Andy Löwen

Data & Analytics, AI-Systeme und produktive Automatisierung

Viele Data-&-Analytics-Initiativen scheitern nicht an der Technologie.
Sie scheitern an zu viel Handarbeit, zu wenig Struktur und Wissen, das in Köpfen statt in Systemen steckt.

Genau daran arbeite ich.

Ich entwickle Datenplattformen, Analytics-Lösungen und AI-Systeme, die nicht nur im Konzept gut aussehen, sondern im Betrieb tragfähig sind. Mein Schwerpunkt liegt auf metadata-driven development, Automatisierung, Lakehouse-Architekturen und der Frage, wie sich Erfahrungswissen systematisch in nutzbare Systeme überführen lässt.

---

Was ich mache

Ich arbeite seit über 25 Jahren im Bereich Data & Analytics – von Datenbanken und klassischem Business Intelligence über Data Warehousing bis zu modernen Lakehouse-Architekturen auf Azure und im Microsoft-Umfeld.

Heute verbinde ich vier Dinge, die in vielen Projekten getrennt gedacht werden:

• Architektur
• Umsetzung
• Führung
• Produktentwicklung

Mich interessieren keine Lösungen, die nur mit viel Expertenwissen und manueller Nacharbeit funktionieren.
Mich interessieren Systeme, die Qualität skalierbar machen.

Das bedeutet konkret:

• Metadaten statt Copy-Paste
• Standards statt Projektzufall
• Automatisierung statt wiederkehrender Handarbeit
• AI dort, wo sie produktiv nutzbar ist – nicht nur beeindruckend in der Demo

---

Wofür ich stehe

Ich halte wenig von technischer Komplexität, die nur deshalb existiert, weil niemand das zugrunde liegende Problem sauber modelliert hat.

In vielen Datenprojekten liegt der eigentliche Engpass nicht bei Tools oder Plattformen.
Er liegt zwischen den Schichten:

• zwischen Quelle und Modell
• zwischen Fachlichkeit und Implementierung
• zwischen Wissen und Wiederverwendung
• zwischen Entscheidung und späterem Lernen

Genau dort setze ich an.

Ich arbeite an Ansätzen, mit denen sich Architekturwissen, Modellierungsregeln und Projekterfahrung so in Systeme überführen lassen, dass Lösungen konsistenter, wartbarer und schneller entstehen.

---

Eigene Tools

Analytixus

Mit Analytixus entwickle ich ein metadata-driven Development-Tool für moderne Data-&-Analytics-Lösungen.

Die Grundidee ist einfach:
Wenn ein Datenmodell nur in Dokumenten, Whiteboards und Köpfen existiert, ist es nicht skalierbar. Erst wenn Struktur, Regeln und Zusammenhänge explizit beschrieben werden, lassen sich daraus belastbare Artefakte erzeugen.

Analytixus verfolgt genau diesen Ansatz.
Metadaten werden nicht nur dokumentiert, sondern als produktive Grundlage für Generierung, Konsistenz und Wiederverwendung genutzt – unter anderem für Lakehouse- und Data-Vault-nahe Szenarien.

Im Zentrum steht dabei eine domänenspezifische Beschreibungssprache, mit der Modelle gleichzeitig für Menschen verständlich und für Systeme verarbeitbar werden.

Ogham

Mit Ogham entwickle ich ein Experience-Intelligence-System für Menschen und AI-Agenten.

Wissensmanagement gibt es überall.
Was fast immer fehlt, ist ein systematischer Umgang mit Erfahrung.

Ogham zeichnet Entscheidungssituationen strukturiert auf – inklusive Kontext, gewählter Option und beobachtetem Ergebnis. Daraus entstehen wiederverwendbare Erkenntnisse, die in späteren Situationen gezielt abgefragt werden können.

Der Kern ist nicht Dokumentation.
Der Kern ist institutionalisiertes Urteilsvermögen.

Damit adressiert Ogham ein Problem, das mit AI noch wichtiger wird:
Faktenwissen ist zunehmend verfügbar. Der eigentliche Unterschied liegt im kontextbezogenen Lernen aus Erfahrung.

---

AI und Agentensysteme

Ich beschäftige mich nicht nur mit AI als Anwender, sondern mit der Architektur produktiver AI-Systeme.

Mich interessiert vor allem die Frage, wie aus einzelnen Modellen verlässliche Systeme werden:

• mit klaren Leitplanken
• mit nachvollziehbaren Entscheidungen
• mit nutzbarem Kontext
• mit Lernfähigkeit über einzelne Sessions hinaus

Deshalb arbeite ich an Multi-Agent-Ansätzen, MCP-basierter Integration und Systemen, die Wissen und Erfahrung nicht nur abrufen, sondern operationalisieren.

Ich halte wenig von AI-Demos, die beeindruckend wirken, aber im Alltag nicht belastbar sind.
Spannend wird AI erst dann, wenn sie in reale Prozesse, echte Daten und klare Verantwortlichkeiten eingebettet ist.

---

Beruflicher Hintergrund

Ich bin Team Lead Manager im Competence Center Data & Analytics Microsoft bei adesso se und verantworte das Team NRW.

Zuvor habe ich in unterschiedlichen Rollen gearbeitet – als Oracle DBA, BI-Consultant, selbständiger Unternehmer, Lead Architect und Director. Über die Jahre ging es dabei immer wieder um dieselbe Frage:

Wie baut man Daten- und Analytics-Lösungen so, dass sie nicht nur funktionieren, sondern dauerhaft tragfähig sind?

Neben Kundenprojekten und Führungsverantwortung entwickle ich eigene Werkzeuge und Konzepte, weil mich genau dieser Übergang interessiert:
von individueller Expertise zu systematisierter, wiederverwendbarer Lösung.

---

Auf dieser Website

Auf dieser Seite teile ich Gedanken, Erfahrungen und praktische Ansätze zu Themen wie:

• Data & Analytics
• Lakehouse-Architekturen
• metadata-driven development
• DWH-Automatisierung
• Data Vault und Modellierung
• AI-Agent-Systeme
• Wissen und Erfahrung in Systemen

Keine Marketing-Texte.
Keine generischen Trendbeobachtungen.
Sondern Dinge, die aus echter Projekt-, Führungs- und Produktarbeit entstanden sind.

---

Persönlich

Abseits der Arbeit bin ich Familienmensch, lebe bewusst ländlich und trainiere eine F-Jugend im Fußball.

Dieser Ausgleich ist mir wichtig.
Vielleicht auch deshalb mag ich Lösungen, die Substanz haben und nicht nur gut klingen.

---

Nächste Schritte

Wenn Du dich für Data & Analytics, Automatisierung oder AI-Systeme interessieren, finden Du hier:

praktische Perspektiven aus Architektur, Führung und Produktentwicklung

fachliche Beiträge im Blog oder auf LinkedIn

Einblicke in Analytixus und Ogham