Das Unternehmen hilft Technologie- und Produktorganisationen, Data-, AI-, Cloud- und Reporting-Plattformen in belastbare Management-, Governance- und Betriebsfähigkeiten zu übersetzen.

• Aufbau eines unabhängigen Beratungsangebots mit Fokus auf Datenplattformen, Reporting Governance, AI Enablement und praktikable Betriebsmodelle.
• Entwicklung von Assessment- und Beratungsformaten für Organisationen, die klarere KPI-Ownership, Reporting-Standards und Entscheidungsstrukturen brauchen.
• Gestaltung von Strukturen, die technische Delivery mit Management-Sichtbarkeit verbinden: KPI-Modelle, Reporting-Layer, Governance-Routinen, Automatisierungsstandards und Delivery Frameworks.
• Übersetzung von AI- und Analytics-Initiativen in Governance-, Adoptions- und Ausführungsmodelle, die von Business- und Technologie-Stakeholdern getragen werden können.

• Aufbau, Ownership und Skalierung der unternehmensweiten Reporting- und Business-Analytics-Plattform auf Azure Synapse und Power BI.
• Definition und Roll-out von Dashboards, KPI-Frameworks und Reporting-Governance-Strukturen für 3 Fahrzeugplattformen und 20+ Organisationseinheiten.
• Fachliche Führung cross-funktionaler DevOps-, Data-Engineering- und BI-Teams mit bis zu 17 FTE in internen und externen Setups.
• Design und Betrieb einer Lakehouse-nahen Datenplattform zur Integration von Jira, SAP, Codebeamer, Azure DevOps, Confluence und cplace.
• Etablierung von Infrastructure as Code und CI/CD-basierten Betriebspraktiken für verlässliche, sichere und auditierbare Plattformprozesse.
• Bereitstellung von Executive Analytics und Steuerungsunterlagen für Management- und C-Level-Entscheidungen.
• Aufbau von Reporting Communities, Ownership-Strukturen und Enablement-Formaten für Data- und Reporting-Owner.

Ausgewählte Ergebnisse:

• Skalierung der Power-BI-Umgebung auf 400+ Pro-Lizenzen und ca. 1.300 aktive Report-Nutzer.
• Reduzierung der Onboarding-Zeit neuer Reporting-Teams von ca. 4 Wochen auf unter 1 Woche.
• Reduzierung des Vorbereitungsaufwands für Executive Committees um ca. 80% durch standardisiertes Reporting und Dashboards.
• Erfolgreiches Bestehen von ISO-9001- und IT-Security-Audits mit proaktivem Compliance- und Betriebsmodell.
• Enablement von 250+ Mitarbeitenden in Power BI, Data Governance und KPI Best Practices.

• Aufbau einer Self-Service-MLOps-Plattform für Azure-ML-Teams in Europa, den USA und China.
• Automatisierte Bereitstellung von Azure ML Workspaces, Storage, Networking und CI/CD-Pipelines mit Terraform, Python und Azure DevOps.
• Standardisierung von Entwicklungsumgebungen und Plattformmustern für Data-Science und Machine-Learning-Workflows.
• Zusammenarbeit mit Microsoft-Experten  zu Azure- und MLOps-Architekturentscheidungen. 
• Aufbau und Unterstützung einer internen MLOps Community of Practice.

Ausgewählte Ergebnisse:

• Befähigung von 10+ globalen AI-Teams, innerhalb von unter 5 Tagen produktiv zu werden.
• Aufbau wiederverwendbarer Plattformmuster für sichere ML-Entwicklung und Deployment.

• Mitarbeit an standardisierten CI/CD-Toolchains und cloudbasierten Entwicklungsumgebungen im Volkswagen-Softwareumfeld.
• Unterstützung von Automatisierung, Platform Engineering sowie Quality- und Security-Gate-Praktiken mit Azure DevOps, Jenkins, Terraform und Ansible.
• Beiträge zum Aufbau ML-naher Entwicklungsumgebungen und Unterstützung agiler Delivery-Praktiken in Plattformteams.

• Verantwortung für AUTOSAR-Tooling und Infrastruktur für Automotive-Software-Engineering-Teams.
• Arbeit mit Jira, GitLab, Jenkins, SVN, Bugzilla, Wiki-Systemen und CI-Infrastruktur.
• Unterstützung von UML-/BSW-Modellierung, AUTOSAR-Releases und Tooling-Automatisierung mit Ruby, LaTeX und Makros.
• Aufbau eines AUTOSAR-Adaptive-Platform-Demonstrators und Beiträge zu Service-Interface-Tooling.

• Unterstützung beim Aufbau von Netzwerktestsystemen und Automotive-Ethernet-nahen Testumgebungen.
• Erstellung von Automatisierungsskripten und VBA-basierten Workflow-Verbesserungen.
• Entwicklung kleinerer Software- und Prozessautomatisierungslösungen während des Studiums.