Komplexe Backend-Prozesse für Datenmanagement- und Data Science-Themen, agiles Projektmanagement
Aktualisiert am 07.02.2024
Profil
Mitarbeiter eines Dienstleisters
Remote-Arbeit
Verfügbar ab: 01.04.2024
Verfügbar zu: 100%
davon vor Ort: 50%
Skill-Profil eines fest angestellten Mitarbeiters des Dienstleisters
Deutsch
Muttersprache
Englisch
Verhandlungssicher
Französisch
Fortgeschritten

Einsatzorte

Einsatzorte

Essen, Ruhr (+100km) Remote (+500km)
Deutschland, Schweiz, Österreich
möglich

Projekte

Projekte

6 Monate
2023-12 - heute

Aufbau einer Data-Analytics-Werkstatt für den Endkundenvertrieb eines großen regionalen Energieversorgers

Principal Data Scientist Anforderungsanalyse Design & Architektur Beratung ...
Principal Data Scientist
Ein großer regionaler Energieversorger baut seine datengetriebene
Vertriebsunterstützung aus. Im Rahmen dieses Vorhabens soll auch eine DataAnalytics-Werkstatt aufgebaut und für die Umsetzung von Data-Science-Use-Cases
verwendet werden.
Unser Berater arbeitet verantwortlich im Projektteam des Kunden. Er berät beim
Design und Aufbau der technischen Architekturen und der Entwicklung der Use Cases
und setzt diese praktisch innerhalb der Data-Analytics-Werkstatt um.
Das Projekt läuft noch.
Atlassian JIRA / Confluence Bitbucket Git Microsoft Power BI Oracle Database Python
Anforderungsanalyse Design & Architektur Beratung Entwicklung Dokumentation Testing Data Science Data-Science-Prozesse ETL Systemarchitektur Data Governance
2 Jahre 2 Monate
2022-04 - heute

Aufbau und Leitung einer Competence Area für Data Science

Projektleitung Teamleitung Schaffung von Prozessen und Strukturen Strategische Entwicklung ...
Projektleitung
 Die alphaQuest GmbH hat beschlossen Competence Areas zu gründen. Unser Berater hat die Verantwortung für den Aufbau und die Leitung der Competence Area Data Science übernommen. Zu seinen Aufgaben gehören die Motivation von Kolleg:innen zur Mitarbeit in seiner Competence Area, deren fachliche Anleitung und Entwicklung; des Weiteren die Abstimmung und Etablierung von Prozessen und Strukturen, die strategische Ausrichtung und Entwicklung des Bereichs Data Science in enger Abstimmung mit der Geschäftsführung und die Zusammarbeit mit Vertrieb und HR.
Die Competence Area Data Science gilt intern als Vorzeigebeispiel einer hervorragend strukturierten Competence Area mit einem großen Team motivierter Mitarbeitender.  
Teamleitung Schaffung von Prozessen und Strukturen Strategische Entwicklung Vertrieb Data Science Projektleitung Projektplanung
3 Jahre 5 Monate
2021-01 - heute

Sicherung Operations und Betreuung Servermigration

Projektleitung Projektleitung Operations Dokumentation ...
Projektleitung

Technischer und fachlicher Support für produktive Data-Science-Use-Cases und Migration mehrerer SQL- und Linux-Server des Data-Science-Teams.
Ergebnis: Sicherung des uneingeschränkten operativen Betriebs aller produktiven Data-Science-Use-Cases und erfolgreiche Migrationen.

Atlassian JIRA / Confluence Jupyter Notebook Microsoft Power BI Microsoft SQL Server Microsoft SQL Server Integration Services (SSIS) R Studio TortoiseSVN
Projektleitung Operations Dokumentation Bugfixing Agiles Projektmanagement (Scrum) Berechtigungskonzepte Data Science Data-Science-Prozesse DevOps Erstellung von User Stories ETL Machine Learning Predictive Analytics Projektcontrolling Projektplanung Python R SQL Stakeholder Management
Versicherungen
2 Jahre 4 Monate
2020-09 - 2022-12

Entwicklung einer Betrugserkennung für einen Versicherungskonzern (Versicherungsbetrug)

Senior Consultant, Scrum Master Scrum Atlassian Confluence Atlassian JIRA ...
Senior Consultant, Scrum Master
Die übergeordnete Zielstellung des Projektes ist die Entwicklung mehrerer Modelle zur
Erkennung von Versicherungsbetrug in den Bereichen KFZ und Hausrat. Dabei wurden
im Projektverlauf nach und nach iterativ weitere Datenquellen erschlossen, erste
einfache (z.B. regelbasierte) Modelle deployt, in den Produktivbetrieb überführt und
die konkrete Zielstellung (u.a. automatisierte Unterstützung bei der Erhöhung der
Aussteuerungsrate zur manuellen Prüfung, Identifikation von Betrugsfällen,
individuelle Schätzung der Wirtschaftlichkeit einer manuellen Prüfung von
Verdachtsfällen) angepasst.
Unser Berater arbeitete verantwortlich im Projektteam des Kunden. Dabei entwickelte
er die technischen und mathematischen Architekturen und unterstützte deren
praktische Umsetzung. Darüber hinaus konzipierte und etablierte er ein agiles
Vorgehensmodell nach Scrum für die Entwicklung des Data Science Modells.
Erebnis: Durch die verbesserte und automatisierte Betrugserkennung konnten
jährliche Einsparungen in 7-stelliger Höhe realisiert werden.
Domino Data Lab Jupyter Notebook SAS Enterprise Guide SAS Data Integration Studio
Scrum Atlassian Confluence Atlassian JIRA Data Science Data-Science-Prozesse Datenanalyse Data Modeling DevOps Erstellung von User Stories ETL Fachliche Anforderungsanalyse Machine Learning Performance-Test Predictive Analytics Project Controlling Python SAS Schnittstellendesign SystemArchitektur SystemDokumentation Anforderungsanalyse Design Entwicklung Dokumentation Testing Prozessdefinition Scrum Master Projekt-Controlling
Versicherung
5 Monate
2022-01 - 2022-05

Entwicklung eines Prototyps zur automatisierten Auftragserkennung

Principal Data Scientist Data Science Fachliche Anforderungsanalyse Machine Learning ...
Principal Data Scientist

Für den Bestellprozess beim Kunden sollen Bestellungen, welche als Mail-Text oder PDF eingehen, automatisiert ausgelesen werden.
Ziel des Projektes ist, einen Prototypen zu entwickeln, der diesen Prozessschritt vollständig zu automatisiert, inklusive der Übergabe der Eingangsdateien an die Softwarelösung und der Weitergabe der Auftragsdaten an das nachfolgende Softwaremodul.  

Atlassian JIRA / Confluence Azure Logic Apps Azure Machine Learning Cognitive Plattform: Microsoft Azure AI Builder
Data Science Fachliche Anforderungsanalyse Machine Learning Schnittstellendesign SystemArchitektur
Manufacturing
3 Monate
2021-08 - 2021-10

Entwicklung eines XAI-Demonstrators

Projektleitung Data Science Fachliche Anforderungsanalyse Node.js ...
Projektleitung

Ziel des Projektes war die Weiterentwicklung eines frei verfügbaren XAI-Demonstrators zur Nutzung im Vertrieb der alphaQuest GmbH. Zu diesem Zweck musste die Funktionsweise des verfügbaren Entwicklungsstandes verstanden, dessen vorhandene Schwächen identifiziert, die Anforderungen für den Einsatz im Vertrieb der alphaQuest GmbH abgeleitet und technische Lösungsansätze entwickelt und evaluiert werden. Schließlich sollten Verbesserungen implementiert, evaluiert und deployt werden.
XAI beschreibt Methoden, mit denen KI-Lösungen erklärbar und nachvollziehbar gemacht werden können (Explainable Artificial Intelligence).

Azure DevOps Azure Web Apps Docker GitHub
Data Science Fachliche Anforderungsanalyse Node.js Vue.js Machine Learning Predictive Analytics Projektleitung Projektplanung Python
Unternehmensberatung
1 Monat
2021-09 - 2021-09

Verbesserung eines Projektportfoliooptimierers

Principal Data Scientist Data Science Bugfixing
Principal Data Scientist

Ein bestehender Optimierer für das Projektportfolio liefert keine optimalen Ergebnisse.
Ergebnis: Fehler in der Datenverarbeitung wurde identifiziert und behoben. Der Algorithmus liefert nun optimale Lösungen. 

MATLAB MS Office
Data Science Bugfixing
Manufacturing
3 Monate
2020-10 - 2020-12

Sicherung Operations und Abschluss Entwicklungsprojekt

Projektleitung Scrum Berechtigungskonzept Data Science ...
Projektleitung

Wegen des überraschenden Ausscheidens der Mitarbeiter des Data Science Teams des Kunden mussten unter Zeitdruck zahlreiche Übergaben erfolgen und eine Dokumentation aller Aufgaben, Data Science Entwicklungen und Data Science Prozesse zum Einlernen neuer Mitarbeiter angelegt werden. Zusätzlich musste die fachliche Betreuung und der technische Support für bereits produktiv eingesetzte Data Sciene Use Cases sichergestellt werden. Schließlich wurde noch ein begonnenes Entwicklungsprojekt zur KI-basierten Erfassung von Informationen aus eingescannten Vertragsunterlagen abgeschlossen.

Unser Berater leitete ein Projektteam beim Kunden an. Dabei identifizierte und priorisierte er erforderliche Aufgaben im Rahmen der Übergaben. Zu diesem Zweck wurde ein agiles Vorgehensmodell eingesetzt. Er entwickelte zudem technische Architekturen und unterstützte deren praktische Umsetzung.  Übergaben wurden im Rahmen von Interviews und gemeinsamer Bearbeitung von Wartungs- und Entwicklungsaufgaben durchgeführt und die Ergebnisse in Atlassian Confluence dokumentiert. Auf diesem Wege wurden auch zukünftig dringend anstehende Aufgaben (konkret: Server-Migrationen) identifiziert und deren Umsetzung vorbereitet.  

Für das begonnene Entwicklungsprojekt wurden Neuronale Netze trainiert, sodass die relevanten Seiten innerhalb der gescannten Dokumente sowie die darauf enthaltenen Informationen automatisiert ausgelesen werden konnten. Es wurde eine umfangreiche Dokumentation angelegt und ein Operations Konzept für die bereits produktiv eingesetzten Data Sciene Use Cases entwickelt und etabliert. Die bestehenden Datenbankserver und ETL-Strecken wurden auf anstehende Migrationen vorbereitet und die Migration testweise erfolgreich geprobt. 

Informationen aus mehr als 100.000 gescannten Verträgen unterschiedlicher Formularvarianten konnten zuverlässig automatisiert ausgelesen werden. Der Kunde wünscht, die Zusammenarbeit in den Bereichen Support, Einarbeitung neuer Mitarbeiter und Entwicklung weiterer Data Science Use Cases in Zukunft fortzusetzen.  

Atlassian JIRA / Confluence Jupyter Notebook Microsoft Power BI Microsoft SQL Server Microsoft SQL Server Integration Services (SSIS) R Studio TortoiseSVN
Scrum Berechtigungskonzept Data Science Data-Science-Prozesse DevOps Erstellung von User Stories Fachliche Anforderungsanalyse Machine Learning Projektleitung Projektplanung Python R Stakeholdermanagement SystemDokumentation Dokumentation Design Entwicklung Stakeholder Management
Versicherungen
2 Monate
2020-08 - 2020-09

Offer-To-Cash-Prognose mit stochastischen Komponenten

Projektleitung Azure Databricks Data Science Data-Science-Prozesse ...
Projektleitung

Entwicklung eines Modells und Reports zur kurzfristigen Umsatzprognose basierend auf Auftragseingängen mit stochastischen Unsicherheiten, Ergebnis: Hohe Prognosegüte im Backtesting. Das Modell ermöglicht dem Kunden, die Qualität etablierter Verfahren zu Umsatzprognosen kritisch zu hinterfragen. 

Azure DevOps Databricks Jupyter Notebook Microsoft Power BI
Azure Databricks Data Science Data-Science-Prozesse Datenanalyse Fachliche Anforderungsanalyse Machine Learning Predictive Analytics Project Controlling Projektleitung Projektplanung Python Schnittstellendesign Stakeholdermanagement SystemArchitektur
Manufacturing
2 Monate
2020-07 - 2020-08

Entwicklung einer Umsatzpotentialprediktion für einen Versicherungskonzern

Principal Data Scientist Data Science Data-Science-Prozesse Datenanalyse ...
Principal Data Scientist

Die zentrale Zielstellung des Projektes war die Entwicklung eines Vorhersagemodells, das den Fachbereich Vertrieb bei der Auswahl von zu fördernden Vertriebspartnern unterstützt und somit Umsatzpotentiale identifiziert. 

Das Zielmodell sollte dabei eine hohe praktische Nutzbarkeit sicherstellen: 

1. Identifikation mindestens eines vordefinierten Anteils von Potentialträgern (Erreichung einer vorgegebenen Recall-Rate) 

2. Hohe Treffergenauigkeit (maximale Precision für vorgegebene Recall-Rate) 

Zum Zeitpunkt des Projekteinstiegs waren kundenseitig bereits mehrere Monate Entwicklungszeit investiert worden, ohne dass die gewünschte Modellgüte erreicht werden konnte. Unser Berater arbeitete verantwortlich im Projektteam des Kunden. Dabei entwickelte er die technischen und mathematischen Architekturen und unterstützte deren praktische Umsetzung. 

Es wurden folgende Prädiktions-Algorithmen verwendet: Linear Discriminant Analysis, Logistische Regression, XGBoost, Neuronales Netz

Das Projekte umfasste die folgenden Phasen (angelehnt an CRISP-DM): 

1. Schaffung des Geschäfts- und Datenverständnisses 

2. Überprüfung der Datengrundlage und der bisherigen mathematischen Modellierungsansätze 

3. Korrekturen und Ergänzungen der Datengrundlage und der Modellierungsansätze 

4. Implementierung und Deployment der gewählten mathematischen Modelle (Multi-Modell-Ansatz) 

5. Validierung und Backtesting 

6. Dokumentation und Bereitstellung von Ergebnissen (Power BI-Report) für den fachlichen Auftraggeber.

Innerhalb von zwei Monaten wurde aufbauend auf der Vorentwicklung des Projektteams des Kunden ein Data Science Verfahren entwickelt und dem fachlichen Auftraggeber zur praktischen Erprobung übergeben. Die Ergebnisse aus dem Backtesting erfüllten dabei nicht nur die Anforderungen des fachlichen Auftraggebers, sondern übertrafen auch signifikant die Erwartungen des Kunden-Projektteams vom Zeitpunkt des Projekteinstiegs.  

Jupyter Notebook Microsoft Power BI Microsoft SQL Server Microsoft SQL Server Integration Services (SSIS) TortoiseSVN
Data Science Data-Science-Prozesse Datenanalyse Data Modeling ETL Fachliche Anforderungsanalyse Machine Learning Performance-Test Predictive Analytics Python Schnittstellendesign SQL Stakeholdermanagement SystemArchitektur SystemDokumentation Berechtigungskonzepte Software Deployment
Versicherungen
5 Monate
2020-01 - 2020-05

Industrialisierung einer Betrugsfrüherkennung für einen Versicherungskonzern

Senior Consultant Berechtigungskonzept Data Science Data-Science-Prozesse ...
Senior Consultant

Ziel des Projekts war die Betreuung der Industrialisierung eines Vorhersagemodells zur Früherkennung von Provisionsbetrug. Zur operativen Nutzung sollten die Modellvorhersagen visuell aufbereitet und monatlich automatisiert aktualisiert werden. Damit die Modellvorhersagen plausibilisiert werden konnten, mussten sie erklärbar gemacht und das Cockpit um Kontextinformationen angereichert werden.
Unser Berater arbeitete verantwortlich im Projektteam des Kunden. Dabei entwickelte er die technischen Architekturen und setzte diese praktisch um. 

Das Projekt umfasste die Phasen: 

1. Statistische Validierung und Überarbeitung des Vorhersagemodells 

2. Evaluation von Möglichkeiten zur Schaffung von Erklärbarkeit (Explainable AI)  

3. Entwicklung des Datenmodells für das Cockpit 

4. Entwicklung eines Power BI-Reports 

5. Vervollständigung und Optimierung der ETL-Strecken hinsichtlich Performance und Speichernutzung 

6. Definition und Umsetzung einer automatisierten Jobsteuerung 

7. Definition und Umsetzung von Deploymentprozessen für Data Science Projekte beim Kunden allgemein.

Innerhalb von drei Monaten wurde ein Power BI-Report entwickelt, der eine reibungslose Nutzung des Vorhersagemodells im operativen Alltag ermöglicht und damit großen Mehrwert schafft. Dieser fand über den anwendenden Fachbereich hinaus große Anerkennung, sodass ähnliche Berichte für weitere Anwendungsfälle angefragt wurden. Zudem konnten erfolgreich die Strukturen und Prozesse zur Industrialisierung von Data Science Projekten entwickelt und erprobt werden. Diese sollen zukünftig für alle weiteren Data Science Projekte im Unternehmen genutzt werden.  

Jupyter Notebook Microsoft Power BI Microsoft SQL Server Microsoft SQL Server Integration Services (SSIS) R Studio TortoiseSVN
Berechtigungskonzept Data Science Data-Science-Prozesse Data Modeling Fachliche Anforderungsanalyse Machine Learning Performance-Test Predictive Analytics R Schnittstellendesign SQL Stakeholdermanagement SystemArchitektur SystemDokumentation
Versicherung
5 Monate
2019-08 - 2019-12

Entwicklung und Betrieb einer zentralen Datenintegrationsplattform

Consultant Scrum Batchscript Berechtigungskonzept ...
Consultant

Entwicklung und Betrieb einer europaweiten zentralen Datenintegrationsplattform (ETL) für Customer Relationship Daten eines führenden Automobilkonzerns. 

Atlassian JIRA / Confluence Bitbucket Informatica PowerCenter Oracle Application Express/APEX Oracle Database
Scrum Batchscript Berechtigungskonzept Data Modeling DevOps User Stories erstellen ETL Java Oracle PL/SQL Schnittstellendesign SQL SystemDokumentation Data Governance
Automobilindustrie
2 Monate
2019-06 - 2019-07

Migration eines Controlling-Systems für ein Ticketingsystem

Consultant Scrum Datenbanken Data Modeling ...
Consultant

Ein weltweit agierender Automobilkonzern aus dem Premiumsegment hatte ein Ticketingsystem im Einsatz, welches von praktisch allen Unternehmensbereichen genutzt wurde. An dieses Ticketingsystem war ein Reportingsystem angebunden, welches über zahlreiche Möglichkeiten den Führungskräften KPIs bereitstellte. Da das ETL des bisherigen Reportings von dessen Hersteller aus der Wartung genommen wurde, musste das System auf eine neue technologische Basis gestellt werden.

Atlassian JIRA / Confluence Microsoft SQL Server Microsoft SQL Server Integration Services (SSIS)
Scrum Datenbanken Data Modeling ETL Fachliche Anforderungsanalyse Schnittstellendesign SQL SystemArchitektur
Automobilindustrie
5 Monate
2019-01 - 2019-05

Entwicklung einer Betrugsfrüherkennung für einen Versicherungskonzern (Provisionsbetrug)

Senior Consultant Berechtigungskonzept Data Science Data-Science-Prozesse ...
Senior Consultant

Die zentrale Zielstellung des Projektes war die Entwicklung eines Vorhersagemodells zur Früherkennung von Provisionsbetrug. Das zu entwickelnde Vorhersagemodell sollte dem Fachbereich Vertrieb ermöglichen, Fälle von potenziellem Provisionsbetrug (bzw. auch allgemein von Geschäftspartnern, die aufgrund ausstehender Rückzahlungen zu Rechtsfällen werden könnten) frühzeitig zu erkennen, um gezielte Überprüfungen und geeignete Gegenmaßnahmen einleiten zu können.   

Das Zielmodell sollte dabei eine hohe praktische Nutzbarkeit sicherstellen: 

1. Interpretierbarkeit durch den Fachbereich möglich 

2. Treffergenauigkeit (geringe False-Negative-Rate, hohe Spezifität) 

3. Vorhersage möglichst aller zukünftiger Rechtsfälle (hohe True-Positive-Rate, hohe Sensitivität).
Unser Berater arbeitete verantwortlich im Projektteam des Kunden. Dabei entwickelte er die technischen und mathematischen Architekturen und unterstützte deren praktische Umsetzung. 

Das Projekte umfasste die folgenden Phasen (angelehnt an CRISP-DM): 

1. Schaffung des Geschäftsverständnisses 

2. Entwicklung und Aufbereitung der Datengrundlage 

3. Unterstützung bei der Methodenauswahl und Modellierung 

4. Implementierung und Deployment der gewählten mathematischen Modelle 

5. Validierung und Backtesting 

6. Dokumentation und Aufbereitung von Ergebnissen für den fachlichen Auftraggeber.


Innerhalb von sechs Monaten wurde ein Data Science Verfahren entwickelt und dem Top-Management des Kunden präsentiert. Die Ergebnisse übertrafen dabei alle Erwartungen, sodass ähnliche Ansätze unternehmensweit geplant wurden. Im Rahmen des Projekts wurden zahlreiche Data-Science-Prozesse entwickelt, erprobt und als Standard beim Kunden etabliert.  

Jupyter Notebook Microsoft Power BI Microsoft SQL Server Microsoft SQL Server Integration Services (SSIS) R Studio TortoiseSVN
Berechtigungskonzept Data Science Data-Science-Prozesse Datenanalyse ETL Fachliche Anforderungsanalyse Machine Learning Predictive Analytics Python R Schnittstellendesign SQL Stakeholdermanagement SystemArchitektur
Versicherung
1 Jahr
2018-01 - 2018-12

Analyse von Ansteckungseffekten mittels Ordinal Patterns

Wissenschaftlicher Mitarbeiter Data Science Datenanalyse R ...
Wissenschaftlicher Mitarbeiter

Ziel war die Zeitreihenanalysen von historischen Staatsanleihen-Renditen mit Hilfe neuer statistischer Methoden. 

Data Science Datenanalyse R R Studio
3 Monate
2017-10 - 2017-12

Durchführung einer Studie zur Identifikation von Studienerfolgsprädiktoren

Wissenschaftlicher Mitarbeiter Data Science Datenanalyse Machine Learning ...
Wissenschaftlicher Mitarbeiter

Ziel war die Analyse der Zusammenhänge von Abschlussergebnissen von Studierenden und der zum Studienstart vorliegenden zugehörigen Daten. Daraus sollten Hauptprädikatoren für den Studienerfolg abgeleitet werden. 

Data Science Datenanalyse Machine Learning Predictive Analytics R R Studio
1 Jahr
2017-01 - 2017-12

Messung von systemischen Risiken auf Finanzmärkten mit neuen mathematischen Ansätzen

Wissenschaftlicher Mitarbeiter Datenanalyse R R Studio ...
Wissenschaftlicher Mitarbeiter

Überprüfung, ob neue mathematische Ansätze geeignet sind um systemische Risiken auf Finanzmärkten zu messen.

Datenanalyse R R Studio Data Science
4 Monate
2017-04 - 2017-07

Leitung des Seminars "Forecasting and Analytics in Finance"

Seminarleiter Data Science Machine Learning Predictive Analytics ...
Seminarleiter

Leitung eines praxisorientierten Master-Seminars zur Anwendung fortgeschrittener statistischer Analysemethoden für Finanzmärkte. 

Data Science Machine Learning Predictive Analytics R R Studio STATA
6 Monate
2016-04 - 2016-09

Empirische Validierung von Kreditrisikomodellen unter Berücksichtung von statistischen Unsicherheiten in der Parametrisierung

Masterand Data Science Datenanalyse Machine Learning ...
Masterand

 Masterarbeit: Gängige Kreditrisikomodelle sollten auf der Ebene von öffentlich zugänglichen Ratingdaten unter Berücksichtigung von statistischen Unsicherheiten in der Parametrisierung empirisch validiert werden.

Data Science Datenanalyse Machine Learning Performance Test Predictive Analytics R R Studio
3 Monate
2015-08 - 2015-10

Risikomanagement für ein Beratungsunternehmen

Data Scientist (Internship) R R Studio Datenanalyse ...
Data Scientist (Internship)
  1. Modellvalidierung eines bestehenden Tools zur Kreditrisikobewertung
    1.   Theoretische und empirische Prüfung der Modellannahmen des Tools  
  2. Implementierung eines neuen Modells zur Bewertung operationaler Risiken in R auf Grundlage von Daten
    1.  Modellevaluation gegenüber Vergleichsmodellen mit Hilfe von Echtdaten  
R R Studio Datenanalyse Data Science
Unternehmensberatung

Aus- und Weiterbildung

Aus- und Weiterbildung

1 Monat
2024-01 - 2024-01

Professional Scrum Product Owner I

Professional Scrum Product Owner I,
Professional Scrum Product Owner I
1 Monat
2022-06 - 2022-06

Führung - Basics

Manager Institut
Manager Institut
1 Monat
2021-02 - 2021-02

Professional Scrum Master I

Professional Scrum Master I,
Professional Scrum Master I
2 Jahre 3 Monate
2016-10 - 2018-12

Wissenschaftlicher Mitarbeiter Institut für Finanzwirtschaft

Institut für Finanzwirtschaft
Institut für Finanzwirtschaft
1 Monat
2018-06 - 2018-06

Econometrics of Big Data

GSERM St. Gallen
GSERM St. Gallen
2 Jahre
2014-10 - 2016-09

M.Sc. Wirtschaftsphysik (Abschluss mit Auszeichnung)

Master of Science, Universität Ulm
Master of Science
Universität Ulm

Finanzwirtschaft  

3 Jahre
2011-10 - 2014-09

B.Sc. Wirtschaftsphysik (Abschluss mit Auszeichnung)

Bachelor of Science, Universität Ulm
Bachelor of Science
Universität Ulm

Nebenfach: Informatik  

Position

Position

Principal Consultant; Data Science; Machine Learning; Data Engineering; Scrum Master; Projektleitung

Kompetenzen

Kompetenzen

Schwerpunkte

Data Science
Experte
Advanced Analytics
Experte
Scrum Master
Experte
Projektleitung
Fortgeschritten

Produkte / Standards / Erfahrungen / Methoden

Agiles Projektmanagement (Scrum)
Fortgeschritten
Atlassian Jira / Confluence
Fortgeschritten
Automic
Basics
Azure Cognitive Plattform
Basics
Azure Databricks
Basics
Azure DevOps
Basics
Azure Logic Apps
Basics
Azure Machine Learning
Basics
Batch-Skripte
Basics
Berechtigungskonzepte
Fortgeschritten
Bitbucket
Basics
BPMN
Fortgeschritten
Container-Lösungen
Basics
Data Governance
Fortgeschritten
Database-Performance-Optimierung
Fortgeschritten
Databricks
Basics
Data-Science-Prozesse
Experte
Datenmodellierung
Fortgeschritten
Deep Learning
Basics
DevOps
Fortgeschritten
Domino Data Lab
Fortgeschritten
ETL
Fortgeschritten
Fachliche Anforderungsanalyse
Fortgeschritten
GIT
Basics
Informatica Powercenter
Basics
Jupyter Notebook
Fortgeschritten
MATLAB
Basics
ML / Machine Learning
Experte
Microsoft Office
Fortgeschritten
Microsoft Power Automate AI Builder
Basics
Microsoft Power BI
Fortgeschritten
Microsoft SQL Server Integration Services (SSIS)
Basics
MLOps
Basics
Oracle Application Express / APEX
Basics
Performance-Test
Fortgeschritten
Predictive Analytics
Experte
Projektcontrolling
Fortgeschritten
Projektleitung
Fortgeschritten
Projektplanung
Fortgeschritten
Prozesse und Strukturen
Fortgeschritten
R Studio
Fortgeschritten
SAS
Fortgeschritten
SAS Data Integration Studio
Fortgeschritten
SAS Enterprise Guide
Fortgeschritten
Schnittstellendesign/API
Fortgeschritten
Scrum
Fortgeschritten
Systemarchitektur
Fortgeschritten
TortoiseSVN
Fortgeschritten
Systemdokumentation
Fortgeschritten
Testdurchführung / -leitung
Basics
Testfallerstellung (fachlich)
Fortgeschritten
UML
Basics
Zeitreihendaten
Experte

Betriebssysteme

MS Windows
Fortgeschritten
Linux
Fortgeschritten

Programmiersprachen

Java
Basics
Python (Inklsuive Pandas, Numpy, SciKit-Learn)
Experte
R
Experte
SQL
Experte
VBA
Basics
Oracle PL/SQL
Basics
SAS
Fortgeschritten

Datenbanken

Microsoft Azure Cloud
Basics
Microsoft SQL Server
Experte
Oracle Database
Fortgeschritten

Branchen

Branchen

Versicherungen, Banken, Industrie, Automobil, Forschung

Einsatzorte

Einsatzorte

Essen, Ruhr (+100km) Remote (+500km)
Deutschland, Schweiz, Österreich
möglich

Projekte

Projekte

6 Monate
2023-12 - heute

Aufbau einer Data-Analytics-Werkstatt für den Endkundenvertrieb eines großen regionalen Energieversorgers

Principal Data Scientist Anforderungsanalyse Design & Architektur Beratung ...
Principal Data Scientist
Ein großer regionaler Energieversorger baut seine datengetriebene
Vertriebsunterstützung aus. Im Rahmen dieses Vorhabens soll auch eine DataAnalytics-Werkstatt aufgebaut und für die Umsetzung von Data-Science-Use-Cases
verwendet werden.
Unser Berater arbeitet verantwortlich im Projektteam des Kunden. Er berät beim
Design und Aufbau der technischen Architekturen und der Entwicklung der Use Cases
und setzt diese praktisch innerhalb der Data-Analytics-Werkstatt um.
Das Projekt läuft noch.
Atlassian JIRA / Confluence Bitbucket Git Microsoft Power BI Oracle Database Python
Anforderungsanalyse Design & Architektur Beratung Entwicklung Dokumentation Testing Data Science Data-Science-Prozesse ETL Systemarchitektur Data Governance
2 Jahre 2 Monate
2022-04 - heute

Aufbau und Leitung einer Competence Area für Data Science

Projektleitung Teamleitung Schaffung von Prozessen und Strukturen Strategische Entwicklung ...
Projektleitung
 Die alphaQuest GmbH hat beschlossen Competence Areas zu gründen. Unser Berater hat die Verantwortung für den Aufbau und die Leitung der Competence Area Data Science übernommen. Zu seinen Aufgaben gehören die Motivation von Kolleg:innen zur Mitarbeit in seiner Competence Area, deren fachliche Anleitung und Entwicklung; des Weiteren die Abstimmung und Etablierung von Prozessen und Strukturen, die strategische Ausrichtung und Entwicklung des Bereichs Data Science in enger Abstimmung mit der Geschäftsführung und die Zusammarbeit mit Vertrieb und HR.
Die Competence Area Data Science gilt intern als Vorzeigebeispiel einer hervorragend strukturierten Competence Area mit einem großen Team motivierter Mitarbeitender.  
Teamleitung Schaffung von Prozessen und Strukturen Strategische Entwicklung Vertrieb Data Science Projektleitung Projektplanung
3 Jahre 5 Monate
2021-01 - heute

Sicherung Operations und Betreuung Servermigration

Projektleitung Projektleitung Operations Dokumentation ...
Projektleitung

Technischer und fachlicher Support für produktive Data-Science-Use-Cases und Migration mehrerer SQL- und Linux-Server des Data-Science-Teams.
Ergebnis: Sicherung des uneingeschränkten operativen Betriebs aller produktiven Data-Science-Use-Cases und erfolgreiche Migrationen.

Atlassian JIRA / Confluence Jupyter Notebook Microsoft Power BI Microsoft SQL Server Microsoft SQL Server Integration Services (SSIS) R Studio TortoiseSVN
Projektleitung Operations Dokumentation Bugfixing Agiles Projektmanagement (Scrum) Berechtigungskonzepte Data Science Data-Science-Prozesse DevOps Erstellung von User Stories ETL Machine Learning Predictive Analytics Projektcontrolling Projektplanung Python R SQL Stakeholder Management
Versicherungen
2 Jahre 4 Monate
2020-09 - 2022-12

Entwicklung einer Betrugserkennung für einen Versicherungskonzern (Versicherungsbetrug)

Senior Consultant, Scrum Master Scrum Atlassian Confluence Atlassian JIRA ...
Senior Consultant, Scrum Master
Die übergeordnete Zielstellung des Projektes ist die Entwicklung mehrerer Modelle zur
Erkennung von Versicherungsbetrug in den Bereichen KFZ und Hausrat. Dabei wurden
im Projektverlauf nach und nach iterativ weitere Datenquellen erschlossen, erste
einfache (z.B. regelbasierte) Modelle deployt, in den Produktivbetrieb überführt und
die konkrete Zielstellung (u.a. automatisierte Unterstützung bei der Erhöhung der
Aussteuerungsrate zur manuellen Prüfung, Identifikation von Betrugsfällen,
individuelle Schätzung der Wirtschaftlichkeit einer manuellen Prüfung von
Verdachtsfällen) angepasst.
Unser Berater arbeitete verantwortlich im Projektteam des Kunden. Dabei entwickelte
er die technischen und mathematischen Architekturen und unterstützte deren
praktische Umsetzung. Darüber hinaus konzipierte und etablierte er ein agiles
Vorgehensmodell nach Scrum für die Entwicklung des Data Science Modells.
Erebnis: Durch die verbesserte und automatisierte Betrugserkennung konnten
jährliche Einsparungen in 7-stelliger Höhe realisiert werden.
Domino Data Lab Jupyter Notebook SAS Enterprise Guide SAS Data Integration Studio
Scrum Atlassian Confluence Atlassian JIRA Data Science Data-Science-Prozesse Datenanalyse Data Modeling DevOps Erstellung von User Stories ETL Fachliche Anforderungsanalyse Machine Learning Performance-Test Predictive Analytics Project Controlling Python SAS Schnittstellendesign SystemArchitektur SystemDokumentation Anforderungsanalyse Design Entwicklung Dokumentation Testing Prozessdefinition Scrum Master Projekt-Controlling
Versicherung
5 Monate
2022-01 - 2022-05

Entwicklung eines Prototyps zur automatisierten Auftragserkennung

Principal Data Scientist Data Science Fachliche Anforderungsanalyse Machine Learning ...
Principal Data Scientist

Für den Bestellprozess beim Kunden sollen Bestellungen, welche als Mail-Text oder PDF eingehen, automatisiert ausgelesen werden.
Ziel des Projektes ist, einen Prototypen zu entwickeln, der diesen Prozessschritt vollständig zu automatisiert, inklusive der Übergabe der Eingangsdateien an die Softwarelösung und der Weitergabe der Auftragsdaten an das nachfolgende Softwaremodul.  

Atlassian JIRA / Confluence Azure Logic Apps Azure Machine Learning Cognitive Plattform: Microsoft Azure AI Builder
Data Science Fachliche Anforderungsanalyse Machine Learning Schnittstellendesign SystemArchitektur
Manufacturing
3 Monate
2021-08 - 2021-10

Entwicklung eines XAI-Demonstrators

Projektleitung Data Science Fachliche Anforderungsanalyse Node.js ...
Projektleitung

Ziel des Projektes war die Weiterentwicklung eines frei verfügbaren XAI-Demonstrators zur Nutzung im Vertrieb der alphaQuest GmbH. Zu diesem Zweck musste die Funktionsweise des verfügbaren Entwicklungsstandes verstanden, dessen vorhandene Schwächen identifiziert, die Anforderungen für den Einsatz im Vertrieb der alphaQuest GmbH abgeleitet und technische Lösungsansätze entwickelt und evaluiert werden. Schließlich sollten Verbesserungen implementiert, evaluiert und deployt werden.
XAI beschreibt Methoden, mit denen KI-Lösungen erklärbar und nachvollziehbar gemacht werden können (Explainable Artificial Intelligence).

Azure DevOps Azure Web Apps Docker GitHub
Data Science Fachliche Anforderungsanalyse Node.js Vue.js Machine Learning Predictive Analytics Projektleitung Projektplanung Python
Unternehmensberatung
1 Monat
2021-09 - 2021-09

Verbesserung eines Projektportfoliooptimierers

Principal Data Scientist Data Science Bugfixing
Principal Data Scientist

Ein bestehender Optimierer für das Projektportfolio liefert keine optimalen Ergebnisse.
Ergebnis: Fehler in der Datenverarbeitung wurde identifiziert und behoben. Der Algorithmus liefert nun optimale Lösungen. 

MATLAB MS Office
Data Science Bugfixing
Manufacturing
3 Monate
2020-10 - 2020-12

Sicherung Operations und Abschluss Entwicklungsprojekt

Projektleitung Scrum Berechtigungskonzept Data Science ...
Projektleitung

Wegen des überraschenden Ausscheidens der Mitarbeiter des Data Science Teams des Kunden mussten unter Zeitdruck zahlreiche Übergaben erfolgen und eine Dokumentation aller Aufgaben, Data Science Entwicklungen und Data Science Prozesse zum Einlernen neuer Mitarbeiter angelegt werden. Zusätzlich musste die fachliche Betreuung und der technische Support für bereits produktiv eingesetzte Data Sciene Use Cases sichergestellt werden. Schließlich wurde noch ein begonnenes Entwicklungsprojekt zur KI-basierten Erfassung von Informationen aus eingescannten Vertragsunterlagen abgeschlossen.

Unser Berater leitete ein Projektteam beim Kunden an. Dabei identifizierte und priorisierte er erforderliche Aufgaben im Rahmen der Übergaben. Zu diesem Zweck wurde ein agiles Vorgehensmodell eingesetzt. Er entwickelte zudem technische Architekturen und unterstützte deren praktische Umsetzung.  Übergaben wurden im Rahmen von Interviews und gemeinsamer Bearbeitung von Wartungs- und Entwicklungsaufgaben durchgeführt und die Ergebnisse in Atlassian Confluence dokumentiert. Auf diesem Wege wurden auch zukünftig dringend anstehende Aufgaben (konkret: Server-Migrationen) identifiziert und deren Umsetzung vorbereitet.  

Für das begonnene Entwicklungsprojekt wurden Neuronale Netze trainiert, sodass die relevanten Seiten innerhalb der gescannten Dokumente sowie die darauf enthaltenen Informationen automatisiert ausgelesen werden konnten. Es wurde eine umfangreiche Dokumentation angelegt und ein Operations Konzept für die bereits produktiv eingesetzten Data Sciene Use Cases entwickelt und etabliert. Die bestehenden Datenbankserver und ETL-Strecken wurden auf anstehende Migrationen vorbereitet und die Migration testweise erfolgreich geprobt. 

Informationen aus mehr als 100.000 gescannten Verträgen unterschiedlicher Formularvarianten konnten zuverlässig automatisiert ausgelesen werden. Der Kunde wünscht, die Zusammenarbeit in den Bereichen Support, Einarbeitung neuer Mitarbeiter und Entwicklung weiterer Data Science Use Cases in Zukunft fortzusetzen.  

Atlassian JIRA / Confluence Jupyter Notebook Microsoft Power BI Microsoft SQL Server Microsoft SQL Server Integration Services (SSIS) R Studio TortoiseSVN
Scrum Berechtigungskonzept Data Science Data-Science-Prozesse DevOps Erstellung von User Stories Fachliche Anforderungsanalyse Machine Learning Projektleitung Projektplanung Python R Stakeholdermanagement SystemDokumentation Dokumentation Design Entwicklung Stakeholder Management
Versicherungen
2 Monate
2020-08 - 2020-09

Offer-To-Cash-Prognose mit stochastischen Komponenten

Projektleitung Azure Databricks Data Science Data-Science-Prozesse ...
Projektleitung

Entwicklung eines Modells und Reports zur kurzfristigen Umsatzprognose basierend auf Auftragseingängen mit stochastischen Unsicherheiten, Ergebnis: Hohe Prognosegüte im Backtesting. Das Modell ermöglicht dem Kunden, die Qualität etablierter Verfahren zu Umsatzprognosen kritisch zu hinterfragen. 

Azure DevOps Databricks Jupyter Notebook Microsoft Power BI
Azure Databricks Data Science Data-Science-Prozesse Datenanalyse Fachliche Anforderungsanalyse Machine Learning Predictive Analytics Project Controlling Projektleitung Projektplanung Python Schnittstellendesign Stakeholdermanagement SystemArchitektur
Manufacturing
2 Monate
2020-07 - 2020-08

Entwicklung einer Umsatzpotentialprediktion für einen Versicherungskonzern

Principal Data Scientist Data Science Data-Science-Prozesse Datenanalyse ...
Principal Data Scientist

Die zentrale Zielstellung des Projektes war die Entwicklung eines Vorhersagemodells, das den Fachbereich Vertrieb bei der Auswahl von zu fördernden Vertriebspartnern unterstützt und somit Umsatzpotentiale identifiziert. 

Das Zielmodell sollte dabei eine hohe praktische Nutzbarkeit sicherstellen: 

1. Identifikation mindestens eines vordefinierten Anteils von Potentialträgern (Erreichung einer vorgegebenen Recall-Rate) 

2. Hohe Treffergenauigkeit (maximale Precision für vorgegebene Recall-Rate) 

Zum Zeitpunkt des Projekteinstiegs waren kundenseitig bereits mehrere Monate Entwicklungszeit investiert worden, ohne dass die gewünschte Modellgüte erreicht werden konnte. Unser Berater arbeitete verantwortlich im Projektteam des Kunden. Dabei entwickelte er die technischen und mathematischen Architekturen und unterstützte deren praktische Umsetzung. 

Es wurden folgende Prädiktions-Algorithmen verwendet: Linear Discriminant Analysis, Logistische Regression, XGBoost, Neuronales Netz

Das Projekte umfasste die folgenden Phasen (angelehnt an CRISP-DM): 

1. Schaffung des Geschäfts- und Datenverständnisses 

2. Überprüfung der Datengrundlage und der bisherigen mathematischen Modellierungsansätze 

3. Korrekturen und Ergänzungen der Datengrundlage und der Modellierungsansätze 

4. Implementierung und Deployment der gewählten mathematischen Modelle (Multi-Modell-Ansatz) 

5. Validierung und Backtesting 

6. Dokumentation und Bereitstellung von Ergebnissen (Power BI-Report) für den fachlichen Auftraggeber.

Innerhalb von zwei Monaten wurde aufbauend auf der Vorentwicklung des Projektteams des Kunden ein Data Science Verfahren entwickelt und dem fachlichen Auftraggeber zur praktischen Erprobung übergeben. Die Ergebnisse aus dem Backtesting erfüllten dabei nicht nur die Anforderungen des fachlichen Auftraggebers, sondern übertrafen auch signifikant die Erwartungen des Kunden-Projektteams vom Zeitpunkt des Projekteinstiegs.  

Jupyter Notebook Microsoft Power BI Microsoft SQL Server Microsoft SQL Server Integration Services (SSIS) TortoiseSVN
Data Science Data-Science-Prozesse Datenanalyse Data Modeling ETL Fachliche Anforderungsanalyse Machine Learning Performance-Test Predictive Analytics Python Schnittstellendesign SQL Stakeholdermanagement SystemArchitektur SystemDokumentation Berechtigungskonzepte Software Deployment
Versicherungen
5 Monate
2020-01 - 2020-05

Industrialisierung einer Betrugsfrüherkennung für einen Versicherungskonzern

Senior Consultant Berechtigungskonzept Data Science Data-Science-Prozesse ...
Senior Consultant

Ziel des Projekts war die Betreuung der Industrialisierung eines Vorhersagemodells zur Früherkennung von Provisionsbetrug. Zur operativen Nutzung sollten die Modellvorhersagen visuell aufbereitet und monatlich automatisiert aktualisiert werden. Damit die Modellvorhersagen plausibilisiert werden konnten, mussten sie erklärbar gemacht und das Cockpit um Kontextinformationen angereichert werden.
Unser Berater arbeitete verantwortlich im Projektteam des Kunden. Dabei entwickelte er die technischen Architekturen und setzte diese praktisch um. 

Das Projekt umfasste die Phasen: 

1. Statistische Validierung und Überarbeitung des Vorhersagemodells 

2. Evaluation von Möglichkeiten zur Schaffung von Erklärbarkeit (Explainable AI)  

3. Entwicklung des Datenmodells für das Cockpit 

4. Entwicklung eines Power BI-Reports 

5. Vervollständigung und Optimierung der ETL-Strecken hinsichtlich Performance und Speichernutzung 

6. Definition und Umsetzung einer automatisierten Jobsteuerung 

7. Definition und Umsetzung von Deploymentprozessen für Data Science Projekte beim Kunden allgemein.

Innerhalb von drei Monaten wurde ein Power BI-Report entwickelt, der eine reibungslose Nutzung des Vorhersagemodells im operativen Alltag ermöglicht und damit großen Mehrwert schafft. Dieser fand über den anwendenden Fachbereich hinaus große Anerkennung, sodass ähnliche Berichte für weitere Anwendungsfälle angefragt wurden. Zudem konnten erfolgreich die Strukturen und Prozesse zur Industrialisierung von Data Science Projekten entwickelt und erprobt werden. Diese sollen zukünftig für alle weiteren Data Science Projekte im Unternehmen genutzt werden.  

Jupyter Notebook Microsoft Power BI Microsoft SQL Server Microsoft SQL Server Integration Services (SSIS) R Studio TortoiseSVN
Berechtigungskonzept Data Science Data-Science-Prozesse Data Modeling Fachliche Anforderungsanalyse Machine Learning Performance-Test Predictive Analytics R Schnittstellendesign SQL Stakeholdermanagement SystemArchitektur SystemDokumentation
Versicherung
5 Monate
2019-08 - 2019-12

Entwicklung und Betrieb einer zentralen Datenintegrationsplattform

Consultant Scrum Batchscript Berechtigungskonzept ...
Consultant

Entwicklung und Betrieb einer europaweiten zentralen Datenintegrationsplattform (ETL) für Customer Relationship Daten eines führenden Automobilkonzerns. 

Atlassian JIRA / Confluence Bitbucket Informatica PowerCenter Oracle Application Express/APEX Oracle Database
Scrum Batchscript Berechtigungskonzept Data Modeling DevOps User Stories erstellen ETL Java Oracle PL/SQL Schnittstellendesign SQL SystemDokumentation Data Governance
Automobilindustrie
2 Monate
2019-06 - 2019-07

Migration eines Controlling-Systems für ein Ticketingsystem

Consultant Scrum Datenbanken Data Modeling ...
Consultant

Ein weltweit agierender Automobilkonzern aus dem Premiumsegment hatte ein Ticketingsystem im Einsatz, welches von praktisch allen Unternehmensbereichen genutzt wurde. An dieses Ticketingsystem war ein Reportingsystem angebunden, welches über zahlreiche Möglichkeiten den Führungskräften KPIs bereitstellte. Da das ETL des bisherigen Reportings von dessen Hersteller aus der Wartung genommen wurde, musste das System auf eine neue technologische Basis gestellt werden.

Atlassian JIRA / Confluence Microsoft SQL Server Microsoft SQL Server Integration Services (SSIS)
Scrum Datenbanken Data Modeling ETL Fachliche Anforderungsanalyse Schnittstellendesign SQL SystemArchitektur
Automobilindustrie
5 Monate
2019-01 - 2019-05

Entwicklung einer Betrugsfrüherkennung für einen Versicherungskonzern (Provisionsbetrug)

Senior Consultant Berechtigungskonzept Data Science Data-Science-Prozesse ...
Senior Consultant

Die zentrale Zielstellung des Projektes war die Entwicklung eines Vorhersagemodells zur Früherkennung von Provisionsbetrug. Das zu entwickelnde Vorhersagemodell sollte dem Fachbereich Vertrieb ermöglichen, Fälle von potenziellem Provisionsbetrug (bzw. auch allgemein von Geschäftspartnern, die aufgrund ausstehender Rückzahlungen zu Rechtsfällen werden könnten) frühzeitig zu erkennen, um gezielte Überprüfungen und geeignete Gegenmaßnahmen einleiten zu können.   

Das Zielmodell sollte dabei eine hohe praktische Nutzbarkeit sicherstellen: 

1. Interpretierbarkeit durch den Fachbereich möglich 

2. Treffergenauigkeit (geringe False-Negative-Rate, hohe Spezifität) 

3. Vorhersage möglichst aller zukünftiger Rechtsfälle (hohe True-Positive-Rate, hohe Sensitivität).
Unser Berater arbeitete verantwortlich im Projektteam des Kunden. Dabei entwickelte er die technischen und mathematischen Architekturen und unterstützte deren praktische Umsetzung. 

Das Projekte umfasste die folgenden Phasen (angelehnt an CRISP-DM): 

1. Schaffung des Geschäftsverständnisses 

2. Entwicklung und Aufbereitung der Datengrundlage 

3. Unterstützung bei der Methodenauswahl und Modellierung 

4. Implementierung und Deployment der gewählten mathematischen Modelle 

5. Validierung und Backtesting 

6. Dokumentation und Aufbereitung von Ergebnissen für den fachlichen Auftraggeber.


Innerhalb von sechs Monaten wurde ein Data Science Verfahren entwickelt und dem Top-Management des Kunden präsentiert. Die Ergebnisse übertrafen dabei alle Erwartungen, sodass ähnliche Ansätze unternehmensweit geplant wurden. Im Rahmen des Projekts wurden zahlreiche Data-Science-Prozesse entwickelt, erprobt und als Standard beim Kunden etabliert.  

Jupyter Notebook Microsoft Power BI Microsoft SQL Server Microsoft SQL Server Integration Services (SSIS) R Studio TortoiseSVN
Berechtigungskonzept Data Science Data-Science-Prozesse Datenanalyse ETL Fachliche Anforderungsanalyse Machine Learning Predictive Analytics Python R Schnittstellendesign SQL Stakeholdermanagement SystemArchitektur
Versicherung
1 Jahr
2018-01 - 2018-12

Analyse von Ansteckungseffekten mittels Ordinal Patterns

Wissenschaftlicher Mitarbeiter Data Science Datenanalyse R ...
Wissenschaftlicher Mitarbeiter

Ziel war die Zeitreihenanalysen von historischen Staatsanleihen-Renditen mit Hilfe neuer statistischer Methoden. 

Data Science Datenanalyse R R Studio
3 Monate
2017-10 - 2017-12

Durchführung einer Studie zur Identifikation von Studienerfolgsprädiktoren

Wissenschaftlicher Mitarbeiter Data Science Datenanalyse Machine Learning ...
Wissenschaftlicher Mitarbeiter

Ziel war die Analyse der Zusammenhänge von Abschlussergebnissen von Studierenden und der zum Studienstart vorliegenden zugehörigen Daten. Daraus sollten Hauptprädikatoren für den Studienerfolg abgeleitet werden. 

Data Science Datenanalyse Machine Learning Predictive Analytics R R Studio
1 Jahr
2017-01 - 2017-12

Messung von systemischen Risiken auf Finanzmärkten mit neuen mathematischen Ansätzen

Wissenschaftlicher Mitarbeiter Datenanalyse R R Studio ...
Wissenschaftlicher Mitarbeiter

Überprüfung, ob neue mathematische Ansätze geeignet sind um systemische Risiken auf Finanzmärkten zu messen.

Datenanalyse R R Studio Data Science
4 Monate
2017-04 - 2017-07

Leitung des Seminars "Forecasting and Analytics in Finance"

Seminarleiter Data Science Machine Learning Predictive Analytics ...
Seminarleiter

Leitung eines praxisorientierten Master-Seminars zur Anwendung fortgeschrittener statistischer Analysemethoden für Finanzmärkte. 

Data Science Machine Learning Predictive Analytics R R Studio STATA
6 Monate
2016-04 - 2016-09

Empirische Validierung von Kreditrisikomodellen unter Berücksichtung von statistischen Unsicherheiten in der Parametrisierung

Masterand Data Science Datenanalyse Machine Learning ...
Masterand

 Masterarbeit: Gängige Kreditrisikomodelle sollten auf der Ebene von öffentlich zugänglichen Ratingdaten unter Berücksichtigung von statistischen Unsicherheiten in der Parametrisierung empirisch validiert werden.

Data Science Datenanalyse Machine Learning Performance Test Predictive Analytics R R Studio
3 Monate
2015-08 - 2015-10

Risikomanagement für ein Beratungsunternehmen

Data Scientist (Internship) R R Studio Datenanalyse ...
Data Scientist (Internship)
  1. Modellvalidierung eines bestehenden Tools zur Kreditrisikobewertung
    1.   Theoretische und empirische Prüfung der Modellannahmen des Tools  
  2. Implementierung eines neuen Modells zur Bewertung operationaler Risiken in R auf Grundlage von Daten
    1.  Modellevaluation gegenüber Vergleichsmodellen mit Hilfe von Echtdaten  
R R Studio Datenanalyse Data Science
Unternehmensberatung

Aus- und Weiterbildung

Aus- und Weiterbildung

1 Monat
2024-01 - 2024-01

Professional Scrum Product Owner I

Professional Scrum Product Owner I,
Professional Scrum Product Owner I
1 Monat
2022-06 - 2022-06

Führung - Basics

Manager Institut
Manager Institut
1 Monat
2021-02 - 2021-02

Professional Scrum Master I

Professional Scrum Master I,
Professional Scrum Master I
2 Jahre 3 Monate
2016-10 - 2018-12

Wissenschaftlicher Mitarbeiter Institut für Finanzwirtschaft

Institut für Finanzwirtschaft
Institut für Finanzwirtschaft
1 Monat
2018-06 - 2018-06

Econometrics of Big Data

GSERM St. Gallen
GSERM St. Gallen
2 Jahre
2014-10 - 2016-09

M.Sc. Wirtschaftsphysik (Abschluss mit Auszeichnung)

Master of Science, Universität Ulm
Master of Science
Universität Ulm

Finanzwirtschaft  

3 Jahre
2011-10 - 2014-09

B.Sc. Wirtschaftsphysik (Abschluss mit Auszeichnung)

Bachelor of Science, Universität Ulm
Bachelor of Science
Universität Ulm

Nebenfach: Informatik  

Position

Position

Principal Consultant; Data Science; Machine Learning; Data Engineering; Scrum Master; Projektleitung

Kompetenzen

Kompetenzen

Schwerpunkte

Data Science
Experte
Advanced Analytics
Experte
Scrum Master
Experte
Projektleitung
Fortgeschritten

Produkte / Standards / Erfahrungen / Methoden

Agiles Projektmanagement (Scrum)
Fortgeschritten
Atlassian Jira / Confluence
Fortgeschritten
Automic
Basics
Azure Cognitive Plattform
Basics
Azure Databricks
Basics
Azure DevOps
Basics
Azure Logic Apps
Basics
Azure Machine Learning
Basics
Batch-Skripte
Basics
Berechtigungskonzepte
Fortgeschritten
Bitbucket
Basics
BPMN
Fortgeschritten
Container-Lösungen
Basics
Data Governance
Fortgeschritten
Database-Performance-Optimierung
Fortgeschritten
Databricks
Basics
Data-Science-Prozesse
Experte
Datenmodellierung
Fortgeschritten
Deep Learning
Basics
DevOps
Fortgeschritten
Domino Data Lab
Fortgeschritten
ETL
Fortgeschritten
Fachliche Anforderungsanalyse
Fortgeschritten
GIT
Basics
Informatica Powercenter
Basics
Jupyter Notebook
Fortgeschritten
MATLAB
Basics
ML / Machine Learning
Experte
Microsoft Office
Fortgeschritten
Microsoft Power Automate AI Builder
Basics
Microsoft Power BI
Fortgeschritten
Microsoft SQL Server Integration Services (SSIS)
Basics
MLOps
Basics
Oracle Application Express / APEX
Basics
Performance-Test
Fortgeschritten
Predictive Analytics
Experte
Projektcontrolling
Fortgeschritten
Projektleitung
Fortgeschritten
Projektplanung
Fortgeschritten
Prozesse und Strukturen
Fortgeschritten
R Studio
Fortgeschritten
SAS
Fortgeschritten
SAS Data Integration Studio
Fortgeschritten
SAS Enterprise Guide
Fortgeschritten
Schnittstellendesign/API
Fortgeschritten
Scrum
Fortgeschritten
Systemarchitektur
Fortgeschritten
TortoiseSVN
Fortgeschritten
Systemdokumentation
Fortgeschritten
Testdurchführung / -leitung
Basics
Testfallerstellung (fachlich)
Fortgeschritten
UML
Basics
Zeitreihendaten
Experte

Betriebssysteme

MS Windows
Fortgeschritten
Linux
Fortgeschritten

Programmiersprachen

Java
Basics
Python (Inklsuive Pandas, Numpy, SciKit-Learn)
Experte
R
Experte
SQL
Experte
VBA
Basics
Oracle PL/SQL
Basics
SAS
Fortgeschritten

Datenbanken

Microsoft Azure Cloud
Basics
Microsoft SQL Server
Experte
Oracle Database
Fortgeschritten

Branchen

Branchen

Versicherungen, Banken, Industrie, Automobil, Forschung

Vertrauen Sie auf GULP

Im Bereich Freelancing
Im Bereich Arbeitnehmerüberlassung / Personalvermittlung

Fragen?

Rufen Sie uns an +49 89 500316-300 oder schreiben Sie uns:

Das GULP Freelancer-Portal

Direktester geht's nicht! Ganz einfach Freelancer finden und direkt Kontakt aufnehmen.