- Voucher-Self-Service-Tool (Product + Business Process Owner): überführte einen ungeklärten, fragmentierten 7-Schritte-Prozess in eine einzige automatisierte Seite, die Produkt → Pricing → Vertrag → Rechnung → Voucher-Erstellung abdeckt; durch Bereinigung und Tool wurden nicht fakturierte Promotional Vouchers von €40M auf €4M (~90 %) über zwei Jahre reduziert und €2M abgelaufene, nicht mehr fakturierbare Verluste sichtbar gemacht. Entwickelt in Java/Kotlin, mit Integration der SAP-API (Rechnungserstellung, GL-Konten-Abfrage) und Keycloak-Authentifizierung.
- Leitete die Datenerhebung und -dokumentation zur Unterstützung des Rechnungswesens und von EY bei einer umfassenden steuerlichen Überarbeitung und SAP-Konsolidierung; bereinigte ~€100M an Transaktions-Kredit-/Verbindlichkeitskonten und reklassifizierte gemeinsam mit dem Steuerteam die Steuer auf Dienstleistungen.
- Entwickelte ein KI-Modell, das Verträge, Ladevorgänge, Vouchers und Rechnungsstellung verknüpft und Aktivitätsrückgänge sowie Veränderungen im Kundenverhalten nach Pricing-, Paket- und Angebotsänderungen erkennt, um Kunden besser zu verstehen und geschäftliche Entscheidungen zu steuern.
- Entwickelte ein Machine-Learning-Prognosemodell, brachte es in Produktion und entwickelte den Long-term Plan (LTP).
- Reduzierte die Snowflake-Ausgaben im Zuge der Übernahme der Verantwortung von €160k auf €120k/Jahr (~25 %), während die Datenplattform auf 66 TB wuchs.
- Verhandelte Verträge, erstellte Monetarisierungspläne und Cashflow-positive Strukturen und führte Rechnungsprüfungen durch; hielt strategische Präsentationen vor Shareholdern in direktem Kontakt mit den Zentralen von BMW, Mercedes-Benz und Kia.
- Betreibt ELT/ETL-Pipelines (dbt, Snowflake, GCP Dataflow, Python, Postgres) und Agile Delivery – Scrum-Sprints auf einem JIRA-Board für den Aufbau, Kanban für den Betrieb – und leitet Engineering-, Analysten- und Operations-Teams an der Schnittstelle von Data und Product.
- Definierte eine 2-Jahres-Datenstrategie, ausgerichtet am Geschäftsbedarf, und konsolidierte sowie optimierte alle Dashboards zu einer Single Source of Truth.
- Auf der Datenseite bauen wir den Langfristplan (LTP) mit Data-Science-Modellen und einem Verständnis des Kundenverhaltens: Der Plan entsteht aus Modellen des tatsächlichen Kundenverhaltens und nicht aus einer Fortschreibung von Tabellenwerten.
- Wir erweitern laufend die Data-Ingestion- und Semantic-Layer, damit die Plattform AI-native ist: Ein Modell oder ein Agent fragt denselben durch Governance abgesicherten Layer ab, aus dem auch das Business berichtet.
- Echtzeitdaten über Event Hub versorgen die Plattform neben den Batch-Pipelines.
- Der Stack im Alltag: Snowflake als Warehouse, Python und SQL für die Datenarbeit, Power BI und Streamlit für die Nutzeroberflächen, Event Hub für die Echtzeit-Feeds.
- Verantworte die Strategieplanung und den Langfristplan für die Datenorganisation: wohin sich die Plattform entwickelt, was sie kostet und welche Anforderungen sie als Nächstes erfüllen muss.
- Die Plattform bedient fünf Domänen durchgängig: Ladevorgangsdaten, Kundenverhalten, interne Prozesse, Contract-to-Cash-Finanzen sowie Gutschein- und Promotion-Kampagnen.
- Führe seit mehreren Jahren die Datenorganisation bei DCS für Europa und Japan; davor globale Demand-Planning-Rolle bei Tesla mit Koordination zwischen Berlin, Shanghai, Fremont und Texas – regionale Analytics-Führung in einem Multi-Market-Umfeld über mehrere Zeitzonen hinweg.
- Verantworte das KPI-Framework bei DCS: KPI-Definitionen werden zentral festgelegt, die Fachbereiche darauf ausgerichtet; Reporting-Standards und Governance folgen aus dieser einheitlichen Definition.
- Die Plattform als Data-as-a-Service betreiben: semantische Layer aufbauen, Business-Teams darauf onboarden und Stakeholder in Dashboards und Self-Service-Analytics schulen, damit Entscheidungen auf Basis der Daten getroffen werden.
- Das Lead-to-Cash-Monitoring der Forderungen automatisiert: Der offene Forderungsbestand wird automatisch geprüft statt manuell ermittelt, sodass ein ausstehender Saldo von selbst auffällt und nicht erst zum Monatsabschluss.
- Die Rechnungsüberwachung für OEM- und Flottenkunden automatisiert: Die Rechnungsstellung an OEM- und Flottenpartner wird laufend geprüft statt stichprobenartig, sodass Fehler und Lücken auffallen, bevor der Kunde sie sieht.
- Das Forderungsausfall-Reporting (Bad Debt) entwickelt und automatisiert: Aus einer manuellen Zusammenstellung wurde ein fester Bericht, auf dessen Basis Finanz- und Commercial-Teams dieselben Zahlen verwenden.
- Die gesamte Dashboard-Landschaft wird umgebaut: Die KI-generierten HTML-Dashboards werden auf Streamlit migriert, neben Power BI auf Snowflake – eine zentrale Quelle für die Unternehmenszahlen statt eines Flickenteppichs pro Team.
- Wir bauen und automatisieren interne Websites, damit Automatisierungen als tatsächlich genutzte Werkzeuge bereitgestellt werden und nicht als Prozessdokumente – die Voucher-Self-Service-Seite war die erste davon.
- Das Team wächst mit dem Bedarf und bedient inzwischen das gesamte Unternehmen: Daten, die früher die Fragen einer Abteilung beantworteten, sind heute ein unternehmensweiter Shared Service bei DCS.
- Förderte eine datengetriebene Unternehmenskultur durch die Präsentation eines langfristigen Daten-Storytellings vor Shareholder-Gremien — inklusive Customer-Decay-Analyse — und sicherte die Zustimmung von CFO und CTO; setzte datenbasierte Narratives anschließend ein, um Produktentwicklungsentscheidungen im gesamten Unternehmen zu beeinflussen.
- Widersprüchliche regionale und globale Zielvorgaben ausgeglichen, indem Lieferanforderungen zwischen dem Berliner Werk, dem europäischen Markt und den Amsterdamer Verkaufszielen mit der US-amerikanischen Fahrzeugplanung koordiniert wurden – lokale Umsetzung mit globalen Supply-Chain- und Delivery-Anforderungen in einer Matrixstruktur abgestimmt.
- Unternahm 8 Geschäftsreisen pro Jahr in zentraleuropäische Märkte und darüber hinaus, mit monatlichen Reisen zu strategischen Stakeholdern in Städten wie München, Amsterdam und Fremont.
- Leitete als Transformation Leader die Prozessveränderung im Finanzbereich bei DCS.
- Operative Mitarbeit mit Finance und Controlling am Fünfjahres-Langfristplan: monatliche KPI-Prognose mit Unit-Economics-, Cash-Flow- und Bruttogewinn-Sichten, direkt aus der Data Platform aufgebaut, sodass Planung und Reporting auf denselben Zahlen basieren.
- Bruttogewinn-Dashboard (GP1) über alle Erlösströme hinweg aufgebaut – Subscriptions, Packages, Ad-hoc-Ladevorgänge und Karten – gespiegelt an den jeweiligen Direktkosten: Energie, RFID-Karten und Kartenlogistik, Package-Kosten und Kundenservice; finanzielle und nicht-finanzielle Treiber nebeneinander, sodass die Marge direkt neben den Volumina und dem Kundenverhalten ablesbar ist, die sie beeinflussen.
- Fraud Analytics, operativ umgesetzt: Früherkennung von Ladevorgängen mit fremden Karten sowie von Kunden, die das System ausnutzen, indem sie sich in einem Land registrieren und in einem anderen laden; dazu quantifizierte Auswirkung von Fraud auf Umsatz und Energiekosten, sodass Finance und Operations auf denselben Fällen handeln.
- Europaweite Steuerbearbeitung gemeinsam mit EY: Bereitstellung der transaktionsgranularen Daten für die länderspezifische Behandlung von Ladeerlösen sowie für die Reklassifizierung von Produkt-Steuerkennzeichen und -beschreibungen.
- Energieabgrenzungen: Monatsend-Energiekostenabgrenzungen aus Charging Detail Records (CDRs) gegen die von Charge Point Operators eingegangenen Rechnungen aufgebaut, sodass Abgrenzungen auf gemessenen Ladesitzungen statt auf Schätzungen beruhen.
- Bilanzberichterstattung aus der Platform: Forderungen und Verbindlichkeiten auf Transaktionsebene zurückverfolgt und parallel zur Buchhaltung ausgewiesen, sodass das Datenteam die Bilanz in denselben Begriffen wie Finance lesen kann.
- Das Datenteam von Power BI auf ein intern entwickeltes Tool zum Hosten von Dashboards umgestellt und die Analysezeit um 90 % reduziert.
- Alle Semantic Layer aufgebaut und dokumentiert und mit einem 13-köpfigen Team ein KPI-Dashboard erstellt, das alle Abteilungen und das gesamte Unternehmen bedient, einschließlich Financial-Services-Prüfungen und Qualitätskontrollen aller Transaktionen.
- AI Best Practices im Team etabliert und interne Tools entwickelt, die Unit-Tests, dbt-Tests und die Dokumentation des Geschäfts vorantreiben.
- Technische Schulden abgebaut; optimiere nun die Prozesse für andere Teams.