Ich verbinde Data & AI-Strategie, Architektur und praktische Umsetzung.
Certified Chief Data Officer.
Quantitative Risk bei Viridium.
Ich arbeite an der Schnittstelle von Daten, KI, Technologie, Governance und Risiko. Mich interessiert, wie aus einer Data & AI-Strategie etwas wird, mit dem Menschen im Unternehmen tatsächlich arbeiten können. Deshalb reicht meine Arbeit von der Unternehmensarchitektur bis zur konkreten technischen Umsetzung.
Bei Viridium habe ich eine Corporate AI & Analytics Platform konzipiert und aufgebaut. Sie ermöglicht Teams, eigene Analysen und KI-Anwendungen zu entwickeln und innerhalb gemeinsamer Vorgaben für Governance, Sicherheit und Softwareentwicklung produktiv einzusetzen. Ich schaffe dafür Datenarchitekturen und Möglichkeiten zum selbstständigen Arbeiten und übersetze fachliche und regulatorische Anforderungen in technische Lösungen.
Mein Hintergrund in Wirtschaftsinformatik, quantitativer Finanzwirtschaft und Versicherungsmathematik hilft mir, Business, Risikomanagement und Technologie zusammenzubringen. Besonders interessieren mich Data & AI-Strategie, Plattformen, Datenarchitektur und Governance – und wie mehr Menschen im Unternehmen mit Daten und KI arbeiten können.
Mein beruflicher Weg auf LinkedInEine Datenstrategie wird für mich konkret, wenn klar ist, wie Menschen auf Daten zugreifen, sie verstehen und für ihre Arbeit nutzen können. Ich arbeite deshalb an Datenarchitekturen, die fachlichen Kontext, Verantwortung und technische Zugänge zusammenbringen.
Ein Ausgangspunkt dafür war meine Arbeit im Risk Management: Für den bereichsübergreifenden Blick brauche ich die Rohdaten hinter den Auswertungen der einzelnen Fachbereiche. Erst auf dieser Ebene kann ich Informationen zusammenführen und ihre Zusammenhänge verstehen.
Diesen Zugang möchte ich auch anderen Teams ermöglichen. Dafür setze ich Data-Mesh-Prinzipien in die Praxis um und baue Self-Service-Strukturen mit gemeinsamen Leitplanken auf. Daten sollen über Bereichsgrenzen hinweg nutzbar sein, während das Wissen über ihre Bedeutung und die Verantwortung dafür in den Fachbereichen verankert bleiben.
CDO as a Service · HolonexusIch habe eine Analytics-Plattform auf Basis von Posit mit R und Python konzipiert, aufgebaut und für die Nutzung im gesamten Unternehmen ausgebaut. Entstanden ist sie aus den Anforderungen im Risk Management, große Datenmengen aus unterschiedlichen Bereichen zu verarbeiten.
Heute geht es darum, dass Teams darauf selbstständig Analysen entwickeln, Ergebnisse teilen und Anwendungen produktiv betreiben können. Gemeinsame Standards für Softwareentwicklung, Sicherheit und Governance sind dafür Teil der Plattform. Ich entwickle sie laufend weiter und arbeite selbst an inhaltlichen Analysen – so bleibe ich nah an den Anforderungen der Menschen, die sie nutzen.
Meine Open-Source-ProjekteZur praktischen Umsetzung gehört für mich auch, selbst Software zu entwickeln. Ich baue Werkzeuge für die Arbeit mit Daten und für die Abläufe rund ums Programmieren. Als Open Source können andere sie nutzen, nachvollziehen und weiterentwickeln – von R-Packages bis zu Erweiterungen für Positron.
Mit DataRaft möchte ich aus einzelnen R-Skripten nachvollziehbare Datenprodukte machen. Das Toolkit verbindet Datenquellen, wiederverwendbare Verarbeitungsschritte, Qualitätsprüfungen und versionierte Ergebnisse. So lässt sich zurückverfolgen, welche Daten und Regeln einem Report zugrunde liegen. Zum Projekt gehören auch ein Begleitbuch und ein praktischer Kurs.
In Entwicklung: APIs und Integrationen sind noch experimentell.
Positron Deck bringt häufige Arbeitsschritte in Positron auf die Tasten eines Stream Decks: Code ausführen, Daten ansehen, Ansichten wechseln oder mehrere Schritte zu einem Workflow verbinden. Dafür entwickle ich eine IDE-Erweiterung und das passende Stream-Deck-Plugin für Windows. Das unterstützt die Arbeit mit R, Python und Quarto – auch in Posit Workbench.
Mit jirar lassen sich Vorgänge und Projekte aus Jira direkt in R abrufen und analysieren. Das Package unterstützt Jira Cloud sowie Jira Server/Data Center und liefert die Daten als gut weiterverarbeitbare Tabellen – etwa für Reports und automatisierte Auswertungen.
solvency2rfr lädt die von EIOPA veröffentlichten risikofreien Zinskurven für Solvency II und bereitet sie als Tabellen für R auf. Damit lassen sich die monatlichen Daten direkt in versicherungsmathematische Modelle und wiederholbare Analysen einbinden.
Ich baue Plattformen, mit denen Teams KI im Arbeitsalltag nutzen und eigene Anwendungen entwickeln können. Auf Basis von Azure AI Foundry habe ich dafür die technischen Strukturen für den unternehmensweiten Einsatz aufgebaut.
Gleichzeitig verantworte ich in meiner Rolle im Risk Management die KI-Richtlinie. Architektur und Governance gehören für mich zusammen: Anforderungen an KI, Informationssicherheit und Regulatorik übersetze ich in technische Lösungen, mit denen die Kolleginnen und Kollegen innerhalb gemeinsamer Leitplanken arbeiten können.
Menschen wählen häufig den Weg, der für sie am einfachsten ist. Deshalb verbinde ich Regeln mit einem konkreten Angebot. Ich möchte die Strukturen so gestalten, dass der einfachste Weg zugleich der gewünschte ist – und KI möglichst reibungslos im Alltag genutzt werden kann.
Seit 2018 arbeite ich bei der Viridium Gruppe im Bereich Risk Analytics. Hier verbinde ich Business, Technologie und Mathematik, um Risiken im Zusammenhang des gesamten Unternehmens zu verstehen. Ich führe Daten und fachliche Sichtweisen über Silogrenzen hinweg zusammen und unterstütze damit Risikoeinschätzungen und Entscheidungen.
Aus diesem bereichsübergreifenden Blick ist auch meine Arbeit an Datenarchitektur, Analytics- und KI-Plattformen entstanden. Was ich für meine eigenen Analysen brauche, möchte ich so aufbauen, dass es auch andere Teams nutzen können. Dazu gehört für mich, Governance-Anforderungen in der technischen Umsetzung mitzudenken.
Genau diese Breite macht mir Spaß. Ich kann mich in viele unterschiedliche Themen einarbeiten, ihre Wechselwirkungen verstehen und sie in den Gesamtzusammenhang einordnen.
Im Studium habe ich mich bereits auf Versicherungen spezialisiert. Anschließend wollte ich dieses Wissen in die Praxis einbringen und mit meiner Begeisterung für Daten, Technologie und Mathematik verbinden.
Für mich ist Versicherung ein gesellschaftliches Instrument, das Menschen Sicherheit geben und ihren Lebensstandard schützen kann. Viele tragen ein Risiko gemeinsam, damit Einzelne mit seinen Folgen nicht allein bleiben. Dieser Ausgleich im Kollektiv ist für mich ein zutiefst sozialer Gedanke. Ich möchte dazu beitragen, Versicherungen besser und menschlicher zu machen.
Mit Holonexus möchte ich meine Erfahrungen der letzten Jahre auch anderen Unternehmen zugänglich machen – als Chief Data Officer as a Service. Dazu gehören die Entwicklung einer Data & AI-Strategie, der Aufbau von Datenarchitekturen und Plattformen sowie Governance, die sich im Arbeitsalltag umsetzen lässt.
Ich möchte weitergeben, was sich in meiner Arbeit bewährt hat, und gemeinsam herausfinden, was davon zur jeweiligen Organisation passt. Dabei möchte ich den Weg von der Strategie über die Architektur bis zur praktischen Umsetzung begleiten. Mir ist wichtig, dass daraus Strukturen entstehen, mit denen die Menschen im Unternehmen selbstständig weiterarbeiten können.
holonexus.deWann schaffen Investitionen in Daten und KI tatsächlich Unternehmenswert? Mich interessieren das Zusammenspiel technischer und organisatorischer Fähigkeiten, die Reihenfolge ihrer Entwicklung und das Lernen aus neuen Erkenntnissen. Dabei geht es auch darum, wann es sinnvoll ist, einen Versuch fortzusetzen oder zu beenden.
Working Papers
Learning, Remediation, and the Option to Stop
Erst die Grundlagen verbessern oder zunächst mit neuen Werkzeugen lernen? Ich untersuche, wie Diagnose, Pilotkosten und die Möglichkeit zum Abbruch die Reihenfolge einer Transformation beeinflussen. Im theoretischen Modell ist ein Einstieg über Werkzeuge nur in einem bestimmten Kostenbereich überlegen – eine pauschale Empfehlung für diese Reihenfolge folgt daraus nicht.
Evidence Queues, Recoverability, and Priority Rights
Ein sinnvolles Experiment kann für die verantwortliche Person trotzdem unattraktiv sein, wenn Erkenntnisse zusammenhängen und Zeit oder Prioritätsrechte verfallen. Ich untersuche, wie Anreize für den Beginn und die spätere Fortsetzung von Forschung gestaltet werden können. Das theoretische Modell bestimmt dafür Bedingungen und Finanzierungsgrenzen in einer begrenzten Versuchsanordnung.
Six Interdependent Capabilities and the Dynamics of Transformation
In diesem theoretischen Modell untersuche ich sechs Fähigkeiten: Menschen, Datenqualität, Datenarchitektur, Data Governance, Automatisierung und KI. Ihr Zusammenspiel entscheidet darüber, ob Skalierung Wert schafft oder Fehler vergrößert. Das Paper beschreibt, wann zunächst die Zuverlässigkeit verbessert werden sollte und wie gemeinsame Investitionen die Transformation ermöglichen können. Synthetische Beispiele veranschaulichen die Zusammenhänge.
Daten werden wertvoller, wenn andere sie nutzen können. Gleichzeitig braucht ihre Nutzung verlässliche Grundlagen und passende Anreize. Ich untersuche, wie Datenteilung, Herkunftsinformationen und unabhängige Prüfung zusammenspielen – auch beim Einsatz von KI.
Working Papers
Admission, Producer Incentives, and the Financing of Rival Support
Daten lassen sich vielfach wiederverwenden, die Unterstützung durch ihre Ersteller bleibt jedoch knapp. Ich untersuche in einem theoretischen Modell, wie interne Verrechnung sinnvolle Datennutzung und Investitionen in Qualität und Dokumentation fördern kann. Für die untersuchten Abrechnungsregeln zeige ich, wo Finanzierungs- und Teilnahmegrenzen entstehen.
Independent challenge, fabricated opposition, and coordination
Ein abweichender Bericht belegt noch nicht, dass tatsächlich unabhängig recherchiert wurde. Ich untersuche, wie Vergütung, Prüfungen der Informationsherkunft und die Nutzung von Berichten zusammenwirken, wenn eigene Informationsbeschaffung verborgen bleibt. Innerhalb der untersuchten Vertragsformen zeigt das theoretische Modell, wie Koordinationsbedarf die passende Prüf- und Informationsstruktur verändert.
Provenance Before Verification: Timing, Repair Coverage, and Adoption
Zu erkennen, dass ein KI-Ergebnis falsch ist, verrät noch nicht, welche wiederverwendete Datenquelle den Fehler verursacht hat. Ich untersuche, wie der Zeitpunkt verfügbarer Herkunftsinformationen Investitionen in Datenqualität, Prüfung und KI beeinflusst. Unter den Bedingungen des theoretischen Modells kann früh verfügbare Datenherkunft diese Investitionen ergänzen und den KI-Einsatz erst wirtschaftlich machen.
Welche Informationen werden gesucht, welche weitergegeben und welche für Entscheidungen herangezogen? Mich interessiert, wie Anreize, Messbarkeit und knappe Prüfkapazitäten diese Auswahl prägen. Meine Modelle untersuchen, wie Regeln und Zuständigkeiten gestaltet werden können.
Working Papers
Costly Verification and the Audit of Unchanged Decisions
Ich untersuche, wie Karriere- und Reputationsinteressen die Suche nach widersprechender Evidenz beeinflussen. Im theoretischen Modell liegt das Problem weniger darin, vorhandene Erkenntnisse zu ignorieren, als darin, kostenpflichtige Prüfungen gar nicht erst anzustoßen. Gezielte Audits unveränderter Entscheidungen können diesen Anreiz verbessern; ihr Nutzen hängt von den Prüfkosten ab.
Scarcity, endogenous applications, and the optimal direction of evidence adjustment
Evidenzanforderungen beeinflussen sowohl die Finanzierung von Innovationsprojekten als auch die Frage, welche Teams überhaupt einen Antrag stellen. Ich untersuche, wie unterschiedliche Messbarkeit und knappe Budgets zusammenwirken. Im theoretischen Modell kann sich allein durch die Höhe des Budgets umkehren, ob schwer messbare Projekte mildere oder strengere Anforderungen erhalten sollten.
Information Access, Strategic Proposals, and Scarce Review
Wer sollte knappe Prüfkapazitäten erhalten, wenn Führungskräfte selbst entscheiden, ob sie einen Vorschlag einreichen? Ich vergleiche feste Zuweisung mit einer Verteilung nach den eingereichten Vorschlägen. Das theoretische Modell zeigt: Ein kostengünstig erreichbares Ziel garantiert noch nicht, dass sich alle Beteiligten auch im gewünschten Gleichgewicht verhalten.
Rational Inference, Factual Verification, and Metric Governance
Korrekte Kennzahlen können ein einseitiges Bild vermitteln, wenn gezielt die günstigsten ausgewählt werden. Ich untersuche in einem theoretischen Modell, wie solche Berichte interne Investitionsentscheidungen beeinflussen und was Stichprobenprüfungen leisten. Dabei unterscheide ich die Prüfung von Fakten von der Frage, wer die verwendeten Kennzahlen festlegt.
Feasible Auditing, Report Use, and the Nonmonotone Demand for Protection
Wie sollten Unternehmen unabhängige Audits mit der Nutzung von Mitarbeitermeldungen zur Leistungsbewertung verbinden? Ich unterscheide im Modell zwischen Fehlervermeidung, Entdeckung und Offenlegung. Unter den untersuchten Regeln führt ein höherer Informationswert nicht automatisch zu mehr Schutz für Meldende; die passende Kombination aus Prüfung und Berichtsnutzung kann sich mehrfach ändern.
Ich gehöre zu den frühen Forschern der modernen Wiederentdeckung von Tontinen. In meiner Promotion habe ich dieses lange wenig beachtete Konzept aus der Mottenkiste geholt und für die heutige Altersvorsorge untersucht.
Tontinen stammen aus dem 17. Jahrhundert und zählen zu den historischen Vorläufern moderner Rentenversicherungen. Ihr Grundgedanke ist gemeinschaftliche Vorsorge: Das Vermögen verstorbener Mitglieder kommt den Überlebenden zugute.
Auf Basis versicherungsmathematisch fairer Modelle habe ich untersucht, wie Tontinen in der heutigen Altersvorsorge eingesetzt werden können. Dabei ging es um die Verteilung von Langlebigkeitsrisiken, die Kombination mit anderen Vorsorgeprodukten und die faire Bewertung eines vorzeitigen Ausstiegs.
Aus meiner Sicht steckt darin das Potenzial für eine überlegene Alternative zu klassischen Rentenprodukten – wenn Ausgestaltung und persönlicher Vorsorgebedarf zusammenpassen. Diese Fragen habe ich akademisch intensiv beleuchtet. Daraus entstanden meine Dissertation Essays on Tontine Annuities und mehrere Veröffentlichungen.
Working Paper & Publikationen
A Sharp Frontier for Mortality Pooling, Model Error and Death Benefits
Wie fair bleibt eine offene Tontine, wenn die Sterblichkeitsannahmen für ihre Mitglieder falsch eingeschätzt werden? Ich untersuche den Zusammenhang zwischen gemeinschaftlicher Risikoteilung, Modellfehlern und Leistungen im Todesfall. Für die betrachtete Modellklasse leite ich eine genaue Grenze zwischen diesen Zielen ab und analysiere freiwillige Austritte. Reproduzierbare Prüfungen und R-Simulationen ergänzen die mathematischen Ergebnisse.
An Innovative Instrument for Longevity Risk Management in an Ageing Society
under systematic longevity risk
In: The Past, Present, and Future of Tontines
Mein wissenschaftlicher Hintergrund liegt in der quantitativen Finanzwirtschaft und Versicherungsmathematik. In meiner Promotion habe ich Modelle für die Altersvorsorge untersucht, insbesondere Tontinen. Diese analytische Grundlage begleitet mich auch heute in meiner Arbeit zwischen Daten, Technologie und Risiko.
Während meiner Promotion habe ich meine Forschung auf zahlreichen Konferenzen vorgestellt. Dabei habe ich Freude daran gefunden, vor Publikum über meine Arbeit zu sprechen. Das habe ich in meiner anschließenden beruflichen Laufbahn beibehalten. Heute erzähle ich vor allem davon, wie wir Daten und Analytics im Unternehmen nutzbar machen, Plattformen aufbauen und die Entwicklung zur datengetriebenen Organisation praktisch gestalten – in Vorträgen, Panels und Podcasts.
Besonders schätze ich die Gespräche, die daraus entstehen. Ein Vortrag gibt mir die Gelegenheit, meine Erfahrungen mit vielen Menschen zu teilen. Im anschließenden Austausch kommen neue Fragen und Perspektiven hinzu. Dabei lerne ich oft selbst am meisten – und genau deshalb mache ich das so gerne.
Data Driven Insurance · Versicherungsforen Leipzig
Leipzig, Deutschland
CIONET Online Community Event
Online
Data Driven Insurance · Versicherungsforen Leipzig
Leipzig, Deutschland
TDWI München · Data Strategy & Data Governance
München, Deutschland
Data Driven Insurance · Versicherungsforen Leipzig
Leipzig, Deutschland
München, Deutschland
American Economic Association
San Diego, USA
HEC Lausanne
Lausanne, Schweiz
ARIA Annual Meeting · American Risk and Insurance Association
San Francisco, USA
Neu-Isenburg, Deutschland
Deutsche Aktuarvereinigung · Deutsche Gesellschaft für Versicherungs- und Finanzmathematik
Düsseldorf, Deutschland
Jahrestagung des Deutschen Vereins für Versicherungswissenschaft
Berlin, Deutschland
Amsterdam, Niederlande
45th EGRIE Seminar · European Group of Risk and Insurance Economists
Nürnberg, Deutschland
ARIA Annual Meeting · American Risk and Insurance Association
Chicago, USA
St. John’s University
New York City, USA
Deutsche Gesellschaft für Finanzwirtschaft (DGF)
Ulm, Deutschland
ARIA Annual Meeting · American Risk and Insurance Association
Toronto, Kanada
Jahrestagung des Deutschen Vereins für Versicherungswissenschaft
Berlin, Deutschland
CEAR / MRIC Behavioral Insurance Workshop
München, Deutschland
Augsburg, Deutschland
European Group of Risk and Insurance Economists
Limassol, Zypern
Jahrestagung des Deutschen Vereins für Versicherungswissenschaft
Wien, Österreich
Gemeinsam mit zwei weiteren Autoren habe ich zwei zusammengehörende Bücher geschrieben. Ausgangspunkt waren meine beruflichen Erfahrungen: Daten sinnvoll zu nutzen, kann für Unternehmen einen entscheidenden Unterschied machen. Der Weg zur datengetriebenen Organisation ist allerdings eine soziotechnische Aufgabe. Technik, Menschen und Organisation müssen zusammenpassen – über viele unterschiedliche Handlungsfelder hinweg.
In vielen Darstellungen fehlte uns die Verbindung zwischen dem beschriebenen Ideal und der Umsetzung im Unternehmen. Einzelne Aspekte werden ausführlich beleuchtet, ihr Zusammenspiel bleibt oft offen. Deshalb haben wir ein ganzheitliches Framework entwickelt, das diese Handlungsfelder zusammenführt. Das Fachbuch beschreibt den Weg; der begleitende Roman macht ihn in einer Geschichte erlebbar.
Das Fachbuch mit unserem Framework für die Entwicklung zur Data-Driven Organization.
data-driven-organization.com
Der begleitende Roman, der die Themen des Fachbuchs in einer zusammenhängenden Geschichte erlebbar macht.
threeversionsofthetruth.com
Seit meiner Kindheit bin ich Riesenfan von Eintracht Frankfurt und seit vielen Jahren Dauerkartenbesitzer. Wann immer es möglich ist, findet man mich in der Nordwestkurve oder auf spannenden Auswärtsfahrten – im In- und Ausland.
Jeden Winter zieht es mich aufs Board. Am liebsten nach Frankreich, aber auch nach Österreich, Italien und Deutschland. Snowboarden ist mein Lieblingsurlaub – auch wenn ich sonst eher für den Sommer zu haben bin.
Mit meinem selbst ausgebauten T6 bin ich jedes Jahr mehrere Wochen am Stück unterwegs – in Skandinavien und Südeuropa. Eine Tour führte mich drei Monate lang bis nach Albanien.
Beim Ausbau habe ich mich in Elektrik, Solar, Holzarbeiten und Dämmung eingearbeitet. Neues zu lernen und selbst auszuprobieren macht mir daran besonders viel Spaß.
Ich gehe gerne spazieren und nehme mir Zeit, genau hinzusehen. Zu Fuß entdecke ich vieles, das beim schnellen Vorbeifahren untergeht. Mit der Kamera schaue ich noch einmal anders hin: Ein anderer Standort oder Bildausschnitt kann die ganze Wirkung einer Situation verändern.
Beim Fotografieren interessiert mich besonders der Weg zum fertigen Bild. Ich habe eine Vorstellung davon, wie ein Foto aussehen soll, und probiere aus, wie ich dorthin komme. Dabei lerne ich ständig dazu und lasse mich auf neue Situationen ein. Das macht das Rausgehen für mich noch interessanter.
Unterwegs bin ich mit einer Lumix S9. Am liebsten nutze ich 75 mm f/2 und 10 mm f/2,5.
Fotos werden geladen …
Du erreichst mich unter mail@janweinert.com oder über dieses Formular.