouse Platform
• Migration bestehender Datenservices für die Fertigung auf Databricks. Bestehende Services laufen auf verschiedenen Plattformen und Tools und werden auf der Zielplattform zusammengeführt
• Umsetzung neuer Data- & KI-Use-Cases auf der Databricks-Plattform (z. B. Anbindung neuer Systeme, Entwicklung von Prototypen für KI-Agents, …)

Tech Stack: Databricks, Azure, PySpark, Python

• Analyse von ERP-, Shop- und Marketingdaten mit SQL und GA4
• Aufbau von GA4/GTM-Tracking sowie Steuerung und Optimierung von Google Ads und Microsoft Advertising

Tools: SQL, Shopware, Magento, WooCommerce, GA4, GTM, Google Ads, Brevo

• Entwicklung einer API zur Aufnahme, Bereinigung, Übersetzung und Indexierung von EU-Ausschreibungsdokumenten in Neo4j, die eine hybride Suche mit RAG- und Cypher-Abfragen über ein Streamlit-Dashboard ermöglicht
• Bereitstellung der API auf AWS Lightsail Container Services mit CI/CD-Automatisierung über GitHub Actions und Sicherstellung der Stabilität durch pytest-Unit- und Integrationstests
• Konzeption und Entwicklung eines umfassenden Online-Kurses zur Datenanalyse mit ChatGPT für Fachkräfte und Lernende, einschließlich Lehrvideos und interaktiver Jupyter-Notebooks
• Einsatz von OBS und professioneller Audioausrüstung zur Sicherstellung hochwertiger Video- und Audioinhalte
• Leitung eines Projekts zur Normalisierung und Bereinigung von CRM-Daten, visualisiert durch ein Sankey-Diagramm zur Unterstützung des Kundenverständnisses und der Pipeline-Entwicklung
• Umsetzung und Validierung einer von genAI unterstützten Web-Crawling-Strategie auf AWS zur Sicherstellung von Datenqualität und Skalierbarkeit sowie zur Anreicherung von CRM-Daten

Als Projektleiter für die Odoo-Implementierung bei einem kleinen Unternehmen war ich verantwortlich für die Konzeption, Umsetzung und Schulung eines vollständig integrierten CRM- und Buchhaltungssystems. Durch eine strukturierte Anforderungsanalyse, präzise Datenmigration und gezieltes Change-Management konnte ich die Einführung in nur acht Wochen realisieren. Das Projekt führte zu einer deutlichen Reduktion manueller Tätigkeiten, schnelleren Geschäftsprozessen und erhöhter Transparenz in Echtzeit.

Hauptaufgaben

Anforderungsanalyse und Prozess-Mapping Konfiguration der Odoo-Module CRM, Sales und Accounting Datenmigration (Excel/CSV → Odoo) und Qualitätskontrolle Erstellung von Workflows, automatisierten E-Mail-Regeln und Dashboards Durchführung von Trainings und Support nach Go-Live Projektkoordination (Budget, Zeitplan, Stakeholder-Kommunikation)

Wichtigste Erfolge

Volle Implementierung der Odoo-Suite innerhalb des vorgegebenen Zeitrahmens (8 Wochen) 30 % Reduktion der Buchhaltungszeit und 25 % Beschleunigung des Lead-Zu-Verkauf-Flows 100 % Kundenzufriedenheit nach dem Go-Live, basierend auf Umfrageergebnissen Erfolgreiche Migration von 100 % der bestehenden Stammdaten ohne Datenverlust Aufbau einer nachhaltigen Support-Infrastruktur (3-Monats-After-Go-Live-Support)

Auswirkungen

Verbesserte Entscheidungsfindung durch Echtzeit-Dashboards und automatisierte Berichte Erhöhte Effizienz und Kostenersparnis (≈ € 8 000/Monat) Skalierbarkeit für zukünftiges Wachstum (zusätzliche Module können nahtlos integriert werden) Stärkung der Vertriebs- und Finanzabteilungen durch nahtlose Prozessintegration Diese Zusammenfassung verdeutlicht, wie ich durch strukturierte Projektarbeit, technische Expertise und gezielte Schulung konkrete und messbare Mehrwerte für das Unternehmen geschaffen habe.

• Konzeption und Implementierung von KI-Agenten in der AWS-Cloud
• Kontinuierliche Abstimmung mit Stakeholdern
• Zusammenarbeit mit DevOps
• Technologien: Git, CI/CD (GitHub Actions), Python/ML, Streamlit, Deno/TypeScript, AWS SAM, AWS Bedrock, AWS Lambda, AWS DynamoDB, AWS S3, AWS EventBridge usw.

• Vernetzung der Bereiche Systemarchitektur, Business-Analyse, Anforderungsanalyse und Prozessberatung
• Steuerung der Bedürfnisse der Fachbereiche in Richtung IT und Umsetzung
• Aufnahme der Anforderungen mittels JIRA und Herunterbrechen in EPICs
• Betreuung interner Projekte und Programme inklusive Stakeholdermanagement und Reporting
• Anforderungen von klassischen IT-Entwicklungen bis zu IoT-Anbindungen und SAP-Teil-System-Ablösungen
• Umsetzung aktueller rechtlicher Themen (MAKO, EnWG, EEG, GWG, StromGVV, GasGVV, StromNEV, GasNEV)
• Einsatz agiler Methoden (Agile, SAFe, ITIL, Scrum, Kanban, DDD, IaC, CI/CD, DevOps, Automatisierung, ETL, OOA, OOD, MDA, BPMN, BPM, UML, Marketing-Automatisierung, Datenwissenschaft, ML, KI/AI, Generative KI, LLMs)
• Nutzung von Tools wie JIRA, SharePoint, MS Office, MS Project, MS Dyn CRM, VMware ESX/ESXi, BSI-Grundschutz, BSI-C5, NIST, MS Azure, Typo3, MailAutomation, Docker, Kubernetes, OpenStack, OpenShift, Terraform, Ansible, SQL, REST, SOAP, Git, GitLab, LoraWan, SAP IS-U, S4/Hana, USU, KUGU, AbSys, Sensoren, MQTT

• Entwicklung und Bereitstellung GDPR-konformer Datenpipelines.
• Entwicklung von Machine-Learning-Algorithmen für After-Sales-Analysen zur Verbesserung der Erkennung von Reparaturen.
• Aufbau einer cloudbasierten Data-Lake-Architektur zur Unterstützung der funktionsübergreifenden digitalen Transformation.

• Ich habe als Schnittstelle zwischen Business und Engineering für Großkunden aus dem Finanzbereich gearbeitet und Data Products sowie Cloud-Pipelines in Python, SQL Server, SAP Datasphere und Tagetik entworfen.
• Ich habe einen universellen Python/FastAPI-Connector entwickelt und als Container bereitgestellt, der SAP S/4HANA und weitere SQL-/NoSQL-Quellen mit Tagetik synchronisiert. Eingesetzt in Google Cloud Run und Microsoft Azure, verringerte er die kritische 90-minütige Datenladezeit auf etwa 80 Sekunden (65× schneller).
• Ich habe ein Medallion-Layer Data Warehouse auf SQL Server entworfen, das rund 500 GB/Tag aus 11 ERP-Systemen einliest. Die täglichen Aktualisierungen laufen automatisiert (Vollständige Ladung in unter 6 Minuten) und entlasten 20–30 Finanzmitarbeitende um Tage manueller Datenkonsolidierung.
• Ich habe funktionsübergreifende Workshops geleitet, um die Enterprise EPM-Zielarchitektur für einen führenden Telekom-Anbieter in Südostasien (CAPEX, OPEX, Umsatz) zu entwerfen. Dabei habe ich Anforderungen in Datenmodell-Spezifikationen und Integrationsblueprints übersetzt, die das Implementationsteam des Kunden jetzt umsetzt.
• Ich habe Projekte wie ein konsolidiertes Data & Reporting Warehouse für einen globalen Hersteller (über 10.000 Mitarbeitende), NFI-Reporting für eine internationale Management- und Technologieberatung und CAPEX-/OPEX-Planung für einen Telekom-Konzern in Südostasien (über 20.000 Mitarbeitende) umgesetzt.

• Technologien: GoLang, JavaScript, TypeScript, AWS, Terraform, Git
• Konzeption der AWS-Infrastruktur und vorhandener Dienste
• Analyse der IAM-Konten und -Rollen
• Einrichtung von Cost Explorer und CloudWatch-Monitoring
• Einrichtung der Persistenz gesammelter Daten in DynamoDB und S3
• Reporting und Kostenberechnung
• Konzeption der Terraform-Bereitstellung