MichaelEiramia

Personenbezogene Daten bleiben in Geschäftsprozessen oft unsichtbar, bis eine nachgelagerte Prüfung Risiken aufdeckt. Ich entwickelte einen BPMN-Modeler, der Datenobjekte nach Art. 4 und Art. 9 DSGVO in einer Ampellogik markiert und durch eine lokal laufende KI erklärt. Privacy-by-Design wird damit genau dort sichtbar, wo Daten verarbeitet werden.

Kleine Studios koordinieren Kurse, Buchungen und Zahlungen in getrennten Werkzeugen. Ich entwickelte daraus eine All-in-one-Plattform, die Kursplanung, Check-in, Mitgliedschaften, Stripe-Zahlungen und Backoffice in einem System bündelt. Bei ELLA Studio führte ich sie gemeinsam mit einer eigenen Website ein. Im ersten Monat entstanden 1.000 Registrierungen und Platz 1 bei relevanten lokalen Google-Suchen.

Coaching-Übungen sind meist nur als Fließtext dokumentiert: Coaches fehlt unter Zeitdruck der Überblick, potenziellen Klienten die Orientierung. Ich modellierte die Coaching-Phasen und eine konkrete Übung in BPMN und prüfte ihre Wirkung in einer qualitativen und einer quantitativen Fallstudie. 85 % bewerteten Transparenz als wichtig; Text plus BPMN überzeugte mit 3,59 gegenüber 2,70 für reinen Text.

Öffentliche Fußballdaten aus verschiedenen Quellen und Saisons sollten vergleichbar und auch ohne Statistik-Hintergrund lesbar werden. Im dreiköpfigen Team analysierte ich vor allem Bundesliga-Daten mit Python und übersetzte sechs konkrete Fragen in ein wissenschaftliches Poster. Fair Play, Laufleistung, Zweikämpfe und Altersprofile werden darin auf einen Blick vergleichbar.

Empfehlungssysteme finden passende Produkte, bleiben für Nutzerinnen und Nutzer aber häufig eine Blackbox. Ich untersuchte verschiedene Erklärungsansätze, verfasste das Paper und entwickelte einen Python-Prototyp, der Fahrzeuge nach Preis und Leistung filtert und das Ergebnis begründet. Kurze, personalisierte Begründungen schaffen Vertrauen — zu viele oder schlecht gestaltete schaden.