LLM-Agentensysteme für Analytics und Prognosen.
AI Engineer und Data Scientist mit Schwerpunkt auf LLM-Agentensystemen für Analytics-Workflows. Bei InnoGames entwickle ich Prognose-Workflows, die untersuchen, wie betriebliche Planungstexte über strukturierte LLM-Extraktionen, Rohtext-Merkmale und Embeddings in Umsatzprognosen einfließen können. Dieses Unternehmensprojekt bildet zugleich die Grundlage meiner M.Sc.-Abschlussarbeit an der Leuphana Universität. Außerdem entwickle ich agentenbasierte Werkzeuge zum Erstellen, Ändern und Validieren von Power-BI-Berichten. Ich bringe zehn Jahre Analytics-Erfahrung aus Telekommunikation, Finanzwesen, Versicherung und Gaming mit.
Wie Planungstexte Umsatzprognosen für Spiele unterstützen können.
Mein Unternehmensprojekt bei InnoGames, zugleich meine M.Sc.-Abschlussarbeit an der Leuphana Universität, untersucht, ob und wie versionierte Planungstexte zusätzliche Informationen über Kalendermerkmale hinaus für Dreimonatsprognosen des Nettoumsatzes liefern. Verglichen werden agentenkompilierte strukturierte Kovariaten, Rohtext-Merkmale und Embeddings. Kalenderbasierte Referenzen und Kontrollen mit vertauschten Texten trennen den Beitrag des Dokumentinhalts vom zeitlichen Auftreten.
Die Experimente sind abgeschlossen; derzeit verfasse ich die Abschlussarbeit für die Abgabe im Dezember 2026.
LLM-Agentensysteme für Analytics, ergänzt durch Zeitreihenprognosen mit Foundation-Modellen.
Bei InnoGames arbeite ich an mehreren Analytics- und KI-Initiativen. Ich habe eine Evaluationspipeline für Umsatzprognosen entwickelt, die strukturierte LLM-Extraktionen, Rohtext-Merkmale und Embeddings aus versionierten Planungsdokumenten mit kalenderbasierten Prognosen und Kontrollen mit vertauschten Texten vergleicht. Dieses Unternehmensprojekt bildet zugleich die Grundlage meiner M.Sc.-Abschlussarbeit an der Leuphana Universität. Außerdem habe ich ein Multi-Agenten-Toolkit auf Basis von Claude Code entwickelt, mit dem Power-BI-Modelle und -Berichte erstellt und geändert werden können, inklusive Freigabe-, Validierungs- und Eskalationsschritten. Weitere Aufgaben umfassen Dashboards für Engagement und Monetarisierung, A/B-Test- und Churn-Analysen sowie die Migration des täglichen Reportings für sechs Spiele zu Microsoft Fabric.
Derzeit schließe ich meinen M.Sc. in Management & Data Science an der Leuphana Universität als Deutschlandstipendiat ab und arbeite parallel bei InnoGames an Analytics und der Entwicklung von Agentensystemen. Ab April 2027 stehe ich für Vollzeitpositionen als AI Engineer oder Data Scientist in Deutschland zur Verfügung.
Ausgewählte Projekte: LLM-Agentensysteme, Wissensgraphen und bayesianische Modellierung
Wofür ich arbeite
Meine Projekte umfassen LLM-Agentensysteme, Zeitreihenprognosen, bayesianische Modellierung und Wissensgraph-Anwendungen. Dazu zählen ein Multi-Agenten-Toolkit, das von einem Analytics-Team genutzt wird, ein Frage-Antwort-System über Wissensgraphen, ein hierarchisches bayesianisches Modell für den Customer Lifetime Value und ein Multi-Agenten-Assistent für Unternehmensgründungen.
Agentenbasierte Prognosen für Spielumsätze
Unternehmensprojekt bei InnoGames und M.Sc.-Abschlussarbeit an der Leuphana: Verglichen werden strukturierte LLM-Extraktionen, Rohtext-Merkmale und Embeddings als Eingaben für Umsatzprognosen. Kalenderbasierte Referenzen und Kontrollen mit vertauschten Texten prüfen den Beitrag des Dokumentinhalts; ein separater Baseline-Benchmark legt die Vergleichsmodelle fest.
Multi-Agenten-Toolkit für Power-BI-Report-Änderungen
Multi-Agenten-Toolkit auf Basis von Claude Code, im ganzen Analytics-Team genutzt: Es plant, implementiert und verifiziert Power-BI-Dashboard-Änderungen in PBIP/TMDL ohne Schritt-für-Schritt-Anleitung.
ChefTreff AI Hackathon: Gründer-Assistent
Multi-Agenten-Assistent, der Gründerinnen und Gründer bei der Unternehmensgründung in Deutschland unterstützt: Businessplan, Marketingplan und rechtliche Dokumentation.
Knowledge Graph Question Answering
SPARQL-basierte Fragebeantwortung über strukturierte Wissensgraphen, ermöglicht Abfragen in natürlicher Sprache über RDF-Wissensbasen.
KVG: ÖPNV-Routenplanung in Lüneburg
ML zur Modellierung und Vorhersage lokaler Buslinien für KVG, unter Kombination von Geodaten des öffentlichen Nahverkehrs 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 LLM-Agentensystemen und angewandtem maschinellem Lernen
Verfügbar in Deutschland ab April 2027, bevorzugt in Hamburg, München oder Düsseldorf.
Ich interessiere mich für Positionen als AI Engineer oder Data Scientist mit Schwerpunkt auf LLM-basierten Systemen, Prognoseautomatisierung oder Analytics-Plattformen. Dabei verbinde ich praktische Erfahrung in der KI-Entwicklung mit zehn Jahren Erfahrung in der Umsetzung fachlicher Anforderungen in wartbare Daten- und Analytics-Lösungen.
Meine Arbeit passt gut zu sechs Arten von Teams:
- Versicherungs- und Rückversicherungs-Analytics. Underwriting-Segmentierung bei Absolute Insurance und aktuelle bayesianische Prognoseverfahren, anwendbar auf den Münchner Versicherungs-Cluster und darüber hinaus.
- Gaming und Consumer Products. Prototypen für Umsatzprognosen und Aufbau von Analytics-Infrastruktur bei InnoGames in Hamburg, inklusive Migration nach Microsoft Fabric und Power-BI-Dashboards.
- KI-native Startups und angewandte KI-Labs mit Fokus auf LLM-Systeme, Agenten-Architekturen und Retrieval. Ich habe ein Multi-Agenten-Toolkit entwickelt und eingeführt, das ein Analytics-Team täglich nutzt, und mein Unternehmensprojekt für Umsatzprognosen, zugleich meine M.Sc.-Abschlussarbeit, vergleicht verschiedene Wege, Planungstexte in Prognosen einzubeziehen.
- Telekommunikations- und Netzwerk-Analytics. Acht Jahre bei MTS mit Marktanalyse und M&A für die Märkte Indien, Serbien, Slowenien und Moldau, relevant für Telekommunikationsunternehmen und Netzbetreiber, unter anderem in München.
- Global agierende Tech-Firmen und Plattformteams in Hamburg, München und Düsseldorf, in denen Prognosen, angewandtes ML und produktive Analytics-Lösungen produktübergreifend skalieren.
- Startups und Scale-ups, bei denen produktives ML und Agentensysteme das Kernprodukt bilden und kein Pilotprojekt bleiben.
Ich arbeite auf Englisch (C1, IELTS 8,0) und Deutsch (B2). Meine Analytics-Erfahrung umfasst internationale Teams in Finanzwesen, Telekommunikation, Versicherung und Gaming.