Description

Ich unterstütze Unternehmen dabei, Daten und AI nicht nur technisch umzusetzen, sondern tatsächlich nutzbar zu machen.

In vielen Projekten sehe ich das gleiche Muster:

Die Strategie ist klar, Use Cases sind definiert, aber in der Umsetzung entstehen Probleme, weil Datenstrukturen, Logik oder Schnittstellen nicht sauber aufgebaut sind. Genau dort setze ich an.

Ich arbeite an der Schnittstelle zwischen Data Engineering und Business und übernehme insbesondere die Phase, in der aus Konzepten funktionierende Systeme werden.

Typische Situationen, in denen ich unterstütze:

Aufbau sauberer Datenmodelle für Reporting und Analytics
Integration und Strukturierung von Daten aus mehreren Quellen
Entwicklung von AI-basierten Use Cases (z. B. Dokumentenanalyse, E-Mail Verarbeitung)
Umsetzung von ersten funktionierenden Prototypen und Workflows
Überführung von Proof of Concepts in stabile, produktive Setups

Mein Fokus liegt darauf, schnell ein funktionierendes Setup zu schaffen, das als Grundlage für weitere Skalierung dient. Technisch arbeite ich je nach Projekt u. a. mit Python, SQL, Cloud-Plattformen (z. B. Azure), dbt sowie Workflow Tools.

Wichtig ist mir dabei immer:

Nicht nur eine „technisch korrekte“ Lösung zu bauen, sondern eine Struktur, die langfristig verständlich, erweiterbar und im Business nutzbar ist.

Languages

German
Native or bilingual
English
Fluent
Arabic
Native or bilingual

Workplace preferences

Can work on-site

Düsseldorf (up to 50km)

Fadi Shoaa
Freelancer-Projekte
DIGITAL AND IT
January 2025 - Today (1 year and 6 months)
Düsseldorf, Germany
1. HR Copilot (Microsoft Teams)
Ausgangssituation:
HR-Anfragen wurden manuell beantwortet, Wissen lag verteilt in Excel und SharePoint, hoher Zeitaufwand.
Lösung:
Aufbau eines HR Copilot Chatbots (Microsoft Copilot Studio) mit Anbindung an interne Wissensdatenbank und Integration in Microsoft Teams inkl. einfacher Workflows (z. B. Genehmigungen).
Ergebnis:
Automatisierte Beantwortung von Mitarbeiteranfragen in Sekunden, deutliche Entlastung des HR-Teams, Inhalte durch Fachbereich selbst pflegbar.

2. KI-gestütztes Matching System (Dokumente & Leistungsverzeichnisse)
Ausgangssituation:
Manuelle Zuordnung von Positionen in Leistungsverzeichnissen war zeitaufwendig und fehleranfällig.
Lösung:
Entwicklung einer Web-Anwendung zur Extraktion, Standardisierung und automatischen Zuordnung von Positionen mittels GPT + strukturierter Logik.
Ergebnis:
Reduktion der Klassifikationszeit um über 90 %, deutlich schnellere Bearbeitung und höhere Konsistenz der Ergebnisse.

3. Dokumentenanalyse & Datenextraktion (PDF & Scans)
Ausgangssituation:
Wichtige Daten aus PDFs und gescannten Dokumenten mussten manuell übertragen werden.
Lösung:
Aufbau eines automatisierten Dokumenten-Parsing-Workflows (inkl. OCR & strukturierter Extraktion) mit Übergabe in Excel / Datenbanken.
Ergebnis:
Zuverlässige Extraktion auch aus historischen Dokumenten, erhebliche Zeitersparnis und reduzierte Fehlerquote.

4. Text-to-SQL Reporting Chatbot
Ausgangssituation:
Fachbereiche hatten keinen direkten Zugriff auf Daten, Reporting Anfragen liefen über BI/IT.
Lösung:
Entwicklung eines Chatbots zur Abfrage von Daten in natürlicher Sprache mit automatischer SQL Generierung und Visualisierung.
Ergebnis:
Direkter Zugriff auf Kennzahlen ohne technische Kenntnisse, schnellere Entscheidungen und weniger Abhängigkeit von BI-Teams.
Microsoft Azure artificial intelligence Python künstliche Intelligenz AI Agents
HSBC
Data Engineer & Business Analyst
DIGITAL AND IT
February 2023 - Today (3 years and 5 months)
Düsseldorf, Germany
Entwicklung und Implementierung prädiktiver Analysemodelle, um datengetriebene Entscheidungen zu unterstützen.
Aufbau skalierbarer ETL-Pipelines in Python & SQL, um Datenprozesse zu optimieren.
Automatisierung komplexer Daten-Workflows zur Reduzierung manueller Prozesse und Effizienzsteigerung.
Nutzung von Google Cloud (BigQuery, AI Platform, TensorFlow) für die Entwicklung leistungsstarker ML-Modelle.
Erstellung interaktiver BI-Dashboards & Visualisierungstools mit Tableau & PyQt5, um Echtzeit-Analysen zu ermöglichen
P.E.G. Einkaufs- und Betriebsgenossenschaft eG
Data Scientist
RETAIL (LARGE RETAILERS)
October 2021 - January 2023 (1 year and 3 months)
München, Germany
• • Aufbau und Weiterentwicklung der Data Science-Abteilung, um datengetriebene Strategien zu fördern.
• • Entwicklung und Implementierung prädiktiver Modelle, um Geschäftsentscheidungen zu optimieren.
• • Design und Automatisierung von ETL-Prozessen zur Steigerung der Datenqualität und -verfügbarkeit.
• • Einsatz von Selenium & Python zur Automatisierung repetitiver Prozesse und Verbesserung der Datenverarbeitung.
• • Durchführung von Kundensegmentierungen & RFM-Analysen, um Marketingstrategien zu optimieren.
Python artificial intelligence künstliche Intelligenz