Oliver Wilm Rothland

Seit der Gründung der rothland GmbH im Jahr 1996 habe ich mich auf die Themen

konzentriert und diese in verschiedenen Rollen in Projekten bei namhaften nationalen und internationalen Unternehmen begleitet.

Analyse der Architekturkomponenten und deren Verwendung
Identifikation von Pain Points
Erarbeitung und Präsentation von Lösungs- und Optimierungszenarien zur effizienteren Verwendung der Infrastruktur
Ausarbeitung PoCs zur Vorstellung neuer Technologien

Ermittlung funktionaler und nicht-funktionaler Anforderungen
Ausarbeitung der Datenstrategie zur Nutzung von Daten unter besonderer Berücksichtigung von Effizienz, Kostenkontrolle, Sicherheit, Benutzerfreundlichkeit
Evaluierung und Einsetzung neuer Technologien im Azure-Umfeld (Azure Synapse, Azure Purview, Azure Databricks)
Einführung Automatisierung und Infrastructure as Code (IaC) für on-premise- und Cloud-Umgebungen
Aufbau PoC und Entwicklungsumgebungen
Design skalierbarer Datenintegrationspipline und -Systeme
Anbindung cloud-basierte Datenvisualisierung (Power BI Service)

Ermittlung funktionaler und nicht-funktionaler Anforderungen
Ausarbeitung der Datenstrategie zur Nutzung von Daten unter Berücksichtigung von Effizienz, Sicherheit, Nachvollziehbarkeit Benutzerfreundlichkeit
Evaluierung und Einsetzung neuer Technologien im Azure-Umfeld (Azure Databricks, Azure Purview, Azure Synapse)
Aufbau PoC und Entwicklungsumgebungen
Design skalierbarer Datenintegrationspipline und -Systeme
Berechnung komplexer Kennzahlen

Analyse aktueller Softwareprodukte aller Geschäftsbereiche
Analyse aktueller Infrastruktur und verwendeter Cloud-Technologien
Entwicklung und Präsentation eines Konzeptes zur Ergänzung bestehende Infrastruktur und Technologien um Cloud-Solutions
Aufbau prototypischer Umgebungen zur Evaluierung des Konzeptes unter Verwendung von
- Infrastructure as Code (IaC) für die Infrastruktur
- Provisionierung und Konfiguration der Plattform
- Automatisierung der Bereitstellung (GitOps), sowohl on-premise, wie auch in verschiedenen Cloud-Umgebungen

Analyse und Dokumentation der Personas, Anforderungen und Capabilities
Erstellung und Abstimmung der Komponentenarchitektur
Erarbeitung von (3) Lösungsszenarien zur Abstimmung mit den zuständigen Bereichen auf Basis der Komponentenarchitektur
Unterstützung bei der Umsetzung relevanter PoCs zur Validierung der Szenarien

Analyse und Dokumentation der Anforderungen
Erstellung und Abstimmung der Komponentenarchitektur
Festlegung entsprechender Container zur Komponenten-Gruppierung
Kalkulation und Skalierung der Infrastruktur pro Container
Entwicklung Proof of Concept (PoC) zur Validierung der Anforderungen
Erstellung Blueprint zum Aufbau der Umgebung (Infrastructure as Code)
Tool-Evaluierung für
- Data Flow & Data Processing (Apache Nifi, Apache Airflow, Prefect)
- Orchestration & Execution (Kubernetes, Docker, FaaS, Microservices)

Beratung und Training des Inhouse-Teams im Bereich Data Engineering und Daten(-bank)-Design
Optimierung, Fehler- & Performanceanalyse der Bestands- und Entwicklungssysteme (Datenmodelle, Aufbau und Nutzung Indizes, etc.)
Deployment/Versionierung von Datenbanken, Konzeption/Strategie Backup, Konzeption/Durchführung Datenbank-Migration
Nutzung verteilter Datenbanksysteme (Cluster) in Bezug auf Performance, Redundanz, Sicherheit
Vorstellung von Big Data Technologien zur Unterstützung bei Datenanalysen

Entwicklung einer Architektur für den Aufbau einer (IoT) Big Data Advanced Analytics Plattform zur Verarbeitung und Analyse von Stamm-, Sensor- und Bilddaten und zur Erarbeitung von Modellen für Vorhersagen und Erkennungen mittels Machine Learning, Deep Learning und Defect Object Detection
Analyse der Anforderungen und Daten
Aufbau eines Architektur-Blueprints für Speicherung (Storage) und Auswertung (Analytics)
Auswahl einer Toolchain, auch unter Berücksichtigung des zu analysierenden Datenvolumens
Abstimmung der Architektur mit essentiellen Stakeholdern (Management, Projektleitung, Enterprise Architektur, …)

Training zum Aufbau einer Big Data Advanced Analytics Plattform zur Verarbeitung von Daten aus Industrie 4.0- und IoT-(Internet of Things)-Umgebungen mit Zielgruppe: Management, Innovation Manager Digitalisierung, Projektleiter, Business Analysten, Software-Entwickler, Operations
Data Analytics Prozesse
Data Engineering
Data Analytics, Data Science, Data Mining, Advanced Analytics, Machine Learning, Deep Learning
Software-Verteilung, Infrastructure as Code
Data Virtualization
Data Security, Data Governance
Nutzung der Plattform in (Micro-)Services

Bereitstellung der Big Data Infrakstruktur auf Basis von Apache Technologien (Hadoop, HBase, Phoenix, Spark, NiFi), Kafka und Kafka Connect, Python Data Analytics (Jupyter, Pandas)
Aufbau Data Lake und Data Analytics Platform
Last- und Performancemessung zur Validierung der gewählten Produkte und (Analyse-)Methoden
Analyse und Design der Daten und Datenmodelle, analytische Auswertungen und Realtime-Analysen

Introduction to the Capability Maturity Model Integration Version 1.2, Software Engineering Institute SEI, Carnegie Mellon (wibas GmbH)
Certified Professional for Requirements Engineering, International Requirements Engineering Board IREB
Certified UML Professional, Object Management Group OMG (oose GmbH)
Certified Train the Trainer (Competence on Top)
Certified Change Manager (Competence on Top)

Dipl.-Ing. (FH) Elektrotechnik (Gesamthochschule Paderborn)
Big Data Analytics (Hasso Plattner Institute)
Konfliktmanagement und Verhandlungsführung (oose GmbH)
Requirements Engineering: Different point of view (SOPHIST GmbH)
Objekt orientierte Analyse und Design OOA / OOD mit der UML (oose GmbH)
Advanced Data Modeling Using PowerDesigner (Sybase GmbH)
Fundamentals of Senior Management (Open University Business School OUBS, Milton Keynes)