Experte für Data Science und KI-Strategie

Ich spezialisiere mich auf das Entwerfen und Bereitstellen skalierbarer Machine-Learning-Lösungen für Organisationen, die ihre Betriebseffizienz und Profitabilität steigern wollen. Meine Expertise reicht von strategischer Beratung bis zu hands-on MLOps mit modernen ML-Frameworks, Docker und AWS, um automatisierte Cloud-native Pipelines mit greifbarem Mehrwert zu liefern.

• Strategieberatung und Anforderungserhebung.
• Coaching und Weiterbildung von Teammitgliedern.

Technologien: Python, CI/CD, AWS, Docker, SQL, genAI

Entwicklung der Digital Execution Strategy

• Führung eines globalen, 8-köpfigen, cross-funktionalen Teams, Einführung von MLOps-Best-Practices zur Straffung KI-gesteuerter Cloud-Deployments und Betriebsausführung.

• Aufbau end-to-end Cloud-basierter ML-Workflows, Abstimmung von Business-Zielen und Technikstrategie, um Time-to-Market für Digitalisierungsinitiativen zu verkürzen.

• Etablierung von Prozessen für eigenverantwortliche Entscheidungsfindung und agile Umsetzung in der KI-Produktentwicklung.

• Schulung des Teams in Design Thinking, KI-Strategie und qualitativer Nutzerforschung.

• Teamführung und strategische Planung.

• Cloud-native KI-Entwicklung und agile Methoden.

Technologien: Jira, Confluence, Mural, AWS, CI/CD

Digitale Transformation im Medical Writing

• Prozessmapping und qualitative Analyse zur Definition KI-getriebener Business Use Cases.

• Einführung generativer KI für Medical Writer und Durchführung von PoCs zu LLM-basierter Dokumentengenerierung, Redaction und Übersetzung.

• Marktanalyse und Lieferantenauswahl, Optimierung von RfP-Prozessen.

• Technische Führung und cross-funktionale Moderation.

• genAI und Azure Cognitive Services.

Laiengerechte Dokumentengenerierung mit RAG-System

• Beratung von Data Scientists und Medical Writern zu LLM-Prompt-Engineering und KI-gestützter Dokumentenstrukturierung für schnellere Inhaltserstellung.

• Gemeinsame Bereitstellung eines Cloud-nativen Prototyps mit Streamlit zur KI-gestützten Content-Erstellung für Lay Language Protocol.

• Technische Leitung und Produktinnovation.

• Umsetzung der RAG-Architektur.

Technologien: Python, Llama Index, Azure Cognitive Services, OpenShift, Jenkins

Product Owner Analytics-Landingpage

• Product Owner für ein KI-gesteuertes Analytics-Dashboard mit Empfehlungssystemen und LLM-basierter kognitiver Suche für Echtzeit-Insights.

• Definition von Produktvision, Roadmap und Backlog-Pflege.

• Steuerung von Abhängigkeiten und Abstimmung aller Stakeholder für unternehmensweite datenbasierte Entscheidungen.

• Produktverantwortung und Stakeholder-Management.

• Einsatz von KI-Modellen und cloudbasierter API-Integration.

Technologien: LLMs, Azure Cognitive Services, AWS, Jira, Confluence, Git

Entwicklung Bioinformatik-Pipelines für Genomassemblierungsalgorithmen

• Leitung eines cross-funktionalen Teams zur Entwicklung von Bioinformatik-Pipelines auf AWS-Cloud-Services.
• Fokus auf ultraschnelle Genomassemblierungsalgorithmen.
• Einsatz von AWS CDK für Infrastrukturmanagement.

Technologien: AWS Batch, AWS IAM, AWS Step Functions, AWS ECS, AWS CodePipeline, Python, Docker

Klinischer Datenkatalog

• Entwicklung von ETL-Prozessen in Python zur Erstellung eines klinischen Datenkatalogs mit historischen und internen Daten.
• Implementierung semantischer Suche mit fortschrittlichen NLP-Pipelines.

Technologien: Python, Jupyter Notebooks, Docker, SPARQL, SQL, Stardog, PostgreSQL

Interdisziplinärer Hackathon zur Gamified NLP-Annotation in einer Web-App

• Leitung eines zweitägigen Hackathons zur spielerischen NLP-Annotation für biomedizinische Forscher.
• Entwicklung eines Spiels zur Validierung von NLP-Entity-Linking-Modellen.

Konzeption eines maßgeschneiderten Knowledge-Management-Systems inkl. PoC

• Qualitative Nutzerforschung und Design Sprints zur Erstellung NLP-gestützter Prototypen.

Technologien: Python, TensorFlow, Elasticsearch

Aufbereitung und Berichterstellung hochdimensionaler Datensätze

• Zusammenarbeit über Abteilungen hinweg zur Erhebung und Analyse hochdimensionaler Daten aus einer klinischen Beobachtungsstudie bei Leberzellkarzinom-Patienten.
• Erstellung interaktiver Berichte für behandelnde Ärzte.

Technologien: Python, DICOM, TensorFlow, Seaborn

Strategie klinischer Berichte zu genetischen Variationen

• Erstellung von Berichten zu genetischen Variationen zur Unterstützung onkologischer Entscheidungen.

Technologien: REST API, Docker

Visualisierung neuronaler Netze mit Parallel Coordinates

• Entwicklung von Methoden zur Visualisierung von Netzwerkarchitekturen zur Unterstützung der Hyperparameter-Schätzung.

Technologien: TensorFlow