24.10.2026 aktualisiert


Premiumkunde
100 % verfügbarBerater im Datenmanagement für Banken, Versicherungen und Finanzdienstleister
Frankfurt am Main, Deutschland
Weltweit
Promotion - Dr.Über mich
Berater mit 10+ Jahren Praxiserfahrung für Banken, Versicherungen und Finanzdienstleister. Schwerpunkte: Business Analyse, Data Governance, Datenarchitektur und Testmanagement in regulatorisch getriebenen Vorhaben.
Skills
XrayAtlassian ConfluenceAtlassian JiraBankenaufsichtBankingBankensoftwareBusiness AnalysisDatenbankenData ArchitectureData GovernanceDatenmanagementDatenmodellDatenqualitätData VaultData Warehousing
SCHWERPUNKTE
Business Analyse, Testmanagement und Datenmanagement für Banken, Versicherungen und Kapitalverwaltungsgesellschaften – von der Anforderung bis zum Go-live, an der Schnittstelle von Fachbereich, IT und Aufsicht.
PROJEKT- UND TESTMANAGEMENT
Projektleitung klassisch und agil (Scrum, Kanban) · Teilprojektleitung · Product Owner · Führung von Teams bis 10 Beratern · Roadmap-, Release- und Abhängigkeitsplanung · Risiko-, Budget- und Ressourcenplanung · Stakeholder- und Eskalationsmanagement
Teststrategie und Gesamttestkonzept (nach ISTQB) · risikobasiertes Testen · Testfalldesign (Positiv-, Negativ-, Randfälle) · Testdatenmanagement inkl. synthetischer Testdaten · Schattenrechnung und automatisierter Soll-Ist-Abgleich · Integrations- und Abnahmetest (UAT) · Defect-Management · Testfortschritts-Reporting · Quality Gates · Go/No-Go-Vorlagen · Hypercare
BUSINESS-ANALYSE UND KONZEPTION
Anforderungsaufnahme und -modellierung (fachlich und technisch) · Fach- und IT-Konzepte · User Stories · Prozessanalyse und -modellierung (BPMN 2.0) · Gap-Analysen · Toolauswahl (Anforderungskatalog, Bewertung, Vendorengespräche) · Zielbildkonzeption · Workshop-Moderation · Markt- und Wettbewerbsanalyse
DATENMANAGEMENT UND DATA GOVERNANCE
Data Governance (Richtlinien, Rollen, Stewardship, RACI, kritische Datenelemente) · Metadatenmanagement · Data Lineage auf Datenfeld-Ebene · Datenqualitätsmanagement (DQ-Dimensionen, Messung, Aggregation, KPIs) · Referenzdatenmanagement · Mapping-Frameworks · Datenintegration und -migration · IDV-Inventarisierung und -Regulierung
REGULATORIK UND MELDEWESEN
BCBS 239 / EZB RDARR · EZB-Onboarding (AQR, Stresstest) · AFC · EU-AML · AMLR · Meldewesen: COREP/FINREP, LCR/NSFR, IReF, CRR · BAIS · Abacus360 · ICAAP/ILAAP · Solvency II · IFRS 17 · DORA · DSGVO · InvStG / KapEStA · ERiC/ELSTER · GDV-Schnittstelle
DATENARCHITEKTUR UND MODELLIERUNG
DWH- und Data-Lakehouse-Architekturen · Data Vault, Inmon, Kimball · Fachdatenmodellierung · logische und physische Datenmodellierung · Schnittstellenkonzeption · Datenflusslandkarten · Mapping & Transformationsregeln (Quell- zu Zielstrukturen)
TECHNOLOGIEN UND TOOLS
Programmiersprachen: SQL · Python · Java · VBA / VB.NET · JavaScript / TypeScript · Angular · Node.js · XML/XSD/XSLT · JSON / REST APIs
Tools: Collibra (Data Catalog) · Ab Initio · Jira / Confluence / Xray · Zephyr · Silk Central · Selenium · Camunda · Signavio · DrawIO
Datenbanken & Plattformen: Oracle DB · PostgreSQL · IBM DB2 · IBM InfoSphere · SAP BW · Databricks · Oracle EPM · IBM Cognos · IBM Mainframe · MongoDB
Kernsysteme/Fachanwendungen: OSPlus · adcubum SYRIUS · zeb.control ALM · zeb.control TRD · SAP FS-CD · labs.STAR
Entwicklung: Git · CI/CD · AWS · Excel (Power Query, Pivot, Makros)
BRANCHEN
Banken (EZB-reguliert, Sparkassen- und Genossenschaftsorganisation, Captive Banks) · Versicherungen (Komposit: Kfz, Sach, Haftpflicht) · Kapitalverwaltungsgesellschaften · Finanzdatendienstleister
Erfahrung
Berufserfahrungmehr als 10 Jahre
Freelancer seit2026
Sprachen
DeutschMutterspracheEnglischverhandlungssicherFranzösischgutTürkischMuttersprache
Projekthistorie
Kontext: Im Zuge der laufenden Umsetzung von EU-AML baut die Bank für die AFC-Compliance eine konsolidierte, kundenzentrische Sicht auf: Einzeldaten aus verschiedenen Quellen im Haus werden auf Basis von MDM zu einem Meta-Kundenprofil zusammengeführt. Ziel ist eine Kundensicht, die im AFC-Kontext nachhaltig, transparent und regulatorisch konform betrieben werden kann.
- Ist-Analyse und Anforderungen: Analyse von Prozessen, Datenflüssen und Systemlandschaften in Compliance und AFC; Anforderungen aus First Line (Stammdatenmanagement) und Second Line (Monitoring, Kontrolle)
- Meta Customer und Data Governance: Fachfunktion, die Einzeldaten zu einem konsolidierten Meta-Kundenprofil aggregiert; Data Governance Framework und MDM-Prozesse für die AFC-Anforderungen mit Rollenmodell (Data Owner, Data Steward, RACI)
- Datenqualität und Lösungen: Kontrollmechanismen mit regelmäßigen Data Quality Checks und Monitoring; fachliche Beratung bei Auswahl und Einführung von Lösungen für MDM und Data Governance
Umfeld: Master Data Management (MDM) · Data Governance · AFC-Compliance · EU-AML · Geldwäscheprävention · Kunden- und Transaktionsdaten · Data Owner/Data Steward · RACI · Datenqualität und Monitoring
Kontext: Der Anbieter löst seine geschäftskritische Host-Plattform für die Versorgung der Finanzbranche mit Wertpapierdaten durch ein Data Lakehouse ab; für die weitere Umsetzung wird das Testmanagement neu ausgerichtet.
- Ist-Analyse und Risikobewertung: Deep-Dives mit den Feature Teams entlang Dateneingang, -verarbeitung und -ausgang (rund 190 Datenquellen); strukturierte Risikobewertung mit Gegenmaßnahmen und Quality Gate Kriterien
- Gesamttestkonzept: Konsolidierung der bestehenden Testkonzepte zu einem risikobasierten Gesamttestkonzept – Teststufen bis zum Abnahmetest im taggleichen Parallelbetrieb mit dem Altsystem, fünf Quality Gates bis zur Go-live-Entscheidung, RACI für zentrales Testmanagement und Feature Teams
- Planung und Steuerung: Überarbeitung von Aufwandsschätzung und Ressourcenplanung für das zentrale Testmanagement, Entscheidungsvorlagen für Management und Beirat; Mitgestaltung des neuen Testansatzes
Ergebnis: Das Testmanagement ist neu aufgestellt: Das konsolidierte Gesamttestkonzept mit Teststufen, Quality Gates und Governance ist freigegeben, Aufwandsschätzung und Ressourcenplan sind verabschiedet.
Umfeld: IBM Mainframe (Host) · Data Lakehouse · Datenmigration · IBM MQ · Jira/Xray · Confluence · Risikobasiertes Testen · Quality Gates
Kontext: Die Bausparkasse steht unter direkter EZB-Aufsicht und muss nach BCBS 239 / RDARR nachweisen, dass sie ihre Risikodaten vollständig, korrekt und zeitnah aggregieren kann – vom Quellsystem bis in Risikobericht und Meldewesen, auch ad hoc in Stresssituationen.
- Roadmap und Steuerung: Mitentwicklung der BCBS 239 Roadmap bis zur Vorstandsvorlage; Führung der Teilprojekte IT-Architektur und Metadaten mit bis zu fünf Beratern
- Data Governance und Data Lineage: Mitgestaltung der Richtlinien für Data Governance und DQM, Verantwortung für die Metadaten-Richtlinie; zehn Datendomänen und Fachdatenmodell für rund 1.500 Datenelemente; Zerlegung aller 61 steuerungsrelevanten Kennzahlen bis in die Quellsysteme
- Collibra und Zielbild: Auswahl und Einführung von Collibra für Metadaten- und DQ-Management bis zum Go-live Anfang 2026; Zielbild für IT- und Datenarchitektur mit neuem DWH als Single Point of Truth und Umsetzungsplan über rund fünf Jahre
Ergebnis: Alle 61 steuerungsrelevanten Kennzahlen sind bis ins Quellsystem nachvollziehbar und in Collibra dokumentiert, das seit Anfang 2026 produktiv ist. Data Governance ist mit Richtlinien, Datenverantwortlichen und Gremium verankert.
Umfeld: BCBS 239 · EZB RDARR · DORA · Collibra · REST-API · DWH (IBM DB2, PostgreSQL, SAS) · OSPlus · BAIS · AWS