Timo Stein

Im Rahmen dieses Projekts übernahm ich die Konzeptionierung des angestrebten Vorhabens. Hierzu gehörte zunächst eine theoretische Aufarbeitung des Themas, um eine fundierte Grundlage für die weitere Planung zu schaffen. Aufbauend darauf führte ich eine detaillierte Unternehmensanalyse durch, um den spezifischen Mehrwert der Einführung von Rüstmatrizen und einer automatisierten Kampagnenplanung im Produktionsplanungs- und Detaillierungsprozess aufzuzeigen.

Ein zentraler Bestandteil meiner Arbeit war die Entwicklung einer belastbaren Aufwandsschätzung hinsichtlich Zeit- und Kostenfaktoren. Hierbei erstellte ich eine detaillierte Planung der erforderlichen Umsetzungsschritte, um eine realistische Projektplanung sicherzustellen. Die Konzeption umfasste zudem die Identifikation potenzieller Optimierungspotenziale durch den Einsatz von SAP PP/DS-Funktionalitäten sowie die Evaluierung der erforderlichen Systemanpassungen und Integrationen.

Durch meine strukturierte Vorgehensweise konnte ich eine maßgeschneiderte Lösung entwickeln, die sowohl die Rüstzeiten im Produktionsprozess optimiert als auch die Effizienz der Kampagnenplanung signifikant steigert.

Im Rahmen des Projekts „Effizienzsteigerung im SAP-Beschaffungsprozess: MRP-Workshop und strategische Konzeption“ wurde eine fundierte Analyse der bestehenden Abläufe und Systemnutzung in den SAP-Modulen MM (Materials Management) und PP (Production Planning) durchgeführt. Ziel war es, Schwachstellen in der Bedarfsermittlung und den nachgelagerten Beschaffungsprozessen zu identifizieren und konkrete Optimierungspotenziale aufzuzeigen.

In mehreren Workshop-Sessions wurde gemeinsam mit den Fachbereichen ein ganzheitliches Konzept erarbeitet, das sowohl kurzfristig umsetzbare Maßnahmen („Quick Wins“) als auch strategische, langfristig wirksame Optimierungen umfasst. Im Fokus standen dabei folgende Themenfelder:

1. Verbesserung der Bedarfsermittlung zur Erhöhung der Planungsgenauigkeit.

2. Optimierung der operativen Beschaffungsprozesse und Genehmigungsabläufe.

3. Automatisierung der Auftragsbestätigung zur Reduzierung manueller Aufwände.

4. Effizientere Transportplanung unter Berücksichtigung von Lieferzeiten, Kapazitäten und Kontrakten.

5. Etablierung eines strukturierten Engpass- und Änderungsmanagements zur Steigerung der Reaktionsfähigkeit in kritischen Situationen.

Die Ergebnisse wurden in einem praxisnahen Maßnahmenkatalog dokumentiert und priorisiert, sodass eine schrittweise Umsetzung durch das Kundenprojektteam initiiert werden konnte.

In einem dynamischen Lagerumfeld mit wechselnden Anforderungen unterschiedlicher Mandanten stand die Digitalisierung und Optimierung zentraler Logistikprozesse im Fokus. Ziel war die Schaffung effizienter, mobiler Lösungen, die sowohl den operativen Alltag im Lager erleichtern als auch flexibel auf kundenspezifische Prozesse reagieren.

Auf Basis von SAP WM, MM und SD wurden mobile Anwendungen mit ABAP und Mobisys entwickelt, die zentrale Abläufe wie Wareneingangsbuchung, Lagerpflege, Inventur, Login- und Berechtigungsverfahren sowie Pickprozesse und Nachschubsteuerung vollständig abbilden und optimieren. Dabei lag der Schwerpunkt auf einer intuitiven Nutzung und der Reduktion manueller Zwischenschritte.

Die enge Zusammenarbeit mit Fachbereichen und Key Usern ermöglichte eine praxisnahe Konzeption und kontinuierliche Weiterentwicklung der Prozesse. Fachliche Anforderungen wurden direkt in technische Lösungen überführt, wodurch ein reibungsloser Übergang zwischen Konzeption und Umsetzung sichergestellt wurde.

Parallel dazu wurde die Verantwortung für den stabilen Systembetrieb übernommen. Im Rahmen definierter SLAs erfolgte die Analyse und Behebung kritischer Fehlerbilder sowie die Bearbeitung von Incidents im 3rd-Level-Support. Systembedingte Störungen im operativen Lagerbetrieb konnten so schnell identifiziert und nachhaltig gelöst werden.

Das Projektumfeld war geprägt von unterschiedlichen Kundenstrukturen und individuellen Prozesslandschaften. Dies erforderte eine schnelle Einarbeitung in neue fachliche und technische Gegebenheiten sowie eine hohe Flexibilität bei der Anpassung bestehender Lösungen.

Erzielte Mehrwerte:
- Deutliche Beschleunigung logistischer Prozesse durch den Einsatz mobiler Anwendungen
- Nachhaltige Reduktion manueller Tätigkeiten und Fehlerquellen
- Einführung paralleler Verarbeitung zur Steigerung der Effizienz
- Zeitersparnis von bis zu 75 % im Pickprozess

In diesem Projekt übernahm ich sowohl einen Teil der technische Umsetzung als auch die Projektleitung für die Entwicklung einer PowerApp-basierten Lösung zur Vorbewertung von Projektvorschlägen. Ziel war die Erweiterung des bestehenden Demand-Managements um eine Estimation-Komponente, mit der Projekte bereits in einer frühen Phase hinsichtlich Aufwand, Ressourceneinsatz und strategischer Relevanz eingeschätzt werden können.

Die Lösung ermöglicht es den Mitarbeitenden, strukturierte Projektanfragen anhand definierter Arbeitspakete, Hardware- und Lizenzbedarfe sowie interner und externer Aufwände zu bewerten. Hierfür wurde eine modellgetriebene PowerApp auf Basis von Microsoft Dataverse entwickelt. Die Anwendung integrierte Business Rules, Workflows und PowerAutomate-Prozesse zur Automatisierung wiederkehrender Aufgaben sowie ein granular aufgebautes Berechtigungs- und Sicherheitskonzept bis auf Zeilen- und Spaltenebene innerhalb der Datenstruktur.

Im Rahmen meiner Projektleitungsfunktion verantwortete ich die Erstellung regelmäßiger Statusberichte, die Durchführung von Statusmeetings, die Planung und Strukturierung von Arbeitspaketen sowie die Koordination des Projektteams. Durch die enge Abstimmung mit Stakeholdern konnte die Lösung zielgerichtet in bestehende Prozesse integriert und eine fundierte Entscheidungsgrundlage für Projektbewertungen geschaffen werden.

Im Rahmen eines sechstägigen Einsatzes bei einem Hersteller von Elektroteilen habe ich den produktiven Start von SAP begleitet und die Mitarbeitenden intensiv in den relevanten Prozessen der Module SAP PP (Produktionsplanung) und SAP EWM (Extended Warehouse Management) geschult. Ziel war es, die Belegschaft, insbesondere Mitarbeitende auf dem Shopfloor, in der Arbeitsvorbereitung, im Einkauf sowie die Bereichsleitung, befähigt in den neuen Systemprozessen zu machen und einen stabilen Start in den Livebetrieb sicherzustellen.

Im Fokus der Schulung standen praxisnahe Themen wie Wareneingang und -ausgang, Rückmeldungen im Produktionsprozess über SAP, Bedarfs- und Bestandsermittlung mittels ATP (Available-to-Promise) und MRP (Material Requirements Planning), sowie das Verbuchen von Warenbewegungen mit mobilen Handscannern. Zusätzlich wurde der effiziente Umgang mit Plan- und Fertigungsaufträgen vermittelt.

Bereits in den ersten Tagen nach dem Go-Live habe ich akute Herausforderungen identifiziert und gelöst, unter anderem zur Wiederherstellung eines stabilen Warenflusses zum Kunden. Zudem wurden Prozesse in der Arbeitsvorbereitung analysiert und erste Optimierungsmaßnahmen erfolgreich angestoßen. Durch die enge Zusammenarbeit mit den Fachbereichen konnte so ein reibungsloser Übergang in den operativen Betrieb unterstützt und nachhaltige Prozesssicherheit geschaffen werden.

Im Rahmen dieses Projektes habe ich umfangreiche Arbeiten zur Business-Case Kalkulation für die Belegs Verarbeitung in den Bereichen MM, FI und IC durchgeführt. Zu meinen wesentlichen Aufgaben gehörte zunächst eine umfassende unternehmensinterne Recherche, um alle erforderlichen Informationen zu sammeln. Dies umfasste das Einholen von Daten zu bestehenden Prozessen, Kostenstrukturen und Zeitaufwänden, die für die Belegs Verarbeitung notwendig sind. Durch sorgfältige Analyse und Dokumentation dieser Informationen konnte eine solide Basis für die weiteren Kalkulationen geschaffen werden.

Ein weiterer Schwerpunkt meiner Arbeit war die Gegenüberstellung des aktuellen Anbieters und eines potenziellen neuen Anbieters. Hierbei habe ich die Leistungsfähigkeit, Kosten und Servicequalität beider Anbieter detailliert verglichen. Diese vergleichende Analyse ermöglichte es, die Stärken und Schwächen jedes Anbieters klar zu identifizieren und fundierte Empfehlungen für eine mögliche Umstellung zu geben.

Zusätzlich habe ich eine variable Kalkulation erstellt, die an verschiedene Werteannahmen angepasst werden kann. Diese Kalkulation berücksichtigt Faktoren wie die Zeit pro Beleg, die Kosten pro Full-Time Equivalent (FTE) und die Dunkelverbuchungsquote. Durch die flexible Gestaltung dieser Kalkulation konnten unterschiedliche Szenarien simuliert und deren finanzielle Auswirkungen präzise bewertet werden. Diese Arbeit ermöglichte es dem Unternehmen, fundierte Entscheidungen zu treffen und die optimale Strategie für die Belegs Verarbeitung zu entwickeln.

In diesem Projekt zur Entwicklung einer Fiori-App zur Chargen- und Materialklassifizierung (Materialmanagement(MM)) wurde eine maßgeschneiderte Lösung entwickelt, die eine effiziente Verwaltung und Pflege von Klassifizierungsmerkmalen ermöglicht.

Die Anwendung wurde mit SAPUI5 unter Verwendung moderner Webtechnologien wie HTML, CSS, JavaScript und XML entwickelt. Die Umgebung dazu stellt die SAP im Standard mit der Bussiness-Application-Studio (BAS) bereit, welches es im Projekt ermöglichte eine schnelle und stabile Verbindung vom Front zum Backend zu schaffen.
Für die Backend-Logik und die Integration mit dem SAP-System kam ABAP zum Einsatz. Die App bietet eine intuitive Benutzeroberfläche, in der Benutzer Materialien und Chargen eingeben können. Basierend auf diesen Eingaben werden dynamisch alle relevanten Klassifizierungsmerkmale aus einer Customizing-Tabelle abgerufen und zur Pflege bereitgestellt. Die gepflegten Daten werden anschließend in das SAP-System zurück übertragen und persistent gespeichert.

Ein Hauptanwendungsbereich der App ist die Pflege eines Faktors in der Chargenbewertung. Die flexible Struktur ermöglicht jedoch eine Erweiterung auf weitere Anwendungsgebiete, was die App zu einer vielseitigen Lösung im Kontext der Material- und Chargenverwaltung macht. Durch die gezielte Entwicklung konnte die Benutzerfreundlichkeit und Effizienz der Datenpflege im SAP-System erheblich gesteigert werden.

Im Rahmen dieses Projekts zur Entwicklung einer Fiori-App zur Darstellung von 3D-Dateien wurde eine innovative Lösung geschaffen, die eine interaktive Visualisierung von 3D-Modellen ermöglicht.

Die App wurde mit SAPUI5 entwickelt und nutzt Webtechnologien wie HTML, CSS, JavaScript und XML für die Benutzeroberfläche. Die Backend-Integration erfolgte durch ABAP, um eine nahtlose Kommunikation mit dem SAP-System zu gewährleisten. Die Anwendung lädt 3D-Dateien im „.vds“-Format direkt aus SAP und stellt sie in einem separaten Viewer dar.

Im Viewer können Benutzer das 3D-Modell frei bewegen, einzelne Komponenten ein- und ausblenden sowie gezielt markieren. Eine besondere Funktion ist die Wiedergabe eines Ablaufplans zum Zusammenbau, der die Benutzer Schritt für Schritt durch die Montage des Modells führt. Diese Lösung bietet nicht nur eine anschauliche Visualisierung, sondern auch eine effiziente Unterstützung bei der Montageplanung und -durchführung.

Die App trägt damit erheblich zur Verbesserung der Benutzererfahrung und zur Optimierung von Arbeitsprozessen in Bereichen bei, die auf die Darstellung und Bearbeitung komplexer 3D-Daten angewiesen sind.

Im Rahmen dieses Projektes habe ich eine Lösung entwickelt, die es dem Kunden ermöglicht, Bild- und PDF-Dateien im Frontend zu verarbeiten. Ziel ist es, Dateien zu komprimieren, um Speicherplatz zu sparen und die schnelle Erreichbarkeit der Dateien sicherzustellen, während die Dateien unverändert angezeigt werden. Die Implementierung erfolgt mittels SAPUI5, einer modernen User Interface-Technologie, die auf JavaScript basiert und eine effiziente Webentwicklung ermöglicht. Die Bildkomprimierung wird durch den Einsatz der Canvas-API in JavaScript realisiert, um Bilder zu verkleinern und die Qualität nicht merklich zu reduzieren. Für die Verarbeitung von PDF-Dateien kommen Bibliotheken wie PDF-lib und SAPUI5 Blob zum Einsatz. Die Integration dieser Lösung in das bestehende SAP-System des Kunden erfolgt durch die Verwendung von ABAP OO, um eine nahtlose Verbindung zwischen Frontend und Backend sicherzustellen. Dieses Projekt zielt darauf ab, die Benutzerfreundlichkeit und Effizienz der Dokumentenverwaltung im SAP-Umfeld des Kunden zu verbessern.

Im Rahmen dieses Projekts habe ich einen Power-Automate-Flow entwickelt, der den Prozess der Projektlead-Generierung durch automatisierte Analyse einer Website, die Freelancer-Jobs anbietet, deutlich optimiert. Ziel war es, eine Lösung zu schaffen, die es ermöglicht, sich schnell und gezielt auf relevante Ausschreibungen zu bewerben.

Der Flow wurde so konzipiert, dass er eingehende Informationen von der Website analysiert und gefiltert, indem er eine maßgeschneiderte Schlagwortliste verwendet, die relevante Anfragen identifiziert. Dies ermöglichte eine signifikante Reduzierung des manuellen Aufwands und eine Erhöhung der Effizienz bei der Bewerbung auf passende Projekte.
Neben der Konfiguration von Input- und Output-Datenströmen war eine enge Zusammenarbeit mit den Stakeholdern notwendig, um Änderungsanforderungen abzustimmen und den Flow an die spezifischen Bedürfnisse des Projektteams anzupassen. Erste Umsetzungstests wurden mit Python durchgeführt, um die Machbarkeit der Webanalyse zu prüfen und sicherzustellen, dass der Flow präzise Ergebnisse liefert.

Eingesetzte Technologien umfassten Microsoft Power Automate zur Erstellung des Flows und Python zur Durchführung der initialen Tests und Analyse der Webdaten.

Im Rahmen dieses Projekts wurde eine Fertigungsauftragsapp entwickelt, die eine benutzerfreundliche und nahtlose User Experience durch den Einsatz moderner Webtechnologien und SAPUI5 sicherstellt. Die Gestaltung der Oberflächen erfolgte mithilfe von HTML, CSS und JavaScript, wobei SAPUI5 als Hauptframework verwendet wurde. Dies ermöglichte es, ansprechende und intuitive Benutzeroberflächen zu schaffen, die den Anwender in den Mittelpunkt stellen.

Zu den wesentlichen Funktionen der Applikation gehören Timer-Logiken, die speziell für zeitkritische Abläufe entwickelt wurden. Diese Timer-Logiken stellen sicher, dass bestimmte Prozesse innerhalb festgelegter Zeiträume ablaufen, was für die Effizienz und Genauigkeit der Fertigungsprozesse von entscheidender Bedeutung ist. Darüber hinaus wurden Rückmeldungsoptionen implementiert, die es ermöglichen, Statusinformationen schnell und präzise zu erfassen und zu verarbeiten.
Eine weitere wichtige Funktionalität ist die Möglichkeit zur Kommentierung innerhalb der App, die es den Nutzern erlaubt, direkt Anmerkungen zu den jeweiligen Aufträgen hinzuzufügen. Diese Kommentare werden in einer benutzerfreundlichen Oberfläche angezeigt, die mit CSS individuell gestaltet wurde, um eine optimale Lesbarkeit und Nutzererfahrung zu garantieren.

Darüber hinaus wurden Buchungsfunktionen integriert, die eine direkte Transaktion im System ermöglichen. Diese Buchungsprozesse basieren auf einer soliden Backend-Logik, die mit ABAP und ABAP OO entwickelt wurde, um eine zuverlässige und performante Verarbeitung der Daten sicherzustellen. Ergänzt wird die App durch Optionen für den Dateiupload und das Anhängen von Dokumenten, die durch eine sichere und effiziente Handhabung der Dateien überzeugen.

Die gesamte Entwicklungsumgebung wurde in VSCode realisiert, wodurch eine moderne und effiziente Programmierung ermöglicht wurde. Die Integration verschiedener Technologien, wie SAPUI5, HTML, CSS, JS, XML, JSON, sowie ABAP und ABAP OO, führte zu einer robusten, flexiblen und zukunftssicheren Applikation, die den Anforderungen eines modernen Fertigungsbetriebs vollumfänglich gerecht wird.

Ziel dieses Projekts war es, ein robustes, automatisiertes Web-Monitoring-System zu entwickeln, das zeitkritische Änderungen auf einer spezifischen Webseite erkennt und den Kunden in Echtzeit informiert. Die Lösung wurde in Python implementiert und nutzt Webscraping-Methoden, um die Zielseite in festgelegten Intervallen zu scannen und auf relevante Änderungen zu überprüfen.

Das System ist darauf ausgelegt, den Inhalt der Website regelmäßig und zuverlässig auf Aktualisierungen zu analysieren. Eine Kernfunktion bestand darin, automatisiert nach neu veröffentlichten Anmeldezeiträumen oder anderen zeitgebundenen Informationen zu suchen, die für den Kunden von Bedeutung sind. Sobald eine Änderung erkannt wurde, wurde ein Alarm per E-Mail ausgelöst, der alle relevanten Informationen über den Inhalt und die genaue Position der Änderung enthielt. Diese Benachrichtigungen erlaubten es dem Kunden, unmittelbar auf geöffnete Anmeldefristen zu reagieren, ohne eine manuelle, kontinuierliche Überprüfung durchführen zu müssen.

Technologisch basiert das System auf einer Kombination aus Python und gängigen Webscraping-Bibliotheken, die eine zuverlässige und effiziente Extraktion der benötigten Daten ermöglichen. Die Automatisierungsfunktionalität stellt sicher, dass die Webseite im gewünschten Intervall wiederkehrend aufgerufen wird. Bei jeder Iteration prüft das System, ob relevante Inhalte hinzugefügt oder verändert wurden, und vergleicht den aktuellen Stand mit vorherigen Versionen. Hierdurch wird eine hohe Genauigkeit bei der Erkennung von Änderungen gewährleistet, und das System kann den Kunden zielgerichtet auf wichtige Aktualisierungen aufmerksam machen.

Der Mehrwert für den Kunden liegt vor allem in der erheblichen Reduzierung manueller Kontrollaufwände und der schnelleren Reaktionsfähigkeit auf kritische Zeitfenster, beispielsweise bei der Freischaltung neuer Anmeldefristen. Die Lösung optimiert somit die Ressourcennutzung beim Kunden und minimiert das Risiko, wichtige Zeitpunkte zu verpassen.

In diesem Projekt wurden vier maßgeschneiderte SAP Fiori Apps entwickelt, die darauf abzielen, wesentliche Prozesse im Lagerwesen (EWM) zu optimieren. Die Apps decken dabei die Bereiche Lageraufgaben, Wareneingang, Kommissionierung sowie Lagerplatzinformationen ab und ermöglichen eine effiziente und benutzerfreundliche Verwaltung dieser zentralen Funktionen. Hierbei wurde unteranderem in den SAP-Modulen MM und PP gearbeitet.

Die Gestaltung der Benutzeroberflächen erfolgte unter Verwendung von HTML, CSS und JavaScript in Kombination mit SAPUI5, was zu einer intuitiven und leistungsfähigen User Experience führte. Dies ermöglichte den Nutzern, Aufgaben im Lagerwesen effizienter und fehlerfreier zu erledigen.
Als Entwicklungsumgebung wurde hier die Bussiness-Application-Studio (BAS) verwendet um sich an SAP-Standardprozessen im EWM Bereich zu orientieren.

Eine der zentralen Herausforderungen war die Gewährleistung eines zuverlässigen und schnellen Datenaustauschs zwischen den Apps und den Backend-Systemen. Hierbei wurde auf XML und JSON als Datenformate gesetzt, die eine nahtlose und sichere Integration ermöglichten. Diese Technologien stellten sicher, dass alle relevanten Daten in Echtzeit zwischen den verschiedenen Systemen übertragen werden konnten, was insbesondere bei zeitkritischen Prozessen wie der Kommissionierung von entscheidender Bedeutung ist.

Zusätzlich wurde ein umfassendes Changerequest Management implementiert, das es erlaubt, Anpassungen und Erweiterungen der Apps effizient zu verwalten. Dies war besonders wichtig, um auf sich ändernde Anforderungen schnell reagieren zu können und die Apps kontinuierlich zu verbessern. Durch diese flexible Anpassungsfähigkeit konnten die Lagerprozesse nachhaltig optimiert und die Effizienz signifikant gesteigert werden.

Im Rahmen dieses Projekts zur Automatisierung manueller Bestellprozesse wurde eine KI-gestützte Lösung entwickelt, um telefonische Bestellungen effizienter zu verarbeiten. Ziel war es, die relevanten Informationen aus Audiodateien zu extrahieren und in ein ERP-System zu überführen, wobei der Fokus auf der Nutzung moderner Sprach- und Textanalyseverfahren lag.

Automatisierte Transkription:
Zunächst wurden die Audioaufzeichnungen mithilfe einer KI-gestützten Spracherkennung vollständig in Text umgewandelt. Um den spezifischen Anforderungen des medizinischen Kontexts gerecht zu werden, wurde die Spracherkennung durch ein speziell erstelltes Fachwörterbuch erweitert, das medizinische Begriffe und Medikamentennamen präzise erfasste.

Textbasierte KI-Analyse:
Im nächsten Schritt analysierte eine weitere KI die transkribierten Texte und filterte die relevanten Bestelldaten heraus. Hierbei wurden die Informationen zu Kunden, Artikeln, Mengen und weiteren relevanten Zusatzinformationen extrahiert und strukturiert.

Integration ins ERP-System:
Die extrahierten Daten wurden anschließend so aufbereitet, dass sie nahtlos in das bestehende ERP-System integriert werden konnten. Dies ermöglichte eine direkte Weiterverarbeitung der Bestellungen.

Ergebnisse und Mehrwert
Effizienzsteigerung: Durch die Automatisierung der Arbeitsabläufe wurde der zeitliche Aufwand für die Bestellabwicklung signifikant reduziert.
Fehlerreduktion: Die Verwendung eines fachspezifischen Wörterbuchs minimierte Missverständnisse und Fehleingaben.
Nahtlose Integration: Die nahtlose Datenübergabe in das ERP-System sorgte für eine optimierte Prozesskette.

Dieses Projekt demonstriert den erfolgreichen Einsatz moderner KI-Technologien, um manuelle Prozesse zu automatisieren und speziell auf branchenspezifische Anforderungen anzupassen.

In meiner Rolle als Projektmanager für die Entwicklung der UI5-Applikation für die mobile Wareneingangsbuchung hatte ich ein breites Spektrum an Aufgaben und Verantwortlichkeiten. Zu meinen Hauptaufgaben gehörte die detaillierte Anforderungsaufnahme, bei der ich eng mit dem Kunden zusammenarbeitete, um eine genaue Spezifikation der Projektanforderungen zu gewährleisten. Dazu gehörte auch die Anwendung agiler Methoden, um die Anforderungen iterativ zu verfeinern und sicherzustellen, dass die entwickelten Lösungen den Kundenanforderungen genau entsprachen.

Die Leitung des Projektteams und die Personalplanung waren ebenfalls wichtige Aspekte meiner Rolle. Ich koordinierte die Aufgabenverteilung innerhalb des Teams, stellte sicher, dass die Ressourcen optimal genutzt wurden und förderte eine kollaborative Arbeitsumgebung. Regelmäßige Teambesprechungen dienten dazu, den Fortschritt zu überwachen, Herausforderungen frühzeitig zu erkennen und Lösungen zu entwickeln.

Ein weiterer wichtiger Teil meiner Arbeit war die Projektdokumentation. Ich erstellte und pflegte alle notwendigen Dokumentationen, darunter technische Spezifikationen, Benutzerhandbücher und Anforderungsdokumente. Dabei setzte ich moderne Tools und Methoden ein, um die Qualität und Vollständigkeit der Dokumentation während des gesamten Projektverlaufs sicherzustellen.

Zusätzlich zu meinen Managementaufgaben war ich aktiv an der Frontend- und Backendprogrammierung beteiligt. Im Frontend entwickelte ich mit SAPUI5 benutzerfreundliche und responsive Benutzeroberflächen. Für die Backend-Integration verwendete ich OData-Services, um eine nahtlose Kommunikation mit dem SAP-System zu gewährleisten. Meine technische Expertise ermöglichte es mir, das Entwicklungsteam effektiv zu unterstützen und technische Herausforderungen zu meistern.

Durch den Einsatz modernster Technologien und agiler Methoden konnte ich maßgeblich zum erfolgreichen Abschluss des Projekts beitragen. Die entstandene UI5-Applikation hat die Effizienz und Benutzerfreundlichkeit des Wareneingangsprozesses deutlich verbessert und wurde vom Kunden sehr positiv aufgenommen.

Aufgaben und Zuständigkeiten:
Im Rahmen dieses Projekts war ich für die Konzeption, Entwicklung und Implementierung eines Programms zur Bildklassifikation verantwortlich. Dabei arbeitete ich intensiv mit Python und dem Deep Learning Framework Keras. Meine Hauptaufgaben umfassten die Datenaufbereitung, Modellierung, Training und Evaluierung des Modells sowie die Implementierung und Optimierung des Klassifikationsprogramms.

Projektbeschreibung:
Ziel des Projektes war es, ein Modul zu entwickeln, das in der Lage ist, zwei verschiedene Arten von Bildern zu verarbeiten und deren Inhalte zuverlässig zu klassifizieren. Dies wurde durch den Einsatz von Convolutional Neural Networks (CNNs) erreicht, die speziell für die Verarbeitung von Bilddaten optimiert wurden.

Technologien und Methoden:
Python: Hauptprogrammiersprache für die Entwicklung des Moduls.
Keras: Framework zur einfachen und schnellen Erstellung von Deep Learning Modellen.
TensorFlow: Backend für Keras, das die eigentliche Berechnung der Modelle durchführt.
Convolutional Neural Networks (CNNs): Spezialisierte neuronale Netze für die Bildverarbeitung.

Das Bildklassifikationsprogramm, besteht aus mehreren Hauptkomponenten, die in einem strukturierten Prozess implementiert wurden.

Datenvorbereitung: Der erste Schritt bestand in der Sammlung und Markierung von Trainings- und Testdaten. Um die Menge und Vielfalt der Trainingsdaten zu erhöhen, wurden Techniken zur Datenanreicherung eingesetzt. Dazu gehörten zufällige Transformationen wie Rotation, Skalierung und Spiegelung der Bilder, um das Modell robuster und vielseitiger zu machen.

Modellierung: In der Modellierungsphase definierte ich die Architektur des Convolutional Neural Network (CNN) mit Keras. Diese Phase beinhaltete die Konfiguration verschiedener Schichten, einschließlich Convolutional Layers, Pooling Layers und Fully Connected Layers, um die optimale Struktur für die Bildklassifikation zu erstellen.

Training: Nach der Modellierung wurde das CNN-Modell mit einem geeigneten Optimierer und einer Verlustfunktion (z.B. kategorische Kreuzentropie) kompiliert. Das Training des Modells wurde mit den aufbereiteten Daten durchgeführt und die Leistung durch Metriken wie Genauigkeit validiert, um sicherzustellen, dass das Modell effektiv lernt und generalisiert.

Evaluierung und Optimierung: Um die Generalisierbarkeit des Modells zu überprüfen, wurde es mit einem separaten Testdatensatz evaluiert. Basierend auf den Evaluationsergebnissen wurde eine Feinabstimmung der Hyperparameter sowie eine Optimierung des Modells durchgeführt, um eine bestmögliche Performance zu erreichen.

Ergebnisse: Das Ergebnis dieses Projekts war die Entwicklung eines leistungsfähigen Bildklassifizierungsmoduls, das in der Lage ist, genau zwischen zwei verschiedenen Bildtypen zu unterscheiden. Durch den Einsatz fortschrittlicher Bildverarbeitungs- und Klassifizierungstechniken wurde die Genauigkeit und Effizienz des Moduls maximiert.

Im Rahmen meiner Tätigkeit im Technologie- und Prozessmanagement beim Kunden lag mein Schwerpunkt auf der Einführung und Optimierung digitaler Lösungen für Reporting, Datenanalyse und Geschäftsprozessverbesserung. Ein wesentlicher Teil des Projekts bestand in der Analyse und Visualisierung von Geldflüssen mithilfe von SAP und Power BI, um fundierte, datengetriebene Entscheidungen zu unterstützen. Hierzu wurde eine präzise und kontinuierliche Datenanalyse durchgeführt, die kritische Einblicke in finanzielle Ströme und betriebswirtschaftliche Entwicklungen ermöglichte.

Zusätzlich entwickelte ich maßgeschneiderte Excel-Tools mit VBA, um Prozesse weiter zu automatisieren und die Effizienz im Reporting sowie in der Datenauswertung zu steigern. Diese Tools ermöglichten es, große Datenmengen schnell zu analysieren und spezifische Kennzahlen darzustellen, was die Transparenz und Nachvollziehbarkeit innerhalb der Abteilungen erheblich verbesserte.

Der Fokus lag stets auf einer nahtlosen Implementierung neuer Technologien, die nicht nur die Effizienz der bestehenden Prozesse optimieren, sondern auch die Benutzerfreundlichkeit für das Team steigern. Durch gezielte Schulungen und begleitende Dokumentation wurde sichergestellt, dass die eingeführten Lösungen langfristig effektiv genutzt werden können. Dieses Projekt resultierte in einer verbesserten Datenqualität, optimierten Reporting-Prozessen und einer erheblichen Zeitersparnis für den Kunden, wodurch strategische Entscheidungen schneller und fundierter getroffen werden konnten.