15.01.2026 aktualisiert
100 % verfügbar
Data Scientist & Experte für industrielle Prozessoptimierung
Hamburg, Deutschland
Deutschland
PhD Leightweight Structure and Aircraft DesignÜber mich
Experte für R/Python. Ich optimiere Ihre Prozesse durch Identifikation kritischer Einflussparameter (speziell Faserverbunde/Material & Process) und erstelle präzise Absatzprognosen zur Steuerung von Außendienst & Lager (u. a. Retail/Küchenzubehör). Datengetriebene Strategien für Ihren Erfolg.
Skills
Big DataClusteranalyseVerbundwerkstoffVersuchsplanungVertriebForecastingPythonMachine LearningPredictive AnalyticsEinzelhandelZeitreihenanalyseProzessanalyseData SciencePyTorchMaterialwissenschaft und Werkstofftechnik
Data Scientist & Experte für industrielle ProzessoptimierungDie Verbindung von Data Science und Materialwissenschaft
In der modernen Fertigung, insbesondere bei hochkomplexen Materialien wie Faserverbundwerkstoffen, entscheiden kleinste Parameter über Qualität und Wirtschaftlichkeit. Als Data Scientist mit tiefem Verständnis für Material & Process unterstütze ich Unternehmen dabei, Korrelationen in großen Datenmengen zu finden, die für das menschliche Auge unsichtbar bleiben.
Fachliche Schwerpunkte1. Industrial Data Science & Prozessanalyse
Die Herstellung von Faserverbunden unterliegt zahlreichen Variablen (Druck, Temperatur, Harzfluss, Feuchtigkeit). Ich analysiere Ihre Prozessdaten, um:
- Einflussparameter zu identifizieren: Welche Faktoren führen zu Ausschuss oder Qualitätsschwankungen?
- Big Data in der Produktion: Auswertung von Sensordaten und Maschinenlogs zur Optimierung der Zykluszeiten.
- Statistische Versuchsplanung (DoE): Unterstützung bei der datengestützten Entwicklung neuer Fertigungsprozesse.
2. Predictive Analytics & Sales Forecasting
Neben der Produktion optimiere ich Ihre betriebswirtschaftliche Seite:
- Absatzprognosen: Entwicklung von Modellen in R und Python zur präzisen Vorhersage von Verkaufszahlen (bewährt im Bereich Retail/Küchenzubehör).
- Außendienst-Steuerung: Datengestützte Analyse von Vertriebsgebieten und Identifikation von Kundenpotenzialen.
- Lageroptimierung: Reduzierung von Kapitalbindung durch präzise Forecasts.
3. Tech-Stack & Methoden
- Sprachen: Python (Pandas, Scikit-Learn, PyTorch), R (Tidyverse, Shiny, lme4).
- Big Data: Verarbeitung großer, unstrukturierter Datensätze aus Produktion und Vertrieb.
- Methodik: Regressionen, Clustering, Zeitreihenanalyse und Machine Learning zur Klassifizierung von Materialfehlern.
Erfahrung
Berufserfahrungmehr als 10 Jahre
Freelancer seit2024
Sprachen
DeutschMutterspracheEnglischverhandlungssicherItalienischGrundkenntnisse
Projekthistorie
Analyse: Auswertung historischer Verkaufsdaten & Saisonalitäten mittels R/Python.
Lösung: Implementierung eines Prognosemodells zur präzisen Vorhersage von Absatzzahlen.
Ergebnis: Optimierung der Lagerhaltung und Reduzierung von Fehlbeständen um ca. 15 %.