23.10.2026 aktualisiert
100 % verfügbar
Data Science Consultant | Software Engineer | Predictive Analytics, Optimization | Python, Java
Wien, Österreich
Deutschland +2
Dr. rer. oec. soc.info: Deutschland, Österreich, Schweiz
Über mich
Data Scientist (Dr., Quantitative Marketing) mit über 15 Jahren Softwareentwicklung. Prognose- und Optimierungsmodelle für umsatzrelevante Entscheidungen, von der Datenanalyse bis zur Integration in den Betrieb. Projekte in Handel, Versicherung, Telekom, Automotive und öffentlicher Beschaffung.
Skills
JavaAPIsData AnalysisTelekommunikationBusiness Process Model And NotationBusiness Process ManagementSaasContinuous DeliveryContinuous IntegrationKundenanalyseCustomer IntelligenceKundenbindungETLData TransformationForecasting
Data Scientist mit Promotion in Quantitative Marketing (WU Wien) und über 15 Jahren Erfahrung in der Softwareentwicklung. Ich unterstütze Unternehmen mit Prognose- und Optimierungsmodellen bei umsatzrelevante Entscheidungen, von der Datenanalyse bis zur Integration in den laufenden Betrieb. Projekte in Handel, Versicherung, Telekommunikation, Automotive und öffentlicher Beschaffung, überwiegend bei Unternehmen mit über 100 Mio. € Umsatz. Aktuell liegt mein Schwerpunkt auf Predictive Analytics für Vertrieb und Kundenbindung (Retention, Expansion, Lead-Scoring). Seit 2017 entwickle und betreibe ich zudem eigene B2B-SaaS-Produkte.
Schwerpunkte:
- Prognose und Optimierung: Nachfrage- und Umsatzprognosen, Preis- und Szenario-Simulation, Bestands- und Einkaufsoptimierung
- Predictive Analytics für Vertrieb und Kundenbindung: Lead-Scoring, Churn- und Expansion-Prognose, Account- und Lead-Priorisierung, kontrollierte Experimente und Impact-Messung
- Softwarearchitektur und Systemintegration: Microservices, APIs, Datenpipelines, Prozessautomatisierung
- Produktentwicklung end-to-end: Anforderungen, Entwicklung, Betrieb und Support eigener SaaS-Produkte
Ausgewählte Projekte:
- Preis-Szenario-Simulation und Umsatz-Forecasting für eine öffentliche Beschaffungsagentur (über 1 Mrd. € Beschaffungsvolumen), seither fester Bestandteil strategischer Preisentscheidungen
- Hierarchisches Bayessches Nachfragemodell zur Größenoptimierung für einen Modehändler (über 200 Mio. € Umsatz), integriert in die saisonale Einkaufsplanung; Lost-Sales-Potenzialanalyse für einen Schuhhändler (über 300 Mio. € Umsatz)
- Lead-Management-System für einen großen deutschen Versicherer: Scoring und Routing von 30.000+ Leads jährlich, kontrollierte Experimente zu Conversion-Treibern
- Software Architect für Microservices bei einem großen deutschen Fahrzeughersteller (Kotlin, Spring Boot, Kafka, Kubernetes)
- Prozessautomatisierung und API-Integration bei einem großen deutschen Telekommunikationsanbieter (Camunda, BPMN)
Arbeitsweise
Ich beginne mit einer Daten- und Prozessanalyse und der klaren Ziel-Definition, baue zuerst einen schlanken Prototyp bzw. MVP um die Verbesserung Effekt gegenüber dem Status quo zu messen. Danach integriere die Erkenntnisse oder Modelle mit bestehenden Systemen und Abläufen, damit sie im Tagesgeschäft genutzt werden, nicht nur in Präsentationen.
Kenntnisse
- Data Science: Python, pandas, polars, scikit-learn, statsmodels, PyMC, lifelines, TensorFlow
- Methoden: Bayessche Modelle, Machine Learning, Survival-Analyse, Simulation, mathematische Optimierung, Experimentdesign
- Anwendungen: Churn-Prognose, Lead-Scoring, Forecasting, Preisoptimierung
- KI: LLM-Integration, AI Agents, Deep Generative Models
- Engineering: Java, Kotlin, TypeScript, Spring Boot, Jakarta EE, FastAPI, Node.js, React, Angular
- Daten & Integration: SQL, PostgreSQL, MongoDB, Elasticsearch, Kafka, REST/SOAP, ETL, Camunda/BPMN, n8n
- DevOps: Docker, Kubernetes, AWS, CI/CD, Datadog, ELK
Erfahrung
Berufserfahrungmehr als 10 Jahre
Freelancer seit2017
Sprachen
DeutschMutterspracheEnglischverhandlungssicher
Projekthistorie
SaaS-Produkt für agentenbasiertes Content-Schreiben und -Optimieren für SEO, GEO und SEA.
- Anforderungsdefinition, Entwicklung
- Crawling-Pipeline, Content-Generierung und -Optimierung
- Content-Qualitäts-Score auf Basis eines in Marketing Science publizierten Modells, Portierung der R-Referenzimplementierung nach Python
- LLM-Integration (OpenAI API), Content-Klassifikation mit Jev
Technologien: Python, uv, pytest, TypeScript, React, Vite, Vitest, OpenAI API, Jev
Prognosemodelle für Revenue- und Customer-Success-Teams von B2B SaaS-Firmen auf Basis von Produktnutzungs-, CRM- und CS-Daten. Entwicklung der Methodik, Technologie, Vertrieb und Marketing.
- Survival- und Machine-Learning-basierte Conversion-, Churn- und Expansion-Prognosen
- Scoring und Priorisierung von Accounts und Leads für operative Effizienz und zuverlässigere Umsatz-Forecasts
- Validierung bestehender Health Scores, Fehler-Diagnose und individuelle Modell-Entwicklung
- Modell-Integration mit bestehenden CRMs, Customer-Success-Plattformen und Data Warehouses
Technologien: Python, lifelines, polars, scikit-learn
Entwicklung, Betrieb, Vertrieb, Marketing und Support von vier Erweiterungen für Atlassian Confluence mit mehreren hundert Geschäftskunden:
- Glossary for Confluence Cloud: Glossar mit Verknüpfung zu Artikeln der Knowledge Base
- Automatic Archiving for Confluence Cloud: Content-Lifecycle-Management und automatische Archivierung veralteter Artikel
- Page Source Editor for Confluence Cloud: direkte Bearbeitung des Seitenquelltexts für gezielte Formatierung und Korrektur
- Copy Page Hierarchy for Confluence Cloud: Kopieren ganzer Seitenhierarchien
Technologien: Node.js, Express, React, JavaScript, Atlassian Connect, Forge, REST