Feature-Engine

Unternehmensprofil

AI-, Data- und Analytics-Beratung

Schlüsselqualifikationen

Führungserfahrener IT-, Data- und Architekturmanager mit über 20 Jahren Erfahrung in komplexen IT-Landschaften, davon in leitenden Rollen für Data Analytics, Data Engineering und technische Architektur. Verbindet IT Governance, Enterprise- und Data-Architecture, Data Governance und strategische Datenplattform-Entwicklung mit tiefem Praxiswissen aus Energie, Netzdatenmanagement, Cloud-Transformation und regulierten Umfeldern. Erfahren in der Führung interdisziplinärer Teams, der Entwicklung belastbarer Datenarchitekturen und Governance-Strukturen sowie in der Übersetzung von Geschäfts- und Domänenanforderungen in skalierbare, sichere IT- und Datenlösungen.

Kompetenzprofil

Skills auf einen Blick

Erfahrungstiefe, fachliche Schwerpunkte und Branchenkenntnis als visuelles Profil.

Kompetenzradar

  • Data Analytics92%
  • Consulting90%
  • AI & Predictive90%
  • Governance88%
  • BI & Decision Support86%
  • Azure Cloud78%

Erfahrung nach Bereich

Data Analytics15 Jahre
Consulting14 Jahre
AI & Predictive10 Jahre
Governance10 Jahre
BI & Decision Support14 Jahre
Azure Cloud6 Jahre
95%

Öffentlicher Sektor

Erprobte Branchenkompetenz

88%

Energiewirtschaft

Erprobte Branchenkompetenz

82%

Banking

Erprobte Branchenkompetenz

84%

Fertigung

Erprobte Branchenkompetenz

20Jahre Erfahrung in IT und datenzentrierten Projekten
15Jahre Beratung im öffentlichen Sektor
7+Jahre Cloud-Erfahrung

Ausschreibungsüberblick

Enterprise AI und Data Delivery, verankert im operativen Geschäft

Ein breites Profil im Bereich Enterprise Data, AI-gestützte Analytics und Governance mit Schwerpunkt auf dem öffentlichen Sektor.

01

Compliance, Risk und Fraud Management

02

Predictive Analytics und Machine Learning

03

Data Engineering und Integration

Kernleistungen

  • Strukturierung von Ausschreibungen für Data-, Analytics- und AI-Workstreams
  • Architektur für Azure- und Enterprise-Datenplattformen
  • Fraud Management, Anomalieerkennung und Predictive Analytics
  • Power BI, Dashboards und entscheidungsunterstützende Datenprodukte
  • Data Governance, Qualitätsmanagement und Compliance by Design

Branchenerfahrung

Domänenwissen aus realen Projektumfeldern

Wiederholte Projektarbeit in Branchenprozessen, Quellsystemlandschaften, Governance-Vorgaben und geschäftlichen Entscheidungszyklen.

Öffentlicher Sektor und Behördenplattformen

Public-Sector-Analytics, Betrugskontrolle, Datenintegration und resiliente digitale Services.

Geschäftsverständnis

Breites Wissen der Geschäftsprozesse im Bereich Arbeitsmarkt-, Renten-, Migrations- und Familienleistungen sowie umfassendes Wissen über die zentralen Anwendungssysteme inklusive Stammdaten und Finanzanwendungen.

Datenverständnis

Fraud Analytics, Governance, Public-Sector-Data-Warehousing, prädiktive Modelle sowie komplexe Finanz- und Prozesssysteme.

Nachgewiesen durch langjährige Projekte in der öffentlichen Arbeitsverwaltung und Public-Sector-Architekturprogramme.

Energie und Versorgungswirtschaft

Netz, Betrieb, Reporting und Datenqualität in komplexen Utility-Landschaften.

Geschäftsverständnis

Reporting entlang operativer Realitäten, Quellsystemlandschaften, Qualitätskontrollen und Entscheidungsbedürfnisse der Fachbereiche.

Datenverständnis

SAP-geprägte Betriebsdaten, Schnittstellen, Scorecards, Dashboards, Datenqualitätsprüfungen und Cloud Analytics in verteilten Unternehmenslandschaften.

Nachgewiesen in Datenprodukten für die Energie- und Versorgungswirtschaft.

Fertigung und industrielle Prozesse

Produktion, Logistik, ERP, MES und Reporting in industriellen Quellsystemlandschaften.

Geschäftsverständnis

Tiefgreifendes Verständnis im Bereich Produktion, Logistik, Finanzen und Unternehmensreporting mit Fokus auf operative Anwendungen, Zuverlässigkeit und Compliance.

Datenverständnis

Integration von SAP, CRM, MES, Logistik, Jira, Dateien und Cloud-Services in reportingfähige Modelle und Governance-konforme Architekturen.

Nachgewiesen durch eine Azure-Cloud-Datalake-Migration in der Fertigungsindustrie.

Banking und regulierte Finanzwirtschaft

Governance-intensive Berichte, Nachvollziehbarkeit, Compliance und risikobewusste Datenintegration.

Geschäftsverständnis

Verständnis für Banksteuerung, Management Reporting, Compliance-Anforderungen und disziplinierte Umsetzung im regulierten Umfeld.

Datenverständnis

MaRisk, ICT, ITR, Collibra, Ab Initio, Oracle und systemübergreifende Nachweisanforderungen.

Nachgewiesen in einer Banking-Plattform für Datenintegration und Governance.

Kompetenzmatrix

Zentrale AI- und Datenkompetenzen

CV-belegte Fähigkeiten, gewichtet für ein allgemeines AI- und Data-Consulting-Profil.

KompetenzKategorieErfahrung
Lösungsdesign für AusschreibungenÜbersetzung komplexer Data-, AI-, Governance- und Plattformanforderungen in umsetzungsreife Leistungsbilder, Architekturen und Implementierungspläne.Consulting15 Jahre
Business Intelligence und Decision SupportEntwicklung von Reports, Scorecards, Dashboards und Management-Produkten mit Fokus auf Nutzbarkeit, Aussagekraft und Vertrauen.BI14 Jahre
Data Governance und ComplianceStärkung von Governance, Kontrollsystemen, Datenqualität und Auditierbarkeit durch nachvollziehbare analytische Prozesse.Governance10 Jahre
Data Engineering und IntegrationAufbau und Modernisierung von Datenplattformen, ETL-Pipelines, Datenprodukten und systemübergreifenden Integrationen.Datenplattform12 Jahre
Predictive Analytics und Machine LearningKonzeption, Prototyping und Operationalisierung prädiktiver Modelle für Scoring, Klassifikation, Anomalieerkennung und Entscheidungsunterstützung.Machine Learning10 Jahre
Azure-Cloud-DatenplattformenSichere Analytics-Plattformen mit Synapse, Data Factory, Databricks, ADLS2, Private Endpoints und Governance-Kontrollen.Cloud6 Jahre
Compliance, Risk und Fraud ManagementEntwicklung von Betrugsanalysen, audit-orientierten Kontrollen und Anomalie-Workflows für Zahlungs-, Finanz- und Leistungssysteme.Risk AI10 Jahre
Python, PySpark und Analytical EngineeringHands-on-Entwicklung robuster Analyse-Workflows mit Python, PySpark, pandas, scikit-learn und Notebooks.Engineering6 Jahre

Ausgewählte Projekte

Branchenprojekte mit klarem Geschäftskontext

Projekte, in denen Domänenwissen, Architektur, Governance, Reporting und Stakeholder-Verständnis zusammenwirkten.

Datenprodukte für die Energie- und Versorgungswirtschaft

Energie- und Versorgungswirtschaft

09/2024 – heute

Konzeption und Umsetzung von Reporting, Scorecards, Dashboards, Datenschnittstellen und Datenqualitätsprüfungen in einem komplexen Utility-Umfeld.

Geschäftskontext

Gefordert waren verlässliche Datenprodukte und praxisnahe Analytics über mehrere Quellsysteme der Energie- und Versorgungswirtschaft hinweg.

Datenlandschaft

Power BIPower QueryDatabricksPySparkSAP EAM/S4U

Ausgewählte Umsetzung

  • Reporting, Scorecards, Dashboards und Schnittstellen
  • Datenqualitätsprüfungen für SAP und angrenzende Systeme
  • Umsetzungsbeschleunigung mit GPT-5.x, Codex und Databricks Genie

Azure-Cloud-Datalake-Migration in der Fertigungsindustrie

Fertigung und industrielle Prozesse

08/2022 – 09/2024

Migration einer Data-Warehouse-Landschaft auf Azure Synapse, ADLS2, Serverless SQL Pools und CI/CD.

Geschäftskontext

Die Reporting-Landschaft benötigte ein modernes Zielbild für SAP-, CRM-, MES-, Logistik- und operative Quellen.

Datenlandschaft

Azure SynapseADLS2Serverless SQLPurviewCI/CD

Ausgewählte Umsetzung

  • Cloud-Datalake-Architektur für Reporting und Analytics
  • Integration von Unternehmens- und Betriebsquellen
  • Purview-Proofs-of-Concept und Governance-fähige Muster

Banking-Plattform für Datenintegration und Governance

Vertrauliches Bank- und Immobilienumfeld

11/2021 – 07/2022

Aufbau einer Datenintegrationsplattform für zentrale Steuerung und Reporting unter MaRisk-, ICT- und ITR-Anforderungen.

Geschäftskontext

Benötigt wurde zuverlässiges systemübergreifendes Reporting mit stärkerer Governance, Nachvollziehbarkeit und Integrationsdisziplin.

Datenlandschaft

CollibraAb InitioOracleAzureExasol

Ausgewählte Umsetzung

  • Integration für Management- und operatives Reporting
  • Governance-intensive Qualitätskontrollen
  • Nachvollziehbare Banking-Datenplattformarchitektur

Teamlead Data Analytics & Governance / Data Architect

Öffentliche Arbeitsverwaltung · Öffentlicher Dienst / Finanz- und Versicherungsleistungen

01/2014 – 10/2021

Leitung und fachliche Verantwortung eines rund zehnköpfigen Analyse- und Data-Science-Teams im Enterprise Fraud Management einschließlich der Koordination interner und externer Data Scientists.

Geschäftskontext

Datenbasierte Unterstützung von IT Governance, Compliance und Internem Kontrollsystem durch Prüfungen von Prozess-, Finanz- und Datenarchitekturen sowie Schnittstellen im Three-Lines-of-Defence-Modell.

Datenlandschaft

SAP HANA/FM/GRCSQL ServerOraclePythonSPSS ModelerSSISMicroStrategyBPMNCRISP-DMMachine Learning

Ausgewählte Umsetzung

  • Verantwortung für Daten-, Analyse- und Technikkonzeption: Analyse stammdatenführender Systeme, Transaktionssysteme und Schnittstellen sowie Datenmodellierung und Datenqualitätsanalysen
  • Konzeption und Steuerung von Financial Monitoring, Financial Analytics, Anomalieerkennung, Stichproben, Impact-Analysen, Dashboards, Heatmaps und Prüfworkflows
  • Begleitung der Einführung von SAP HANA, SAP Fraud Management und SAP GRC einschließlich Transition bestehender Analysemodelle und Steuerung externer Dienstleister
  • Lead Data Scientist eines Prognose-POC mit Informationsbedarfsanalyse, Datenquellenauswahl, Feature Engineering, Modellkonzeption und Managementabstimmung

Business Intelligence und Data-Warehouse-Architektur

IT Dienstleistungen

01/2011 – 02/2013

Architektur und technische Leitung für Data-Warehouse-, Service-Management-Reporting- und BI-Modernisierungsprogramme.

Geschäftskontext

Die Programme erforderten robustes Warehousing, KPI-Reporting, Migrationsplanung und hohe operative Zuverlässigkeit.

Datenlandschaft

SQL ServerAnalysis ServicesMicroStrategyETLDatenmodellierung

Ausgewählte Umsetzung

  • Technische Leitung komplexer DWH- und BI-Workstreams
  • Faktenmodelle, Dimensionen, ETL-Pakete und Reporting Services
  • Analytics-Projekte im Public Sector und Automotive-Umfeld

Senior IT-Consultant / Teilprojektleitung Data Warehouse

IT-Beratung, Nürnberg · Öffentlicher Sektor

11/2008 – 12/2010

Anforderungsanalyse, ER-Modellierung, strukturierte Analyse und strukturiertes Design sowie Teilprojektleitung in einem komplexen Data-Warehouse-Projekt mit bis zu vier Mitarbeitenden.

Geschäftskontext

Konzeption und Umsetzung von DWH-Architekturlösungen und Business-Intelligence-Entwicklungen für operative Bereiche und Controlling mit hoher technischer Umsetzungsverantwortung und termingerechter Berichterstattung.

Datenlandschaft

Data WarehouseBusiness IntelligenceER-ModellierungETLData MartsBitemporale DatenmodelleMaster Data ManagementImpact-Analyse

Ausgewählte Umsetzung

  • Technische Feinspezifikationen, Architekturvorgaben und Feinkonzeption der Data-Warehouse-Bestandteile
  • Integration neuer Datenquellen, konzeptuelle Modellierung von Data Marts und Datentransformationen sowie Entwicklung von ETL-Paketen für ein bitemporales Data Warehouse
  • Daten- und Impact-Analysen, Datenqualitätskontrollen, Auswertungen, Third-Level-Support und kontinuierliche Pflege der Schnittstellen zu operativen Verfahren
  • Ab März 2010 Verantwortung für Master Data Management und Konsolidierung der Stammdaten aus den führenden Stammdatensystemen
  • Planung, Kontrolle und Test der Realisierung sowie Führung eines Teams von bis zu vier Mitarbeitenden

Fallstudien

Geschäfts- und Datenverständnis im Kontext

Datenprodukte für die Energie- und Versorgungswirtschaft

Geschäftliche Herausforderung

Mehrere Quellsysteme, operative Stakeholder und Governance-Anforderungen erschwerten eine schnelle analytische Umsetzung.

Daten- und Umsetzungsansatz

Power BI, Azure, Databricks und strukturierte Qualitätsprüfungen wurden mit enger Stakeholder-Abstimmung in der Utility-Landschaft verbunden.

Ergebnis

Eine robustere Entscheidungsunterstützung und eine klare Delivery-Basis für zukünftige Analytics- und AI-Initiativen.

Azure-Cloud-Datalake-Migration in der Fertigungsindustrie

Geschäftliche Herausforderung

Die Zielarchitektur musste zahlreiche Quellsysteme integrieren und zugleich Sicherheits- und Betriebsanforderungen erfüllen.

Daten- und Umsetzungsansatz

End-to-End-Design der Azure-Plattform, Integration mehrerer Domänen und Bereitstellung von Reporting-Produkten für Finanzen, Logistik, HR und Produktion.

Ergebnis

Eine skalierbare moderne Datenbasis, abgestimmt auf Reporting-Bedürfnisse und zukünftige Governance-Anforderungen.

Referenzen

Branchen und Projektumfelder

Verteilnetzbetreiber

Verteilnetzbetreiber

Senior Performance- und Projektmanager

Energie-Datenprodukte und Qualitätsmanagement
Power BIDatabricksSAPDatenqualität
Energie- und Versorgungswirtschaft

Energie- und Versorgungswirtschaft

Enterprise-Quellsystemlandschaft

Energie- und Utility-Analytics
Utility DataIntegrationGovernance
Fertigung und Industrie

Fertigung und Industrie

Technical Consultant Datalake und Data Architect

Azure-Cloud-Migration und Reporting-Modernisierung
AzureSynapseADLS2Power BI
Öffentliche Arbeitsverwaltung

Öffentliche Arbeitsverwaltung

Teamlead Data Analytics & Governance / Data Architect

Enterprise Fraud Management und IT Governance
Fraud AnalyticsMLSAP HANA/FM/GRCGovernance
IT Dienstleistungen

IT Dienstleistungen

Technische Projektleitung

BI- und Data-Warehouse-Architektur
DWHETLBI-Architektur
IT-Beratung im öffentlichen Sektor

IT-Beratung im öffentlichen Sektor

Senior IT-Consultant / Teilprojektleitung

Public-Sector-DWH und Master Data Management
DWHMDMETLER-Modellierung
IT-Beratung und Sportartikelhandel

IT-Beratung und Sportartikelhandel

Business Information Management

Retail-Segmentierung und Analytics
Retail AnalyticsSAP HANAMicroStrategy

Die Branchenbezeichnungen dienen der anonymisierten Darstellung von Projektreferenzen.

AI-, Data- und Analytics-Beratung

Komplexe Anforderungen in eine umsetzungsreife Lösung überführen.

Feature-Engine begleitet Organisationen von Ausschreibungsstrukturierung und Architektur bis zur praktischen Umsetzung von Data, Analytics, Governance und AI.

Projekt besprechen