Data Science Experten in Berlin

• Mentor eines Teams aus 6 ML-Platform-Engineers durch wöchentliche 1:1s, technische Design-Reviews und Best Practices; Verbesserung der Team-Produktivität um 35% durch strukturierte Sprint-Planung und Programme zur Skill-Entwicklung
• Definition der ML-Plattform-Roadmap 2025–2026 in Zusammenarbeit mit Data Science, Cloud Engineering und Product Teams; Priorisierung von automatisierter Model Governance, Cost-Attribution-Systemen und Multi-Environment-Deployment-Strategien
• Zusammenarbeit mit Stakeholdern aus Data Science, SRE und Product, um die Fähigkeiten der ML-Plattform mit den Geschäftszielen abzustimmen; Reduktion der Deployment-Hürden für Data Scientists um 60% durch Self-Service-Plattformen
• Architektur und Lieferung einer produktionsreifen MLOps-Plattform für 50+ Modelle in Produktion mit automatisierten Promotion-Pipelines, Versionierung und Rollback-Funktionen; Erreichung eines SLA von 99,5% Plattform-Uptime
• Design einer verteilten ML-Pipeline-Architektur mit Metaflow und Argo Workflows (Vertex Pipelines-kompatibel); Verkürzung der Modell-Trainingszeit um 30% und der Deployment-Zyklen von 2 Wochen auf 3 Tage durch vollständige CI/CD-Automatisierung
• Aufbau containerisierter ML-Services auf Kubernetes mit Auto-Scaling-Policies, Resource Quotas und Multi-Tenancy-Isolation; Optimierung der Infrastrukturkosten um 180K $ pro Jahr (25% Reduktion)
• Implementierung von Monitoring, Alerting und Performance-Tracking mit Prometheus, Grafana und Custom Instrumentation; Reduktion der Debugging-Zeit für Modelle um 50% und Einführung von SLOs für die Modell-Performance
• Leitung der Entwicklung einer RAG-basierten Document-Intelligence-Plattform mit LangChain, LangGraph und Vektor-Datenbanken; Implementierung von Agentic-AI-Workflows für die automatisierte Verarbeitung von Finanzdokumenten
• Implementierung von Infrastructure-as-Code mit Terraform für reproduzierbare Umgebungseinrichtung und GitOps-Workflows; Reduktion von Infrastruktur-Drift-Vorfällen um 80%
• Design von rollenbasiertem Zugriff für die ML-Plattform, Implementierung von Model-Lineage-Tracking und Aufbau von Audit Trails für regulatorische Compliance nach Enterprise-IAM-Best Practices

• Fractional Leadership; Beratung von Startups und Scale-ups in der Wachstumsphase zu Datenstrategie, ML-Produkten und Plattform-Grundlagen
• Aufbau von Entscheidungssystemen für Growth, Personalisierung und Produktexperimente in E-Commerce, Digital Health, Energie und Logistik
• Erforschung von Agentic AI und LLM-basierten Tools für produktionsreife Muster

• Entwickelte und implementierte ein hybrides Empfehlungssystem (Content-Based + Collaborative Filtering)
• Baute End-to-End-ML-Pipelines inklusive Datenverarbeitung, Feature Engineering, Modelltraining und Bewertung
• Entwickelte RAG-basierte LLM-Systeme mit LangChain und Vektordatenbanken für semantische Suche und Wissensabruf
• Etablierte MLOps-Workflows mit MLflow für Experiment-Tracking, Versionierung und Deployment-Bereitschaft
• Implementierte Deep-Learning-Modelle (Computer Vision & Klassifikation) mit PyTorch und TensorFlow

• KI- und Data-Science-Lösungen geliefert, darunter LLM-basierte Chatbots und Datenpipelines, wodurch die operative Effizienz verbessert wurde.
• An Produktfunktionen mitgearbeitet, messbare Wirkung erzielt und starke Kundenbeziehungen gepflegt.

• Teams, Unternehmen und Einzelpersonen dabei unterstützen, hervorragende Produktmanager zu werden
• Die richtige Organisation aufbauen, um Kunden- und Unternehmenswert zu schaffen

• Aufbau eines bereichsübergreifenden Product-Teams zur Entwicklung einer SuperApp
• Beratung und Mentoring, um das Team zu unterstützen und Impulse zu geben (fachlich & Soft Skills)

• Entwicklung von Krypto-Quant-Strategien, automatisierte Handelsausführung, On-Chain-Daten-Client (Ethereum / Solana)
• Entwicklung von Daten- und Handelsarchitektur für Liquiditätsbereitstellung

• Versicherungsdienstleister*

Herausforderung: Geschäftskritische Dokumente liefen über externe OCR-Dienstleister mit laufenden Kosten, Abhängigkeit und Datenschutzrisiken bei sensiblen Versicherungsdaten.

Umsetzung:

• Architektur und produktive Umsetzung einer On-Premise-OCR-Lösung mit vollständiger Datenhoheit
• Verfahren zur Erkennung von Dokumentstrukturen als Basis der automatisierten Weiterverarbeitung
• ML-, NLP- und LLM/VLM-basierte Informationsextraktion, insbesondere aus Rechnungen und Angeboten

Erfolg: Ablösung der externen Dienstleister: volle Datenhoheit, DSGVO-konforme Verarbeitung und 75 % geringere laufende OCR-Kosten p. a.

Verwendete Technologien: Python, Docker, Microservices, FastAPI, PyTorch, Torchvision, MongoDB, MySQL

• Planung und Umsetzung maßgeschneiderter Odoo-ERP-Lösungen zur Unterstützung und Optimierung unternehmensspezifischer Geschäftsprozesse
• Konfiguration und Anpassung von Odoo-Modulen gemäß den individuellen Anforderungen der Kunden, einschließlich Prozessautomatisierung und Datenintegration
• Schulung und Support für Endbenutzer und Administratoren, um die vollständige Nutzung der Odoo-Funktionen sicherzustellen und Anwenderfähigkeiten zu erweitern
• Bereitstellung kontinuierlicher Unterstützung nach der Implementierung, inklusive Fehlerbehebung, Wartung und Updates zur Anpassung an neue Geschäftsanforderungen
• Datenmigration und Integration externer Anwendungen in Odoo-Umgebungen für eine reibungslose, einheitliche Datenlandschaft
• Analyse und Verbesserung bestehender Odoo-Systeme, um die Effizienz zu steigern und die Benutzererfahrung zu optimieren

• Fortführung seit 10/2023, Angebot meiner Data-Science-Entwicklungsfähigkeiten in Vollzeit für internationale Kunden

• Unterstützung von Unternehmen dabei, mehr über ihre vorhandenen (unstrukturierten) Daten zu erfahren, Prozesse und technische Systeme zu optimieren und Lösungen für ihre Probleme abzuleiten

• Genutzte Tools und Technologien: Python (sklearn, pandas, numpy, Django, SQLAlchemy, PyTorch), Matlab, Docker, AWS EC2, Lambda, S3, SQL, MySQL, Hadoop & Spark, Machine Learning, DNN, KI, Jira, Confluence, Git, CI/CD, GitLab, Jenkins

• Aufbau eines Full-Stack-E-Commerce-Produkts mit KI-unterstützter Entwicklung, bewusst zurück zur praktischen Entwicklung, um zu prüfen, wie KI Softwareentwicklungsabläufe und Teamdynamiken verändert.
• Erkundung von Positionen als VP Technology, Head of Engineering und Director of Engineering, in denen praktische KI-Erfahrung auf Expertise bei der Skalierung von Organisationen trifft.
• Offen für Beratungsgespräche zu KI-gestützten Engineering-Teams, Technologiestrategie, Plattformarchitektur und Organisationsdesign.
• Keine eingetragene Firma. Keine kommerzielle Tätigkeit.

• Verantwortung für das bereichsübergreifende Requirements Management in der Zusammenarbeit mit Fachbereichen, IT und externen Dienstleistern
• Aufnahme, Strukturierung, Konsolidierung und Priorisierung fachlicher Anforderungen aus verschiedenen Unternehmensbereichen
• Modellierung und Dokumentation fachlicher Prozesse nach BPMN als Grundlage für Transparenz und Weiterentwicklung bestehender Lösungen
• Untersuchung bestehender Geschäftsprozesse und Identifikation von Optimierungspotenzialen
• Präzisierung fachlicher Anforderungen im Hinblick auf Umsetzbarkeit, Wirtschaftlichkeit und Auswirkungen auf angrenzende Prozesse
• Moderation fachlicher Abstimmungen mit relevanten Stakeholdern zur Konkretisierung von Anforderungen und Entscheidungsfindung
• Erstellung umsetzungsreifer fachlicher Konzepte für die IT-Entwicklung
• Begleitung von Umsetzung, Testing und Rollout neuer oder angepasster Lösungen
• Unterstützung bei der Standardisierung von Anforderungen und Prozessen zur Schaffung einer belastbaren Entscheidungsgrundlage

• Leitete fünf funktionsübergreifende Teams (Produkt, Technik, Daten, Betrieb und Design) im Transportbereich, einschließlich Carrier-Integration, Sendungsverfolgung, PUDO, Abrechnung und Automatisierung.
• Definierte und führte die End-to-End-Produkt- und Integrationsstrategie für über 15 globale Carrier in Europa und den USA ein und stellte einheitliche APIs sicher.
• Verantwortete den Carrier-Onboarding-Prozess und reduzierte die Integrationszeit um 40% durch Standardisierung, Automatisierung und verbesserte Entwickler-Tools.
• Arbeitete mit großen Plattformkunden wie Shopify und Wix zusammen, um die Bedürfnisse europäischer Händler zu analysieren und das Versand- und Fulfillment-Erlebnis zu verbessern.
• Führte die Initiative zur Automatisierung der Abrechnung ein, reduzierte Rechnungsabweichungen um 30% und beschleunigte die Rechnungsprüfung für Finanz- und Betriebsteams.
• Kooperierte mit Analytics- und Betriebsteams, um Dashboards zur Carrier-Leistung zu erstellen, die die pünktliche Lieferung und die Zufriedenheit der Händler steigerten.
• Förderte eine starke Kultur der funktionsübergreifenden Verantwortung und stellte nahtlose Zusammenarbeit zwischen Technik, Produkt und externen Carrier-Partnern sicher.

• Aufbau und Skalierung von Cloud-Infrastruktur auf GCP zur Unterstützung einer SaaS-Plattform für Industriekunden
• Entwurf und Implementierung einer datengetriebenen DevOps-Pipeline für optimierte Deployments und CI/CD-Workflows
• Zusammenarbeit mit dem Data-Science-Team am MLOps-Workflow zur Automatisierung des integrierten Retrainings