Team ── Das datatactics Team

Engineering aus Begeisterung.

Ein Team in Deutschland, das mit Begeisterung an schweren Problemen arbeitet. Sie sprechen direkt mit den Engineers, die Ihr System verantworten.

Ansatz ── Wie wir arbeiten. ── Vier Werte, die Sie im ersten Gespräch spüren.
01 · Wert

Direkter Kontakt

Sie sprechen mit der Person, die Ihr System entwickelt. Kein Account-Layer, keine Vermittlungs-Schleife.

02 · Wert

Senior trifft Junior

Erfahrene Engineers geben Tiefe und Verantwortung, Junior-Talente Energie und frische Perspektive. Beide arbeiten am selben Code.

03 · Wert

Tiefe vor Breite

Wir liefern lieber wenige Dinge wirklich gut, als viele halb. Die Spezialisierung ist gewollt, nicht zufällig.

04 · Wert

Verbindlich am Problem

Wir bleiben dran, auch wenn es hässlich wird. Was wir liefern, betreiben wir auch — auf Wunsch mit SLA und Support.

Was uns in diesem Team verbindet, ist eine ziemlich einfache Sache: Wir brennen für saubere Arbeit an schweren Problemen. Wenn ein System komplex ist, regulatorisch eng und operativ kritisch — dann ist es genau das richtige für uns. Standard-Software stößt dort an ihre Grenzen, und genau dieses Spielfeld haben wir uns ausgesucht.

Wir sind in Deutschland aufgestellt, ein Mix aus erfahrener Senior-Leadership und Junior-Talent. Alle technisch tief, alle mit demselben Anspruch: Was wir abliefern, soll im echten Betrieb funktionieren — nicht nur in der Demo. Was uns als Team morgens an den Schreibtisch bringt, ist die Freude daran, dass am Ende etwas läuft, das ein Geschäftsproblem wirklich löst.

Unsere Tiefe ist über Jahre an drei Branchen gewachsen: Luftfahrt (Treibstoff-Management, Disposition, Flugsicherung im 24/7-Betrieb), Cyber-Compliance in Konzern-Sicherheitsprogrammen (DORA, NIS-2, ISO 27001 aus Datenperspektive) und industrielle Datenprodukte (globale APIs, ML-Operationen, Joint-Venture-Plattformen). Aus dieser Kombination kommt unsere Sicht auf Engineering: regulatorisch ernsthaft, operativ verlässlich, ohne Marketing-Glätte.

Agentic AI sitzt bei uns an zwei Stellen: in unserer eigenen Arbeit, als Hebel für ein kleines Team mit großen Themen — und in den Lösungen, die wir für Sie entwickeln, als Machine-to-Machine-Dienst oder mit Benutzeroberfläche, mit Ergebnissen, die im echten Betrieb bestehen.

Die Köpfe hinter datatactics.

Jede und jeder mit eigenem Werdegang und eigenem Schwerpunkt — verbunden durch die Begeisterung fürs Bauen und den Respekt vor schweren Problemen. Im Tactical Assessment treffen Sie eine der hier vorgestellten Personen direkt.

Engineers 15 Personen
Matthias
Engineer

Matthias

„Mich treibt eine Frage: Warum scheitern so viele Digitalisierungs-Vorhaben am letzten Meter — dort, wo aus dem Konzept ein produktiv betreibbares System werden müsste? datatactics ist meine Antwort: das Team für die schwersten Stellen — operative Daten, audit-feste Compliance, ML- und Agentic-AI-Lösungen, die in der echten Welt liefern. Persönlich, verantwortlich, ehrlich auch beim ‚wir passen nicht’."

Patrick
Engineer

Patrick

Fullstack-Entwicklung mit Fokus auf Cyber-Compliance-Engineering und DevSecOps. Begleitet konzernweite Sicherheitsprogramme aus Datenperspektive — von Asset-Inventar und Bewertungs-Strecke bis zum prüfungsfesten Audit-Trail. DORA, NIS-2 und der Cyber Resilience Act sind sein Alltag, nicht nur Briefing-Stoff.

Agustinus
Engineer

Agustinus

Fullstack-Entwicklung mit Fokus auf Low-Code-Anwendungs-Design. Baut Oberflächen und Backends, in denen Business-Analysten Logik, Routen und Templates ohne Engineering-Sprint anpassen können — das Pattern, das aus Monaten Wochen macht.

Alana
Engineer

Alana

Backend-Engineering mit Fokus auf Risk-Anwendungen und deren Schnittstellen. Architektur und Bau der Datenflüsse, auf denen Risiko-Bewertungen, Scoring-Modelle und Compliance-Reports verlässlich laufen.

Bernhard
Engineer

Bernhard

Fullstack-Entwicklung mit Fokus auf UX für geodaten-getriebene Anwendungen. Baut Oberflächen, in denen Karten, Standorte und Routen nicht Beilage sondern Kernfunktion sind — von Asset-Karten bis zu Echtzeit-Lagebildern.

Bryan
Engineer

Bryan

Backend-Engineering im Aviation-Team mit Fokus auf Datenqualität. Baut die Services und Validierungs-Strecken, durch die Treibstoff-, Flug- und Bewegungsdaten verlässlich laufen — und sorgt dafür, dass schlechte Daten auffallen, bevor sie in den 24/7-Betrieb durchschlagen.

Iman
Engineer

Iman

Frontend-Entwicklung und DevOps. Bindeglied zwischen User-Interface und der Infrastruktur, auf der es läuft — von React-Komponenten bis zur GitOps-Pipeline, die sie ausrollt.

Jurij
Engineer

Jurij

Datenplattformen und Datenprodukte. Verantwortet u.a. Multi-Tenant-Kubernetes-Plattformen, dbt-Lineage und MLflow-Operationen auf produktionsnahen Daten. Vom Quellsystem bis zur produktiven API.

Miguel
Engineer

Miguel

Agentic AI in operativen Workflows. Baut KI-Agenten, die mit klaren Entscheidungs-Grenzen und vollem Audit-Pfad in produktiven Systemen arbeiten — keine Standalone-Chatbots.

Nick
Engineer

Nick

Backend und Datenbanken. Tieftaucher in Datenmodelle, Migrations-Pfade und Query-Performance — die Schicht, auf der alle anderen Anwendungen erst Geschwindigkeit bekommen.

Nico
Engineer

Nico

Frontend-Entwicklung und Test-Engineering. Sorgt dafür, dass das, was im Browser ankommt, nicht nur gut aussieht, sondern unter Last und in Edge Cases verlässlich funktioniert.

Olaf
Engineer

Olaf

Beratung und Marketing. Übersetzt zwischen Kunden-Pain, Engineering-Realität und Sales-Sprache — von Erstgespräch und Positionierung über Dokument-Design bis zur Talent-Gewinnung.

Patrick
Engineer

Patrick

Fullstack-Entwicklung in direktem Kontakt mit dem Kunden. Setzt Anforderungen vom Gespräch bis ins laufende Feature um — Frontend und Backend — und holt sich Feedback dort, wo es zählt: bei den Menschen, die das Produkt am Ende benutzen.

Ryan
Engineer

Ryan

Fullstack-Entwicklung mit Fokus auf Produktentwicklung. Begleitet Funktionen vom ersten Prototyp bis zum produktiven Release — Frontend, Backend und die Schnitte dazwischen, an denen aus einer Idee ein nutzbares Produkt wird.

Sam
Engineer

Sam

Machine Learning auf produktionsnahen Operations-Daten — von der Telemetrie-Anomalie bis zum produktiven Vorhersage-Service mit reproduzierbarem Rollout. ML aus dem Notebook in den 24/7-Betrieb bringen.