26.09.2026 aktualisiert
verifiziert
Premiumkunde
100 % verfügbarData Platform Architect | Microsoft Fabric · dbt · Power BI · Snowflake | Agentic Coding
Dortmund, Deutschland
Deutschland +2
M.Sc. Big Data & Business Analytics (FOM Köln), B.Sc. Statistik & Ökonometrie (TU Dortmund)info: Deutschland, Österreich, Schweiz
Über mich
Freiberuflicher Data Platform Architect (8+ Jahre) für Datenplattformen in Konzernen – Schwerpunkt Microsoft Fabric. Kompletter Stack aus einer Hand: Anbindung, Pipelines, dbt-Medallion, Power BI. Aktuell: Deutsche Bahn, Galenica, EWE Netz. Agentic Coding: Migrationen in Wochen statt Monaten.
Skills
GitHub ActionsScrum MasterdbtAzure DevOpsSql Data WarehouseGoogle BigQueryData ArchitectureData GovernanceETLDatenmodellData VaultData WarehousingPythonPostgreSQLOracle Business Intelligence Enterprise Edition
Was ich für Kunden liefere
Moderne Datenplattformen für Großunternehmen und Konzerne – mit Schwerpunkt Microsoft Fabric. Der komplette Stack aus einer Hand: Datenanbindung, Pipelines, dbt-Transformationen im Medallion-Schema, Semantikmodelle und Power-BI-Reporting. Keine Handoffs zwischen Data Engineering und BI.
Rollen
Data Platform Architect · Data Architect · Data Engineer · Analytics Engineer · DWH Engineer · BI Consultant
Branchen & Referenzen
Energiewirtschaft (Netzbetreiber, EVU, Stadtwerke): EWE Netz · Transport & Logistik: Deutsche Bahn / DB InfraGO · Pharma: Galenica (Galexis) · Retail / eCommerce: Douglas, Waterdrop · Industrie: Rheinmetall · Financial Services: Commerzbank, Alger · Medien: Bertelsmann, Wolters Kluwer
Agentic Coding
AI-Coding-Agenten sind fester Teil meiner Arbeitsweise: Migrationen in Wochen statt Monaten – bei höherer Qualität durch automatisierte Tests, Validierung und Dokumentation.
Ausgewählte Ergebnisse
• Deutsche Bahn: Tableau → Power BI auf Microsoft Fabric – Projektlaufzeit von 3 Monaten auf 4 Wochen verkürzt.
• Galenica (Galexis): Produktionsverantwortung für die Fabric-Plattform – 100+ dbt-Modelle (Bronze → Platinum), SAP-/SAP-EWM-Anbindung, CI/CD mit fabric-cicd; Pipeline-Laufzeit um rund ein Viertel gesenkt.
• EWE Netz: Snowflake & dbt mit Medallion-Architektur – bis zu −80 % Compute-Kosten, Data Product im Snowflake Internal Marketplace.
• DB InfraGO: Dashboard-Ladezeiten von 5 Minuten auf 10 Sekunden (~30x schneller) durch Star Schema und DAX-Tuning.
• Douglas: Zentrales Snowflake-DWH als Single Source of Truth – manuelle Excel-Konsolidierung abgelöst.
Kernkompetenzen
Plattformen: Microsoft Fabric (Lakehouse, Warehouse, OneLake, Data Pipelines, Notebooks / PySpark, Direct Lake) · Snowflake (RBAC, Performance Tuning, Tasks, Marketplace)
Datenanbindung & Pipelines: SAP (ERP, EWM, Datasphere), PostgreSQL, SQL Server, SharePoint · Azure Data Factory, Fabric Data Pipelines, PySpark, RabbitMQ
Transformation & ETL/ELT: dbt-fabric & dbt-snowflake · Medallion-Architektur · inkrementelle Modelle, Tests, Macros, Dokumentation & Lineage · Datenmodellierung: Kimball / Star Schema, Data Vault-Elemente · Data Governance
Semantikmodell & Reporting: Power BI (DAX, Direct Lake, Composite Models, PBIP / PBIR) · Migration Tableau → Power BI und Qlik → Power BI
CI/CD & Betrieb: GitHub Actions, Azure DevOps, fabric-cicd, dev / tst / prd, Azure Key Vault, SQLFluff, Data-Quality-Tests
Sprachen & Datenbanken: SQL (T-SQL, Snowflake, PostgreSQL), Python / PySpark, DAX · Exasol, Google BigQuery · Tableau, Qlik
Erfahrung
Berufserfahrung5 - 10 Jahre
Freelancer seit2022
Sprachen
DeutschMutterspracheEnglischverhandlungssicherRumänischgut
Projekthistorie
Migration der Tableau-Reporting-Landschaft nach Power BI auf Microsoft Fabric – komplette Strecke von der Datenanbindung über das Semantikmodell bis zum fertigen Report.
Tableau → Power BI-Migration auf Microsoft Fabric
Impact: Projektlaufzeit von 3 Monaten auf 4 Wochen verkürzt – mit schnelleren und qualitativ hochwertigeren Reports als in Tableau.
Wie: Agentic Coding: Tableau-Workbooks automatisiert analysiert und als versionierbares Power-BI-Projekt (PBIP / PBIR) im Konzern-Standardlayout neu aufgebaut.
End-to-End-Datenstrecke von der Quelle bis zum Report
Impact: Eine durchgängige, dokumentierte Strecke statt Handoffs zwischen Data Engineering und BI.
Wie: Anbindung von PostgreSQL und SharePoint, Semantikmodell mit 21 Tabellen (Star Schema, DAX), Composite Model auf dem zentralen Semantikmodell.
Validierung und Abnahme der migrierten Reports
Impact: Alle Akzeptanzkriterien der Fachseite erfüllt.
Wie: Systematische Verprobung gegen den Tableau-Bestand; gestufter Optimierungsplan bis hin zu Direct Lake.
Tech: Microsoft Fabric, Power BI (DAX, Composite Model, PBIP / PBIR), dbt, PostgreSQL, SharePoint, Tableau, Agentic Coding
Produktionsverantwortung für die Microsoft-Fabric-Datenplattform der größten Logistiktochter der Galenica-Gruppe – dbt-Medallion-Architektur für Power BI und Qlik; Migration Qlik → Power BI.
Fabric-Plattform (Lakehouse + Warehouse) in Produktion
Impact: Stabiler täglicher End-to-End-Lauf; neue Anforderungen gehen im Wochentakt produktiv.
Wie: 100+ dbt-Modelle in 4 Layern (Bronze → Platinum), Quellen aus SAP, SAP EWM und Legacy-ERP; Deployment dev → tst → prd über fabric-cicd und GitHub Actions.
Pipeline-Laufzeit und Stabilität optimiert
Impact: Build-Laufzeit um rund ein Viertel gesenkt; nächtliche Abbrüche der SAP-EWM-Pipeline (50+ Mio. Zeilen) beendet.
Wie: DAG-Parallelisierung, inkrementelles Rolling-Window-Modell, vereinfachter Spark-Ausführungsplan, Dedup-Logik und Grain-Tests.
Agentic Coding im Repository etabliert
Impact: Fremde Codebasis in wenigen Wochen übernommen; Änderungen zeilengenau gegen den Vollaufbau verifiziert.
Fabric-Zielarchitektur für eine weitere Konzerngesellschaft
Impact: Wiederverwendbare Blaupause: SAP Datasphere → ADF → Lakehouse → dbt → Power BI (Direct Lake).
Tech: Microsoft Fabric, dbt-fabric, PySpark, T-SQL, SAP / SAP EWM / Datasphere, Azure Data Factory, Power BI (Direct Lake), Qlik, GitHub Actions, fabric-cicd
Einführung der analytischen Datenplattform für den Kundenservice eines der größten deutschen Verteilnetzbetreiber – Snowflake, dbt-Medallion-Architektur und Power BI; seit 09/2026 Folgeprojekt zum weiteren Reporting-Aufbau.
Snowflake/dbt-Plattform mit Medallion-Architektur eingeführt
Impact: Bis zu −80 % Compute-Kosten; Fachbereiche nutzen vorberechnete Gold-Modelle statt teurer Live-Abfragen.
Wie: 12 Faktenmodelle von Views auf inkrementelle Tabellen umgestellt (delete+insert, 90-Tage-Lookback), Orchestrierung über Snowflake Tasks bis zum Power-BI-Refresh.
Datenqualitäts- und Dokumentations-Framework in dbt
Impact: Erstmals durchgängig nachvollziehbare und auditierbare Reporting-Ergebnisse für die Fachbereiche.
Wie: Jede Tabelle und Spalte beschrieben und getestet, Business-Key-Validierung über 11 Faktenmodelle, CI/CD über GitHub Actions, Lineage.
Data Product im Snowflake Internal Marketplace
Impact: Manuelle CSV-Exporte abgelöst – Self-Service-Zugriff mit klarer Data Ownership.
Wie: Marketplace-Listing für Kundenzufriedenheitsdaten mit automatischer Erkennung neuer Spalten aus dem Quellsystem.
Power-BI-Reporting auf dem Snowflake-DWH
Impact: Einheitliche KPI-Definitionen vom Rohdatum bis zum Dashboard.
Wie: Power-BI-Semantikmodell (Star Schema, DAX) direkt auf den Gold-Modellen, RBAC- und Warehouse-Strategie in Snowflake.
Tech: Snowflake (RBAC, Tasks, Marketplace, Performance Tuning), dbt (Medallion, Tests, Macros, CI/CD), Power BI, DAX, GitHub Actions