Wachstum vorhersagen. Entscheidungen automatisieren. Deine Daten in Momentum verwandeln.
Ich nutze Data Science, um echtes Wachstum anzutreiben, keine Eitelkeits Dashboards. Von prädiktivem LTV und Churn Modelling bis zu produktgetriebenen Onboarding Flows, Preisautomatisierung und Zielgruppen Targeting baue ich Systeme, die deine Daten direkt mit den Hebeln verbinden, die dein Business wachsen lassen. Das sind nicht nur Modelle, es sind Entscheidungsmaschinen: sie treiben dynamische Preisgestaltung an, triggern Lifecycle Kampagnen, scoren Leads, clustern Verhaltensweisen und prognostizieren Umsatz auf Arten, die kein statischer Report kann.
Jedes Signal ist umsetzbar, jede Erkenntnis ist mit Ergebnissen verknüpft. Ob du eine SaaS Plattform skalierst oder einen eCommerce Funnel optimierst, ich verwandle deine Rohdaten in einen kumulierenden Vorteil, in deinem Besitz, produktionsbereit und tief in deinen Stack integriert.
Kein Rätselraten. Keine Verzögerung. Einfach Daten, die handeln.
competitor_scraper.py
⇣ Vorhergesagter LTV aus echten Nutzungsdaten
Predicted LTV Actions
Based on behaviour, recency and product usage
| Customer | Segment | Predicted LTV | Recommended Action |
|---|---|---|---|
| C. Lopez | Power user | £1,850 | Offer annual plan |
| R. Singh | At risk | £120 | Trigger win-back email |
| T. Anders | New user | £480 | Wait and observe |
Entscheidungen aus dem Bauch
In deinen Daten liegt Geld, das du nicht siehst
Die meisten Unternehmen sammeln weit mehr Daten, als sie nutzen. Sie landen in Tabellen und Dashboards, die niemand öffnet, und die grossen Entscheidungen, was du verlangst, wen du hältst, wo du investierst, fallen weiter nach Bauchgefühl und dem Ergebnis vom letzten Quartal.
- Daten, in Tabellen gefangen
- Zahlen verstreut über Tools und Tabs, nie zusammengeführt, also ist die Antwort, die du brauchst, technisch drin und praktisch unerreichbar.
- Dashboards, die niemand liest
- Hübsche Charts, die die Vergangenheit berichten und nichts ändern, während die wichtigen Entscheidungen aus dem Bauch getroffen werden.
- Blindflug in die Zukunft
- Keine Prognose, der du traust, also bestellst du zu viel oder läufst leer, stellst zu viele ein oder brennst aus, und der Cash Flow ist jeden Monat eine Überraschung.
- Churn und Wert, ungemessen
- Du siehst nicht, wer kurz vorm Absprung ist oder wen es zu halten lohnt, also gibst du für alle gleich viel aus und verlierst die, auf die es ankam.
Warum ich
Ein Data Scientist, der eine Bilanz lesen kann
Ich bin Georg. Ich verbinde Machine Learning mit einem Finanzhintergrund von der LSE, damit die Modelle, die ich baue, auf Gewinn zielen, nicht auf Spielerei: Forecasting, Churn und Lifetime Value, Pricing, Lead Scoring, alles direkt in die Tools verdrahtet, die du schon nutzt. Echte, produktionsreife Systeme, die dir gehören, von der einen Person, die sie baut und hinter den Zahlen steht.
Was deine Daten erlauben
Alle versprechen Wachstum. Hier siehst du, was deine Zahlen wirklich tragen.
Wähle deine Branche, deinen Traffic, deine Kunden, deine Historie und dein Budget. Der Planer rechnet mit denselben Formeln für Stichprobengrösse, Budget und Forecasting, die ich vor jedem Projekt anwende, und sagt dir, in welcher Stufe du bist, was dort statistisch möglich ist und was ich mit dir tatsächlich tun würde. Keine E-Mail, kein Formular, nur die Mathematik.
Deine Zahlen
Branche
Saubere historische Daten
Daten aus bisherigen Kampagnen
Monatliches Werbebudget, das du einsetzen könntest
Touchpoints, die du schon hast
Deine Stufe
Fundament
Noch keine statistischen Tests. Best Practice, sauberes Tracking und Kanäle, die Zeit statt Geld kosten, tragen das Wachstum. Ein kleines Werbebudget dient dem Lernen mit Abbruchregeln, nicht dem Entscheiden.
Website Tests
- Conversion Rate
- 2 %
- aus deinen Zahlen gemessen
- Besucher pro Variante für einen Lift von 20 %
- 21 110
- Ein A/B Test auf deinem Traffic
- in keiner sinnvollen Zeit
- Tests pro Monat bei 20 % Lift
- 0
- 2 mal 2 multivariater Test in vier Wochen
- noch nicht
Auf deinem Traffic ist noch nichts Statistisches möglich. Selbst eine Änderung, die deine Conversion Rate verdoppelt, wäre in einem Test unsichtbar. In dieser Stufe geht es darum, anzuwenden, was erwiesenermassen funktioniert, und den Traffic aufzubauen, nicht ums Testen.
Paid Kampagnen
- Angenommene Kosten pro Conversion
- £30
- Conversions pro Monat bei deinem Budget
- 10
- Was diese Anzahl entscheiden kann
- ein Signal, mit einer Fehlermarge über 40 %
- Tage bis 30 Conversions
- 90
- Tage bis 100 Conversions
- 300
- Lernbudget, bevor ein Kanal beurteilt wird
- £1 500
- Abbruchregel für eine verlierende Anzeige
- 150 Klicks ohne Conversion, etwa £120, und die Anzeige ist weg
Dein Budget liegt unter dem Lernbudget für diesen Kanal. Setze es ein, um mit Abbruchregeln über Creatives und Zielgruppen zu lernen, und nimm jede Kostenzahl pro Akquise als grobes Signal, nie als Entscheidung.
Forecasting
Nächster Monat, ungefähr
Unter sechs Monaten Daten tragen einen Niveau Forecast mit breitem Band und ohne Saisonalität. Rechne mit 25 bis 40 % Fehler oder mehr. Eine Richtung, monatlich neu gerechnet.
Wachstumskurve
Solange keine Tests möglich sind, bleibt die Kurve flach, bis der Traffic wächst. Best Practice bewegt die Zahl trotzdem, nur lässt es sich noch nicht als Test messen.
Was ich in dieser Stufe tatsächlich mit dir tue
- Tracking, das jede Bestellung einmal zählt und sinnvoll zuordnet, damit die Daten sauber sind, wenn der Traffic kommt.
- Die Conversion Grundlagen aus 15+ Jahren Accounts, angewendet, ohne auf einen Test zu warten, der sie dir bestätigt.
- Kanäle, die Zeit statt Geld kosten, und die direkten Wege oben, wo sie zu deiner Branche passen.
- Ein kleines Werbebudget mit Brackets und Abbruchregeln, damit es etwas lehrt, ohne so zu tun, als würde es entscheiden.
15+ Jahre Growth, Performance Marketing und Data Science, lange vor dem KI Hype, sind der Prior, der die kleinen Stufen produktiv und die grossen ehrlich macht. Nichts hier setzt voraus, dass du die Daten schon hast. Es setzt voraus, dass du wissen willst, was du mit den Daten tun kannst, die du hast.
Annahmen: 95 % Konfidenz und 80 % Power für Tests, ein Fenster von zwei bis vier Wochen, ein Gewinn pro drei Tests mit 6 % echtem Lift, und illustrative Kosten pro Conversion je Branche für UK und DACH, Stand Ende 2026. Wettbewerb, Produkt, Region und Saison verschieben diese Kosten, und genau das klären wir im Workshop.
Von Erkenntnis zu Aktion
Kern Data Science Vorteile, die den Unterschied machen
Das sind nicht nur Modelle oder Metriken. Es sind Wachstumshebel, tief eingebettet in dein Produkt, Marketing und Pricing. Von besserer Segmentierung und Echtzeit Entscheidungsfindung bis zu Churn Prediction und LTV Forecasting nutze ich Data Science, um zu automatisieren, was früher Rätselraten war, und aufzudecken, was früher unsichtbar war. Jede Erkenntnis ist darauf ausgelegt, Aktionen anzutreiben, jedes Modell auf Geschäftsimpact abgestimmt.
- Smartere Segmentierung
Erschließe wertvollere Zielgruppen mit intelligentem Clustering und Scoring. Wisse, wer bereit ist für ein Upgrade, wer mit dem richtigen Nudge konvertiert und wer es wert ist, reaktiviert zu werden.
- Customer Journey Analytics
Sieh den kompletten Weg zur Conversion, und wo er abbricht. Ich tracke und modelliere Absprungpunkte, Time to Value, Aktivierungs Reibung und Funnel Engpässe mit Klarheit.
- Automatisierte Entscheidungsfindung
Daten, die in einem Dashboard liegen, sind verschwendet. Ich baue Systeme, die handeln. Kampagnen triggern, Preisänderungen oder Produkt Nudges in dem Moment, in dem die Daten sagen, dass sie sollten.
- Attributions Klarheit
Hör auf zu raten, was funktioniert hat. Ich nutze probabilistische Modelle und Verhaltensdaten, um aufzudecken, welche Touchpoints tatsächlich Conversions und Retention antreiben, über alle Kanäle.
- Dynamisches Bidding und Angebotslogik
Reagiere in Echtzeit auf Marktsignale. Ob Google Ads, Produkt Feeds oder On Site Angebote, ich optimiere deine Entscheidungen basierend auf Wettbewerb, Nachfrage und Performance.
- Churn Prävention und Recovery
Erkenne Nutzer, die Gefahr laufen abzuwandern, bevor sie es tun. Meine Modelle triggern personalisierte Retention Flows, Reaktivierungssequenzen oder sogar Produktinterventionen, um sie zurückzugewinnen.
- Produkt getriebene Insights
Verstehe, was Nutzer wirklich hält. Ich mappe Feature Nutzung auf Retention und Upgrades und gebe deinem Produktteam Richtung, die in echtem Verhalten verankert ist.
- Umsatz Forecasting
Keine Spreadsheets mehr. Ich nutze kohortenbasierte Modelle, um MRR Wachstum, CAC Payback, LTV nach Segment und andere kritische Wachstumsmetriken vorherzusagen, mit Konfidenzintervallen, nicht Bauchgefühl.
Data Science für Wachstum
Von rohen Signalen zu Umsatz
Das ist die Pipeline, die deine Produkt und Marketing Daten in messbare, automatisierte Ergebnisse verwandelt. Jedes Signal wird ein Trigger, jedes Modell treibt eine Aktion an, und jeder Teil deines Stacks lernt mit, während er wächst.
Marketing Personalisierung
Getriggerte Angebote, Verhaltens Flows, adaptive Botschaften
Kampagnen Automatisierung
Preisänderungen, Ads, CRM Sync, smarte Zeitplanung
Die ganze Reise
Vom ersten Klick zur sicheren Entscheidung
Data Science ist kein Bericht am Quartalsende. Es ist eine Pipeline, die jeden Tag läuft, und sie funktioniert nur, wenn jede Stufe sauber gebaut ist. Genau diesen Bogen baue ich für Onlineshops, für Regios, für jeden Kunden, entworfen ab Tag eins, damit die Zahlen einfach da sind, wenn du sie brauchst.
Tracken
Eine Tracking Strategie, kein Pixel auf einer Seite. Jeder Touchpoint geplant.
Sammeln
Events aus Shop, Ads, Emails und CRM landen strukturiert an einem Ort.
Bereinigen
Duplikate zusammengeführt, Lücken gefüllt, Formate repariert. Müll bleibt draußen.
Verstehen
Erkenntnisse in klarer Sprache, keine Zahlenwand.
Entscheiden
Statistik mit Fehlermargen, damit du weißt, wann du handeln kannst.
Vorhersagen
Modelle, die nach vorn schauen, damit du planst statt reagierst.
Weil die Architektur ab Tag eins steht, wird nie Zeit damit verschwendet, Geschichte zu rekonstruieren. Egal welche Frage als Nächstes kommt, die Daten für die Antwort fließen schon.
Sammeln & Bereinigen
Deine Daten sind chaotischer als du denkst. Das ist reparierbar.
Jeder echte Datensatz kommt mit Duplikaten, Tippfehlern, fehlenden Feldern und siebzehn Schreibweisen derselben Stadt. Modelle auf Chaos produzieren selbstbewussten Unsinn. Bevor irgendetwas Kluges passiert, werden die Daten bereinigt, automatisch, jeden Tag.
Was ankommt
Was die Modelle sehen
Zusammengeführt, vervollständigt, validiert. Automatisch, jede Nacht, mit Audit Trail.
Verstehen
Erkenntnisse statt Tabellen Deponien
Das meiste Agentur Reporting besteht aus Impressionen, Klicks und Kosten pro Klick: ungefähr so nützlich wie Stäbchen zum Steak. Ein guter Analyst bringt dich zu echten Umsatzzahlen, lässt dich aber mit einer Tabelle allein. Echte Analyse endet in einem Satz, nach dem du handeln kannst. Schau zu, wie dieselbe Geschichte alle drei Stufen erklimmt.
Was die meisten Agenturen schicken
| Kanal | Impr. | Klicks | CPC | Kosten |
|---|---|---|---|---|
| Google Ads | 412k | 12.480 | €0,62 | €7,7k |
| 986k | 9.870 | €0,48 | €4,7k | |
| TikTok | 1,2M | 5.660 | €0,35 | €2,0k |
| Display | 2,3M | 3.140 | €0,19 | €597 |
| YouTube | 764k | 1.890 | €0,41 | €775 |
Millionen Impressionen. Keine einzige Zahl über Geld, das zurückkommt.
Was ein guter Analyst schickt
| Kanal | Käufe | CR | Umsatz |
|---|---|---|---|
| Google Ads | 312 | 2,5% | €18.140 |
| Vergleichsportale | 158 | 4,9% | €21.020 |
| SEO | 224 | 2,8% | €15.930 |
| Direkt | 201 | 2,9% | €14.880 |
| Newsletter | 171 | 3,8% | €12.270 |
| 118 | 1,2% | €6.410 | |
| Empfehlungen | 64 | 3,2% | €5.470 |
| TikTok | 45 | 0,8% | €2.210 |
412 Zeilen näher an der Wahrheit. Aber noch keine Entscheidung.
Was du von mir bekommst
Dieselben Daten, verstanden
Kunden über Vergleichsportale geben im ersten Jahr 2,3x mehr aus als Social Traffic, bekommen aber nur 12% des Werbebudgets.
Empfehlung: €1.800 pro Monat umschichten und sechs Wochen messen.
Entscheiden
Entscheidungen mit Fehlermarge statt Bauchgefühl
Zwei Kampagnen Varianten, eine sieht besser aus. Ist das echt oder Glück? Statistik beantwortet diese Frage mit einer Zahl. Am Anfang überlappen die Unsicherheitsbereiche: jetzt zu handeln wäre Glücksspiel. Mit genug Daten trennen sie sich, und die Entscheidung trifft sich von selbst.
Nach 500 Besuchern
Variante A: 3.6% ± 2.3
Variante B: 4.4% ± 2.5
Bereiche überlappen. Kann Glück sein. Weiter testen.
Nach 9.600 Besuchern
Variante A: 3.7% ± 0.6
Variante B: 5.1% ± 0.6
99% sicher, B gewinnt. Handeln.
Jede Zahl hat einen Bereich
Eine Conversion Rate ist nie einfach 4,2%. Sie ist 4,2% plus minus etwas, und dieses Etwas entscheidet, ob sie dich interessieren sollte.
Bekannte Fehlermargen
Entscheidungen kommen mit ihrer Unsicherheit: handeln ab 95% Konfidenz, warten darunter. Kein verfrühter Champagner, kein verpasster Gewinner.
Tests, die enden
Definierte Stichproben und Abbruchregeln, damit Experimente Urteile liefern statt ewig zu laufen.
Vorhersagen
Forecasting: der Teil, der verändert, wie du dein Business führst
Ein guter Forecast macht Management von reaktiv zu geplant. Verschiedene Branchen brauchen verschiedene Modelle: Handel lebt von Saisonalität, SaaS verzinst sich, Energie folgt dem Wetter. Wähl unten deine Welt und sieh, was das Modell verstehen muss.
Handels Forecasting ist zuerst Saisonalität: Wochenrhythmus, Aktionsspitzen und die Dezemberwelle. Lager, Personal und Werbebudget werden gegen die Kurve geplant, nicht gegen Hoffnung.
Modelle pro Branche
Saisonalität, Trend, Aktionen, Churn, Wetter: was deine Zahlen wirklich treibt, darum wird das Modell gebaut. Kein Einheitsbrei.
Mit Zuversicht planen
Das Management sieht Monate im Voraus einen ehrlichen Bereich: Lager, Einstellungen, Cash Flow und Kampagnen geplant gegen die Kurve statt gegen das letzte Quartal.
Budgets aus Forecasts
Wenn du weißt, was ein Monat bringt, ist das Werbebudget kein Raten mehr. Spend steigt in starke Phasen hinein und zieht sich vor schwachen zurück.
Marketing, endlich gemessen
Gegen eine modellierte Baseline zeigt Performance Marketing Woche für Woche seinen echten Mehrwert, statt sich Verkäufe anzurechnen, die sowieso passiert wären.
Automatisierung & Dashboards
Die richtigen Zahlen für jede Ebene, aktualisiert von selbst
Niemand sollte ein Spreadsheet exportieren müssen, um zu wissen, wie es dem Business geht. Dashboards laufen automatisch, und jede Ebene sieht genau das, was sie braucht: der Vorstand das große Bild, das Management steuert, der Betrieb handelt. Alles ist rund um die Uhr live, nichts wird händisch zusammengebaut. Genau so gebaut für Stint in London und für Regios.
Drei Zahlen und eine Richtung. Genug zum Führen, nichts zum Ertrinken.
Umsatz vs Forecast
+7,2%
Health Index
78 / 100
Runway Effekt
+2,1 Monate
Echtzeit, jederzeit
Kein Warten aufs Monatsende, kein PDF, das zwei Wochen zu spät kommt. Öffne das Dashboard um 7 Uhr früh oder um 23 Uhr, die Zahlen sind aktuell, weil sie sich selbst aktualisieren.
Keine 30% deines Retainers
Klassisches Agentur Reporting wird händisch zusammengebaut und frisst still bis zu einem Drittel des Retainers. Hier ist Reporting Software: es baut sich jede Nacht selbst, und dieses Budget fließt in echte Arbeit.
Die richtige Story pro Rolle
C Level, Management, Führungskräfte und Analysten bekommen jeweils ihre eigene Sicht auf dieselben Daten, auf genau der Flughöhe, auf der die Rolle wirklich arbeitet.
Das Engineering dahinter
Echter Code, keine Spreadsheet Magie
All das ist in Python gebaut, mit dem wissenschaftlichen Standard Stack, entwickelt wie Software, weil es Software ist: versioniert, getestet und nach Zeitplan laufend, nicht als Notebook auf irgendeinem Laptop.
python · the stack
✓ pandas # Daten aufbereiten und bereinigen
✓ scikit-learn # Modelle und Validierung
✓ statsmodels & Prophet # Forecasting und Saisonalität
✓ NumPy & SciPy # der numerische Motor
✓ Matplotlib & Plotly # Visualisierungen, die Menschen verstehen
Versioniert & getestet
Analyse Code lebt in Git mit Tests, wie jeder andere Teil deines Produkts. Ergebnisse sind reproduzierbar, keine einmaligen Wunder.
Pipelines statt Rituale
Sammeln, Bereinigen, Modellieren und Dashboards laufen automatisch, jede Nacht. Niemand muss an etwas denken.
Verdrahtet mit deinem Produkt
Modelle sprechen über saubere APIs mit deiner Rails App, deinem Shop und deinen Dashboards, dieselbe Architektur, auf der GrowCentric.ai läuft.
Marketing Analytics 1:1
Willst du wissen, wie echte Marketing Analytics aussehen?
Die meisten Agenturen berichten aus den Tabellen, die sie aus einem Werbe Backend herunterladen können: Klicks, Impressionen, Likes, ein Preis pro Klick. Diese Zahlen beschreiben die Plattform, nicht dein Geschäft, und keine davon sagt dir, was du als Nächstes tun sollst. Ich arbeite mit Insights: einem Modell deiner Nachfrage, deiner Kunden, deiner Kanäle und deines Risikos, mit einer Fehlermarge an jeder Zahl, damit jede Entscheidung einen Grund hat. Diese Serie ist der ganze Werkzeugkasten, Kapitel für Kapitel, genau so, wie ich ihn für Kunden einsetze.
Was dir ein Werbe Backend gibt
- Klicks und Impressionen
- Likes und Follower
- Preis pro Klick
- Last Click Conversions
- Ein PDF pro Monat
Was dir ein Insight gibt
- Welcher Preis sich rechnet, je Segment
- Wann ein Kunde geht, nicht nur ob
- Wohin das nächste Budget geht, mit Fehlermarge
- Ob die Kampagne überhaupt etwas bewirkt hat
- Eine Entscheidung, ihr Wert und ihr Risiko auf einer Seite
Teil eins: wie Analytics hilft
Teil zwei: Techniken mit abhängiger Variable
- 4Nachfrage und Preiselastizität mit Regression modellierenKapitel lesen
- 5Polynomial Distributed Lags: wie lange wirkt Marketing nach?Kapitel lesen
- 6Poisson Regression: modellieren, wie oft Kunden etwas tunKapitel lesen
- 7Logistische Regression, Lift Charts und WarenkorbanalyseKapitel lesen
- 8Survival Analyse, Churn und Customer Lifetime ValueKapitel lesen
- 9Panel Regression und Umsatz auf vergleichbarer FlächeKapitel lesen
- 10Nachfrage prognostizieren: Autokorrelation, Saisonalität und ehrliche FehlerbänderKapitel lesen
Teil drei: Zusammenhangstechniken
Teil vier: Media und Loyalität
- 15Den Wert von Marketingkommunikation modellierenKapitel lesen
- 16Media Mix Modelling: Adstock, Sättigung und wohin das nächste Budget gehtKapitel lesen
- 17Loyalität: die drei R, das Spektrum, und Earn und Burn richtig gestaltenKapitel lesen
- 18Loyalität mit StrukturgleichungsmodellenKapitel lesen
- 19Die Customer Loyalty Journey: von Segmenten zu ErlebnissenKapitel lesen
Teil fünf: Testen und Big Data
- 20Statistische Tests: Stichprobengrösse, Lift und vollfaktorielle Designsab 4. November
- 21Big Data für Marketer: was sich wirklich ändert und was nichtab 2. Dezember
Einundzwanzig Kapitel, Deutsch und Englisch, mit den Formeln, den Charts und durchgerechneten Beispielen auf realistischen Zahlen. Inspiriert von Mike Grigsbys Marketing Analytics; Erklärungen, Beispiele und Zahlen sind meine eigenen.
Dein Stack, versioniert, validiert und kampferprobt
Hinter jeder personalisierten Experience oder automatisierten Kampagne steht ein ernsthafter Stack. Pipelines, Modelle, Infrastruktur und Tracking Schichten, die sauber, reproduzierbar und produktionssicher sein müssen. Ich baue mit den gleichen Tools und Praktiken, die in leistungsstarken Teams verwendet werden: Notebooks, die in Produktion gehen, Modelle, die sich selbst überwachen, und Pipelines, die Prüfungen standhalten. Ob du Solo Gründer bist oder ein eigenes Data Team hast, diese Arbeit integriert sich nahtlos in deinen Workflow.
- Data Pipeline Orchestrierung
- Airflow, Dagster, dbt oder vollständig individuelle Python Jobs, orchestriert für Zuverlässigkeit, Observability und langfristige Wartbarkeit.
- Modellierung und Evaluation
- LTV, Churn, Segmentierung und Regression Modelle mit XGBoost, CatBoost, sklearn, bewertet mit korrekter Validierung und über Zeit getrackt.
- Tracking und Identity Stitching
- Server seitige Events, Cookie lose Identifier und Anonymous zu Known User Auflösung direkt in deinen Backend Stack eingebaut.
- ETL/ELT Infrastruktur
- BigQuery, Snowflake, Postgres, Fivetran, Segment, ich integriere die Tools, die am besten für dein Team funktionieren, und stelle sicher, dass die Daten sauber fließen.
- Reproduzierbarkeit und Versionierung
- Modell Versionskontrolle, MLflow Tracking, Git basierte Pipelines und strukturierte Feature Stores für konsistente und auditierbare Ergebnisse.
- Notebook zu Production Flow
- Konvertiere explorative Jupyter Notebooks in produktionssichere API Endpunkte, die in deiner App, CRM oder internen Tools verwendet werden.
- Privacy aware Workflows
- Alle Datenflüsse sind Consent first und DSGVO konform. Von gehashten IDs bis zu konformem Logging und Pseudonymisierung ist Privacy eingebaut.
Wo stehst du gerade?
Zeig mir deine Situation und ich bring dich zum passenden nächsten Schritt.
Ernsthaftes Wachstum beginnt mit ernsthafter Daten Infrastruktur.
Wenn du genug von Hacks, Dashboards und Klebeband hast, helfe ich dir, ein dauerhaftes Fundament zu bauen, das sauber skaliert.
KI schreibt den Code. Wer ist dafür verantwortlich?
Eine überzeugend falsche Zahl ist schlimmer als keine Zahl
KI liefert in einer Stunde ein Dashboard. Ob die Events dahinter einmal feuern, ob die Einwilligung beachtet wurde und ob das Modell die gestellte Frage beantwortet, dort verdient Erfahrung ihr Geld.
Messung, die lügt
Events, die doppelt feuern, Testbestellungen als Umsatz, Attribution an den falschen Kanal. Tracking wird entworfen, getestet und gegen die Quelle der Wahrheit abgeglichen, bevor jemand darauf eine Entscheidung trifft.
Personenbezogene Daten am falschen Ort
Einwilligung in der Pipeline durchgesetzt, nicht nur im Banner. Serverseitige Events werden ohne Einwilligung umbenannt, damit sie nie eine Zielgruppe speisen. DSGVO und PECR als Code, mit Nachweis.
Ein Modell, das zur Demo passt und zu nichts sonst
Stichprobengrößen, Basiswerte und Unsicherheit stehen vor der Prognose fest, und die Prognose wird an dem gemessen, was tatsächlich passiert ist. Fakten statt Hoffnung.
Wo KI baut, wo ich entscheide
Geringes Risiko: KI baut, ich schaue drauf
- Layouts und Styling
- Formulare und Validierung
- Standardcode abseits des kritischen Pfads
- Testdaten, Skripte, Doku
Mittleres Risiko: KI entwirft, ich redigiere
- Randfälle für die Tests
- Review als zweiter Leser
- Refactoring unter grünen Tests
- Release Notes aus den Tests
Kritischer Pfad: ich entscheide, KI berät
- Architektur und Datenmodell
- Geld, Steuern, Zahlungen
- Authentifizierung und Rechte
- Jeder verifizierte kritische Pfad
Je kleiner der Schaden eines Fehlers, desto mehr baut KI allein. Je größer er ist, desto mehr berät sie, während eine Person, deren Name im Vertrag steht, entscheidet, liest und testet.
Warum dich das weniger kostet, nicht mehr
- Kundenbetreuung
- Projektleitung
- Design
- Entwicklung
- QA
- Eine verantwortliche Person
- KI für die risikoarme Arbeit
Agenturteam
Ich, mit KI
Die Stunden für Layouts, Formulare, Gerüste und Dokumentation sind eingebrochen, und diese Ersparnis steckt in meinen Paketpreisen. Die Stunden für Urteilsvermögen, Architektur und Nachweis nicht, und genau dafür zahlst du. Eine Person, keine Übergaben, kein Koordinationsaufwand, und mehr Tests als früher, weil sie zu schreiben nicht mehr der teure Teil ist.
Was du prüfen kannst, nicht nur lesen
- Tests in Alltagssprache in deinem Kundenhub
- Kritische Pfade verifiziert und hinter Freigabe eingefroren
- Ein Release Register und ein Audit Log
- Code, Daten und Infrastruktur auf deinen Namen
KI hat verändert, wer den Code schreibt. Nicht, wer dafür geradesteht.
So läuft jede Zusammenarbeit
Enterprise Disziplin, eine Person
Qualität versprechen kann jeder. Ich führe jede Zusammenarbeit durch Systeme, die sie beweisen: ein echtes Kundenportal, rechtliche Klarheit vor Arbeitsbeginn und Belege für jedes Release. So sieht die Arbeit mit mir wirklich aus.
Dein eigenes Kundenportal
Jeder Kunde bekommt einen Platz im Keferboeck Hub: Onboarding, Dokumente, Dashboards und Live Projektlinks an einem Ort. Strukturiert vom ersten Tag an, damit nichts Wichtiges je in einem verlorenen Email Verlauf lebt.
Rechtliche Klarheit vor Arbeitsbeginn
Verträge, Bedingungen und Versicherungsdokumente liegen in einem Portal Tresor. Signierte Versionen sind für immer gesperrt, jeder Zugriff und Download wird protokolliert, und das Onboarding enthält einen formalen Prüf und Zustimmungsschritt, auf Wunsch direkt an dein Legal Team übergeben.
Jedes Release dokumentiert
Produktions Releases sind versioniert, mit Zeitstempel und Protokoll: was hinzukam, was sich änderte, was entfernt wurde. Die Frage "was genau ging wann live" ist immer beantwortbar, weil der Nachweis existiert.
Tests entscheiden über jedes Release
Die vollen TDD und BDD Suiten müssen bestehen, bevor etwas die Produktion erreicht, und die Läufe werden als Nachweis aufgezeichnet, samt Coverage. Ein Release, das sich nicht bewiesen hat, geht nicht raus.
Von Dritten überprüfbar
Kritische Geschäftslogik, wie eine Berechnung funktioniert, welche Rechtsdokumente eine Anmeldung bindet, wird in klarer Sprache festgehalten, von dir freigegeben, in diesem Stand eingefroren und als PDF auf Deutsch und Englisch für deinen Prüfer exportierbar. Änderungen öffnen die Freigabe neu, der Nachweis weicht also nie von der Realität ab.
Sicherheit getestet
Grosse Produktions Releases bekommen zusätzlich zu den automatischen Suiten Web Application Security Tests, fundiert durch formale Offensive Security Ausbildung. Systeme mit Kunden und Zahlungsdaten verdienen nichts weniger.
Versichert, und zwar richtig
Ein umfassendes Versicherungspaket besteht über den Broker JMG: Berufshaftpflicht, Betriebshaftpflicht, Arbeitgeberhaftpflicht und Cyber Deckung. Der Versicherer weiss ausdrücklich, dass meine Systeme buchhaltungsnahe Aufgaben für SaaS Produkte übernehmen, Zins und Rückzahlungsberechnungen eingeschlossen, damit genau diese Arbeit gedeckt ist.
Und wenn ich unter den Bus komme?
Alles ist dokumentiert: Architektur, Entscheidungen, Prozesse, Tests und der Code selbst, alles geschrieben für die nächste Person, die kalt übernimmt. Sollte je jemand anderes übernehmen müssen, aus welchem Grund auch immer, ist die Übergabe sofort und reibungslos. Kein Schlüsselpersonen Risiko, kein Vendor Lock in, kein Geisel Code. Das können nur wenige Agenturen ehrlich anbieten, und fast kein Freelancer.
Die andere Seite der Medaille: Ich spiele in jedem Projekt eine zentrale Rolle und übernehme die Verantwortung dafür. Ich verschwinde nicht, sobald ein besseres Angebot vorbeikommt. Das Setup ist einfach so gebaut, dass es mit dir wachsen kann. Wird die Arbeitslast massiv, können Teile meiner Aufgaben ins Haus wandern, dein Team übernimmt das Tagesgeschäft, und ich konzentriere mich auf die Herausforderung, die in dieser Phase des Wachstums zählt. Das ist der Plan, der funktioniert, keine Trennung.
So läuft die Zusammenarbeit mit mir, im Detail