Probabilistische Prognosen, agentische Systeme und zehn Jahre Analytics im produktiven ML-Einsatz.
Data Scientist und KI-Ingenieur mit zehn Jahren analytischer Erfahrung in den Bereichen Finanzen, Telekommunikation und Gaming. Ich entwickle produktive Prognose- und angewandte KI-Systeme, derzeit ML-Umsatzprognosen bei InnoGames mit Prophet, PyMC und TimesFM auf GCP, während ich meinen M.Sc. an der Leuphana Universität als Deutschlandstipendiat abschließe. Meine Abschlussarbeit entwickelt eine Open-Source-Architektur für agentische Prognosen, die TimesFM, PyMC und Zwei-Prozess-LLM-Reasoning über ein episodisches Gedächtnis vergangener Prognosezyklen kombiniert, vollständig auf EU-Infrastruktur deploybar.
Eine agentische Prognosearchitektur für Spielumsätze.
Meine M.Sc.-Abschlussarbeit untersucht, wie zwei komplementäre Agenten (ein schneller Prognostiker und ein langsamerer Prüfer) über ein episodisches Gedächtnis vergangener Prognosezyklen koordinieren, um probabilistische Dreimonatsprognosen für den Spielumsatz bei InnoGames zu verbessern.
Noch in Bearbeitung bis September 2026. Weitere Details nach Einreichung der Arbeit.
Zehn Jahre Analytics, von der Telekommunikations-M&A-Forschung bis zur Produktionsprognose.
Dieser Werdegang hat mein technisches Verständnis geprägt. Ich bevorzuge Methoden, die interpretierbar, nachvollziehbar und auch gegenüber fachfremden Stakeholdern vertretbar sind: Bayesianische Inferenz, strukturiertes Gedächtnis, instrumentierte Prognosen. Ich baue Systeme, die auch dann funktionieren, wenn die Daten unordentlicher sind, als das Lehrbuch nahelegt.
Derzeit absolviere ich meinen M.Sc. in Management & Data Science an der Leuphana Universität als Deutschlandstipendiat (Note 1,8) und arbeite gleichzeitig bei InnoGames im Bereich produktives ML-Forecasting. Offen für Vollzeitstellen in Deutschland ab Dezember 2026.
Ausgewählte Projekte: Bayesianische Inferenz, Wissensgraphen, agentische KI
Wofür ich arbeite
Ich entwickle produktive Prognose- und Entscheidungsunterstützungssysteme für Teams, die belastbare Vorhersagen brauchen, nicht nur leistungsfähige Modelle. Mein aktueller Fokus liegt auf hierarchischer Bayesianischer Inferenz, angewandten LLM- und agentischen Systemen für Analyst-Workflows und Zeitreihen-Foundation-Modellen, die auf EU-konformer Infrastruktur laufen. Die Projekte unten decken alle drei Bereiche ab: Frage-Antwort über Wissensgraphen, hierarchischer Bayesianischer Customer Lifetime Value und eine Multi-Agenten-Prognosearchitektur.
Knowledge Graph Question Answering
Teamprojekt: SPARQL-basierte Fragebeantwortung über strukturierte Wissensgraphen, ermöglicht Abfragen in natürlicher Sprache über RDF-Wissensbasen.
KVG ML Route Modelling
Teamprojekt mit einem regionalen Verkehrspartner: ML zur Modellierung und Vorhersage von Transportrouten unter Kombination von Geodaten mit prädiktiver Modellierung.
Neo4j Graph Analysis of Artist Influence Networks
Graph-Datenbanklösung mit Neo4j und Cypher zur Analyse des künstlerischen Einflusses und zur Clusterung musikalischer Genealogien.
Hierarchical Bayesian Pareto/NBD: Replication of Abe (2009)
Implementierung und Validierung des hierarchischen Bayesianischen Pareto/NBD-Modells aus Abe (2009) am kanonischen CDNOW-Datensatz.
ChefTreff AI Hackathon: Product Detection
In 24 Stunden entwickelt: eine Computer-Vision-Pipeline zur Erkennung beschädigter oder defekter Objekte in Produktbildern.
Beiträge zu probabilistischem ML und agentischen Systemen
Suchen Sie einen Data Scientist oder KI-Ingenieur in Deutschland, Hamburg oder München, ab Dezember 2026?
Mein größter Mehrwert liegt in der Prognoseautomatisierung, skalierbaren Analytics-Pipelines und agentischem Systemdesign, mit Fokus auf Open-Source-Lösungen, die vollständig in der EU betrieben werden können.
Meine Arbeit passt gut zu sechs Arten von Teams:
- Versicherungs- und Rückversicherungs-Analytics. Underwriting-Segmentierung bei Absolute Insurance und aktuelle Bayesianische Prognoseforschung, anwendbar auf den Münchner Versicherungs-Cluster und darüber hinaus.
- Gaming und Consumer Products. Derzeit baue ich ML-Umsatzprognosen und Analytics-Infrastruktur bei InnoGames in Hamburg, inklusive Microsoft Fabric Migration und Power BI Dashboards.
- KI-native Startups und angewandte KI-Labs mit Fokus auf LLM-Systeme, agentische Architekturen und Retrieval. Meine Abschlussarbeit entwickelt ein zustandsbehaftetes Multi-Agenten-Prognosesystem mit LangGraph und föderiertem Graph-Speicher.
- Telekommunikations- und Netzwerk-Analytics. Acht Jahre bei MTS mit Marktanalyse und M&A in Indien, Serbien, Slowenien und Moldau, relevant für die Münchner Operator-Zentralen.
- Global agierende Tech-Firmen und Plattformteams in München und Hamburg, in denen Prognosen, angewandtes ML und produktive Analytics produktübergreifend skalieren.
- Startups und Scale-ups, die produktives ML und agentische Systeme als Kernprodukt liefern, nicht als Pilotprojekte.
Ich bin sicher in Englisch C1, Deutsch B2 und Russisch (Muttersprache). Das letzte Jahrzehnt habe ich damit verbracht, Analytics für internationale Teams in drei Branchen zu liefern.