08.09.2026 aktualisiert


Premiumkunde
100 % verfügbarBESS & Energy Data Scientist | KI-Validierung & Testing, Python
Berlin, Deutschland
Deutschland +2
M.Sc. (Statsitics), Dipl. Oec.info: Deutschland, Österreich, Schweiz
Über mich
20+ Jahre Consulting (Data Science, BI). 5+ Jahre Energiesektor. Aktuell: BESS-Investitionsanalyse, Szenariomodellierung, quantitative Entscheidungsunterstützung. MBA Energy Management (TU Berlin, Abschluss 2026). Python, R, Monte Carlo, LP-Optimierung, EPEX SPOT Marktdaten.
Skills
LLMEnergieversorgungKünstliche IntelligenzEnergiemarktPythonMonte-Carlo-SimulationSzenarioanalyseSciPyZeitreihenanalyseQuantitative AnalyseData Science
Quantitative Analyse und Modellierung im Energiesektor mit Schwerpunkt Batteriespeicher (BESS), Energiemarkt-Daten und Investitionsbewertung.
Methoden: Zeitreihenanalyse, Monte-Carlo-Simulation, Lineare Optimierung (LP), Szenarioanalyse, NPV/IRR-Modellierung, Revenue-at-Risk, Block-Bootstrap-Resampling, Regression, Klassifikation (Gradient Boosting), Algorithmic Pricing.
KI-Systeme: Testen und Validierung von LLM-basierten Systemen (Halluzinationen, Auslassungen, regulatorische Testdimensionen), Multi-Agenten-Architekturen, Prompt Engineering, Benchmark-Design, Testautomatisierung.
Daten: EPEX SPOT (ID3-15min, Day-Ahead), Thomson Reuters, Bloomberg, CO2-Zertifikate (EUA Futures), Netzentgeltregulierung (EnWG, StromNEV).
Tools: Python (NumPy, SciPy, Pandas, Scikit-learn), R (Shiny, Pakete), SQL, SAP HANA, Google Cloud Platform, AWS, Azure, Databricks, Git.
Branchen: Energieversorgung, Utility-Scale BESS, CO2-Handel, Retail, Banking.
Abschlüsse: MBA Energy Management (TU Berlin, Abschluss 2026), M.Sc. Statistik (HU Berlin), Diplom Wirtschaftswissenschaften (Hohenheim).
Erfahrung
Berufserfahrungmehr als 10 Jahre
Freelancer seit2012
Sprachen
DeutschMutterspracheEnglischverhandlungssicherSpanischgut
Projekthistorie
Python-basiertes Bewertungsmodell für Utility-Scale BESS unter regulatorischer Unsicherheit (§118 EnWG). NPV/IRR-Verteilungen für vier Szenarien. LP-Optimierung, Monte-Carlo-Simulation, Block-Bootstrap auf EPEX SPOT ID3-15min Daten. Validierung an drei realen Projekten (3–30 MW).
• Entwicklung eines sprachbasierten Agentensystems zur
strukturierten Bewertung und Entscheidungsfindung
• Integration und Vergleich führender LLMs (GPT, Claude,
Gemini, Mistral)
• Konzeption und prototypische Umsetzung eines Meta-Agenten
zum automatisierten Testen von KI-Chatbots: Halluzinationen,
Auslassungen, regulatorische Testdimensionen (DSGVO,
EnWG)
• Entwicklung von Benchmark-Metriken und eines Audit-
Trails; Validierung anhand vordefinierter Testfälle
(Demonstrationsszenarien)
Qualitätssicherung interner und externer Data-Science-Modelle. Black-Box-Analyse, Sensitivitätsanalysen und Benchmarking externer Anbietermodelle. Stress-Testing von Marktpreisszenarien und deren Auswirkungen auf Sicherheitsleistungen.