GDPR-Experten in München

Fachliche Gesamtverantwortung für eine programmweite Initiative zur Schaffung einer zentralen, verbindlichen Datenbasis für Geschäftskunden- Stammdaten (Ansprechpartner und Standorte) in einem IT-Service- Management-Transformationsprogramm.

• Steuerung des Epic-Portfolios von der Exploration bis zur Einführung; Priorisierung und Quartalsplanung im SAFe-Umfeld
• Fachbereiche, Architektur und IT-Delivery auf ein gemeinsames Zielbild und verbindliche Regeln zur Datenverantwortung (Data Governance) ausgerichtet
• Scope- und Grundsatzentscheidungen mit der Programmleitung vorbereitet und herbeigeführt, inklusive bewusster Descopings
• Risiko-, Abhängigkeits- und Eskalationsmanagement; Reporting an Programmleitung und PMO
• Roadmap 2027 als Grundlage für Budget- und Portfolioplanung erarbeitet

Ergebnis: klarer MVP-Scope, getroffene Grundsatzentscheidungen und eine Roadmap 2027. Das Programm lief nach der Übergabe ohne Wissensverlust weiter.

• Machine Learning, BI und Big Data für Master-Studierende unterrichtet.

Technologien: Python, Power BI, SQL, ML, SnowflakeDB, databricks, MS Fabric, MongoDB, LLM

• Konzept & IT-Implementierung von Inbound B2C Kampagnen, BPM-Prozess-Dokumentation
• Fachbereichsübergreifende Umsetzung mehrerer Whitepapers / Ratgeber
• Aufsetzen der Customer-Journey mit MS Dyn365 / CRM: Forms, Landingpages, Kampagnen
• Projektcontrolling, Prozessdokumentation, Testing und Schulung / Coaching, Analytics-Reports
• Hands-on Umsetzung & fristgerechter Launch aller Kampagnen zur digitalen Neukundengewinnung

• Steuerung von Microsoft Cloud Accelerator Factory (CAF)-Programmen für globale Unternehmenskunden. Dabei wurde sichergestellt, dass Azure-Cloud-Implementierungen an Best Practices für Sicherheit, Governance und Compliance ausgerichtet sind, einschließlich an ISO 27001 ausgerichteter Kontrollen und Cloud-Sicherheitsframeworks.
• Steuerung komplexer globaler Transformationsprogramme für Unternehmen mit starkem Fokus auf Projektumsetzung, Finanz-Governance, Budgetkontrolle, Planung, Risikomanagement und Management-Reporting. Sicherstellung der Umsetzung innerhalb von Umfang, Zeitplan und Budget.
• Leitung der Implementierung von E-Invoicing-Lösungen für Nestlé, Koordination von Finanzwesen, IT, Fachbereichen und externen Anbietern zur erfolgreichen Integration, Prüfung, Einführung und Umsetzung elektronischer Rechnungsprozesse.
• Steuerung einer Datenbankmigration von Oracle zu PostgreSQL, Koordination technischer Teams, Anwendungsverantwortlicher, Testaktivitäten, Abhängigkeiten, Risiken und Cutover-Planung für einen kontrollierten und erfolgreichen Übergang.
• Leitung funktionsübergreifender Programme in den Bereichen Finanz- und zahlungsbezogene Prozesse, Unternehmensplattformen und Systemintegrationen mit umfassendem Stakeholder-Management über Fachbereiche, IT, Anbieter und Führungskräfte hinweg.
• Umsetzung von Transformationsprogrammen in FMCG-Umgebungen, einschließlich Nestlé, mit Steuerung komplexer internationaler Stakeholder-Strukturen, Drittanbieter, Governance, RAID-Management und geschäftskritischer Abhängigkeiten.

AI-Telefonassistent-Plattform

Claude Code, Google AI Studio, Python, LLM / Voice-AI, PostgreSQL

• Konzeption und Hands-on-Entwicklung einer KI-gestützten Telefonassistenten-Plattform (Voice-AI / LLM) – von der Idee über die Architektur bis zum MVP/Produkt.
• Aufbau agentischer Workflows und vollständiger Automatisierungen mit Claude Code und Google AI Studio.
• Darüber hinaus KI-gestützte Delivery in Kundenmandaten: Claude Code für Governance-Dokumentation, Anforderungsentwürfe und Automationen.

• Berate Unternehmen bei der Integration von KI in Projekt- und Programmmanagementpraktiken und erziele messbare Produktivitätssteigerungen
• Entwickelte und implementierte einen KI-Agenten, um die Projektkommunikation, Transparenz und Qualität der Berichterstattung zu verbessern

• Projektmanagement eines Simplifizierungsprojekts zur Aufwandsreduktion für ein IT-Transformationsprojekt
• Stakeholder-Management und Erstellung von Entscheidungsvorlagen für das Top-Management
• Scoping und PI-Planning über mehrere Lieferstrecken
• Planung von Requirements für das Transformationsprojekt
• Erstellung von Partner- und Customer-Journeys zur strukturierten End-to-end-Erfassung von Requirements
• Konzeption geeigneter Tracking-Methoden für den Projektfortschritt
• Abstimmung mit IT-Dienstleistern und Transformationsprojektgremien

Themen:

• Weiterentwicklung des CRM-Systems NKAM und systemtechnische Trennung von „direct“ und „indirect“sales
• Neumodellierung des Bereichs Discountverwaltung und Auslagerung in ein anderes System.
• Konzeption zahlreicher Verbesserungen auf der Wholsale-Seite zur Reduktion des manuellen Aufwands bis zur Ebene von User Stories.

• Planung und Steuerung der Strategie sowie des Tagesgeschäfts eines funktionsübergreifenden Teams mit End-to-End-Verantwortung für Tests und Launch Readiness, wodurch frühe Produkteinführungen ermöglicht wurden.
• Steuerung eines komplexen Stakeholder-Umfelds einschließlich wöchentlicher Abstimmungen (60+ regelmäßige Teilnehmende), Kommunikation, Risikomanagement und Budget.
• Implementierung einer KI-Lösung, die den Zeitaufwand für Dokumentation und Testautomatisierung um 60 % reduzierte.
• Umstrukturierung des Teams hin zu agilen Prozessen und quartalsweisen Iterationen; Lieferung von mehr als 400 hochwertigen Features in 15 Epics gemäß Zeit- und Qualitätsvorgaben.

• Aufbau von Azure-Kubernetes-Clustern (AKS) mit Network Policies, Security Groups und RBAC
• Terraform-basierte Infrastructure-as-Code für sichere, reproduzierbare Bereitstellungen in der BMW-Azure-Cloud
• Härtung der CI/CD-Pipelines mit Jenkins, SonarQube, Fortify SSC und Contrast AST
• Integration von SAP BTP/Kyma und ServiceNow GRC

• Leitete die Modernisierung des Enterprise-Reportings durch die Migration von Legacy-SSRS-Reporting-Lösungen nach Power BI und unterstützte dabei über 500 Anwender bei voller Einhaltung von GDPR/DSGVO.
• Entwarf und optimierte Power-BI- und Microsoft-Fabric-Semantikmodelle mit Star Schema, dimensionaler Modellierung, fortgeschrittenem DAX und Performance-Optimierungstechniken und reduzierte so die Abfrage-Latenz um 25 %.
• Lieferte über 20 Executive- und operative Dashboards mit KPI-Scorecards, Drill-through, Bookmarks und Row-Level Security und steigerte die Reporting-Effizienz um 20 %.
• Ermöglichte Self-Service-Analytics durch gesteuerte Power-BI-Datasets, Dataflows und Gateway-Architektur und erhöhte die Nutzung durch fachlich gesteuerte Reports um 35 %.
• Konfigurierte für ein Sales-Dataset mit über 50 Millionen Zeilen eine inkrementelle Aktualisierung und Query Folding und reduzierte die täglichen Refresh-Zeiten um 85 %.
• Implementierte automatisierte ETL/ELT-Pipelines mit Azure Data Factory, Microsoft Fabric und Snowflake und verkürzte die Bereitstellungszeiten für Reports durch Workflow-Automatisierung um 40 %.
• Trieb Initiativen zur Modernisierung der Analytics-Landschaft mit Microsoft Fabric voran, darunter Lakehouse-Architektur, OneLake-Integration und der Aufbau einer zentralen Datenplattform, wodurch sich die Datenlatenz von 2 Stunden auf 20 Minuten reduzierte.
• Übersetzte fachliche Anforderungen von über 15 Stakeholdern in skalierbare Power-BI-Semantikmodelle und Dashboards, verbesserte die Reporting-Konsistenz und reduzierte Ad-hoc-Reporting-Anfragen um 25 %.
• Setzte Microsoft Copilot und generative KI-Tools ein, um SQL-Entwicklung, DAX-Erstellung, technische Dokumentation und Testaktivitäten zu beschleunigen, und reduzierte den Entwicklungsaufwand um etwa 15 Stunden pro Woche.

In meiner Rolle als Senior Cloud DevOps Architect bei BP, einem Öl- und Gasunternehmen, hatte ich die Aufgabe, die Plattform für das Laden von Elektrofahrzeugen der EV Division von On-Premises und Azure in die AWS-Cloud zu migrieren, was zu einer hybriden Multi-Cloud-, Multi-Tenant-SaaS-Lösung führte.

Der Einsatz von Kubernetes für die Anwendungsebene bedeutete die Bereitstellung von Kubernetes-Clusters, die von EKS und AKS verwaltet wurden, mit Fokus auf die Integration in eine Multi-Tenant-Umgebung. Diese Integration wurde durch den Einsatz von Kubernetes-Namespace und Zugriffskontrollen erreicht, um Datenisolation und Datenschutz sicherzustellen.

Auf der Datenbankebene entschieden wir uns für eine RDS-Instanz mit PostgreSQL zur Unterstützung der Backend-Infrastruktur unserer Anwendungen. Die Mandanten teilten sich dieselbe RDS-Instanz, hatten aber jeweils ein eigenes Schema.

Um nahezu in Echtzeit Daten von physischen Ladestationen (CPOs) als IoT-Geräte über das OCPI-Protokoll aufzunehmen, stießen wir bei der Batch-Verarbeitung auf erhebliche Verzögerungen. Daher entwickelten wir eine Streaming-Datenpipeline in Echtzeit mit Apache Kafka und setzten dabei auf eine eventgetriebene Architektur.

Ich leitete die Zusammenarbeit über mehrere interne Teams, externe Anbieter, Cloud-Provider und Partner vor Ort hinweg, um über fünf Systeme in eine einheitliche Lösung zu integrieren.

Erfolge:

• Erfolgreich hybride Multi-Cloud-Lösungen entworfen und umgesetzt, die mehrere Cloud-Plattformen (AWS, Azure) mit On-Premises-Infrastruktur unter Einsatz von Site-to-Site-VPNs, Firewalls und Load Balancing integrierten.
• Die Migration der On-Premises-Infrastruktur zu einer Multi-Cloud-, Multi-Tenant-Infrastruktur geleitet, was zu 30 % schnelleren Verarbeitungszeiten führte.
• Workloads aus VMware- und Hyper-V-Umgebungen auf cloudbasierte VMs migriert und dabei Cloud-native Services genutzt, um Leistung, Kosteneffizienz und Skalierbarkeit zu optimieren.
• Eine Multi-Tenant-Kubernetes-Plattform entworfen, die das Kubernetes-Ökosystem nutzt, mit Karpenter für die dynamische Bereitstellung von EC2-Nodes, KEDA für eventgesteuertes Pod-Autoscaling (z. B. Kafka-Message-Lag) und Rancher für das zentrale Monitoring mehrerer Cluster (EKS, AKS oder On-Prem K8s), als Ersatz für den Microsoft-zentrierten Azure-Arc-Management-Service.
• Python-basierte FastAPI-Microservices als Teil des EV-Core-Backends auf der AWS-EKS-Anwendungsebene entworfen und umgesetzt, die Datenaufnahme- und Kundenanalyse-Pipelines antreiben.
• Asynchrone, eventgetriebene APIs (Python-FastAPI) für die Echtzeit-Integration mit CPOs entwickelt, mit Unterstützung für OCPI 2.3 und OICP-Protokolle.
• Eine sichere, produktionsreife Azure-Databricks-Plattform mit Terraform entworfen und umgesetzt und dabei Skalierbarkeit und Kosteneffizienz sichergestellt.
• On-Premises-ERP auf eine hybride Dynamics-365-Architektur migriert, mit ERP lokal gehostet und CRM in Azure betrieben, integriert über Azure Arc.
• CI/CD-Pipelines für Databricks-Notebooks und Jobs mit GitHub Actions und Databricks CLI automatisiert, wodurch die Bereitstellungszeit reduziert wurde. Die Bereitstellungszeit für Infrastruktur durch Automatisierung der Cloud-Ressourcenbereitstellung mit GitOps um 70 % reduziert.
• Die Einhaltung interner Audit- und Data-Governance-Standards (GDPR) durch OAuth2/OIDC-basierte Authentifizierung und fein abgestufte rollenbasierte Zugriffskontrollen sichergestellt.
• Ein Zero-Trust-Sicherheitsmodell entwickelt, das Least-Privilege-Zugriffe und Mikrosegmentierung durchsetzt und die Sicherheitslage sowie die Compliance mit GDPR und NIST verbessert.
• Interaktive Analytics-Dashboards in Amazon QuickSight erstellt, die Daten aus S3 und Redshift integrieren, um Echtzeit-Business-Insights und Visualisierungen mit eingebettetem Zugriff für Multi-Tenant-Nutzer bereitzustellen.
• Cloud-Sicherheitsbewertungen und eine Sicherheitsintegration über den gesamten Lebenszyklus während M&A geleitet, einschließlich AWS, Azure, IAM (Entra ID) und Datenschutz, und dabei die Sicherheitslage mit NIST, ISO 27001 und GDPR über hybride und cloud-native Umgebungen hinweg ausgerichtet.
• Die Cloud-Kosten für eine Dev-Umgebung eines Kunden um 64 % gesenkt, indem automatisierte Start-/Stopp-Zeitpläne für EC2- und RDS-Instanzen über AWS CDK mit EventBridge Scheduler oder AWS Systems Manager implementiert wurden.

Tech-Stack:

• Infrastructure as Code: Terraform, AWS CDK, Ansible.
• Container: Kubernetes auf EKS, AKS, Docker.
• Streaming-Datenverarbeitung: Kafka zu Confluent Cloud, nach AWS MSK.
• Frontend: TypeScript, React, NextJS, Hooks, Styled Components.
• Backend: Python mit FastAPI, außerdem Node.js mit NestJS.
• Datenbank: Aurora auf PostgreSQL mit TypeORM, RDS auf SQL Server, vollständiges Setup und Administration von Azure Databricks, ETL-Pipelines.
• CI/CD und GitOps: GitHub Actions, Azure DevOps, ArgoCD.
• Monitoring und Observability: Prometheus und Grafana.
• Virtualisierung: Hyper-V, VMware Cloud on AWS, Azure Migrate.
• ERP-Systeme: Odoo, Microsoft Dynamics 365 Business Central auf Azure, integriert mit Azure Arc.
• Netzwerke: Site-to-Site-VPNs, AWS Direct Connect, Azure ExpressRoute, Firewalls (AWS Network Firewall, Azure Firewall).
• Sicherheit: IAM, NIST Framework, Zero-Trust-Sicherheit, AWS WAF, AWS Shield, GuardDuty.

GenAI – Chat- & Voicebot

Einrichtung einer GenAI-Lösung mit Wissensdatenbank sowie Chat- und Voicebots.

• Definition von Anwendungsfällen und Chat-/Voicebot-Funktionalitäten
• Projekt-Setup für Cloud, Wissensdatenbank, LLMs und RAG
• AI-Schutzmechanismen, IAM-Konzept
• Governance, Risiko & Compliance (GRC)

Ergebnis:

Einrichtung einer Enterprise-GenAI-Lösung mit Wissensdatenbank, Chat-/Voicebots, IAM und Governance.

• Governed Multi-Agent Orchestration für regulierte, EU-ansässige Unternehmen – self-hostable, EU-AI-Act- und DSGVO-konform („by design“), BYOM (eigene Modelle/GPU).
• Zwei-Gate-Governance: Agenten-Deliberation + verpflichtende menschliche Freigabe, vollständiger signierter Audit-Trail; Graduated-Autonomy-Modell („intern → autonom pro Skill“).
• Verifizierter Wissensgraph („Company Brain“) mit Quellenbeleg pro Antwort; eigenes Orchestrierungs-Framework (Virtual Team Framework).
• Branchenlösungen für Financial Services: Compliance-Monitoring, Rechnungs- und Vertragsprüfung; Hands-on-Entwicklung mit LLMs (u.a. Anthropic/Claude), agentischen Workflows, RAG.
• Aufbau der governance-orientierten Multi-Agenten-Plattform TeamIntel (siehe KI-Referenzprojekte).