EN

Leistungen

Expertise, die Daten in Bewegung bringt.

Keine Übergaben, kein Theater. Erfahrene Beratung und praktische Umsetzung über den gesamten Datenlebenszyklus.

01

Daten- & KI-Strategie

Ein klarer Weg von verstreuten Daten zu verlässlicher KI. Ich entwerfe Zielarchitekturen, semantische Datenschichten und Governance-Modelle, die Geschäftsprioritäten mit dem produktiven Betrieb verbinden.

Für wen: Für Geschäftsführung und Technologieverantwortliche mit klaren Daten- und KI-Zielen, denen aber der verlässliche Weg von verstreuten Datenquellen zu produktiven Systemen fehlt.

Im Automotive-Umfeld bedeutete das, die Strategie für produktives Machine Learning auf Azure Databricks für Audi, Porsche und Volkswagen mitzugestalten – mit einer Governance nach DSGVO und NIST SP 800-53.

Typische Ergebnisse

Bestandsaufnahme von Daten, Systemen und den Entscheidungen, die sie unterstützen sollenZielarchitektur und semantische DatenschichtPriorisierte KI-Roadmap vom ersten Anwendungsfall bis zum ProduktivbetriebModel Governance: Freigabe, Dokumentation, Monitoring und Bias-Audits

Aus der Praxis

Automotive-KI: von Busdaten zu Entscheidungen
02

Angewandtes Machine Learning

Produktionsreife Modelle und KI-Agenten für Prognosen, Klassifikation, Verhaltensanalysen und die Datenexploration in natürlicher Sprache – abgesichert durch Erklärbarkeit, Evaluation und Feedback-Schleifen.

Für wen: Für Teams, die Modelle im Produktivbetrieb brauchen – für Prognosen, Klassifikation, Verhaltensanalysen oder die Datenexploration in natürlicher Sprache – und nicht den nächsten Prototyp.

Die Bandbreite reicht von Retention- und Churn-Modellen, die den Marketing-ROI um 28 % gesteigert haben, bis zu einer LLM-gestützten Analyseschicht, mit der sich Datensätze in natürlicher Sprache finden und PySpark-Code generieren lässt.

Typische Ergebnisse

Prognosemodelle mit dokumentierter EvaluationLLM-Systeme und KI-Agenten mit Prüfschritten und GuardrailsErklärbarkeit und Modell-Reporting für FachbereicheFeedbackschleifen und A/B-Tests, die den tatsächlichen Nutzen messen

Aus der Praxis

Churn-Prognose: +28 % Marketing-ROI
03

Datenplattformen

Belastbare Daten- und ML-Fundamente für große Datenmengen. Ich baue getestete Pipelines, Feature Stores und analytische Services mit Python, Spark, Airflow und Databricks.

Für wen: Für Unternehmen, deren Datenvolumen oder Zahl an Quellen über Ad-hoc-Skripte, manuelle Exporte und uneinheitliches Reporting hinausgewachsen ist.

Ich habe CAN-, LIN- und FlexRay-Busdaten auf Azure Databricks zusammengeführt, Spark-Plattformen im Multi-Terabyte-Bereich aufgebaut und die Migration des analytischen Data Warehouse von ProSiebenSat.1 Media auf Apache Spark samt einheitlichem KPI-Reporting begleitet.

Typische Ergebnisse

Getestete Daten-Pipelines mit Spark, Airflow oder DatabricksFeature Stores für konsistentes Training und InferenzValidierte Migration von Daten, Schemata und WorkloadsMonitoring und Observability für Datenflüsse

Aus der Praxis

Data-Warehouse-Migration auf Apache Spark
04

MLOps & Umsetzung

Modelle in den Betrieb bringen – mit reproduzierbaren Workflows, CI/CD, Monitoring und nachvollziehbaren Kontrollen. Zudem begleite ich Teams als Mentor bei Clean Code, Testing und nachhaltigen Delivery-Praktiken.

Für wen: Für Teams, die bereits Modelle haben, sie aber nicht zuverlässig ausrollen, überwachen oder prüfen können – oder die ihre eigenen Engineering-Standards anheben wollen.

Bei BODYVISER habe ich sichere Airflow- und PostgreSQL-Pipelines für sensible Gesundheitsdaten aufgebaut und die technische Umsetzung bis zur Übernahme des Unternehmens verantwortet; im Automotive-Umfeld habe ich Data Scientists in Clean Code, testgetriebener Entwicklung und CI/CD gecoacht.

Typische Ergebnisse

Reproduzierbare Trainings- und Deployment-WorkflowsCI/CD für Daten- und Machine-Learning-CodeModell-Monitoring und prüfbare KontrollenMentoring in Clean Code, Testing und nachhaltiger Delivery

Aus der Praxis

Sichere Pipelines für Gesundheitsdaten

Ein schlanker, klarer Prozess

Drei Schritte.
Kein Theater.

Jedes Projekt ist auf schnelles Lernen, sichtbaren Fortschritt und eine saubere Übergabe ausgelegt.

01

Den Hebel finden

Klären, bei welcher Entscheidung, welchem Engpass oder welcher wiederkehrenden Aufgabe Daten den größten Nutzen stiften.

02

Den Weg belegen

Die kleinste glaubwürdige Lösung bauen, an der Realität testen und messen, ob sie es wert ist, skaliert zu werden.

03

Automatisieren & übergeben

Den erfolgreichen Ansatz zuverlässig, beobachtbar und nachvollziehbar machen – und ihn dann in die Hände Ihres Teams legen.

Zusammenarbeit

So arbeiten wir zusammen

Ein Projekt wächst mit belastbaren Ergebnissen, nicht mit Annahmen. Den nächsten Schritt gehen Sie erst, wenn der vorherige gezeigt hat, dass er sich lohnt.

01

Klein anfangen

Am Anfang steht meist eine fokussierte Frage: Wo liegt der Hebel? Das Ergebnis ist ein klares Bild, wo Daten echten Nutzen stiften können – und wo nicht.

02

Proof of Value

Ist der Hebel real, entsteht die kleinste glaubwürdige Lösung und wird mit Ihren tatsächlichen Daten und Prozessen getestet. So beruht die Entscheidung zum Skalieren auf gemessenen Ergebnissen.

03

Umsetzung & Übergabe

Aus dem bewährten Ansatz wird ein zuverlässiges, beobachtbares und dokumentiertes System. Ihr Team wird befähigt, es selbst zu betreiben und weiterzuentwickeln – ohne Abhängigkeit von mir.

04

Remote-first, zweisprachig

Ich arbeite remote-first mit Kunden in ganz Deutschland, im DACH-Raum und in Europa, nach Absprache auch vor Ort. Arbeitssprachen sind Deutsch und Englisch.

Unsicher, wo Sie anfangen sollen?

Bringen Sie das unübersichtliche Problem mit.

Erstgespräch vereinbaren