Anwendungen

Data Science, KI & Automatisierung

Mein eigentliches Feld. Ich löse Probleme mit Code ^^ von der Datenanalyse bis zur individuellen Software.

Schema: langer Bericht, kurze Zusammenfassung Links ein Stapel Berichtsseiten voller Textzeilen, ein Pfeil mit der Beschriftung KI führt zu einer kleinen Karte rechts mit fünf markierten Kernaussagen.
fig. 1 — Schema: 40 Seiten Bericht, 5 Zeilen Kern

Schwerpunkte

Data Science & Analyse

Aus Ihren Daten Erkenntnisse gewinnen. Auswertungen, Prognosen und Dashboards, aufbereitet als Entscheidungsgrundlage, damit Sie besser entscheiden können.

Python Pandas Demand Forecasting Decision Intelligence

Machine Learning

Modelle, die Muster in Ihren Daten finden, zum Beispiel welche Kunden wahrscheinlich nicht wiederkommen oder welche Produkte oft zusammen gekauft werden.

Scikit-learn TensorFlow

KI-Lösungen

Praktische KI-Anwendungen, etwa lange Berichte automatisch auf das Wesentliche zusammenfassen. Aber auch komplexe Aufgaben lösen.

LLMs Prompting Prompt Caching

Automatisierung & Skripte

Wiederkehrende Aufgaben erledige ich per Python-Skript automatisch: Daten zusammenführen, Berichte erzeugen, Systeme verbinden.

Python Skripte

Individuelle Tools

Maßgeschneiderte kleine Programme statt umständlicher Excel-Listen: Angebots-Generatoren, interne Tools, Verwaltungssysteme.

Web-Apps Individualsoftware

Schnittstellen & APIs

Ich verbinde Ihre vorhandenen Programme und Dienste, damit Daten automatisch dorthin fließen, wo Sie sie brauchen.

APIs Integration
Demand Forecasting · zum Ausprobieren

Wie viele Brötchen am Samstag?

Eine erfundene Bäckerei, ein Jahr erfundene Verkaufszahlen – und ein echtes Modell, das gerade eben in Ihrem Browser trainiert wurde. Kein Server, keine Kundendaten. Stellen Sie den Tag ein:

Wochentag
Wetter

– Brötchen

Sonne Wolken Regen Feiertag Prognose mit 80-%-Intervall

Die Daten sind erfunden, das Modell ist echt – nachzulesen in demo.js. Wie es funktioniert, erkläre ich im Notizbuch.

NetSales-Modell

Analyse- und Prognosemodell für Vertriebsdaten: Datenbereinigung, Kennzahlen und Vorhersagen, mit denen Verkaufstrends früh erkennbar werden.

PythonPandasPrognosen

ML-Projekte

Klassifikation, Clustering und Empfehlungssysteme auf strukturierten Daten, von Exploration bis produktives Modell.

Scikit-learnTensorFlowMLOps

Testing-Suite für Websites

Automatisierte Test-Pipeline für Web-Projekte: E2E-Tests, visuelle Regression, Performance-Budgets, läuft bei jedem Deploy.

PlaywrightCI/CDQA

AIOps

Automatisierte Betriebsprozesse: Anomalie-Erkennung in Logs/Metriken, Incident-Routing, Self-Healing-Skripte für Cloud-Infrastruktur.

PythonMonitoringAutomation

Brötchen-Prognose

Demand Forecasting zum Ausprobieren: ein Modell, das direkt im Browser trainiert, mit erfundenen Daten für eine erfundene Bäckerei. Es zeigt die Prognose samt 80-%-Intervall und wie weit es auf Testwochen danebenliegt, die es nie gesehen hat. Im Notizbuch erkläre ich, wie es funktioniert.

JavaScriptDemand ForecastingPrognoseintervall

Diese Website

Eigenes Design statt Vorlage, ohne Cookie-Banner. Bei jeder Änderung prüfen automatische Tests die HTML-Validierung, alle internen Links, die Darstellung in einem echten Browser (Handy und Desktop, mit und ohne JavaScript) und die Lighthouse-Werte. Wie das zusammenhängt, steht unter So gebaut.

PlaywrightGitHub ActionsLighthouse

Neuronales Netz in Blender

Ein 8-Sekunden-Loop, in Blender gerendert: ein Forward Pass durch 71 Neuronen und 266 Verbindungen. Er läuft auf der Startseite, lädt erst, wenn er im Bild ist, und bleibt bei reduzierter Bewegung ein Standbild.

BlenderNeuronale Netze

Einblicke in meine Arbeit: GitHub →

Nächster Schritt

Frisst ein Ablauf jede Woche Zeit?

Erzählen Sie mir, welche Arbeit sich bei Ihnen ständig wiederholt. Lässt sie sich automatisieren, sage ich Ihnen wie — und wenn nicht, sage ich auch das.