Bennet Gurklies

Eigenentwicklung eines produktionsnahen MS SQL Server Data Warehouse zur zentralen Konsolidierung und Analyse von Unternehmensdaten • Dreischichtige Architektur (Raw/Cleansed/Mart) mit Batch-Historisierung, inkrementellen Ladeprozessen (MERGE + SHA2-256 Change Detection), Data-Quality-Prüfungen und Audit-Trail • Metadata-Driven Orchestrierung via Konfigurationstabelle und SQL Server Agent • Kimball Star Schema als Grundlage für ein Power BI Dashboard zu Vertrieb, Operations und Kundenkennzahlen

Data Engineer (SQL Server, T-SQL, Azure Data Factory, Power BI). Datenintegration, ETL/ELT-Pipelines, Data Warehousing, Reporting - 100% remote | Verfügbarkeit in CET

Aufbau automatisierter Datenpipelines zur Integration heterogener Immobilien- und Finanzdaten in ein MS SQL Server Data Warehouse • Migration von SSIS-Strecken auf native Stored Procedures zur Verbesserung von Wartbarkeit und Performance • Entwicklung von Power BI Dashboards für automatisiertes Portfoliomanagement-Reporting. • CI/CD für DWH-Komponenten mit Azure DevOps • Entwicklung eines MCP-Servers für KI-gestützte Datenbankabfragen auf Oracle und SQL Server

Vollautomatisierung des zuvor manuellen ERP-Budget-Reportings — Zusammenführung, Bereinigung und Aufbereitung aller Rohdaten aus heterogenen Quellsystemen in einem SQL-basierten Datenflow auf MS SQL Server • Automatisiertes monatliches Scheduling via SQL Server Agent — fertiger Report wird direkt für Fachabteilungen bereitgestellt; manuelle Aufbereitungsschritte vollständig eliminiert, historische Datenanalysen ermöglicht

Anforderungsanalyse mit Fachabteilungen sowie Konzeption und Implementierung von Power BI Dashboards mit DAX — Ablösung manueller Datenanalysen und -aufbereitungen durch automatisierte Reporting-Workflows für operative Teams • Entwicklung von Datenpipelines in Azure Data Factory zur Integration und Transformation von Daten aus SQL Server, APIs und Flat-Files – Sicherstellung konsistenter Datenqualität und performanter Ladeläufe als Grundlage für das Power BI Reporting.

Konzeption und Implementierung einer vollautomatisierten BI-Lösung für das Qualitätsmanagement — Integration, Bereinigung und Zusammenführung des vollständigen QM-Datenbestands via Azure Data Factory mit tagesaktueller Auswertung in einem mehrseitigen Power BI Report • Analyse der Verteiler-Performance anhand von KPIs wie Reklamationsquoten, Kontrollraten und Auflagenzahlen – schnelle Identifikation von Top- und Underperformern für optimierte Ressourcenallokation und datenbasierte Entscheidungen im QM.

Aufbau und Optimierung von ETL/ELT-Pipelines in SQL Server und Azure Data Factory zur Integration und Konsolidierung von Daten aus Datenbanken, APIs, ERP und Flat-Files – Reduktion von Laufzeit und Serverlast durch gezieltes Scheduling und Parallelisierung der Pipeline-Ausführungen für eine zuverlässige Datenbereitstellung im BI-Reporting.

Abschlussnote: 1,9 • Bachelor Thesis: “Entwicklung und Optimierung eines hybriden Deep Learning Modells zur Erkennung und Klassifikation von Krebs in Blasen- und Nierengewebe in Zystoskopie-Bildern“ – Note: 1,0 • Tools: Python · PyTorch · CNN · GAN · Transfer Learning