Zum Inhalt springen
Porträt von Andrei-Flavius Văcaru

Machine Learning, das auch im echten Betrieb funktioniert.

Data Scientist und Masterstudent in Engineering Responsible AI Systems an der IMC Krems, wo ich auch Informatik studiert habe.

Projekte ansehenKontakt aufnehmen

Projekte

Bachelorarbeit, 2025-2026

Prognose des Kapazitätsverbrauchs in der Fertigung

Fertigungsbetriebe planen Kapazitäten mit statischen Arbeitsplanzeiten, die von der tatsächlichen Ausführung in der Werkstatt abweichen. Ich habe eine Pipeline gebaut, die den wöchentlichen Kapazitätsverbrauch je Arbeitsplatz prognostiziert, trainiert auf einem synthetischen Datensatz über drei Jahre (31.949 Zeilen, 20 Arbeitsplätze), und fünf Modelle von naiver Fortschreibung bis XGBoost verglichen.

0,355

Test-R² von XGBoost mit Planungsdaten aus dem ERP-System

statt 0,204 ohne diese Features und besser als die ARIMA-Baseline mit 0,271

R² auf der log-transformierten Zielgröße, 460 Arbeitsplatz-Wochen im Testset.

Python, XGBoost, scikit-learn, pandas, NumPy

Bachelorarbeit lesen (PDF)

Was die Prognose antreibt

  • Planungsstand (vorausschauend)
  • Historisch (rückblickend)
Was die Prognose antreibt
FeatureTypWichtigkeit
Ø Last der letzten 4 WochenHistorisch (rückblickend)0,188
Prioritätsgewichteter RückstandPlanungsstand (vorausschauend)0,107
Geplante Arbeit (offene Aufträge)Planungsstand (vorausschauend)0,070
Saisonales Muster (sin)Historisch (rückblickend)0,065
Saisonales Muster (cos)Historisch (rückblickend)0,046
Freigegeben, nicht gestartetPlanungsstand (vorausschauend)0,037
Work in Progress (WIP)Planungsstand (vorausschauend)0,036
Last der VorwocheHistorisch (rückblickend)0,034
Last vor 4 WochenHistorisch (rückblickend)0,032
Gesamtlast des WerksHistorisch (rückblickend)0,030
Fällig nächste WochePlanungsstand (vorausschauend)0,019
Ø Effizienz (Vergangenheit)Historisch (rückblickend)0,015
Ausfallrate (Vergangenheit)Historisch (rückblickend)0,015
Ø Ausschussrate (Vergangenheit)Historisch (rückblickend)0,013
Lastvolatilität (4 Wochen)Historisch (rückblickend)0,011
Leerlaufwoche (Flag)Historisch (rückblickend)0,005
XGBoost-Feature-Importance auf dem Trainingsset. Die fünf Planungs-Features machen 37,2 % davon aus. Quelle: Bachelorarbeit, Abbildung 4.5.

Weitere Projekte

Lokales LLM mit Vektorsuche für News-Retrieval

2025

Eine lokal laufende LLM-Pipeline, die Produkt- und News-Updates mit Embeddings und einer Vektordatenbank indexiert und abrufbar macht, mit einer kleinen API für Integration und Tests.

TypeScript, FastAPI, Docker

Bodenqualität und Sedimentmodellierung (Capstone)

2025

Tabellarische Bohrkerndaten bereinigt und aufbereitet, dann Random-Forest- und XGBoost-Modelle gegen eine Neural-Network-Baseline zur Sedimentklassifikation trainiert.

Python, scikit-learn, XGBoost, PyTorch

Hochwasser-Monitoring für Österreich

2024

Echtzeit-Plattform zur Umweltüberwachung für Hochwasservorhersage und Frühwarnung. Ich habe die Entwicklung als Scrum Master geleitet und an Datenerfassung und Visualisierung gearbeitet.

React, Node.js, Datenvisualisierung

Musik-Streaming-App

2024

Eine responsive Streaming-App aus einer Lehrveranstaltung zu MVC, ORMs und Audio-Auslieferung.

Python, Django, SQLite

Film-Daten-Dashboard

2024

Ein persönliches Dashboard für Filme und Zertifizierungsübungen, gebaut, um sicher mit Dash und Datenaufbereitung zu werden.

Python Dash, pandas, APIs

Über mich

Ich habe Informatik an der IMC Krems mit Schwerpunkt Data Science studiert. Meine Bachelorarbeit ist aus meiner Zeit als KI/IT Junior Consultant bei Concircle von Februar 2025 bis Juni 2026 entstanden, wo ich an Digitalisierungsprojekten rund um SAP ERP gearbeitet habe.

In der Beratung habe ich gesehen, wie sich Machine Learning unter echten Bedingungen verhält: unsaubere ERP-Daten, Deadlines und Menschen, die dem Ergebnis vertrauen müssen, bevor sie danach handeln. Deshalb studiere ich jetzt im Master Engineering Responsible AI Systems. Ich will Modelle bauen, die nützlich, nachvollziehbar und vertrauenswürdig sind.

Herkunft
Rumänien
Wohnort
Niederösterreich
Sprachen
Rumänisch (Muttersprache), Englisch (C1), Deutsch (B2)
Interessen
KI-Ethik, industrielles IoT, Digitalisierung

Werdegang

  1. 2026-2028

    MSc, Engineering Responsible AI Systems

    IMC Krems Fachhochschule, Krems, Österreich

    Masterstudium zur verantwortungsvollen KI-Entwicklung, das Machine-Learning-Systeme, Ethik und Ingenieurspraxis verbindet.

  2. Feb. 2025 - Juni 2026

    KI/IT Junior Consultant (SAP ERP)

    Concircle Österreich GmbH, Wien, Österreich

    Digitalisierungsprojekte im Beratungsumfeld. Ich habe Prozesse analysiert, Geschäftsanforderungen in IT-Lösungen übersetzt und Machine Learning für automatisiertes Reporting und prädiktive Auswertungen integriert.

  3. 2023-2026

    BSc Informatik, Schwerpunkt Data Science

    IMC Krems Fachhochschule, Krems, Österreich

    Bachelorarbeit: Improving Production Planning using Machine Learning. Lehrveranstaltungen zu Big Data, KI, Machine Learning, Datenbanken, Statistik, Algorithmen, Software Engineering, Betriebssystemen und Webentwicklung.

Kenntnisse

Programmierung

  • Python
  • SQL
  • R
  • C

Data science

  • scikit-learn
  • pandas
  • NumPy
  • XGBoost
  • PyTorch
  • Statistische Analyse
  • MLOps
  • LLMs

Enterprise und Infrastruktur

  • SAP ERP (PP)
  • Docker
  • Kubernetes
  • Git
  • Linux

Web

  • React
  • Next.js
  • TypeScript
  • Node.js
  • FastAPI
  • Tailwind CSS

Kontakt

Ich bin offen für Data-Science-Rollen, Forschungskooperationen und Gespräche über verantwortungsvolle KI. Am schnellsten erreichst du mich per E-Mail.

[email protected]