Data Platform Architect | Microsoft Fabric · dbt · Power BI · Snowflake

7/2026 – offen

Migration der Tableau-Reporting-Landschaft nach Power BI auf Microsoft Fabric – komplette Strecke von der Datenanbindung über das Semantikmodell bis zum fertigen Report.

• Tableau → Power BI-Migration auf Microsoft Fabric umgesetzt
Impact: Projektlaufzeit von 3 Monaten auf 4 Wochen verkürzt – mit schnelleren und qualitativ hochwertigeren Reports als in Tableau.
Wie: Agentic Coding: Tableau-Workbooks automatisiert analysiert und als versionierbares Power-BI-Projekt (PBIP / PBIR) im Konzern-Standardlayout neu aufgebaut.

• End-to-End-Datenstrecke von der Quelle bis zum Report aufgebaut
Impact: Eine durchgängige, dokumentierte Strecke statt Handoffs zwischen Data Engineering und BI.
Wie: Anbindung von PostgreSQL und SharePoint, Semantikmodell mit 21 Tabellen (Star Schema, DAX), Composite Model auf dem zentralen Semantikmodell.

• Migrierte Reports validiert und zur Abnahme gebracht
Impact: Alle Akzeptanzkriterien der Fachseite erfüllt.
Wie: Systematische Verprobung gegen den Tableau-Bestand; gestufter Optimierungsplan bis hin zu Direct Lake.

Tech: Microsoft Fabric • Power BI (DAX, Composite Model, PBIP / PBIR) • dbt • PostgreSQL • SharePoint • Tableau • Agentic Coding

Business Intelligence (BI), Data Warehousing, ETL, Large Language Models, Microsoft Azure, Microsoft SharePoint Server, Postgresql, Power Bi, SQL, Tableau

6/2026 – offen

Produktionsverantwortung für die Microsoft-Fabric-Datenplattform der größten Logistiktochter der Galenica-Gruppe (Pharma / Healthcare-Logistik, Schweiz) – dbt-getriebene Medallion-Architektur für Power BI und Qlik; Reporting-Migration von Qlik nach Power BI.

• Produktionsverantwortung für die Fabric-Plattform (Lakehouse + Warehouse) übernommen
Impact: Stabiler täglicher End-to-End-Lauf für Power BI und Qlik; neue Anforderungen der Fachbereiche gehen im Wochentakt produktiv.
Wie: 100+ dbt-Modelle in 4 Layern (Bronze → Platinum) mit automatisierten Tests, Quellen aus SAP, SAP EWM und Legacy-ERP; Deployment dev → tst → prd über fabric-cicd und GitHub Actions.

• Laufzeit der täglichen Pipeline optimiert
Impact: Build-Laufzeit um rund ein Viertel gesenkt und den zeitintensiven Full-Rebuild der größten Faktentabelle abgelöst.
Wie: DAG-Analyse und Parallelisierung, inkrementelles Rolling-Window-Modell (delete+insert), paralleler Parquet-Export, Power-BI-Refresh in die Orchestrierung integriert.

• Pipeline-Stabilität und Datenqualität hergestellt
Impact: Nächtliche Abbrüche der SAP-EWM-Pipeline (PySpark, Tabellen mit über 50 Mio. Zeilen) beendet; Duplikate und abweichende Kennzahlen zwischen SAP und Legacy-System beseitigt.
Wie: Spark-Ausführungsplan vereinfacht (redundante Shuffles entfernt); Dedup-Logik im Silver-Layer, Tests auf Grain-Ebene, Merge-Gate und Smoke-Test-Modus in der CI/CD.

• Agentic Coding als Arbeitsweise im Repository etabliert
Impact: Fremde Codebasis in wenigen Wochen übernommen; Änderungen an Faktentabellen mit Millionen Zeilen zeilengenau gegen den Vollaufbau verifiziert.
Wie: Gepflegter Repository-Kontext für AI-Agenten und neue Maintainer, Root-Cause-Analysen mit Messwerten, automatisierte Validierungs-Queries.

• Fabric-Zielarchitektur für eine weitere Konzerngesellschaft entworfen
Impact: Wiederverwendbare Blaupause für den weiteren Rollout der Plattform in der Gruppe.
Wie: SAP Datasphere → Azure Data Factory → Lakehouse → dbt-Medallion → Power BI (Direct Lake), aufgebaut nach dem produktiv bewährten Plattform-Muster.

Tech: Microsoft Fabric (Lakehouse, Warehouse, Data Pipelines, Notebooks) • dbt-fabric • PySpark • T-SQL • SAP / SAP EWM / SAP Datasphere • Azure Data Factory • Power BI (Direct Lake) • Qlik • GitHub Actions • fabric-cicd • Agentic Coding

Apache Spark, Business Intelligence (BI), Data Warehousing, Power Bi, Qliksense, Transact-Sql, ETL, SQL, Continuous Integration, DevOps, Large Language Models, Git, Python, Microsoft Azure

2/2026 – offen

Einführung der analytischen Datenplattform für den Kundenservice eines der größten deutschen Verteilnetzbetreiber – Snowflake, dbt-Medallion-Architektur und Power BI; seit 09/2026 Folgeprojekt zum weiteren Reporting-Aufbau.

• Snowflake/dbt-Plattform mit Medallion-Architektur eingeführt
Impact: Bis zu −80 % Compute-Kosten; Fachbereiche nutzen vorberechnete Gold-Modelle statt teurer Live-Abfragen.
Wie: 12 Faktenmodelle von Views auf inkrementelle Tabellen umgestellt (delete+insert, 90-Tage-Lookback), Orchestrierung über Snowflake Tasks bis zum Power-BI-Refresh.

• Datenqualitäts- und Dokumentations-Framework in dbt aufgebaut
Impact: Erstmals durchgängig nachvollziehbare und auditierbare Reporting-Ergebnisse für die Fachbereiche.
Wie: Jede Tabelle und Spalte beschrieben und getestet, Business-Key-Validierung über 11 Faktenmodelle, CI/CD über GitHub Actions, Lineage.

• Data Product im Snowflake Internal Marketplace bereitgestellt
Impact: Manuelle CSV-Exporte abgelöst – Self-Service-Zugriff mit klarer Data Ownership.
Wie: Marketplace-Listing für Kundenzufriedenheitsdaten mit automatischer Erkennung neuer Spalten aus dem Quellsystem.

• Power-BI-Reporting auf dem Snowflake-DWH aufgesetzt
Impact: Einheitliche KPI-Definitionen vom Rohdatum bis zum Dashboard.
Wie: Power-BI-Semantikmodell (Star Schema, DAX) direkt auf den Gold-Modellen, RBAC- und Warehouse-Strategie in Snowflake.

Tech: Snowflake (RBAC, Tasks, Marketplace, Performance Tuning) • dbt (Medallion, Tests, Macros, CI/CD) • Power BI • DAX • GitHub Actions

Business Intelligence (BI), Power Bi, ETL, SQL, Continuous Integration, Large Language Models, Git, Data Engineer, Data Warehousing, Snowflake