EN

Ausgewählte Projekte

Der Beweis steckt in laufenden Systemen.

Ausgewählte Projekte aus verschiedenen Branchen, in denen Data Science den Schritt von der technischen Möglichkeit zum praktischen Nutzen geschafft hat.

01
Data-Science-Projekt: Automobilindustrie

Automobilindustrie · 2019–2026

Lead AI Strategist & Lead Data Scientist
CARIAD SE · Cognizant Mobility GmbH

Automotive-KI: von BUS-Daten zu Entscheidungen

Verantwortung für Strategie und Umsetzung produktiver ML-Systeme für Fahrverhalten, Sicherheitsanalysen, AD/ADAS, Homologation und Fehleranalyse. CAN-, LIN- und FlexRay-Daten wurden auf Azure Databricks vereinheitlicht und um eine LLM-gestützte Analyseschicht ergänzt, mit der sich Datensätze in natürlicher Sprache finden und PySpark-Code generieren lässt.

ErgebnisKomplexe Engineering-Analysen dauern nun Minuten statt Stunden. Die Plattform für Audi, Porsche und Volkswagen setzte sich wegen Codequalität, Zuverlässigkeit und Umsetzungsgeschwindigkeit gegen drei interne Alternativen durch – mit einer Governance nach DSGVO und NIST SP 800-53.

Azure DatabricksPySparkFeature StoreMLOps
02
Data-Science-Projekt: Gesundheitswesen

Gesundheitswesen · 2018–2019

Chief Technology Officer
BODYVISER GmbH

Personalisiertes Coaching für mehr Wohlbefinden

Aufbau einer Machine-Learning-Plattform, die biometrische Daten und Verhaltensdaten kombiniert, um konkrete Maßnahmen zur Stressreduktion zu empfehlen. Erkenntnisse aus Dr. Frankes Promotion flossen in die Vorhersage von Gesundheitsrisiken und die Erkennung von Lebensstilmustern ein.

ErgebnisSichere, produktionsreife Pipelines mit Airflow und PostgreSQL aufgebaut und die technische Umsetzung bis zur Übernahme des Unternehmens verantwortet.

Kerasscikit-learnAirflowPostgreSQLGesundheitsdaten
03
Data-Science-Projekt: Digital Publishing

Digital Publishing · 2017–2018

Data Scientist
Social Media Interactive · Social Sweethearts

Content-Performance, vorhergesagt

Entwicklung von Retention- und Churn-Modellen auf Basis von Zielgruppen-, Google-Analytics- und CRM-Daten; anschließend Zusammenführung von Newsletter-, Shop- und Analytics-Quellen in produktiven ETL-Workflows.

ErgebnisReturn on Investment im Marketing um 28 % gesteigert – durch gezielteres Targeting und bessere Entscheidungen zur Kundenbindung.

PythonSparkSQLLookerMatillionChurn-Prognose
04
Data-Science-Projekt: Enterprise Search & Medien

Enterprise Search & Medien · 2015–2017

Data Scientist
IntraFind Software AG · inovex GmbH

Suchrelevanz und ein modernes Datenfundament

Verbesserung der Relevanz von Enterprise-Suche mit überwachten Ranking-Modellen sowie Mitarbeit an der Migration des analytischen Data Warehouse von ProSiebenSat.1 Media auf Apache Spark mit einer einheitlichen KPI-Reporting-Schicht.

ErgebnisSkalierbare Grundlagen für schnellere Suche und ein konsistentes, entscheidungsreifes Reporting geschaffen.

Learning to RankApache SparkDatenmigrationKPI-Reporting

Ihre Herausforderung könnte die nächste sein

Aus Unsicherheit
wird ein System.