Technical Writing Experten in Berlin

Ich bin darauf spezialisiert, komplexe Daten aus unterschiedlichen Umgebungen durch aussagekräftiges visuelles Storytelling in echten Geschäftsnutzen zu verwandeln. Ich habe viel Erfahrung darin, umsetzbare Erkenntnisse zu gewinnen und Empfehlungen an Business-Stakeholder zu präsentieren. Meine technischen Kenntnisse in SQL, Python und führenden Datenvisualisierungstools wie Tableau und Power BI ermöglichen es mir, eine neue Generation von Self-Service-Tools und Analytics-Services bereitzustellen.

• Datenvisualisierung & Storytelling: Aussagekräftige Datenvisualisierungen und Dashboards in Tableau und Power BI erstellt, Erkenntnisse klar vermittelt und umsetzbare Empfehlungen an C-Level-Stakeholder und Führungskräfte präsentiert.
• Stakeholder-Management: Effektive Arbeitsbeziehungen zu wichtigen Business-Stakeholdern, Data Engineers und anderen Partnern aufgebaut, um gemeinsame datengetriebene Ziele zu erreichen.
• Insights & Empfehlungen: Umsetzbare Erkenntnisse aus komplexen Datenanalysen zu Funnel-Conversion, Marketing-Performance und ROI gewonnen und damit die Geschäftsleistung und Strategie direkt beeinflusst.
• Datenzusammenarbeit & Befähigung: Eng mit cross-funktionalen Teams zusammengearbeitet, um die laufenden Datenanforderungen interner Partner zu unterstützen und interne Datenprozesse sowie Workflows zu optimieren.
• BI- & Data-Expertise: Umfangreiche Erfahrung in Datenmodellierung, Datenerfassung, Data Mining und Analyse eingesetzt, um End-to-End-Analyselösungen von der Stakeholder-Analyse bis zur Produktivsetzung bereitzustellen.

KI-Plattform-Backend – Senior Developer

Engagiert, um ein Backend für eine KI-Plattform von Grund auf zu konzipieren und aufzubauen, inklusive Multi-Provider-LLM-Orchestrierung und Echtzeitinfrastruktur für KI-Influencer-Personas im großen Maßstab.

Aufgaben und Verantwortlichkeiten

• Architektur und Implementierung einer Multi-LLM-Orchestrierungsschicht mit Semantic Kernel zur Integration von GPT-4 und weiteren Anbietern für die Kernplattformlogik und KI-Influencer-Personas, Reduzierung des Modellwechsel-Overheads durch Abstraktion der Anbieter-APIs hinter einer einheitlichen Schnittstelle.
• Entwurf und Entwicklung eines Backends von Grund auf in C# / .NET 10, einschließlich Domain-Modellierung mit DDD, versionierter RESTful-API-Schicht und Cloud-Infrastrukturaufbau auf Azure.
• Aufbau einer Echtzeit-Chat-Infrastruktur mit Server-Sent Events (SSE), Nachrichtenpersistenz und Zustellungsgarantien für den Live-Betrieb von KI-Influencer-Personas im großen Maßstab.
• Entwicklung eines Medienverwaltungsdienstes mit Integration von Cloud-Objektspeicher für Upload und Abruf influencer-generierter Inhalte.
• Erstellung einer Integrations- und Unit-Test-Suite mit Daten-Seeding für zuverlässige Regressionstests über alle Kernplattform-Flows, deutliche Reduzierung der Produktionsfehlerrate.

Werkzeuge und Technologien: C#, .NET, ASP.NET Core, Python, TypeScript, MySQL, Semantic Kernel, EF Core, Minimal APIs, LLM Orchestration, Prompt Engineering, Agentic AI, Generative AI, AI-Assisted Engineering, Claude Code, GitHub Copilot, Google Gemini, OpenAI API, Ollama, Redis, Azure, Azure Container Apps, Azure Database for MySQL, Docker, GitHub Actions, Clean Architecture, Vertical Slice Architecture, CQRS, Domain-Driven Design, REST API, xUnit, Integration Testing, Unit Testing, Jira, Confluence, Scrum

Aufgaben: Design und Betrieb von End-to-End-Cloud-Datenplattformen für Enterprise-Kunden in Verlag und Finanzwesen, inkl. Infrastruktur-Automatisierung, Pipeline-Entwicklung, Monitoring und Datenqualität.

Tätigkeiten:

• Aufbau mehrschichtiger Datenarchitekturen auf Databricks (Apache Spark, Delta Lake), BigQuery und GCP
• Vollautomatisierung der Cloud-Infrastruktur mit Terraform über 3 Umgebungen (DEV/STG/PRD)
• Entwicklung automatisierter Datenpipelines mit Python, dbt und GCP-Services für verschiedene Datenquellen
• Aufbau von Monitoring- und Alerting-Systemen für die Echtzeit-Überwachung der Plattform
• Implementierung von Datenversionierung und Qualitätschecks auf jeder Schicht
• Design automatisierter Test- und Deployment-Pipelines in GitLab und Bitbucket

Erfolge:

• 2× Produktions-Datenverarbeitungskapazität, Spike-Reaktionszeit von Minuten auf ≤15 s reduziert, Serverfehler ≈ 0
• 3.000 Zeilen manuelle Konfiguration durch ein wiederverwendbares Automatisierungsmodul für 7 Kundendomains ersetzt, Konfigurationsfehler auf 0
• Vollständige Datenplattform end-to-end geliefert bei ~10 €/Monat Infrastrukturkosten
• 7 Datenbanktabellen migriert mit 0 nachgelagerten Problemen
• 100 % offengelegte Credentials entfernt, externe Vendor-Abhängigkeit eliminiert
• Integration von 3 Teams in 1 Sprint geliefert

• Codebase-Bewertung & Problemdesign: Komplexe Software-Engineering-Probleme gegen große Open-Source-Python-Codebasen (einschließlich pandas) entworfen und unter Last getestet, was tiefes Kontextverständnis und architektonisches Wissen erforderte, um sauber abgegrenzte, realistische Problemstellungen zu erstellen, die strengen Korrektheitsvorgaben entsprechen.
• Analyse von Agentenfehlern: Lösungen von LLM-Coding-Agenten auf Korrektheit und Vollständigkeit geprüft und dabei aussagekräftige Fehler in der Behandlung von Edge Cases, im dtype-Verhalten und in der Logik zur NaN-Weitergabe über mehrere Spalten hinweg identifiziert; Ergebnisse präzise für die weitere Auswertung dokumentiert.
• Programmgesteuerte Test-Suite-Entwicklung: Umfassende pytest-Suites erstellt, um Agenten-generierte Lösungen programmgesteuert gegen definierte Anforderungen zu prüfen, mit gezielter Abdeckung von Randbedingungen und Fehlermodi, die naive Implementierungen nicht erfassen.
• Containerisierte Umgebungs-Entwicklung: Docker-Umgebungen für reproduzierbare Agentenausführung gebaut und debuggt, einschließlich git-basierter Repository-Bereitstellung, Dependency-Pinning mit npm ci und Erstellung von Multi-Stage-Dockerfiles für Linux-basierte Container.

• Entwickelte und implementierte skalierbare ETL/ELT-Pipelines mit Python, SQL, dbt, AWS und Informatica, um Daten aus Quellen wie APIs, relationalen Datenbanken und Flat Files in Snowflake zu laden, und verringerte die Pipeline-Laufzeit um ca. 30 %.
• Migrierte umfangreiche Datensätze von On-Premises Teradata zu Snowflake unter Nutzung von AWS-Diensten (S3, Glue, Step Functions, IAM) und stellte so Datenkonsistenz und Integrität sicher.
• Setzte die Kimball-Methodik zur Gestaltung von Stern- und Schneeflockenschemas ein, verbesserte die Abfrageleistung und senkte die Snowflake-Kosten.
• Implementierte automatisierte Datenqualitätsprüfungen mit SQL-basierten dbt-Tests und dem Great Expectations-Framework, um Anomalien zu erkennen und die Datenkorrektheit vor Produktionsläufen sicherzustellen.
• Orchestrierte ETL-Workflows in Airflow mit Python und verwaltete Code-Bereitstellungen über Git nach CI/CD-Best-Practices, um die Zuverlässigkeit zu steigern und die Pipeline-Verfügbarkeit zu gewährleisten.
• Erstellte interaktive Power-BI-Dashboards und kuratierte Datensätze, um datenbasierte Entscheidungen für Stakeholder zu ermöglichen.
• Pflegte technische Dokumentation in Confluence für ETL-Workflows und leitete Wissensaustauschsitzungen für neue Teammitglieder.

• IT-Schulungen in Theorie und Praxis für Fachinformatiker für Anwendungsentwicklung und Systemintegration

• Führung von Lieferantenentwicklungsinitiativen und strategischen Sourcing-Aktivitäten für kritische Fertigungskomponenten
• Lieferantenbeziehungsmanagement
• Steuerung von Lieferantenqualifizierungsprozessen und Aufbau langfristiger Partnerschaften
• Abstimmung der Beschaffungsstrategie mit Geschäftsanforderungen und Fertigungsvorgaben
• Optimierung der Lieferkette
• Überwachung der Lieferantenleistungsbewertung und kontinuierlicher Verbesserungsprogramme
• Führung funktionsübergreifender Teams
• Koordination von Teams aus F&E, Beschaffung und Fertigung
• Qualitätssicherung & NPI
• Entwicklung und Umsetzung von Lieferantenentwicklungs-Roadmaps für NPI-Projekte
• Kostenreduktionsinitiativen
• Einführung von Beschaffungs-KPIs und Lieferantenscorecards
• Risikobewertung & -minderung
• Prozessverbesserung

• Analyse der bestehenden digitalen Plattformen hinsichtlich der Barrierefreiheitsanforderungen gemäß BFSG und WCAG 2.1 mit Beratungsdienstleister
• Entwicklung einer Produktvision, die digitale Barrierefreiheit und Business-Ziele, wie Conversion-Optimierung vereinen
• Definition von relevanten KPIs zur Erfolgsmessung beider Zielbereiche
• Strategische Abstimmung mit interdisziplinären Stakeholdern, einschließlich Legal, BFSG Beratungfirma, Compliance, UX, Dev und Marketing
• Erstellung und Pflege eines priorisierten Product Backlogs mit Fokus auf barrierefreie Features und Conversions-relevante Maßnahmen
• Ableitung detaillierter User Stories und Akzeptanzkriterien auf Basis gesetzlicher Standards (BFSG, WCAG) in enger Abstimmung mit Entwicklungsteams
• Sicherstellung der BFSG-Konformität im Rahmen der digitalen Produktentwicklung mithilfe einer BFSG Beratungsfirma
• Enge Zusammenarbeit mit UX/UI-Designern zur Entwicklung barrierefreier Prototypen
• Durchführung von User Research und Usability-Tests mit Fokus auf Nutzer*innen mit Einschränkungen
• Unterstützung beim Aufbau eines barrierefreien Design-Systems
• Integration von A/B-Testing zur Evaluation von Conversion-relevanten Maßnahmen
• Steuerung der technischen Umsetzung barrierefreier Features des Entwicklungsteams
• Durchführung von Accessibility-Tests (z. B. Screenreader, Tastaturnavigation)
• Monitoring und Optimierung der implementierten Features auf Basis von Nutzungsdaten und Feedback
• Verantwortliche für Rollout/Release und Durchführung von User Acceptance Tests
• Konzeption und Durchführung von interaktiven Schulungen zu BFSG, WCAG und UX-Barrierefreiheit für Design-, Dev-Teams und POs im Umgang mit der Beratungsfirma
• Aufbau einer internen Wissensplattform zur nachhaltigen Verankerung von Accessibility-Prinzipien
• Förderung eines unternehmensweiten Bewusstseins für inklusive digitale Produkte

• Teilzeit 2-3 Tage/Woche
• Entwicklungen im SD-Modul und im CRM Interaction Center
• Beratung, Customizing im SD-Modul
• Anpassung von Fiori-Anwendungen im SD-Modul
• Genehmigungsworkflow für Gutschriften: Design, Konzept, Umsetzung, Customizing
• Gutschriftsanforderung: Objekttyp BUS2094
• Wert der Gutschriftsanforderung liegt unter einem bestimmten Schwellwert -> automatische Freigabe und Entfernung der Fakturasperre
• Wert der Gutschriftsanforderung liegt über einem bestimmten Schwellwert -> automatische Ermittlung des zuständigen Mitarbeiters
• Mitarbeiter erhält ein Workitem in seinem integrierten Eingangskorb oder in My Inbox (Fiori) -> Mitarbeiter kann die Gutschriftsanforderung ablehnen, freigeben oder bearbeiten
• UML-Modellierung in technische Dokumentation
• Aufbau einer Z-Tabelle für Kunden-Stichproben-Position
• Zusammenführung von COA1 (Auslieferung) und COA2 (CAQ)-Formularen und Ablage im Spoolauftrag als eine PDF
• Korrektur des Workflow-Titels laut NACE, Anpassung der Nachricht „ZBMA-Titel wird in SBWP (Workplace) falsch angezeigt“
• Empfang von PLM-Dokumenten aus einem externen PLM-System, Anlage eines RFC-Bausteins, Ablage der PLM-Dokumente im Materialstamm als GOS-Objekt
• Bei Freigabe eines Fertigungsauftrags: Lesen der PLM-Dokumente aus MM und Ablage im Shared Folder für das MES-System
• Anzeige der Prüfmengen im Popup bei Anlage eines Auftrags -> VA01/VA02
• Automatischer Bestandsabgleich per LVS-IDoc INVCON
• Durchführung von AQUA-Tests
• IDOC-Archivierung alter IDocs
• NL_PM_Zeichnungen und Druckbildablage sowie MES-Info via ZPPORDER-IDoc; Erstellung technischer Dokumente
• Einsatz von SD-User-Exits, BADIs für verschiedene Anforderungen
• Erweiterung der Screens für Kundenwünsche via Screen-Exits
• Anlegen von Nachrichtenarten für Kundenauftrag, Bestellungen und Fakturen
• CRM Interaction Center Business Partner -> Overview -> Kontrakt (Vertrag) erweitern um kundenspezifische Anforderungen
• Neue Fiori-Applikation „Abfahrkontrolle“ mit Daten aus Z-Tabelle und Standardtabellen aus Equipments, Darstellung als Kreisdiagramm, Berechnung „Fahrzeuge im Einsatz“
• Erweiterung Interaction Center Business Partner -> Übersicht -> neue Registerkarte Overview Page mit Listentabellen für Leistungsrückmeldungen, Anhänge aus GOS-Objekten
• Erweiterung Interaction Center Business Partner -> Übersicht -> neue Registerkarte Overview Page mit Listentabellen für Qualitätsmeldungen (PM), Anhänge aus GOS-Objekten
• Implementierung von BADIs in CRM
• Ablage von Dateien auf SAP-Server/UNIX-Server
• Einsatz der BOL/GENIL-Architektur bei der Entwicklung in CRM
• Projektsprache: Deutsch

• Analysierte Datensätze aus mehreren Quellen mit informationstheoretischen Metriken wie Permutationsentropie, Informationskomplexität und Entscheidungsunterstützungsmodellen.
• Entwickelte Algorithmen und Datenvisualisierungen in MATLAB und Python.
• Führte Forschung durch und war Co-Autor mehrerer peer-reviewter wissenschaftlicher Veröffentlichungen basierend auf den Ergebnissen.
• Elektrische Projektplanung & -durchführung
• Digitalisierung & Integration intelligenter Systeme
• Koordination von Lieferanten & Auftragnehmern
• Risiko- und Qualitätsmanagement
• Strategische Entscheidungsfindung
• Finanz- & ROI-Perspektive
• Analytisches & systemisches Denken
• Datenbasierte Entscheidungsunterstützung
• Problemlösung & kritisches Denken
• Fachübergreifende Teamführung
• Einflussreiche Führung

• Leitete die Entwicklung von BW-Bridge- und Datasphere-Modellen und integrierte S/4HANA, BW/4HANA und BDC für Echtzeitanalysen in der SAP Analytics Cloud (SAC).
• Entwarf und implementierte Calculation Views mit dem SAP HANA Modeler, entsprechend den Anforderungen von LEONI an BW/4HANA-Modellierung und Eclipse.
• Verfasste umfassende technische Dokumentation und RICEFW-Objekte, um Klarheit und Übereinstimmung mit den Geschäftsanforderungen sicherzustellen.
• Führte Schulungen für interne Teams zu Datasphere und BW Bridge durch und förderte den Wissenstransfer sowie die Selbständigkeit.

• Unterstützte F&E-Bemühungen an MRT-Geräteprototypen, einschließlich Installation, Kundenreise-Mapping, Segmentierung und Testen des Big-Meter-Modells von Modix3D.
• Trug zum Produktdesign bei, indem ich Gehäuse-3D-Drucke für Beta-Prototypen erstellte.
• Führte Recherchen durch und lieferte umsetzbare Erkenntnisse zur Verbesserung der Produktfunktionalität.
• Optimierte die Aufgabenorganisation und implementierte Prozessverbesserungen zur Steigerung der Entwicklungseffizienz.
• Optimierte Kampagnen mit A/B-Testing-Mentalität.

Geeks Ltd ist ein in Großbritannien ansässiges Technologieunternehmen; WordUp ist das KI-gestützte Sprachlernprodukt mit Fokus auf personalisiertes Vokabellernen und intelligente Lernerlebnisse.

• Koordination der KI-Produktlieferung über Product, Engineering, Data, Operations und Führung hinweg, dabei Nutzerbedürfnisse in klar abgegrenzte Initiativen übersetzen, Arbeitsschritte planen, Blocker sichtbar machen, Übergaben begleiten und Fortschritte kommunizieren.
• Verantwortung für Suche, Empfehlung, Retrieval und Content-Anreicherung end-to-end, von Anforderungen und Architektur über Implementierung mit Python/FastAPI bis hin zu Testing, Deployment, Monitoring und schneller Iteration.
• Entwicklung von Retrieval-, Ranking- und Personalisierungs-Services mit niedriger Latenz unter Nutzung von AWS, OpenSearch, DynamoDB, Embeddings und wiederverwendbaren APIs, mit <1s Latenz, 22% höherem Engagement und 12% höherer Premium-Conversion.
• Einsatz von KI-Coding-Assistenten für Codebase-Analyse, Scaffolding, Refactoring, Tests, Debugging und Dokumentation, wobei jede Ausgabe auf Korrektheit, architektonische Passung, Sicherheit, Wartbarkeit und Nutzerwert geprüft wird.
• Vertretung der technischen Arbeit in Planung und Stakeholder-Gesprächen, direkte Anforderungsaufnahme, konstruktives Hinterfragen von Prioritäten, Erklärung von Delivery-Abwägungen und Unterstützung des Teams bei ergebnisorientierten Entscheidungen.

• MAVAE/VAE-Modelle in PyTorch trainieren und optimieren, um Anomalien in multivariaten Zeitreihendaten von Sensoren zu erkennen.
• Vorverarbeitungs-Workflows und Evaluations-Pipelines entwerfen, um Modellgenauigkeit und Robustheit zu verbessern.
• Performance von MAVAE im Vergleich zu statistischen Basisansätzen und Deep-Learning-Methoden benchmarken und vergleichende Erkenntnisse präsentieren.
• Mit Forschungsbetreuern zusammenarbeiten, um Hypothesen zu verfeinern und experimentelle Ergebnisse in einsatzfähige Forschungsergebnisse zu überführen.