Data Science
Data Science ist für mich mehr als Statistik und Modelle. Es ist die Frage, wie aus Daten Wissen wird und wie Unternehmen davon profitieren. Im Folgenden finden Sie die Antwort in drei Kapiteln: warum sich Data Science lohnt, was ich konkret anbiete und wie es in der Praxis aussieht.
Warum eigentlich Data Science?
Daten sind erst dann wertvoll, wenn man sie nutzen kann. In den meisten Unternehmen liegt der Großteil aber als unstrukturierter Text vor: in Verträgen, E-Mails, Kundenfeedback, Forschungsberichten. Genau hier setzen Large Language Models an. Sie machen aus Texten durchsuchbare, auswertbare Informationen und eröffnen Analysen, die ohne KI schlicht zu aufwendig wären.
Für Unternehmen heißt das konkret: bessere Entscheidungen auf belastbarer Datenbasis, schneller Zugriff auf vorhandenes Wissen und ein klarer Blick auf komplexe Zusammenhänge.
Entscheidungen treffen
Prognosemodelle und Analysen zeigen, welche Kunden abspringen, welche Produkte laufen und wo sich Investitionen lohnen. Eine belastbare Grundlage für strategische Entscheidungen.
Informationen finden
LLM-gestützte Suchen machen das Wissen zugänglich, das in Ihren Dokumenten, Verträgen und Protokollen bereits steckt. Statt stundenlang zu suchen: gezielt fragen und Antworten erhalten.
Komplexität verstehen
Dashboards und interaktive Visualisierungen übersetzen komplexe Zusammenhänge in klare Bilder. So werden Zahlen nicht nur sichtbar, sondern auch handlungsfähig.
Meine Leistungen
Beratung
Wo liegen Ihre größten Daten-Hebel? Welche Fragen lassen sich sinnvoll mit KI beantworten und welche nicht? In der Beratung schaffen wir gemeinsam Klarheit, bevor wir ins Umsetzen gehen.
Analyse
Aus Rohdaten werden verwertbare Einsichten. Ich analysiere Ihre Datenbestände, finde die relevanten Muster und übersetze sie in Visualisierungen, mit denen Ihr Team tatsächlich arbeiten kann.
Umsetzung
Vom Prototyp zum produktiven System: Ich baue maßgeschneiderte KI-Lösungen, von LLM-gestützten Suchen über Prognosemodelle bis zu automatisierten Auswertungen. Alles datenschutzkonform und AI-Act-tauglich.
Seminare & Weiterbildungen
KI-Seminare und DEKRA-zertifizierte Weiterbildung zum KI-Beauftragten nach Art. 4 AI Act. Von Grundlagen über Datenschutz und Compliance bis zur KI-Governance.
Mehr bei SICODAWas alle meine Leistungen verbindet: Ich baue keine Data-Science-Experimente fürs Regal, sondern Lösungen, die in Ihren Arbeitsalltag passen. Technisch belastbar, datenschutzkonform und so erklärt, dass Ihr Team nachvollziehen kann, wie ein Ergebnis zustande kommt. Wenn Sie nicht sicher sind, welche Leistung für Ihre Frage die richtige ist, sprechen wir am besten einmal in Ruhe darüber.
Projekte
Ausgewählte Kundenprojekte zu verschiedenen typischen Data-Science-Aufgaben.
Parkknöllchen-Dashboard Bonn
Auswertung der Parkknöllchendaten der Stadt Bonn und Visualisierung der Ergebnisse in einem interaktiven Dashboard. Die Rohdaten vom Ordnungsamt erfordern eine aufwendige Vorverarbeitung. Für die Straßen im Stadtgebiet können granulierte Daten zu den Knöllchen abgefragt werden. Für häufig kontrollierte Straßen lässt sich das Risiko, in einem gewählten Zeitfenster kontrolliert zu werden, abschätzen.
Semantische Suchfunktion
Implementierung der Suchfunktion für das Auffinden von passenden Franchise-Unternehmen auf der Plattform FranchisePortal GmbH. Besondere Features: Freitextsuche von Unternehmen, robustes Auffinden nach Namen und Blocken unangemessener Anfragen.
Automatisierte Textgenerierung
Bereitstellung von Endpunkten für die automatische LLM-basierte Generierung von Texten für FranchisePortal GmbH. Die Texte werden auf Basis von definierten Textbeispielen und spezifischen Datenbankinformationen erstellt. Anschließend können die Texte von Nutzern editiert und freigegeben werden.
EMV-Datenpipeline
Entwicklung einer Datenpipeline im Projekt ProgressivKI für die Hochschule Hamm-Lippstadt. Die Pipeline verarbeitet Messdaten zur Einschätzung der elektromagnetischen Verträglichkeit von Leiterplatten und gewährleistet die zuverlässige Ausführung von verschiedenen Prozessierungsschritten wie Datenzusammenstellung, Datenverarbeitung, Augmentierung und Training eines Klassifizierers zur Vorhersage der Verträglichkeit.