Agentische Systeme und zehn Jahre Analytics im produktiven ML-Einsatz.
Data Scientist und KI-Ingenieur mit zehn Jahren analytischer Erfahrung in Finanzen, Telekommunikation, Versicherung und Gaming. Ich entwickle angewandte KI-Systeme und arbeite derzeit bei InnoGames an einem Multi-Agenten-Prognosesystem mit graphbasiertem Speicher, unter Einsatz von PyMC, Chronos und Vertex AI auf GCP, während ich meinen M.Sc. an der Leuphana Universität abschließe. Meine Abschlussarbeit entwickelt eine agentische Prognosearchitektur nach dem Dual-Process-Prinzip: ein schneller Analyst und ein langsamerer Prüfer, die über ein strukturiertes Gedächtnis vergangener Prognosefehler koordinieren, evaluiert sowohl auf einem selbst gehosteten Open-Source-Stack als auch auf einem Google-Cloud-Produktionspfad.
Eine agentische Prognosearchitektur für Spielumsätze.
Meine M.Sc.-Abschlussarbeit entwickelt eine agentische Prognosearchitektur: ein schneller Analyst und ein langsamerer Prüfer, die über ein strukturiertes Gedächtnis vergangener Prognosefehler koordinieren, um probabilistische Dreimonatsprognosen für den Spielumsatz bei InnoGames zu verbessern.
Noch in Bearbeitung bis März 2027. Weitere Details nach Einreichung der Arbeit.
Zehn Jahre Analytics, von der Telekommunikations-M&A-Forschung bis zur Produktionsprognose.
Meine Arbeit liegt vor allem dort, wo Forecasting, Analytics Engineering und Entscheidungsunterstützung zusammenkommen. Mir sind Modelle wichtig, die sich prüfen, überwachen und erklären lassen: Bayesianische Inferenz, strukturiertes Gedächtnis und produktive Forecasting-Workflows statt einzelner Notebooks.
Ich schließe derzeit meinen M.Sc. in Management & Data Science an der Leuphana Universität als Deutschlandstipendiat ab und baue parallel produktive ML-Forecasting-Systeme bei InnoGames. Ab April 2027 bin ich offen für Vollzeitrollen als Data Scientist oder KI-Ingenieur in Deutschland.
Ausgewählte Projekte: Agentische KI, Wissensgraphen, Bayesianische Inferenz
Wofür ich arbeite
Ich entwickle produktive Prognose- und Entscheidungsunterstützungssysteme für Teams, die belastbare Vorhersagen brauchen, nicht nur leistungsfähige Modelle. Mein aktueller Fokus liegt auf angewandten LLM- und agentischen Systemen für Analyst-Workflows, hierarchischer Bayesianischer Inferenz und Zeitreihen-Foundation-Modellen, die auf Cloud- und selbst gehosteter 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 agentischen Systemen und probabilistischem ML
Suchen Sie einen Data Scientist oder KI-Ingenieur in Deutschland, Hamburg oder München, ab April 2027?
Mein größter Mehrwert liegt in der Prognoseautomatisierung, skalierbaren Analytics-Pipelines und agentischem Systemdesign, mit Fokus auf Open-Source- und Cloud-native Architekturen.
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 Multi-Agenten-Prognosesystem mit LangGraph, das einen schnellen Analysten und einen langsameren Prüfer über ein strukturiertes Gedächtnis vergangener Prognosefehler koordiniert.
- Telekommunikations- und Netzwerk-Analytics. Acht Jahre bei MTS mit Marktanalyse und M&A in Indien, Serbien, Slowenien und Moldau, relevant für Münchner Netzbetreiber-Zentralen.
- Global agierende Tech-Firmen und Plattformteams in München und Hamburg, in denen Prognosen, angewandtes ML und Produktionsanalytik produktübergreifend skalieren.
- Startups und Scale-ups, die produktives ML und agentische Systeme als Kernprodukt liefern, nicht als Pilotprojekte.
Ich verfüge über Englischkenntnisse auf C1-Niveau und Deutschkenntnisse auf B2-Niveau. In den letzten zehn Jahren habe ich Analytics-Lösungen für internationale Teams in drei Branchen umgesetzt.