Werte, an denen ich Analytics- und KI-Projekte ausrichte
Auftrag: Datenarbeit alltagstauglich machen
Ich unterstütze Organisationen dabei, aus verstreuten Daten und gewachsenen Prozessen ein belastbares Fundament für Entscheidungen zu bauen. Das Smart Business Transformation Model verbindet dafür Geschäftsziele, Prozessschritte und Analytics-Bausteine zu einem klaren roten Faden. Ziel ist, dass Datenarbeit nicht als Sonderprojekt läuft, sondern Teil der täglichen Steuerung wird und Teams eigenständig mit Analysen arbeiten können.
Blick nach vorn
Ich sehe eine Arbeitswelt, in der Unternehmen Daten und KI nutzen, um Zeit für sinnvolle Aufgaben zu gewinnen, nicht um Menschen zu ersetzen. Entscheidungen stützen sich auf nachvollziehbare Analysen, und Fachabteilungen verstehen, wie Modelle zu ihren Ergebnissen kommen. Dafür braucht es klare Strukturen, verständliche Kommunikation und Lösungen, die sich an der Realität im Betrieb orientieren.
Transparenz in jedem Projektschritt
Ich lege offen, welche Daten genutzt werden, wie Modelle funktionieren und welche Annahmen dahinterstehen, damit Entscheidungen nachvollziehbar bleiben und Vertrauen entstehen kann.
Fokus auf greifbare Wirkung
Ich bewerte Vorhaben danach, ob sie ein konkretes Problem entschärfen oder einen messbaren Engpass verringern, statt nur neue Dashboards oder Kennzahlen zu erzeugen.
Partnerschaft statt Lieferbeziehung
Ich verstehe Projekte als Zusammenarbeit auf Augenhöhe, bei der Fachabteilungen, IT und Management gemeinsam Verantwortung übernehmen und Wissen teilen.
Verantwortlicher Umgang mit Daten
Ich gehe sorgfältig mit Daten um, achte auf Datenschutz, vermeide unnötige Sammlung und berücksichtige, wie Entscheidungen durch KI Menschen im Alltag betreffen.
Nachhaltige Skalierbarkeit denken
Ich gestalte Lösungen so, dass sie mit veränderten Fragen, neuen Standorten oder weiteren Systemen wachsen können, ohne die Komplexität unnötig zu erhöhen.
-
2016
Einstieg in datennahe Projekte
Start mit ersten Projekten an der Schnittstelle zwischen Prozessoptimierung, Reporting und pragmatischem Einsatz von Analytics im Tagesgeschäft.
-
2018
Entwicklung des Transformationsmodells
Aufbau eines strukturierten Vorgehensmodells, das Geschäftsziele, Datenquellen und Prozessschritte konsequent miteinander verknüpft.
-
2020
Erste angewandte KI-Projekte
Erweiterung um konkrete KI-Anwendungsfälle, bei denen Nachvollziehbarkeit, Datenqualität und Auswirkungen auf Mitarbeitende im Vordergrund stehen.
-
2023
Fokus auf Mittelstand und Skalierung
Schärfung des Smart Business Transformation Model für mittelständische Organisationen in Deutschland mit Fokus auf Skalierbarkeit.
-
01 Lead Data Strategist
Jonas Keller Leitender Daten- und Prozessstratege
Ich komme aus der betrieblichen Realität, nicht aus dem Labor. Als Lead Data Strategist verbinde ich Erfahrung aus Operations, Controlling und Datenprojekten. Ich höre zuerst zu, wie Ihr Alltag aussieht, und zerlege dann große Vorhaben in überschaubare Schritte. Mir ist wichtig, dass Entscheidungen auf nachvollziehbaren Analysen beruhen und dass niemand im Projekt so tun muss, als hätte er etwas verstanden, was unklar geblieben ist.
-
02
Lead Solution Architect
Miriam Vogel Architektin für Datenlösungen
Ich übersetze Anforderungen aus Fachabteilungen in robuste Datenmodelle und APIs. Als Solution Architect achte ich darauf, dass neue Analytics- und KI-Komponenten zu Ihren bestehenden Systemen passen. Ich bevorzuge einfache Lösungen, die Ihre IT betreuen kann, statt exotischer Spezialkonstruktionen. Saubere Schnittstellen und klare Verantwortlichkeiten sind für mich wichtiger als glänzende Folien.
-
03
Applied AI Specialist
Lukas Brandt Spezialist für angewandte KI
Ich arbeite an der Schnittstelle zwischen Daten und Fachbereich. Als Applied AI Specialist teste ich mit Ihnen konkrete Anwendungsfälle, zum Beispiel Prognosen oder Textauswertungen. Ich erkläre, was ein Modell kann, wo seine Grenzen liegen und welche Datenqualität nötig ist. Mir ist lieber, wir stoppen ein Vorhaben früh, als dass ein System später Erwartungen verfehlt.
Anerkennung für klare, umsetzbare Analytics-Arbeit
Auszeichnungen sind kein Selbstzweck, aber sie zeigen, dass ein nüchterner, nachvollziehbarer Umgang mit Daten und KI in der Praxis geschätzt wird.
Preis für praxisorientierte Datenlösung
Auszeichnung für ein praxisnahes Analytics-Projekt, das Verwaltungsabläufe deutlich vereinfachte und den Einstieg in KI für ein mittelständisches Team realistisch machte.
2021Transparenz in Datenprojekten
Würdigung für transparente Projektführung, bei der technische Entscheidungen und Risiken für Fachabteilungen verständlich dokumentiert und besprochen wurden.
2020Verantwortungsbewusste KI-Anwendung
Anerkennung für einen strukturierten Ansatz zur Bewertung von KI-Anwendungsfällen mit besonderem Fokus auf Nachvollziehbarkeit und Auswirkungen auf Mitarbeitende.
2022Ganzheitlicher Transformationsansatz
Brancheninterne Ehrung für die Verbindung von Prozesswissen, Datenkompetenz und umsetzbarer Roadmap in einem komplexen Transformationsvorhaben.
2023Was Auftraggeber über die Zusammenarbeit berichten
Sabine Koch
Leitung Operations Mittelstand
Ich kam mit der Erwartung, einen großen KI-Wurf planen zu müssen. Im Gespräch wurde schnell klar, dass schon eine saubere Prozess- und Datenaufnahme mehr bringt. Wir haben gemeinsam ein überschaubares Pilotprojekt definiert, das unser Team tragen konnte. Besonders hilfreich fand ich, dass Annahmen offen hinterfragt wurden und auch unbequeme Punkte auf den Tisch kamen. Ergebnisse may vary, aber der strukturierte Ansatz hat sich für uns gelohnt.
Dr. Felix Wagner
Chief Data Officer Industrie
Wir hatten bereits mehrere Analytics-Initiativen begonnen, aber wenig in den Alltag gebracht. Der Smart Business Transformation Model Ansatz half uns, Projekte konsequent an klaren Betriebszielen auszurichten. Die Diskussionen waren direkt, manchmal unbequem, aber immer sachlich. Mir gefiel, dass Risiken transparent angesprochen wurden und keine überzogenen Versprechen im Raum standen.
Heike Lorenz
Leitung Controlling Dienstleister
Ich war anfangs skeptisch, ob noch ein externer Blick wirklich hilft. Im Projekt wurde nichts beschönigt, sondern nüchtern analysiert, wo Daten fehlen, Prozesse haken und welche Fragen wir zuerst beantworten sollten. Das Tempo war fordernd, aber machbar. Besonders positiv: Es gab Raum für Rückfragen aus dem Team, und Unterlagen waren auch ohne technischen Hintergrund verständlich.