Exploratory Data Analysis Experten in Deutschland

• 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

• 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.

• Berechnung von Merkmalswichtigkeiten auf Basis von Treiberanalysen
• Interpretation, Bericht und Beratung

Entwicklung von KI- und klassischen Modellen zur Analyse von Medizin- und Patientendaten, u. a. Medikationsanalysen, Diagnoseanalysen, Prognosen, Prozeduranalysen, Dosierungsanalysen, Komorbiditätsanalysen, Verordnungsanalysen, Patientenpotenzialanalysen, Überweisungsprofilanalysen, Verordnungsanalysen. Analysen im Bereich Real World Evidence.

• Aufnahme der Kundenanforderungen
• Planung des Teilprojekts
• Konzeption und Definition von KPIs
• Konzeption und Entwicklung von Modellen und Visualisierungen der Ergebnisse mittels Kundendashboards
• Erarbeitung und Umsetzung von DWH-Anpassungen
• Ableitung von Handlungsempfehlungen

Methoden, Technologien: Simulation, Künstliche Intelligenz, Python, R, SQL, Microsoft Power BI, Amazon Web Services, Elasticsearch, PostgreSQL, Databricks, multivariate Statistik

• Mit Commercial-, Vertriebs- und Medical-Affairs-Teams zusammenarbeiten, um geschäftliche Fragestellungen in strukturierte Analysen und interaktive Power BI-Dashboards zu übersetzen und so datengetriebene Entscheidungen in einem regulierten Pharma-Umfeld zu ermöglichen.
• Power BI-Dashboards entwerfen und pflegen, die Daten aus Veeva CRM, SharePoint und Databricks integrieren und Echtzeiteinblicke in Verkaufstrends, Gebietsergebnisse und kommerzielle KPIs in mehreren Märkten bieten.
• Mehrere Tabellen in Databricks mit SQL abfragen und verknüpfen, um saubere, analysefertige Datensätze zu erstellen, und Transformationsschritte wie Filtern, Aggregation und Window-Funktionen anwenden, um Daten für Berichte aufzubereiten.
• Power Automate-Flows implementieren, um Datenaktualisierungen zu automatisieren und bei Überschreiten von KPI-Schwellenwerten Benachrichtigungen auszulösen, wodurch die Aktualität und Zuverlässigkeit der Commercial Analytics-Berichterstattung verbessert wird.

• Interaktive SAP Analytics Cloud (SAC)-Dashboards und Reports für Finance, Supply Chain, Logistik, Beschaffung, HR und Produktion konzipiert und entwickelt, mit KPIs wie Profit & Loss, Bilanz, Fixkosten, Headcount, Personalkosten, Lageranalyse, OTIF, Produktionsvolumen, BOM, Spend und Compliance to Schedule.
• End-to-End-ABAP-CDS-Datenmodelle (Basic, Composite und Consumption Views) mit dem VDM-Ansatz aufgebaut und optimiert, wobei Daten aus wichtigen SAP-S/4HANA-Tabellen integriert wurden. Fundierte Kenntnisse in ABAP CDS, SQL und SAP-Datenmodellierung.
• Mit funktionsübergreifenden Teams zusammengearbeitet, um die KPI-Logik zu definieren, standardisierte User-Story-Vorlagen zu erstellen, BI-Anfragen über JIRA zu lösen, die Reporting-Performance zu verbessern und skalierbare, sichere und geschäftsorientierte Analytics-Lösungen zu liefern, die die Entscheidungsfindung und operative Effizienz verbessert haben.
• Fachbereiche in verschiedenen Ländern im Umgang mit SAP Analytics Cloud (SAC)-Dashboards geschult und umfassende Schulungsunterlagen erstellt, um die Nutzerakzeptanz zu fördern und Self-Service Analytics zu ermöglichen.

• Unterstützung bei der Entwicklung von Systemanforderungen und Spezifikationen, um sicherzustellen, dass die Anforderungen testbar sind und die Anforderungen gemäß 21 CFR Part 11 erfüllt werden
• Coaching von Implementierungsteams bei der korrekten Erstellung und Durchführung von Validierungsdokumenten
• Bewertung geplanter Änderungen an validierten Computersystemen und Empfehlung des erforderlichen Umfangs der Validierungsaktivitäten
• Koordination von Audits zu internen Aktivitäten, Protokollen und Verfahren der Computergestützten Systemvalidierung sowie Erstellung von Antworten
• Identifizierung und Qualifizierung aller Computersysteme, die cGMP-Abläufe beeinflussen, anhand einer risikobasierten Methodik
• Entwicklung von Plänen zur Computergestützten Systemvalidierung gemäß CFR Part 11, Qualifizierungstestprotokollen, Rückverfolgbarkeitsmatrizen, Berichten, IQ/OQ-Protokollen und aller im Validierungsplan vorgesehenen Ergebnisse
• Entwicklung und Pflege von Testplänen, Testszenarien und Benutzerakzeptanztests sowie Steuerung ihrer Durchführung
• Tätigkeit als CSV-Leitung für alle Validierungsprojekte sowie Durchführung oder Überwachung von Validierungsplänen und -dokumenten
• Durchführung von Projektmanagementaktivitäten für den CSV-Prozess im Rahmen von Systemprojekten
• Zusammenarbeit mit dem Projektmanager, um Validierungsaktivitäten in die Implementierungszeitpläne aufzunehmen
• Verwaltung interner CSV-Ressourcen zur Unterstützung des Abschlusses von Qualifizierungsaktivitäten
• Sicherstellung der Initiierung, Erstellung und des Abschlusses aller CSV-bezogenen Abweichungen, Unstimmigkeiten und Änderungskontrolldokumente
• Enge Zusammenarbeit mit dem Validierungsmanager und QA Compliance, um eine angemessene Validierung von cGMP-Computersystemen sicherzustellen
• Durchführung oder Unterstützung von Schulungen zu Validierung und 21 CFR Part 11

• Datenextrakte aus Oracle-Datenbanken konfiguriert und automatisiert, wodurch in einem kritischen Migrationsprojekt eine Datenqualität von 100 % erreicht wurde, manuelle Fehler deutlich reduziert und der Migrationszeitplan beschleunigt wurde.

• Schnittstellen mit Order Management Systems (OMS) entworfen und implementiert, was einen reibungslosen und automatisierten Datenaustausch ermöglichte und die operative Effizienz durch schnellere, fehlerfreie Auftragsverarbeitung über Geschäftseinheiten hinweg verbesserte.

• Datenextraktions-Workflows entwickelt und eingeführt, um regulatorische Anforderungen und Kundenreporting zu unterstützen, wodurch die fristgerechte Lieferung wichtiger Reports sichergestellt, manueller Aufwand reduziert und die Kundenzufriedenheit erhöht wurde.

• Analyse großer Kraftwerksdaten zur Entwicklung und Optimierung von wichtigen Leistungskennzahlen (KPIs) zur Überwachung der Flottenleistung.
• Entwurf und Entwicklung interaktiver Power BI-Dashboards zur Echtzeiteinsicht in zentrale Geschäftskennzahlen, was die Entscheidungsprozesse in den Abteilungen verbessert.
• Zusammenarbeit mit Vor-Ort-Ingenieuren und dem Asset Management, um Leistungskennzahlen über mehrere Länder hinweg zu harmonisieren.
• Unterstützung von Digitalisierungsinitiativen durch Umsetzung datenbasierter Anwendungsfälle mit agilen Projektmanagementmethoden.
• Nutzung von OSIsoft PI-Systemen für Zeitreihenanalyse und Visualisierung zur Verbesserung der betrieblichen Einblicke.

• Lead Product Owner für 4 Entwicklungsteams
• Leitung und Koordination eines Greenfield-Projekts mit paralleler Implementierung der Kernkomponenten durch unabhängige Teams; Management von Abhängigkeiten und Ressourcen
• Etablierung eines Data-Lakehouse-Ansatzes inklusive Analyse des Mengengerüsts und zukünftiger Anforderungen im Rahmen einer Cloud-Migration (Best-of-Breed-Ansatz)
• Verantwortung für die Anforderungsanalyse, Auswahl und Pilotierung eines LIMS/ELN-Systems, unterstützt durch Beratung der Entscheidungsträger und Management der externen Dienstleister
• Einführung und Management eines OpenWeb UI- und Azure Open AI-basierten RAG-Systems zur Unterstützung der Wissensgewinnung und datengetriebenen Analysen
• Einrichtung, Konfiguration und Management von Jira-Projekten sowie Entwicklung projektbezogener Workflows und Automatisierungen
• Implementierung klassischer Scrum-Prozesse mit allen Zeremonien und Übernahme der Scrum-Master-Rolle für alle beteiligten Teams
• Unterstützung bei der Personalauswahl durch Interviews und Assessments aus der Perspektive eines Product Owners
• Entscheidungsfindung in zentralen Architekturfragen, darunter die Auswahl der Plattform für das Data-Lakehouse (Databricks) und die strategische Integration von LIMS und Analyseplattformen

• Daten sammeln, bereinigen und vorverarbeiten.
• Explorative Datenanalyse durchführen, um Muster und Erkenntnisse zu gewinnen.
• Statistische Modelle und Machine-Learning-Algorithmen entwickeln und bewerten.
• Daten und Ergebnisse mit Tools wie Matplotlib, Seaborn, Power BI oder Tableau visualisieren.
• Mit funktionsübergreifenden Teams zusammenarbeiten, um Datenanforderungen und KPIs festzulegen.
• Modelle mit Frameworks wie TensorFlow, PyTorch und Scikit-learn entwickeln.
• Datenschutz- und Sicherheitsvorschriften einhalten.

• Entwickelte eine auf GPT basierende Pipeline für synthetische Daten, die die Beschaffungskosten und Durchlaufzeiten um mehr als die Hälfte reduzierte.
• Modellierte Nutzerverhalten in unterrepräsentierten Gruppen mithilfe von Prompt-Workflows und statistischer Validierung.
• Bewertete die Realitätsnähe der Daten durch Cluster-, Regressions- und Divergenzanalyse.
• Lieferte reproduzierbare Python-Workflows zur Automatisierung von Experimenten in einem agilen Umfeld.
• Übersetzte analytische Ergebnisse in klare Erkenntnisse für Content- und Strategie-Teams.
• Technologien und Fähigkeiten: Python, generative KI, GPT, maschinelles Lernen, explorative Datenanalyse, agile Methoden, GitHub, Cloud-Computing, Halluzinationsanalyse.

• Expertenberatung durch Analyse klinischer und Marktdaten für über 20 Fälle, was datengetriebene Entscheidungen im Pipeline-Management ermöglichte, um F&E-Prioritäten zu optimieren und Projektzeitpläne zu beschleunigen.
• Beratung zu Erstattungswegen und Preisgestaltung für wichtige Medikamente, wobei klinische Daten auf die Erwartungen der Kostenträger abgestimmt wurden.

• Entwicklung eines KI-basierten Systems zur Korrosionserkennung für maritime Infrastrukturen im Rahmen des CHAI-Forschungsprojekts.
• Aufbau eines binären Bildklassifikationsmodells zur Korrosionserkennung anhand eines Datensatzes mit über 5.000 Metalloberflächenbildern.
• Automatisierte Datenbeschriftung anhand von Segmentierungsmasken und Entwurf von Workflows zur Erstellung von Bounding Boxes für einzelne Korrosionsstellen.
• Durchführung von Datenvorverarbeitung, Datenaugmentation und Modellevaluation (Genauigkeit, Präzision, Recall, F1-Score).
• Zusammenarbeit mit dem Forschungsteam zur Integration von Computer-Vision-Workflows für Korrosionsüberwachung und Datensatzverbesserung.