• Iterativer, agiler Aufbau der Fachanforderungen mit den Stakeholdern und Weiterentwicklung der Lösung auf Basis der gesammelten Erfahrung in der Anwendung.?

• Design der Gesamtarchitektur für eine flexible Dialogsteuerung auf Basis von Large Language Modellen und der fachlichen Dialogstruktur eines Vertriebsmitarbeiters.?

• Modularisierte Entwicklung für transparentes Unit- und Integration-Testing?

• Service Orientierte Architektur OnPrem und Cloud mit Frontend, Backend und Vektordatenbank in Azure?

• Unterstützung des Dialogs durch gezieltes, fachspezifisches Wissen aus unstrukturierten Quellen?

• Multimodale Webanwendung in Realtime und natürlicher Sprache über Telefonie?

• Zero Shot Learning und RAG Ansätze zur Vermeidung von Finetuning-Maßnahmen?

• Iterativer, agiler Aufbau der Fachanforderungen mit den Stakeholdern und Weiterentwicklung der Lösung auf Basis der gesammelten Erfahrung in der Anwendung.?

• Design der Gesamtarchitektur für eine flexible Dialogsteuerung auf Basis von Large Language Modellen und der fachlichen Dialogstruktur der Kundenberater zur Anlage mit ETFs.?

• Modularisierte Entwicklung für transparentes Unit- und Integration-Testing?

• Service Orientierte Architektur OnPrem und Cloud mit Frontend, Backend und Vektordatenbank in Azure?

• Unterstützung des Dialogs durch gezieltes, fachspezifisches Wissen aus unstrukturierten Quellen?

• Lead Development in der Anwendungsentwicklung?

• Beratung der Stakeholder (Leitungen Fachbereich und oberes Management)?

• Zero Shot Learning und RAG Ansätze zur Vermeidung von Finetuning-Maßnahmen

• Erstellung eines technischen Gesamtbilds?

• Übersetzen der Fachanforderungen in Machine Learning Ziele?

• Entwickeln von Tensorflow Extended Pipelines (Datenintegration, Datenanalysen, Datentransformationen, Modelltraining, Modellevaluierung, Modellbereitstellung)?

• Erstellen einer individuellen ensemble Netzwerktopologie?

• Erklärbares KI Modell und umfassende Validierung mit den Fachbereichen?

• Evaluierung unterschiedlicher Dialogsysteme und Empfehlung?

• Kommunikation der Zwischenergebnisse mit den Stakeholdern (Fachbereich und Management)?

• Aufnahme der Strategischen Ziele?

• Beratung des C-Level Managements zu Potentialen mit KI?

• Erstellung einer Skizze für die Entwicklung eines Proof of Concept?

• Formulierung eines Zielbildes mit dem Kunden und Definition der Zwischenziele?

• Aufnahme und Prüfung der notwendigen Datenquellen?

• Sammeln von weiteren Anforderungen aus den Fachbereichen im Rahmen von Workshops?

• Konzeption des Lösungsvorschlags pro Zwischenziel?

• Kommunikation der Zwischenergebnisse mit den Stakeholdern (Fachbereich und Management)?

• Angebotserstellung für den produktionsnahen Proof of Concepts?

Projektziel: Entwicklung eines Tools zur intelligenten Steuerung der Hardware-Aufrüstung von Mobilfunkstandorten. Ermittlung potenzieller Evolutions-Pfade, Berechnung von KPIs je Pfad. Auswahl des optimalen Investitionsplans für die nächsten 15 Jahre je Mobilfunkstandort. Berücksichtigung von Budget- und technischen Constraints und Mobilfunkqualität. 

Aufgaben:

• Technische Projektleitung
  
• Datenanalyse
• Data Science (MILP, Graph-Darstellung)
• Datenmodellierung
• Software-Architektur
• Schichten-Design

Kundennutzen: Auflösung von Überlastzeiten der Bandbreite mit höchstem Impact auf die Kundenzufriedenheit.

Projektziele: Zentraler Kern des Projekts FLEIS ist die Erkennung und proaktive Abwehr von digitalen Bedrohungen.

Aufgaben:

• Erstellung Antragskonzept und Anforderungsanalyse
• Teamführung des Data Science Teams
• interner Wissensaufbau
• Design und System-Architektur, Datenintegration
• ML Pipelines mit individuell designten KI-Modellen
• Machine Learning DevOps und CI/CD
• Aufbau KI-Stack und KI-Pipeline
• Explainable AI (Einflussgrößen und Prognose)
• Projektmanagement, Teamleitung
  

Kundennutzen: Einsatz des entwickelten Prognose-Systems in Supermärkten und Bürogebäuden zur Reduktion des Energieverbrauchs.

Aufgaben:

• Erstellung Antragskonzept und Anforderungsanalyse 

• Teamführung des Data Science Teams 

• Interner Wissensaufbau 

• Design und System-Architektur, Datenintegration 

• Machine Learning Pipelines mit individuell designten KI-Modellen 

• Machine Learning DevOps und CI/CD 

• Aufbau KI-Stack und KI-Pipeline 

• Explainable AI (Einflussgrößen und Prognose) 

• Projektmanagement, Teamleitung 

  Kundennutzen: Einsatz des entwickelten Prognose-Systems in Supermärkten und Bürogebäuden zur Reduktion des Energieverbrauchs. 

Aufgaben:

• Erstellung Antragskonzept und Anforderungsanalyse 

• Teamführung des Data Science Teams 

• Interner Wissensaufbau 

• Design und System-Architektur, Datenintegration 

• ML Pipelines mit individuell designten KI-Modellen 

• Machine Learning DevOps und CI/CD 

• Aufbau KI-Stack und KI-Pipeline 

• Explainable AI (Einflussgrößen und Qualitätsoptimierung) 

• Projektmanagement, Teamleitung 

  
  

  Kundennutzen: Reduktion von Lagerhaltungs- und Verschrottungskosten durch bessere Bestandsprognosen. 

Projektziele: Entwicklung von individuellen Vertragsbestandteilen (Dynamic Pricing bei Krediten), Transparenz über Kündigungswahrscheinlichkeiten (Customer Churn), Steigerung von Produktionen bei gleichzeitiger Reduktion von verderblicher Ware (Produktionsprognose), Optimaler Zeitpunkt von Wartungszeiten (Laufzeitanalyse)

Aufgaben:

• Presales (Kampagnen, Veranstaltungen, Sales Calls,Workshops)
• Anforderungsanalyse und Use Case
• Design und System-Architektur
• Datenintegration und Datenqualität
• Aufbau KI-Stack und KI-Pipeline (Multicloud, hybrid)
• Machine Learning DevOps und CI/CD
• Design individueller KI-Modelle
• Explainable AI (Einflussgrößen und Qualitätsoptimierung)

Kundennutzen: Berechnung des Mehrwertes derKünstlichenIntelligenzmittels ROI und Erstellung eines Prototyps

Aufgaben:

• Angebotserstellung
• Anforderungsanalyse, Pflichten-und Lastenheft
• Projektmanagement
• Design, Architektur, Konzeption
• Datenintegration und Transformation
• Datenanaylsen und -auswertungen
• Kennzahlenmodellierung (BI)

Kundennutzen: Schaffung von mehr Transparenz durch Zusammenführung bestehender Systeme und Berechnung verschiedener Kennzahlen zur Unternehmenssteuerung.

Aufgaben:

• Anforderungsanalyse, Angebotserstellung 

• Prototypentwicklung 

• Netzwerkdesign- und Architektur 

• Kennzahlen- und Metrikvalidierung 

  Kundennutzen: Steigerung der Menge an vorproduzierten Frischwaren, um mehr Kunden bedienen zu können. 

Aufgaben:

• Anpassungsmöglichkeiten und Training 

• Anwendungsfälle und Einsatzmöglichkeiten 

• Analyse und Optimierung von Modellen 

• Vertriebsmöglichkeiten 

  
  

  Kundennutzen: Schaffung von messbarem Mehrwert von Deep Learning, Machine Learning 

Aufgaben: 

• Anforderungsaufnahme 

• IT-Konzeption 

• Web-Architektur und -Design 

• App-Entwicklung 

• Scrum 

• Prototyping 

  
  

  Kundennutzen: Steigerung der Kundenbindung durch höheren Komfort und Transparenz

Aufgaben:

• Projektmanagement nach PMI 

• Stakeholdermanagement 

• Beratung Oracle Datenbanken 

• Projektinitiierung  

• Voruntersuchungen/Grobkonzept 

• Anforderungs und -ablaufanalysen 

• Hardware-Ausschreibung 

  
  

  Kundennutzen: Digitalisierung der Kassentresore zur Gewinnung aktueller Daten 

Aufgaben:

• Anforderungs- und Ablaufanalysen 

• Konzeption und Daten- und Prozessmodellierung im DWH-Umfeld (ETL und BI) mit MID Innovator 

• Verfahrensverantwortung im Bereich Controlling 

• Koordination von bis zu 23 Mitarbeitern 

• Kundenmanagement (Lenkungsausschuss, Statusberichte) 

• Prozessoptimierungen im Projektmanagement 

  
  

  Kundennutzen: Transparente Ermittlung der Arbeitslosenkennzahlen für den Bund

Aufgaben:

• Anforderungs- und Ablaufanalysen 

• Konzeption im DWH-Umfeld (ETL) 

• Entwicklung in Oracle PL/SQL 

• Architekturdesign 

  
  

  Kundennutzen:

  Wartbarkeit des Programmcodes vereinfachen 
  

Aufgaben:

• Projektmanagement nach PMI 

• Stakeholdermanagement 

• Beratung Oracle Datenbanken 

• Projektinitiierung  

• Voruntersuchungen/Grobkonzept 

• Anforderungs und -ablaufanalysen 

• Hardware-Ausschreibung 

  
  

  Kundennutzen: Digitalisierung der Kassentresore zur Gewinnung aktueller Daten 

Aufgaben:

• Projektleiter im Umfeld Datawarehouse 

• Projektinitiierung und Voruntersuchungen 

• Anforderungs- und Ablaufanalysen 

• Vertragsverhandlungen und Angebotserstellung 

• Projektmanagement (Initiierung, Planung, Ausführung, Monitoren, Abschluss) 

  
  

  Kundennutzen: Berechnung der voraussichtlichen Lieferzeit für den Endkunden 

• Leitung eines Projektteams mit 6 Mitarbeitern 

• Projektmanagement / Projektleitung 

• Anforderungsanalysen 

• Vertragsverhandlungen und Angebotserstellung 

  
  

  Kundennutzen: Verbesserung der Datenqualität, Reduktion des Wartungsaufwands und Reduktion des Aufwands bei Neuentwicklungen