Ramazan Zeybek

Ziel des Projekts war es, die Berichtsinfrastruktur für Projektsteuerung und Controlling einmal als wiederverwendbares Template zu bauen. Projektleitungen und PMOs beantworteten in jedem Kundenprojekt ähnliche Steuerungsfragen, die Auswertung dafür entstand aber jedes Mal von vorn.

Ich nahm die wiederkehrenden Anforderungen auf und leitete daraus die Kennzahlen,
Visualisierungen und Berichte ab, die ein Standard abdecken muss. Auf dieser Grundlage
konzipierte und baute ich eine modulare Architektur auf Microsoft Fabric: ein Lakehouse mit getrennten Verarbeitungsschichten, wiederverwendbare PySpark-Komponenten und automatisierte Datenqualitätsprüfungen mit Great Expectations. Darauf setzte ich eine generische Power-BI-Vorlage mit Star-Schema, Row-Level-Security-Konzept und vorgefertigten DAX-Measures auf. Für die Übergabe erstellte ich die technische Dokumentation und Onboarding-Unterlagen.

Im Ergebnis wird die Berichtsinfrastruktur pro Projekt nur noch angebunden statt neu entwickelt. Einheitliche Namenskonventionen und automatisierte Qualitätsprüfungen halten den Standard auch nach der Übergabe stabil, und weitere Projektteams können ihn eigenständig einführen.

Ziel des Vorprojekts war es, die gewachsene HR-Systemlandschaft eines mittelständischen Maschinenbauers mit rund 500 Mitarbeitenden zu konsolidieren. Reisekosten, Lohnabrechnung und Stammdaten, Bewerbermanagement und Weiterbildung liefen in getrennten Systemen, das Stammdatensystem als tabellarischer Eigenbau, ohne gemeinsamen Mitarbeiterstammsatz.

Ich führte die Kundentermine mit der Personalleitung und Betriebsrat, um die Mitbestimmungsanforderungen früh zu kennen. Für die Bewertung wurde der Markt sondiert und Anbieter gegen die Muss-, Soll- und Kann-Anforderungen abgeglichen. An zwei von fünf Projekttagen übernahm ich die Projektleitung.

Im Ergebnis lag eine begründete Systemempfehlung mit Rangfolge, Bewertungsmatrix, Risikoregister und einer Umsetzungs-Roadmap vor. Die bestehende Abrechnungsstrecke über einen externen Dienstleister blieb darin erhalten, was Migrationsrisiko und Aufwand senkt.

Ziel des Projekts war es, die verteilte Pflege von Mitglieds- und Unternehmensdaten durch eine zentrale Datenplattform abzulösen. Die Daten wurden in mehreren Systemen parallel gepflegt, was doppelten Aufwand und Inkonsistenzen erzeugte. Gleichzeitig verlangt das
Unternehmensbasisdatenregistergesetz von den Kammern einen zentralen Anbindungspunkt an das Basisregister der öffentlichen Verwaltung.

Ich definierte die Datenmodelle und die Verarbeitungslogik über Lakehouse, Delta Tables und Dataflows. Für die automatische Erfassung und Qualitätssicherung der Rohdaten implementierte ich Dataflow-Pipelines und entwickelte modulare PySpark-Notebooks zur Harmonisierung und Anreicherung, inklusive zentraler Dimensionstabellen und Utility-Funktionen zur Standardisierung. Auf der Auswertungsseite modellierte ich das Star-Schema, setzte die rollenbasierte Sicherheit um, entwickelte die DAX-Kennzahlen und baute die Power-BI-Berichte und Dashboards.

Im Ergebnis liegt eine redundanzfreie Datenhaltung als Single Source of Truth vor. Die mehrfache manuelle Pflege entfällt, automatisierte Abgleiche sichern die Datenqualität, und die gesetzlich geforderte Anbindungsfähigkeit an das zentrale Register ist hergestellt.

Ziel des Projekts war es, den Einsatzkräften bei Sturmfluten ein Werkzeug an die Hand zu geben, mit dem sich spontan eintreffende Helferinnen und Helfer erfassen und koordinieren lassen. Bislang fehlte dafür geeignete digitale Unterstützung.

Ich erhob die Anforderungen nach dem Design-Science-Research-Ansatz: eine Literaturanalyse zum Stand der Forschung, sechs Interviews mit Bürgerinnen und Einsatzkräften und daraus abgeleitete Gestaltungsprinzipien. Auf dieser Grundlage entstand ein interaktiver Prototyp, den ich anschließend mit zwölf Testpersonen evaluierte.

Im Ergebnis liegen belegte Gestaltungsprinzipien für Anwendungen dieser Art vor. Die Ergebnisse sind in eine wissenschaftliche Veröffentlichung eingeflossen (Springer, Lecture Notes in Computer Science, 2026), bei der ich als Co-Autor beteiligt bin.

Ziel des Projekts war es, die Steuerung eines Rahmenvertrags für KI- und Datendienstleistungen zu automatisieren. Über den Rahmenvertrag werden Dienstleistungen, Software und Lizenzen im Bereich künstliche Intelligenz und Daten für die öffentliche Verwaltung vermittelt und geeignete Dienstleister bewertet und qualifiziert. Mit wachsendem Volumen mussten Fristen, fehlende Daten und Rückmeldungen laufend händisch nachgehalten werden.

Ich entwarf und entwickelte ein Power-BI-Dashboard zur Analyse der Projektdaten und
automatisierte anschließend die Steuerung über mehrere Power-Automate-Workflows:
Benachrichtigungen an Projektverantwortliche zu anstehenden und überfälligen Fristen, Meldungen an das PMO über fehlende Daten sowie wöchentliche und monatliche Regelberichte an den Auftraggeber zu Rechnungen, Rückmeldungen und Vertragsverlauf. Die Datenqualität in Berichten und Dashboards sicherte ich laufend ab und entwickelte die Berichtsprozesse gemeinsam mit den Stakeholdern weiter.

Im Ergebnis entfällt die manuelle Nachverfolgung, und Fristverletzungen werden sichtbar, bevor sie eintreten.

Ziel des Projekts war es, eine belastbare Grundlage für die Auswahl von Large Language Models zu schaffen. Für die Frage, welches Modell zu einem Anwendungsfall passt, fehlte eine Antwort darauf, welche Benchmarks überhaupt Aussagekraft haben.

Ich führte eine Literatur- und Marktanalyse zu Benchmarking-Methoden durch, verglich die
gängigen Benchmarks systematisch und arbeitete Stärken und Schwächen der Evaluierungsansätze heraus. Daraus leitete ich Best Practices und konkrete Handlungsempfehlungen für die Modellauswahl ab.

Im Ergebnis steht eine interne Wissensbasis für die Modellauswahl zur Verfügung. Ihr Kernbefund, dass Benchmarking nur der erste Schritt ist und die eigentliche Herausforderung in Integration und Anpassung der Modelle liegt, erschien als Fachartikel: „LLM-Benchmarking: Tipps, um das richtige KI-Modell zu finden", Computerwoche, August 2025.

Ziel des Projekts war es, die Steuerung eines Rahmenvertrags zur Digitalisierung von
Verwaltungsleistungen nach dem Onlinezugangsgesetz über zwei Lose hinweg auswertbar zu machen.

Ich analysierte die Datenquellen, integrierte die relevanten Daten und entwickelte darauf die Power-BI-Dashboards für beide Lose, die ich auf Stakeholder-Feedback hin laufend anpasste. Ein wiederkehrendes Problem waren fehlerhaft gepflegte Vorgänge im Ticketsystem, die die Auswertungen verzerrten. Dafür entwickelte ich ein Python-Skript, das Jira-Tickets automatisiert auf logische Fehler prüft und die Verantwortlichen per E-Mail benachrichtigt.

Im Ergebnis werden Fehler korrigiert, bevor sie in die Auswertung eingehen, und die Steuerung beider Lose liegt auf einer einheitlichen Datenbasis.

Ziel des Projekts war es, die Stellen zu identifizieren, an denen künstliche Intelligenz in den Abläufen des Kunden konkreten Nutzen stiftet, und die gefundenen Potenziale für eine Entscheidung aufzubereiten.

In einem zweitägigen Workshop nach der Interaction-Room-Methode nahmen wir zwei Fachprozesse gemeinsam mit den Prozessbeteiligten auf, visualisierten sie und untersuchten sie auf Schwachstellen und Automatisierungspotenziale. Ich bereitete den Interaction Room mit vor, protokollierte Ergebnisse und Diskussionen und erstellte daraus das Ergebnisdokument.

Im Ergebnis liegen die identifizierten KI-Potenziale dokumentiert vor und dienen dem Kunden als Entscheidungsgrundlage für das weitere Vorgehen.

Ziel des vom Umweltbundesamt geförderten Projekts war es, Bürgerinnen und Bürger mit
Migrationshintergrund für Umweltthemen zu gewinnen, eine Zielgruppe, die über klassische Formate schwer erreichbar ist.

Als Projektleiter koordinierte ich das Team, verantwortete Planung und Budget und organisierte öffentliche Hybrid-Veranstaltungen zu Mülltrennung, Ernährung, Energieverbrauch und Nachhaltigkeit. Die Rolle füllte ich neben dem Studium als Werkstudent aus.

Im Ergebnis erreichte das Projekt seine Zielgruppe über die geplanten Veranstaltungen. Zum Abschluss konzipierte und schrieb ich den Folgeantrag zur Weiterführung.