23.07.2026 aktualisiert
100 % verfügbar
Senior Data Scientist, Machine Learning & AI Engineer, AI Strategist & KI-Innovationmanagement
Zellingen, Deutschland
Weltweit
Doctor of Philosophy (PhD) - Computer Science, Universität Groningen (NL)Über mich
Machine Learning Engineer, Data Scientist & KI-Stratege. Ich biete die seltene Kombination aus strategischer Beratung (KI-Vision, Roadmap-Design, Innovationsworkshops) und tiefer technischer Umsetzung, industrieerprobt durch 5+ Jahre Projekteinsätze bei Partnern wie Schaeffler, PASS, Warema, uvm.
Skills
GenAIKünstliche IntelligenzData AnalysisIt-BeratungBeratungData MiningDatenvisualisierungInnovationsmanagementData IntelligenceMachine LearningSmart DataStrategieausführungSciPyData SciencePyTorch
KI-Strategie & KI-Beratung:
- KI-Strategie und Datenstrategie: KI-Vision, KI-Roadmap, Zielbild und strategische Priorisierung
- Use-Case-Management: Identifikation, Bewertung und Business-Case-Rechnung von KI- und Data-Science-Use-Cases
- KI-Reifegradanalyse und Befähigung von Organisationen („vom Experiment zum produktiven Einsatz")
- Innovationsmanagement: Design Thinking, Business Model Canvas, agiles Prototyping
- Data Governance, Datenqualität und KI-Ethik / verantwortungsvolle KI
- Workshops, Schulungen und Enablement bis C-Level: Grundlagen KI, Data Science für Entscheider
Data Science & Analytics:
- Datenanalyse, explorative Analyse, Data Mining und Datenvisualisierung
- Business Intelligence, Reporting und Data Storytelling für Fachbereiche und Management
- Predictive Analytics und statistische Modellierung
- Umgang mit heterogenen und strukturierten Daten, Feature Engineering
- Datenkommunikation und Übersetzung von Analysen in Handlungsempfehlungen
Machine Learning & KI:
- Überwachtes und unüberwachtes Lernen: Klassifikation, Regression, Clustering, Dimensionsreduktion
- Verfahren: SVM, Decision Trees, Boosting Trees, Ensemble-Methoden
- Deep Learning: neuronale Netze, CNNs, Transformer
- Generative KI / GenAI: LLMs, Chatbots, Textgenerierung, Anwendungsfälle im Unternehmenskontext
- Modellbewertung, Validierung und Übergang in den produktiven Betrieb
Technologien & Werkzeuge:
- Programmiersprachen: Python, SQL, Java, C#, MATLAB
- Bibliotheken: Scikit-Learn, PyTorch, TensorFlow/Keras, Pandas, NumPy, SciPy, Matplotlib, Seaborn
- BI & Visualisierung: Dashboards, Reporting-Tools
- Entwicklung von Webservices (REST)
- Werkzeuge: Jupyter Notebook, PyCharm, IntelliJ, VS Code, Git
Branchen & Erfahrung:
- 5+ Jahre Data Science, KI-Beratung und Machine Learning in Industrie- und Forschungsprojekten (u. a. Versicherung, Fertigung, Mittelstand). Promotion (PhD) in Machine Learning. Remote-first, deutschlandweit.
Sprachen
DeutschMutterspracheEnglischverhandlungssicher
Projekthistorie
Gefördertes Projekt vom Ministerium für Digitales des Freistaats Bayern
Individuelle Betreuung von teilnehmenden Unternehmen in drei großen Bereichen:
Individuelle Betreuung von teilnehmenden Unternehmen in drei großen Bereichen:
- Wissensvermittlung in den Bereichen Data Science, Machine Learning und Künstliche Intelligenz
- Workshop-Durchführung: Planspiel, Use-Case Ideation, Unternehmens-Strategie, Datenstrategie, Reifegradbestimmung
- Steering Meetings: Beratung und Umsetzungshilfe zur Implementierung des erarbeiteten Use-Cases
Dissertation an der Universität Groningen
Hintergrund:
- Entwicklung von Verfahren zur Analyse und Fusionierung heterogener Daten, die in nicht-vektorieller Form vorliegen (Graphen, Zeitreihen, Text-Dokumente, Bio-Sequenzen, etc.).
- Erweiterung mathematischer Optimierungsmethoden aus dem Maschinellen Lernen zur Integration auch nicht-metrischer Funktionen