Einleitung zur Projektübersicht
Wer ich bin, warum dieser Hub existiert und wie ich arbeite — kurz zusammengefasst.
Auswahl an Engineering, Analysis und Science Projekten
Je Projekt eine kompakte inhaltliche Einordnung mit Link zur zugehörigen Case-Seite: Projektdetails, aufbereitete Präsentationen in mehreren Perspektiven sowie das GitHub-Repository mit sämtlichen Notebooks und dem vollständigen Code.
Verspätung
Verspätungsvorhersage im Zürcher Tramnetz — vom Rohdatensatz zum ML-Modell mit Dashboard. → OTP · MAE · LightGBM
Datenpipeline
Master-Datensatz-Pipeline: 38 GB Rohdaten → 94,4 M Halt-Ereignisse, 5 Quellen vereint.
Fehlkauf
Bad-Buy Prediction — Fehlkäufe vor dem Kauf erkennen, 448-Runs-Experimentierframework. → Classification · F1 · RF
AI-Workflow
Automated Project Bootstrap mit intelligenten Code-Reviews bis hin zur Portfolio-Aufbereitung. Workflow mit AI Claude-Code-Skills und Python Scaffolding und Toolkit.
Pünktlichkeit
Business-Intelligence-Analyse unpünktlicher Flüge am Los Angeles International Airport, 2015–2017 — Power BI Reporting & Dashboarding. → OTP
Abwanderung
Churn-Risiko-Analyse für Telefónicas Markteintritt in Florida: 3.333 Kunden, drei Risikoindikatoren und konkrete Kontakt-Schwellen für Retention-Kampagnen. → EDA · Regression · Risk Indicators
Flottenplanung
JFK-Flottenplanung aus NYC-Yellow-Taxi-Daten: 293k Fahrten, Zonen- und Routen-Klassifikation per Bounding Box, Nachfragemuster nach Tag/Uhrzeit. JFK = 1,9 % der Fahrten, ~10 % des Umsatzes. → Classification · Time Series · Revenue/Trip
Stillstandszeit
Prognose der Stillstandszeit von Taxifahrten in Quito: 280 Modellkonfigurationen, 138,94 s mittlerer Fehler auf dem Zieldatenset — 15 % unter der Referenz der Aufgabenstellung. → Regression · Gradient Boosting · MAE
Trainingsanalyse
Selbst erhobene Trainings- und Körperdaten aus BIA-Waage und Health-App — longitudinale Analyse von Trainingslast, Körperkomposition und Recovery, visualisiert in einem Plotly-Dash-Dashboard. → EDA · Time Series · Plotly Dash
Depot-Report
Agentischer Daten-Workflow für ein Wertpapierdepot: Positionsdaten per MCP von Scalable Capital, Analyse von Performance, Risiko und Allokations-Drift. → MCP · Agentic Pipeline · Portfolio Analytics
Notfallrettung
Wie schnell der Rettungsdienst bei kritischen Notfällen vor Ort ist und wo die gesetzliche Hilfsfrist überschritten wird. Täglich aktualisierte Pipeline auf den Einsatzdaten der Berliner Feuerwehr. → dbt · Data Quality · Daily Pipeline
Strombedarf
Echte Zeitreihen-Prognose für stündlichen Strombedarf — Lag-Features, Rolling Windows & Trendanalyse. → Time Series · Regression · RMSE
Data-to-Value Approach
Der strategische Rahmen, in dem ich Data-Projekte von der ersten Fragestellung bis zum Business Impact denke.
Business Understanding
- Business Problems & Processes
- Systems & Data Landscape
- Data Strategy & Governance
Data & Technology
- Data Architecture & Integration
- Analytics & Data Science
- POC, MVP, Prototypes & Solutions
Business Impact
- Insight & Discovery
- Decision & Action
- Value & Growth
Mein technisches Fundament aus Engineering, Consulting und digitaler Produktentwicklung versetzt mich in die Lage, diesen gesamten strategischen Ansatz von der ersten Business-Fragestellung bis hin zur strategischen Umsetzung zu begleiten. Der Fokus liegt dabei stets auf dem messbaren Business Value.
Fundiert wird dieser Ansatz durch meine Weiterbildung in Data Science & Machine Learning, Python & Software Engineering, Datenbanken & SQL sowie Business Intelligence & Analytics.
Data Analytics Workflow (~CRISP-DM)
Die konkrete Umsetzung dieses Ansatzes im Tagesgeschäft, Schritt für Schritt.
Business Understanding
Data Understanding & Exploration (EDA)
Data Preparation (ETL/ELT, Data Cleaning, Transformation)
Analysis & Modeling (Feature Engineering, Evaluation)
Visualization & Communication of Insights
Business Recommendations & Value
Iteration & Continuous Improvement
Praktische Anwendung des vollständigen Data Analytics Lifecycles – von der Datengewinnung und -aufbereitung über Exploration und Visualisierung bis zur Analyse und Bewertung datenbasierter Ansätze.
Im Rahmen meiner Data-Spezialisierung habe ich Workflows mit ETL/ELT, Data Cleaning, Exploratory Data Analysis (EDA), statistischer Analyse und ersten Machine-Learning-Ansätzen umgesetzt.
Dabei nutze ich Python, SQL, Jupyter Notebooks und gängige Analytics-Tools wie Pandas, NumPy, Matplotlib, Seaborn, Plotly, Scikit-learn und Power BI.
Eingesetzte Tech-Stacks
Vorläufiger Eindruck der eingesetzten Tech-Stacks — projektübergreifend, nicht erschöpfend.
Accounts & Profile
Bei Fragen, Ideen oder für einen kurzen Austausch – gerne einfach melden!