Decision Tree Experten in Deutschland

CRM- und Umsatzplattform zur Verwaltung von Abrechnungs- und Abonnement-Workflows.

• Skalierte die Zahlungsinfrastruktur über Datenprodukte, den Ausbau von Lastschriftzahlungen und die automatisierte Missbrauchsprävention. Dadurch wurden $416K jährliche operative Einsparungen ($8K/Woche) erzielt, indem redundante Gateway-Aufrufe eliminiert wurden.
• Verantwortete Backlog und Sprint-Umsetzung für autonome Pipelines zur Erkennung von Checkout-Missbrauch und entwickelte Echtzeit-Risikoleitplanken sowie Geschwindigkeitsheuristiken, die Card-Testing-Angriffe blockierten.
• Entwickelte User Stories und Datenabgleichsmechanismen für einen Enterprise-Abrechnungsmigrator. Dadurch wurden unterbrechungsfreie Übergänge von Abonnementstatus erreicht und $60K Infrastrukturkosten eingespart.
• Erweiterte die europäischen Lastschriftfunktionen (SEPA), steuerte squadübergreifende API-Abhängigkeiten und automatisierte die Fehlerbehandlung von Webhooks, um Reibungsverluste im Checkout zu vermeiden.

Statistischer Prognosealgorithmus

• Verbesserung eines statistischen probabilistischen Prognosealgorithmus für Umsätze + Evaluierung
• Migration von R/On-Premise zu Python/Snowflake
• Überführung in den Produktivbetrieb auf Snowflake in Zusammenarbeit mit Data Engineers & DevOps

Monitoring-Dashboard

• Data Engineering zur Aufbereitung & Bereitstellung notwendiger Daten/Ressourcen auf Snowflake
• Entwicklung & Bereitstellung eines Streamlit-Dashboards in Snowflake

ML-basierte probabilistische Prognosen auf Vertex AI

• Entwicklung eines ML-basierten probabilistischen Prognosealgorithmus von Grund auf
• Implementierung einer MLOps-Pipeline in Kubeflow auf Google Cloud Vertex AI

Tech Stack: Python, Snowflake/Snowpark, R, Streamlit, Gitlab/Gitlab CICD, Terraform, Google Cloud, Vertex AI (aiplatform SDK, gcloud CLI, Feature Store, Model Registry usw.), kubeflow

• 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

• Entwicklung einer Blockchain-basierten Lernplattform mit ereignisgesteuerter Architektur und Integration von RESTful APIs für personalisierte Lernpfade
• Entwicklung skalierbarer Microservices mit Java, Python und React in Kubernetes für die Echtzeitverarbeitung von Daten
• Implementierung von Smart Contracts (Solidity) für sichere Kurskäufe und die Einbindung von Mentoren
• Leitung eines KI-gestützten Matching-Systems (DecisionTreeRegressor) zur Optimierung von Lernempfehlungen

• CNN- und RNN-Architekturen mit Transfer Learning für reale Klassifikationsaufgaben entwickelt und feinabgestimmt — zentrale Deep-Learning-Fähigkeiten, die auf die multimodale LLM- und GenAI-Fahrzeugfunktionsentwicklung bei BMW übertragbar sind.
• Dropout, Batch Normalization und Early Stopping in verschiedenen Deep-Learning-Experimenten implementiert; streng mit Precision, Recall, F1-Score und Confusion Matrices bewertet für Zuverlässigkeit auf Produktionsniveau.
• Ein KI-gestütztes Anwesenheitsverwaltungssystem mit LBPH-Gesichtserkennung entwickelt, über eine Flask-Weboberfläche bereitgestellt und mit SMS-Benachrichtigungen in Echtzeit ergänzt — ein Beispiel für eine vollständige AI-Produktlieferung für echte Nutzer.
• In funktionsübergreifenden Teams zusammengearbeitet, um skalierbare, dokumentierte ML-Pipelines für Reproduzierbarkeit zu liefern — passend zu BMWs interdisziplinärem Team- und Forschungsumfeld.
• AI-Tools direkt in den Entwicklungsworkflow integriert, vom Design bis zum Testen, und dabei eine hohe Geschwindigkeit ohne Abstriche bei der Korrektheit gehalten.

• Von Experten betreute KI-Systeme für wissenschaftliches Schlussfolgern, Modellevaluation und Forschungs-Workflows.
• Entwickelte den IAS Problem Solver, ein orchestriertes System für schwieriges mathematisches Schlussfolgern; es erreichte 84 % in einem eingereichten Antwortsatz auf dem Leipziger Mathematik-Benchmark.
• Entwickelte eine fortsetzbare State-Machine-Pipeline für die Generierung von Benchmarks in der Forschungsmathematik: Quellenauswahl, LLM-Agent-basierte Phänomenfindung, Aufgabensynthese, Gold-Antwort- und Zertifikatsgenerierung sowie Validierung, Probe, Reparatur, menschliches Feedback und Quality Gates, mit Fokus auf Aufgaben, die schwierig, natürlich, verifizierbar und kosteneffizient sind.
• Die aktuelle Arbeit erweitert dies zu budgetbewussten KI-Forschungs-Workflows für reale wissenschaftliche Probleme mit Expertenprüfung.

Tech-Stack: Python, OpenAI/OpenRouter-kompatible APIs, Embeddings, RAG, SQLite.

• Verwaltete und pflegte tägliche Verkaufs- und Transaktionsdaten und stellte deren Genauigkeit und Integrität für operative Berichte und Analysen sicher.
• Analysierte Kaufmuster von Kunden, um die Bestandsplanung zu unterstützen und die Produktverfügbarkeit zu verbessern.

• KI-gestützte Analysen & Reporting: Leitung eines 2-köpfigen BI-Teams und Einsatz prädiktiver Analysen und Automatisierung, um komplexe Geschäftsanforderungen in zukunftsorientierte Erkenntnisse, Empfehlungen und Finanzberichte zu übersetzen.
• Fortgeschrittene Datenvisualisierung: Entwicklung und Pflege von über 25 wirkungsvollen Power BI/Tableau-Dashboards zur unternehmensweiten Überwachung von KPIs und Trends, strukturiert für prädiktives und automatisiertes Reporting.
• Web Analytics & Erkenntnisse: Verantwortung für GA4-Tracking und -Analysen, wodurch durch eine tiefere Analyse der Customer Journey 15% mehr Conversion-Erkenntnisse gewonnen wurden.
• Optimierung von Datenpipelines: Zusammenarbeit mit Data Engineers bei der Neugestaltung und Automatisierung von Datenpipeline-Workflows, wodurch der manuelle Reporting-Aufwand um 20% gesenkt und gleichzeitig Datenqualität und Systemverfügbarkeit gewährleistet wurden.

• Beratung zu CRM-Prozessen und Funktionen
• KI-Infusion-Workshops zur Einführung von KI-Anwendungen für kritische Geschäftsprozesse
• Prototyping – Vibe Coding mit Lovable
• Entwicklung mehrerer Apps für das globale Bid Management im CPQ-, Salesforce- und SAP-4-Hana-Umfeld
• Anforderungs- und Prozessmanagement
• Einführung eines neuen Data-Governance-Modells
• KI-Infusion – Unterstützung der Apps und Geschäftsprozesse durch KI-Anwendungen
• Portfoliomanagement für KI-Ideen: Identifikation und Auswahl von KI-Projekten im Bid Management
• Prototyping von KI-Projekten mit Lovable.dev
• Aufbau einer KI-Datenbasis in Snowflake
• Blueprint für verschiedene Geschäftsbereiche und globaler Rollout
• Ein agiler Ansatz nach dem Prinzip „Prototyp zuerst“ mit Design Thinking und Vibe Coding zur Erstellung von Prototypen für alle Anwendungen
• Vortrag auf einer globalen Konferenz zum Einsatz von KI im Geschäftsbereich und zur Validierung von Ideen mit Design Thinking & Vibe Coding
• KI-Infusion-Workshops auf globalen Konferenzen zum Prototyping von Ideen mit den Business-Stakeholdern

• Einen 3,5-monatigen Data-Science-Kurs erfolgreich abgeschlossen und den Titel „Certified Data Scientist“ von XDi, Deutschland (AZAV-zertifiziert), erworben.
• Beschäftigung mit überwachten und unüberwachten Machine-Learning-Algorithmen.
• Beschäftigung mit Natural Language Processing unter Verwendung von Python.

• Entwicklung einer KI-Vision: Abgleich bewährter externer Ansätze mit einer Analyse von Prozessen, Schnittstellen, Stakeholdern, Datenflüssen und Output-KPIs, um ein langfristiges Zielbild für Prozessautomatisierung und KI-Unterstützung zu entwickeln
• Konzeption eines maßgeschneiderten Schulungsprogramms für Mitarbeitende, z. B. für eine Stiftung des öffentlichen Dienstes: Grundlagen der KI, Anwendungen generativer KI, Bewertung menschlicher Urteilsfähigkeit und maschineller Steuerung in gesellschaftlich sensiblen Anwendungsbereichen
• Umsetzung fortgeschrittener Weiterbildungen speziell für Produktmanager: Einsatz von KI in Innovation, Portfoliomanagement, Prozessautomatisierung und Marketing zur Förderung neuer Produkte und Dienstleistungen
• Mehrfach als Keynote-Speaker aufgetreten: KI-getriebene Transformation von Unternehmen durch kulturellen Wandel und zukunftsorientierte Führungspraktiken
• Laufender Austausch von Fachwissen und Erfahrungen mit meinem persönlichen Netzwerk führender KI-Strategen in multinationalen Unternehmen, z. B. Siemens, Mercedes-Benz, BMW, McDonald’s, Adidas, Linde, Infineon, TÜV Süd, um bewährte Ansätze aus der Praxis zu sammeln
• Zusammenarbeit mit erfahrenen Führungsnetzwerken, z. B. TEC Leadership Institute und PM1, um durch größere Reichweite über Unternehmen und Branchen hinweg mehr Wirkung zu erzielen

• Analysierte intensive longitudinale psychologische Daten und deckte latente Verhaltensmuster auf.
• Wendete hierarchische Bayes-Modelle in R/JAGS an und stellte eine robuste Parameterschätzung sowie die Modellkonvergenz sicher.
• Leitete die Datenaufbereitung und wandelte Rohdaten aus Umfragen in analysebereite Formate um.
• Unterstützte eine peer-reviewte Veröffentlichung durch die Entwicklung der Methodik und statistische Auswertung.

• Komplexe, KI-basierte Energiesystemmodelle in das Frontend-Framework integriert, was die Visualisierung von Erkenntnissen für mehr als 6 Schlüsselkunden ermöglichte und die Energienutzung maximierte.
• Energieeffizienz und Auslastung maximiert, indem der nahtlose Datenfluss zwischen KI-Modellen und der Benutzeroberfläche für schnelle, umsetzbare Berichte konzipiert wurde.

• Führt Doktorandenforschung an der Schnittstelle von Künstlicher Intelligenz, Optimierung und Operations Management durch, mit besonderem Schwerpunkt auf mathematischer Modellierung und Problemlösung.
• Unterstützt die akademische Lehre durch Mitarbeit in Mathematikkursen für Studierende im Grundstudium und fördert deren analytisches Denken und quantitative Fähigkeiten.