Verantwortlich für die Planung, Steuerung und Umsetzung der Decommissioning-Strategie von Microsoft Office-Produkten sowie der erfolgreichen Einführung von Google Workspace im Engineering-Bereich eines internationalen Unternehmens.

Kernaufgaben:

• Analyse der bestehenden IT-Landschaft im Engineering, insbesondere Nutzung von Outlook, Word, Excel, PowerPoint und SharePoint.

• Entwicklung einer Migrationsstrategie für den reibungslosen Übergang von Microsoft Office-Produkten zu Google Workspace (Gmail, Docs, Sheets, Slides, Drive).

• Planung und Steuerung der Datenmigration, inklusive Sicherstellung der Kompatibilität und Übertragung bestehender Dateien und E-Mails.

• Definition und Umsetzung von Berechtigungskonzepten und Nutzerrollen im neuen System.

• Erstellung und Durchführung von Change-Management-Maßnahmen: Trainingskonzepte, Schulungen, Kommunikationskampagnen für Anwenderakzeptanz.

• Steuerung der technischen Umsetzung in enger Zusammenarbeit mit IT-Dienstleistern und internen Support-Teams.

• Sicherstellung der Einhaltung von IT-Sicherheitsrichtlinien und Datenschutzanforderungen während der Migration.

• Aufbau von Supportstrukturen für die Post-Migration-Phase und Stabilisierung des neuen Systems im Betrieb.

Erfolge:

• Erfolgreiche Migration von Engineering-Teams ohne nennenswerte Unterbrechung des Betriebs.

• Steigerung der Collaboration-Effizienz durch Einführung cloudbasierter Arbeitsweisen.

• Deutliche Reduktion von Lizenzkosten und Komplexität in der IT-Landschaft.

Verantwortlich für die Konzeption, Einführung und Weiterentwicklung eines unternehmensweiten Dokumentenmanagementsystems (DMS) zur digitalen Verwaltung von Geschäftsprozessen und Dokumenten.

Kernaufgaben:

• Erstellung der Produktvision, Anforderungsdefinition und Priorisierung der Features im Product Backlog.

• Konzeption und Definition von standardisierten Workflows für Dokumentenprozesse (z. B. Freigaben, Versionierungen, Archivierung).

• Entwicklung und Implementierung von Governance-Richtlinien für Dokumentenmanagement, Zugriffsrechte, Compliance und Datensicherheit.

• Planung und Steuerung des gesamten Product Lifecycle Managements: von der initialen Systemauswahl über die Implementierung bis hin zu Updates und Weiterentwicklungen.

• Durchführung von Change-Management-Maßnahmen zur erfolgreichen Einführung des Systems, inklusive Anwenderschulungen und Kommunikationskampagnen.

• Steuerung und Koordination externer Implementierungspartner sowie enge Zusammenarbeit mit internen Fachbereichen (IT, Recht, Qualitätsmanagement).

• Aufbau eines rollenbasierten Berechtigungsmodells für Nutzergruppen und Abteilungen.

Erfolge:

• Erfolgreiche Implementierung und unternehmensweiter Rollout des DMS innerhalb der geplanten Zeit- und Budgetvorgaben.

• Steigerung der Effizienz und Nachvollziehbarkeit von Dokumentenprozessen sowie Erhöhung der Compliance-Konformität.

• Schaffung einer skalierbaren Plattform für künftige Digitalisierungsinitiativen im Bereich Dokumenten- und Workflowmanagement.

Verantwortlich für die Einführung des Produktionsplanungsmoduls eines neuen Manufacturing Execution Systems (MES) am neu akquirierten Produktionsstandort. Ziel war die Integration der Produktionssteuerung in die bestehende IT-Landschaft des Konzerns.

Kernaufgaben

• Definition und Implementierung der Produktionsplanungsprozesse im neuen MES-System.

• Aufnahme und Analyse der lokalen Fertigungsabläufe zur Anpassung des MES-Workflows an bestehende Maschinen- und Linienstrukturen.

• Aufbau der Echtzeitdatenerfassung zur Produktionsüberwachung (z.?B. Auftragsverfolgung, Maschinenstatus, Fertigungszeiten).

• Schnittstellen-Design zwischen MES und vorhandenen Maschinensteuerungen (z.?B. SPS-Systeme).

• Sicherstellung der Anbindung des MES an das zentrale ERP-System für Auftragsdaten und Produktionsrückmeldungen.

• Anwenderschulungen für Produktionsleiter und Werker, inklusive Erstellung von Schulungsunterlagen.

• Begleitung der Systemabnahme und Stabilisierung im Live-Betrieb.

Erfolge:

• Erfolgreiche Einführung des Produktionsplanungsmoduls im geplanten Zeitrahmen.

• Deutliche Steigerung der Produktionssicherheit und Transparenz am neuen Standort.

• Grundlage geschaffen für die spätere Erweiterung auf weitere MES-Module (z.?B. Qualitätsmanagement).

Leitung der Einführung und Integration der SAP-Module SD (Sales & Distribution) und PP (Production Planning) zur vollständigen Anbindung des neu übernommenen Produktionsstandorts an die zentrale Unternehmens-ERP-Struktur.

Kernaufgaben:

• Aufnahme und Analyse der vertriebs- und fertigungsrelevanten Prozesse am neuen Standort.

• Implementierung und Customizing der SAP-Module SD und PP, angepasst an lokale Anforderungen und bestehende globale Standards.

• Aufbau der Auftrags- und Fertigungsprozessketten in SAP ? von der Kundenauftragsanlage über die Produktionsplanung bis zur Auslieferung.

• Anbindung von Fertigungsaufträgen und Produktionsrückmeldungen an das neue MES-System über SAP-Schnittstellen.

• Konzeption und Umsetzung der Integration von Produktionsdaten zwischen SAP und MES, inklusive Entwicklung von Schnittstellenprotokollen und Datenmodellen.

• Durchführung von Datenmigrationen (z.?B. Materialstammdaten, Stücklisten, Kundenaufträge) und Sicherstellung der Datenqualität.

• Durchführung von Integrationstests und Schulungen für Key User und Endanwender.

• Change Management zur Akzeptanzsicherung bei Vertriebs- und Produktionsabteilungen.

• Sicherstellung eines reibungslosen Go-Live und Stabilisierung des Betriebs nach Produktivsetzung.

Erfolge:

• Erfolgreiche Anbindung des neuen Standorts an das zentrale SAP-System im geplanten Zeit- und Budgetrahmen.

• Harmonisierung der Vertriebs- und Produktionsprozesse mit bestehenden Konzernstandorten.

• Schaffung einer transparenten und durchgängigen Prozesskette von der Auftragsanlage bis zur Produktion und Auslieferung.

Beschreibung:

Verantwortlich für die Planung und Umsetzung eines Optimierungsprojekts zur Effizienzsteigerung in der Kupferproduktion durch den Einsatz von mathematischen Modellen und KI-basierten Prognoselösungen.

Kernaufgaben:

• Analyse bestehender Produktionsprozesse (z.?B. Schmelzprozesse, Raffination, Materialfluss) zur Identifikation von Optimierungspotenzialen.

• Entwicklung und Implementierung von mathematischen Optimierungsmodellen zur Verbesserung der Produktionsplanung und Ressourcenauslastung.

• Konzeption und Training von KI-Modellen zur Vorhersage kritischer Produktionsparameter (z.?B. Energieverbrauch, Durchlaufzeiten, Materialqualitäten).

• Aufbau von Datenerfassungs- und Vorverarbeitungssystemen zur kontinuierlichen Versorgung der Modelle mit aktuellen Produktionsdaten.

• Integration der Optimierungs- und Prognosemodelle in bestehende MES- und ERP-Systeme zur direkten Nutzung im Produktionsalltag.

• Durchführung von Pilotprojekten und Simulationen zur Validierung der Modellergebnisse vor der breiten Implementierung.

• Schulung von Produktionsmitarbeitern und Produktionsleitern im Umgang mit neuen Analysetools und Modellen.

• Steuerung interdisziplinärer Teams bestehend aus Data Scientists, Produktionsingenieuren und IT-Spezialisten.

Erfolge:

• Signifikante Reduzierung von Energieverbrauch und Produktionskosten durch optimierte Steuerung von Produktionsabläufen.

• Erhöhung der Produktqualität und Prozessstabilität durch frühzeitige Prognosen und automatische Handlungsempfehlungen.

• Aufbau einer skalierbaren Daten- und KI-Infrastruktur für zukünftige Optimierungsinitiativen im Produktionsumfeld.

Beschreibung:

Leitung der Implementierung und des internationalen Rollouts eines unternehmensweiten Supply-Chain-Planungssystems für mehrere Produktionsstandorte. Technologie-Stack: SQL-Datenbanken (Azure Cloud), Frontend: Board (BI- und Planungstool).

Kernaufgaben:

• Gesamtverantwortung für Planung, Steuerung und erfolgreiche Umsetzung des Projekts (inklusive Zeit-, Budget- und Qualitätsmanagement).

• Definition und Implementierung von Schnittstellen zu SAP SD (Sales & Distribution), MM (Material Management) und PP (Production Planning) Modulen.

• Aufbau und Design der Datapipelines sowie Definition der Schnittstellen zum SAP BW (Business Warehouse) zur Integration historischer und operativer Daten.

• Entwicklung einer Live-Datenintegration mit dem MES (Manufacturing Execution System) zur Echtzeit-Verarbeitung von Produktionsdaten im Planungssystem.

• Durchführung von SAP Customizing zur Anpassung von Standardmodulen an die neuen Geschäftsprozesse.

• Analyse und Optimierung bestehender Geschäftsprozesse im Bereich Planung, Logistik und Produktion, einschließlich der Umsetzung notwendiger Prozessänderungen.

• Steuerung von internationalen Projektteams sowie Koordination externer Dienstleister und interner Fachbereiche (IT, Supply Chain Management, Produktion).

• Change Management und Rollout-Management zur Sicherstellung einer reibungslosen Einführung an den internationalen Standorten.

Erfolge:

• Termingerechte Einführung des Systems an allen Pilot- und Zielstandorten.

• Erhöhung der Transparenz in der Supply-Chain-Planung und signifikante Reduktion von Planungsfehlern.

• Etablierung eines skalierbaren Systems für zukünftige Standortintegrationen und Digitalisierungsinitiativen.

Beschreibung:

Operative Umsetzung eines Projekts zur Entwicklung eines Deep-Learning- und Machine-Learning-Modells zur präzisen Vorhersage der Ankunftszeiten von Massengutfrachtern. Fokus auf der Integration in bestehende Unternehmenssysteme über eine skalierbare Cloud-Infrastruktur.

Kernaufgaben:

• Entwicklung und Training eines Deep-Learning-Modells (z. B. LSTM-basierte neuronale Netze) zur Prognose von ETA (Estimated Time of Arrival) auf Basis historischer und Echtzeitdaten.

• Aufbau robuster Data Pipelines in zur Verarbeitung großer Datenmengen (z. B. Schiffsdaten, Wetterdaten, Ladungsinformationen).

• Design und Implementierung von Schnittstellen zur Integration mit dem bestehenden SAP-System:

  • Extraktion relevanter Daten (z. B. Lieferungen, Bestellungen) aus SAP zur Modellverarbeitung.

  • Rückführung der Modellprognosen ins SAP zur direkten Nutzung im operativen Geschäft.

• Nutzung von zur Realisierung der systemübergreifenden Schnittstellen zwischen SAP und Databricks (Trigger, Datenkonvertierung, API-Kommunikation).

• Sicherstellung der Skalierbarkeit und Echtzeitfähigkeit der Lösung.

• Definition von Datenqualitätsstandards und Aufbau von Monitoring-Prozessen für die Modellperformance.

• Zusammenarbeit mit Data Scientists, SAP-Experten und Fachbereichen (Logistik, Supply Chain).

Erfolge

• Reduzierung von Planungsunsicherheiten durch präzisere Ankunftszeitprognosen.

• Optimierung logistischer Abläufe und Lagerprozesse durch frühzeitig verfügbare ETA-Daten.

• Aufbau einer wiederverwendbaren Architektur für weitere Machine-Learning-Anwendungen im Unternehmen.