Karriereprofil
Quality Engineer und KI-Architekt aus Frankfurt am Main. Quality Engineering und KI-Architektur laufen bei mir parallel, nicht nacheinander: die Prüfdisziplin ist der Grund, warum mein Agentensystem Tore und Belege hat statt blind zu handeln.
Öffentlich prüfbar
Die Rechnungsstrecke
Aus- und Eingangsrechnungen eines Online-Stellenmarkts laufen produktiv zwischen SAP Business ByDesign und dem Peppol-Netz. Eingehend über zwei parallele Wege, per Webhook und aus einem Postfach, beide enden in derselben Schicht.
EN 16931 · Peppol BIS 3.0
Kunde unter NDA
Der Agent auf dieser Seite
Er beantwortet Fragen zu diesem Lebenslauf. Bei einer Fachfrage rät er nicht, sondern befragt selbständig einen zweiten Agenten nach dem offenen A2A-Standard und kennzeichnet dessen Antwort als fremd.
mboiman.bks-lab.com/.well-known/agent-card.json
open-bridge, die quelloffene Schicht
Das generische Gerüst hinter dieser Arbeitsweise liegt öffentlich unter MIT: Betriebshandbuch, Fähigkeiten, Regeln, Agenten-Laufzeit. Vor jedem Merge laufen Pflichtprüfungen, darunter ein Scan auf durchgesickerte Inhalte.
github.com/bks-lab/open-bridge · MIT
Das Übersetzungs-Gateway
Ein zustandsloser Übersetzer stellt dieselben Agenten für MCP-Clients bereit. Drei Werkzeuge, kein eigenes Modell, keine eigene Logik, kein Zustand zwischen zwei Aufrufen.
MCP nach A2A
offen für MCP-Clients, anonym nur Auskunft; keine Seite zum Anklicken
In Enterprise-Projekten (DB Vertrieb, DVAG, TÜV Süd) habe ich an Quality-Monitoring, KI-gestützter Testautomatisierung und mit Dauerbetrieb-Validierung abgesicherten Legacy-Migrationen mitgewirkt.
Heute verbinde ich Quality Engineering mit KI-Architektur: MCP- und A2A-Protokolle, ein Netz aus Agenten, die sich gegenseitig befragen, und eine produktive E-Invoicing-Plattform nach EN 16931. Der generische Rahmen dahinter liegt quelloffen unter MIT, einer dieser Agenten beantwortet diesen Lebenslauf live.
Dieses Wissen gebe ich weiter, in Entwickler- und Business-Workshops und in einem Impulsvortrag an der TU Darmstadt, und übersetze KI-Praxis für technische wie nicht-technische Zielgruppen.
Projekte & Lösungen
Innovative KI-Lösungen und Automatisierungstools
Enterprise Integration
E-Invoicing Automation Platform
Produktive E-Rechnungs-Pipeline (Peppol/EN 16931)
Kernfunktionen · Impact
Kernfunktionen:
- Peppol Network Integration: Anbindung an das europäische E-Invoicing-Netzwerk über einen zertifizierten Access Point
- Multi-Format Support: ZUGFeRD, Factur-X, XRechnung, UBL 2.1, CII (EN 16931 konform)
- ERP-Kopplung: Automatische Übertragung an SAP ByDesign mit Validierung und Fehlerbehandlung
- Hexagonale Architektur: Domain-driven Design mit Ports & Adapters, sieben Repositories
- Mehr Testcode als Produktivcode: rund 46.700 Zeilen Anwendungscode gegen 81.600 Zeilen Tests, etwa 2.900 automatisierte Testfälle. Jedes der sieben Repositories erzwingt in der CI eine Mindest-Testabdeckung, 75 Prozent im Kern-Service
- Formatabdeckung: ZUGFeRD und Factur-X ab 2.0.1, XRechnung in UBL- und CII-Syntax, UBL 2.1, PDF/A-3 mit eingebettetem XML, dazu ein Formaterkenner, der die Varianten am Namensraum unterscheidet
- Dual-Channel Inbound: Access-Point-Webhook (Push) + E-Mail-Postfach (Pull) für redundante Verarbeitung
Impact: Produktives System: Peppol-Anbindung nach EN 16931, automatisierte Ein- und Ausgangsrechnungsverarbeitung bis ins ERP. Die Ausgangsstrecke durchläuft 13 Verarbeitungsschritte vom SAP-Dokument bis zur Peppol-Zustellung, jeder einzeln testbar.
Quality Engineering
24/7 Automated Legacy Migration Validator: Dual-Run Quality Engineering
Enterprise Legacy-Transformation mit durchgängiger Qualitätssicherung
Das Problem · Die Lösung · Ergebnis
Das Problem: Komplexe Mainframe-Preiskalkulation mit Millionen von Kombinationsmöglichkeiten sollte sicher migriert werden, ohne Qualitätsverlust oder Datenfehler.
Die Lösung: 24/7 Dual-Run Validation System mit intelligenter Abweichungsanalyse
- Kontinuierliches Testing: Zufallsgenerierte Tests aller Variationen rund um die Uhr
- Real-time Monitoring: Live-Dashboard mit Abweichungserkennung bei jedem Deployment
- Vollständige Traceability: Jede Abweichung eindeutig geloggt mit technischem und fachlichem Kontext
- Automated Root Cause Analysis: Direkter Zugriff auf Kalkulationswege und Fehlerursachen
- Quality Intelligence: Kibana-Dashboards für End-to-End-Qualitätsübersicht
Ergebnis: Sichere Migration ohne Datenverlust, 24/7-Validierung aller Kombinationen und vollständige Transparenz über den Migrationsstatus
AI & Machine Learning
Agenten-Netz und MCP-nach-A2A-Gateway
Drei Agenten, ein Übersetzer, ein offenes Protokoll. Der Agent auf dieser Seite gehört dazu.
Problem · Lösung · Ergebnis
- Problem: Ein Agent, der nur sein eigenes Wissen hat, rät bei allem daneben, was daneben liegt. Ihn mit fremdem Wissen vollzuladen macht ihn nicht klüger, nur teurer und schwerer prüfbar.
- Lösung: Drei Agenten mit je eigenem Gebiet, Person, Firma und quelloffenes Projekt, befragen sich gegenseitig über das offene A2A-Protokoll, ausschließlich lesend. Davor steht ein zustandsloses Gateway, das dieselben Agenten als drei Werkzeuge für MCP-Clients bereitstellt, ohne eigenes Modell und ohne eigene Logik.
- Ergebnis: Eine Fachfrage wird weitergereicht statt geraten, und die fremde Antwort ist als fremd gekennzeichnet. Der Steckbrief ist öffentlich abrufbar, das generische Gerüst liegt unter MIT offen.
Quality Engineering
Quality Dashboard · Echtzeit-Übersicht
Durchgängige End-to-End-Lösung für Echtzeit-Qualitätsübersicht: die Testwerkzeuge mehrerer Teams und Umgebungen unter einer Oberfläche, dazu Multi-Source-Integration (Pipeline, LeanIX, Jira, Confluence) für automatische PDF-Reports mit offenen Punkten, Bugs und technischen Schulden.
AI & Quality Engineering
KI-gesteuerte Testautomatisierung
Guideline-basierter KI-Agent in der Entwicklungsumgebung, der Tests direkt aus Jira-Stories erzeugt.
Problem · Lösung · Ergebnis
- Problem: Aus einer Story die Testfälle abzuleiten ist Fleißarbeit, und sie fällt bei jeder Story neu an. Ein Sprachmodell ohne Vorgaben erfindet dabei Schritte und Selektoren, die es in der Anwendung nicht gibt.
- Lösung: Der Agent liest die Story über die Jira-API und schreibt den Test daraus. Die Vorgaben des Projekts, also Seitenobjekte, Namenskonventionen und erlaubte Selektoren, stehen als Regeldatei daneben und begrenzen, was er erzeugen darf.
- Ergebnis: Der Test entsteht im Stil des bestehenden Playwright-Projekts. Aus dem Tippen einer leeren Datei wird das Prüfen eines Entwurfs.
AI & DevOps
AI Context Orchestrator: Multi-Repo Development Platform
Zentrales Steuerungssystem für Enterprise AI-Development
Kernfunktionen · Impact
Kernfunktionen:
- Context Orchestrator: Dreigeteilte Registry (Instanz-Basis, geteiltes Org-Fragment, persönliches Fragment) für Repos, Kunden, Infrastruktur und Skills, damit Firmendaten und Personendaten getrennt verteilt werden können
- Ein Skill-Baum für alle Werkzeuge: über eingecheckte Symlinks von Claude Code, Codex, Copilot CLI und Cursor gleichermaßen gefunden. Log-Analyse, Deployment-Verifikation, Incident-Handling, E-Mail-Management, Meeting-Transkription, PDF/Zertifikat-Generierung, SharePoint-Integration
- Hook-basiertes Permission System: Smart Guard mit projektspezifischen Sicherheitsregeln (Branch-Schutz, Secret-Erkennung, Deployment-Gates)
- Strukturiertes Arbeits-Tracking: Automatische Dokumentation mit Tages-/Wochen-Archivierung und Cross-Project Kanban Board
- Cross-Repo Automation: Nahtlose Navigation und Operationen über Kunden-, Partner- und interne Repositories
- Open-Source-Schicht: Three-Tier-Architektur. Die generische CORE-Schicht liegt offen als bks-lab/open-bridge (MIT, mit Live-Demo-Seite) und speist sich aus dieser Saat-Instanz, BKS-Overlay dazwischen.
Impact: Im täglichen Einsatz: 102 Skills, 5 Sub-Agenten, 13 Dauerregeln, 87 automatisch abgelegte Besprechungen. Sechs voneinander getrennte Instanzen teilen sich denselben quelloffenen Kern, ohne dass Daten zwischen ihnen fließen.
Training & Workshops
Developer Workshop: AI-Agent Development & Integration
Zielgruppe: Entwickler, Technical Leads, DevOps Engineers
Workshop-Inhalte · Deliverables
Workshop-Inhalte:
- Hands-on AI-Agent Development: Live-Coding mit Claude, Gemini, GPT-4o
- Next-Gen Protokolle: MCP & A2A Implementation für Enterprise-Integration
- Browser-Automation: Playwright-MCP für automatisierte Test-Generierung
- IDE-Integration: AI-Assistenz-Workflows mit Claude Code als Primär-Stack, GitHub Copilot & VS Code im Tool-Vergleich
- Multi-Agent-Orchestrierung: JSON-RPC, Secure Agent Communication
- Praktische Demos: Jira-Integration, Elasticsearch-Abfragen, GitHub-Workflows
Deliverables: Vollständiger Quellcode, Folien, Hands-on-Übungen, Production-ready Templates
Consulting & Strategy
Enterprise AI-Beratung: Von der Strategie zur Umsetzung
Zielgruppe: C-Level, Management, Product Owner, Business Analysts
Beratungsleistungen · Deliverables
Beratungsleistungen:
- Strategieentwicklung: Von der AI-Vision zur messbaren Umsetzungsroadmap
- Prozess-Analyse: Identifikation von Automatisierungspotenzialen, Quality-First Assessment
- ROI-Bewertung: Business Cases, Kosteneinsparungen, Amortisationsrechnung
- Executive Workshops: Hands-on Strategie-Sessions mit Live-Demo Business Cases
- Change Management: Team-Adoption, Schulungskonzepte, Widerstandsmanagement
- Umsetzungsbegleitung: Vom Konzept zur produktiven AI-Lösung
Deliverables: AI-Strategie-Template, ROI-Calculator, Implementierungs-Roadmap, Executive Workshop, Umsetzungsbegleitung
Healthcare AI
Medical Transcription System
DSGVO-konforme Transkription von Arzt-Patient-Gesprächen
Kernfunktionen · Impact
Kernfunktionen:
- Vollständig lokal: Keine Cloud-Uploads, alle Verarbeitung auf lokalem Rechner (Privacy-by-Design)
- Speaker Diarization: Automatische Unterscheidung Arzt/Patient mit Pyannote 3.1
- SOAP-Protokoll-Generierung: Automatische Erstellung strukturierter medizinischer Protokolle
- Open Source AI: Ollama mit Llama 3.2 für intelligente Zusammenfassungen ohne API-Kosten
- Apple Silicon Optimiert: Native Performance auf M1/M2/M3 Macs
Impact: Privacy-by-Design mit vollständig lokaler Verarbeitung (kein Cloud-Upload), automatischer Sprechertrennung und strukturierten SOAP-Protokollen.
E-Learning & Compliance
AI Learning Platform
EU-KI-Verordnung konforme Lernplattform für KI-Workshops
Kernfunktionen · Impact
Kernfunktionen:
- Artikel 4 Compliance: EU-KI-Verordnung konforme Zertifizierungen mit Audit-Trail
- Lernkartentypen: Interaktive Quizze, Übungen, adaptive Tests mit Punktesystem
- Visuelle Themes: Learning, AI-Team, Star Trek, Nerd, Helldivers, Wednesday
- Fortschrittsverfolgung: localStorage-basiertes Tracking mit HR-Export-Funktion
- Automatisierte Tests: Lernpfade und Zertifizierungslogik sind regressionsgesichert
Impact: Rund 18.400 Zeilen Anwendungscode und 16.100 Zeilen Kursmaterial in 524 versionierten Dateien, in Alleinautorschaft entstanden (116 von 117 Commits, der übrige stammt von einem Bot).
Quality Engineering
Django SLA Dashboard · Enterprise Service Monitoring
Enterprise SLA Monitoring Dashboard für Service Level Agreements
Kernfunktionen · Technische Highlights · Kontext
Entwicklung eines vollständigen SLA-Monitoring-Systems im Rahmen einer BKS-Evaluierung (2023-2025) zur Überwachung von Service Level Agreements mit Echtzeit-Metriken und automatisierter Alarmierung.
Kernfunktionen:
- Service-Registry: überwachte Dienste, jeder mit eigenem SLA-Ziel und eigenem Prüfintervall
- Antwortzeit-Erfassung: periodische Messung je Dienst, Ablage als Zeitreihe
- SLA-Auswertung: Verfügbarkeit gegen das hinterlegte Ziel, rollierend über wählbare Zeitfenster
- Incident Management: Erfassung und Priorisierung offener Störungen
- Performance Analytics: Verteilung der Antwortzeiten als Histogramm über konfigurierbare Buckets
- Availability Timeline: Verlauf über ein wählbares Zeitfenster in frei gewählter Auflösung, mit Trend-Anzeige
- Alert System: regelbasierte Alarmierung bei SLA-Verletzungen und Performance-Degradation
Technische Highlights:
- Django 4.2 mit async Views für hochperformante Datenverarbeitung
- PostgreSQL mit TimescaleDB Extension für Time-Series Data
- Django Background Tasks für asynchrone Verarbeitung
- WebSocket Integration für Live-Dashboard-Updates
- RESTful API für Service-Integration und CSV-Export
- Docker-basiertes Deployment mit Kubernetes-ready Architecture
Kontext: Internes Evaluierungs- und Demonstrations-Dashboard, gespeist aus simulierten SLA-Daten, als Architektur-Referenz für Time-Series-Monitoring (kein Produktivsystem).
Quality Engineering
QualityCluster
QualityCluster ist ein Zusammenschluss von Quality Engineers, um gemeinsam bessere Lösungen im Bereich Software Qualitätssicherung zu entwickeln.
Unser Ziel ist es, mehr Qualität durch höheren Automatisierungsgrad zu verwirklichen.
AI & Machine Learning
Streamlit-Demos: NLP-Textanalyse
Interaktive Streamlit-Demonstrationen für NLP-Textanalyse und KI-gesteuerte Dokumentenverarbeitung.
Mobile & Web Development
wecation
wecation ist eine kollaborative Lösung zur Organisation gemeinsamer Erlebnisse: Plane, suche, stimme dich mit deinen Freunden oder Kollegen kollaborativ ab und genießt gemeinsam das Erlebnis! Entwickelt mit Flutter und Google Cloud.
AI & Machine Learning
KI-basierter Chatbot für Messe-Interaktion
Entwicklung eines interaktiven Chatbots mit RAG (Retrieval-Augmented Generation), OpenAI GPT-4, Vector Embeddings, Python FastAPI und Streamlit-Frontend zur Optimierung der Benutzerinteraktion auf Messe-Websites.
AI & Machine Learning
Terminauskunft über WhatsApp und Telefon
Zwei Kanäle auf derselben Fachlogik: ein WhatsApp-Assistent und ein telefonischer Sprachassistent, die freie Termine live aus dem Terminportal lesen, statt sie zu erfinden.
Problem · Lösung · Ergebnis
- Problem: Anrufe gingen während der Arbeit verloren, und ein Sprachmodell darf sich Termine unter keinen Umständen ausdenken.
- Lösung: Das Modell führt das Gespräch, die freien Zeiten kommen live aus der Portal-API. Der Bot merkt vor und bucht nie, die Einwilligung steht vor dem ersten inhaltlichen Satz.
- Ergebnis: Der WhatsApp-Kanal läuft seit August 2026 produktiv auf dem Geschäftskonto des Auftraggebers, mit Datenhaltung in Deutschland und echten Endnutzern. Der Sprachkanal ist gebaut und verifiziert und liegt derzeit bewusst still.
AI & Machine Learning
E-Mail-Klassifizierung und -Verarbeitungsprozess
Vollständige Automatisierungslösung mit Microsoft Graph API, SAP RFC, Azure Functions (Python), OpenAI GPT-3.5-Turbo, Elasticsearch 8.x, Kibana Dashboards, Docker Container und GitHub Actions CI/CD.
Berufserfahrung
Senior Quality Engineer · Testautomatisierung und Monitoring
TÜV Süd
Quality Engineering für eine Enterprise-Plattform zur KI-gestützten Dokumentenverarbeitung im Bereich Medizinprodukte-Zertifizierung (MDR/IVDR) mit AI-Chat-Integration und Daten-Pipeline-Automatisierung.
Schwerpunkte
- BDD API Test Framework: Aufbau eines vollständigen Test-Frameworks mit Python/Behave, Self-Healing Authentication, HTML-Report-Generator mit eingebetteten API-Responses
- E2E-Testautomatisierung: Playwright E2E Test Suite für komplette User Journey (Setup -> Upload -> Transformation -> Download) mit 500er Error-Handling und Route-Mocking
- Performance & Monitoring: Entwicklung von Azure Monitor Workbooks (QA Live Testing Companion, Error Investigation Assistant) mit KQL für End-to-End-Überwachung
Schwerpunkte · Tools & Technologien
Schwerpunkte
- Bug Analysis & Quality Intelligence: Implementierung eines umfassenden Bug-Tracking-Systems mit WIQL Queries, automatisierten Dashboards und Executive PDF-Reporting
- Pipeline Integration: Test-Automatisierung in Azure DevOps CI/CD Pipelines mit HTML Report Upload zu Azure Test Results
- AI-gestützte Automatisierung: Entwicklung von Automation Skills für Workflow-Optimierung, Bug-Analyse und Incident-Response mit messbarer Zeitersparnis
Tools & Technologien
- Testing: Behave, Playwright, TypeScript, Python, pytest, Page Object Model, Fixtures
- Monitoring: Azure Monitor Workbooks, KQL, Application Insights, Log Analytics
- Backend: FastAPI, Python, Pydantic, SQLModel, Azure Functions, Azure Service Bus
- Frontend: React, TypeScript, Vite, TanStack Router
- AI Integration: Azure OpenAI (GPT-4o), LangChain, Azure AI Search, Embeddings
- DevOps: Azure DevOps Pipelines, Git, Docker, Azure Blob Storage, Poetry
LLM Infrastructure Architect & Automation Engineer
BKS · AI Research & Development
Entwicklung eines LLM-orchestrierten Enterprise Development Ecosystems: Vollständig integriertes System für Knowledge Management, Project Automation und Development Workflows mit Claude, Gemini und OpenAI GPT.
Schwerpunkte
- Quelloffene Agenten-Infrastruktur: open-bridge unter MIT-Lizenz, öffentlich auf github.com/bks-lab/open-bridge, mit Live-Demo-Seite. Die generische CORE-Schicht (Agenten-Laufzeit, MCP-Gateway, Skill-Baum, Promote-Flow mit Content-Leak-Gate in der CI) entsteht aus der eigenen Instanz und wird scope-getrieben nach oben veröffentlicht: 35 Skills, 23 Regeln, 796 automatisierte Testfälle in 51 Testdateien, 30 Releases seit Juni 2026. Angriffsfixtures für Pfad-Traversal, Secrets und fehlerhafte Overlays laufen als eigene CI-Stufe mit
- Datentrennung als Architektur, nicht als Absprache: Getrennte Instanzen je Mandant, eine Regel, die den Zugriff zwischen Instanzen verbietet, und ein fail-closed-Vertrag für das Materialisieren geteilter Konfiguration (der Abgleich bricht ab, statt im Zweifel zu schreiben). Schutz gegen Datenabfluss an drei Stellen: Pre-Commit-Hook, Pre-Push-Hook und drei Validatoren in der CI. Dazu eine adversariale Simulation, die den Schutz regelmäßig selbst angreift, als eigener CI-Job in einer abgeschotteten Sandbox
- Agenten-Netz nach A2A: a2a-sdk-Server mit lokalem claude-Backend auf einer aus open-bridge übernommenen Laufzeit. Drei Agenten (Person, Firma, OSS-Projekt) befragen sich gegenseitig ausschließlich lesend, davor ein zustandsloses MCP-nach-A2A-Gateway, damit auch reine MCP-Clients die Agenten erreichen. Agent Cards nach Protokollversion 1.0, JSON-RPC 2.0. Rund 4.600 Zeilen Python mit 98 automatisierten Testfällen, im Team entstanden (vier weitere Beitragende)
Schwerpunkte · Tools & Technologien
Schwerpunkte
- Telemetrie nach OpenTelemetry: Logs, Metriken und Traces über OTLP an eine verwaltete Senke, mit fester Feldkonvention und Namensschema, gedeckeltem Ingest-Schlüssel und nach Mandant getrennten Leserechten (als Rechteschnitt gemessen, nicht als Absicht dokumentiert). Ehrlicher Reifegrad: der Logpfad ist im Betrieb, Metriken und Traces sind verdrahtet und noch nicht abgenommen
- Menschliches Gate auf vier Autonomiestufen: Was ein Agent an sich selbst ändern darf, ist in vier Schichten getrennt (Kontext, Skill-Dateien und Regeln, Nutzerprofil, Modellgewichte), jede mit ausdrücklichem menschlichem Gate. Vorschläge laufen über einen eigenen Ordner mit Schema und Prüfpfad, statt still wirksam zu werden. Die EU-KI-Verordnung ist damit nicht nur Workshop-Inhalt, sondern die eigene Betriebspraxis
- Spezifikation und Verifikationsdesign: Vor dem Bauen führt ein fester Ablauf durch Anforderung, Entwurf und Verifikationsplan. Jedes Abnahmekriterium bekommt dabei die stärkste verfügbare Prüfung, in dieser Reihenfolge: deterministischer Test vor externem Signal vor Modell-Urteil, dazu die Gate-Stärke. Das ist die Stelle, an der Quality Engineering und KI-Entwicklung dieselbe Disziplin sind
- Git-Wiki Transformation: Migration der Confluence-Wissensdatenbank zu strukturiertem Git-basiertem Wiki mit hierarchischer Organisation und Multi-Repository-Architektur (Submodules für Kundenprojekte)
- MCP Navigation Server: Entwicklung eines Model Context Protocol Servers (Python) mit intelligenter Hierarchie-Navigation, automatischer Content-Discovery und SharePoint-Integration
- Google ADK (frühere Stufe): Die erste Fassung des Agenten-Netzes lief auf dem Google Agent Development Kit mit LiteLLM. Im Juli 2026 durch den a2a-sdk-Server auf eigener Laufzeit ersetzt, die Erfahrung mit ADK und dessen Tool-Integration bleibt
- GitHub Project Automation: LLM-gesteuertes Issue-Management mit 7-Pflichtfelder-System, automatischer Kategorisierung, Smart Repository Mapping und Review Queue Management
- Development Workflow Automation: GitHub Actions Workflows für vollautomatische Issue-to-PR-Transformation (Assignment → Feature-Branch → Implementation → Code Review → PR)
- Selbst-dokumentierendes System: LLM schreibt automatisch Projektstatus, Meeting-Protokolle und Issue-Updates zurück ins Git-Wiki; geschlossener Loop von Wiki-Lesen → Arbeit ausführen → Ergebnisse dokumentieren → Git-Commit mit strukturierter Protokollierung
- Arbeitszeit-Erfassung: Commit-basierte Arbeitszeitanalyse mit automatischer Projekt-Zuordnung. Erste Stufe lief gegen Clockify; seit Juli 2026 im Aufbau als eigene Registry semantischer Konventionen auf Basis von OpenTelemetry Weaver, mit drei Schichten (Rohbeobachtung, abgeleiteter Block, abrechenbare Zeit), kanonischer JSON-Serialisierung nach RFC 8785 und einem Integritätsprofil nach OCSF
- Claude Code Plugin-Ecosystem: 102 Skills in der produktiven Instanz, über eingecheckte Symlinks von Claude Code, Codex, Copilot CLI und Cursor gleichermaßen gefunden: Log-Analyse, Deployment-Verifikation, Incident-Handling, E-Mail-Management, Meeting-Transkription (87 abgelegte Besprechungen), PDF/Zertifikat-Generierung, SharePoint-Integration. Jeder Skill trägt eine von vier Scope-Stufen (core, org, personal, user), die ein CI-Validator prüft; daran hängt, was überhaupt nach außen veröffentlicht werden darf
- Context Orchestrator: Zentrales Multi-Repo-Steuerungssystem mit dreigeteilter Registry (Instanz-Basis, geteiltes Org-Fragment, persönliches Fragment), damit Firmendaten und Personendaten getrennt verteilt werden können. Trägt Repos, Kunden, Infrastruktur und Skills, dazu automatische Cross-Repo-Navigation und strukturiertes Arbeits-Tracking mit Archivierung
- Hook-basiertes Permission System: Smart Guard mit projektspezifischen Sicherheitsregeln für Git-Operationen: Branch-Schutz, Secret-Erkennung und Deployment-Gates
- Production Operations E-Invoicing: Laufende Betreuung einer E-Invoicing-Plattform einer führenden Online-Jobplattform (unter NDA): automatisiertes Incident-Management, Log-Analyse, Weekly Reporting und Go-Live Tracking
- Eigenbetriebene Infrastruktur: 50 launchd-Dienste auf dem zentralen Host, 17 Geräte in der Registratur, über Tailscale statt über offene Ports erreichbar. Sicherung nach 3-2-1 als deklarierte Topologie: 10 Quellen, 5 Ziele, 16 Strecken (restic/rclone auf NAS), deren Ist-Stand gegen das Soll abgeglichen wird.
Tools & Technologien
- LLM Orchestration: Claude (primär), Google Gemini, OpenAI GPT, Model Context Protocol (MCP), Google Agent Development Kit (ADK)
- AI Development Platform: Claude Code, Plugin-Architektur (Skills, Hooks, Commands, Agents), YAML/Markdown Configuration
- Multi-Agent: A2A Protocol 1.0, a2a-sdk, Agent Cards, MCP-nach-A2A-Gateway, JSON-RPC 2.0, SSE Streaming
- Backend: Python 3.13, FastAPI, uvx Distribution, Git Submodules
- Automation: GitHub Actions, GitHub GraphQL API, gh CLI
- Integration: SharePoint API, Microsoft Graph, Exchange Online, Elasticsearch, Kibana, OpenTelemetry/OTLP
- Betrieb: Cloudflare (Workers, Pages, R2, DNS), Tailscale, launchd, restic/rclone
- Development: Bash Scripting, jq, Docker, Multi-Agent Systems; orchestrierte Repos in Python, TypeScript, Rust und Go
AI-getriebene Automatisierte QA-Umgebung für Energie-Infrastruktur
AkkuSwap Startup
QA-Führung für EU-weite Batterie-Tausch-Infrastruktur: AI-gestütztes Simulationswerkzeug für Batterietausch-Stationsnetzwerk mit Energie-Infrastruktur-Integration
Hauptverantwortlichkeiten
- QA-Konzept, Design und Implementierung für AI-gesteuerte Simulation der EU-weiten Infrastruktur
- Entwicklung eines QA-Frameworks für inhouse AI-Server-Infrastruktur
- Proof-of-Concept für automatisiertes Testen von AI-gesteuerten Simulationen
Wichtige Erfolge
- Etablierung einer QA-Methodik für AI-gesteuerte Infrastruktursimulation
- Erstellung eines Test-Frameworks für kritische Systeme im Energiesektor
- Validierung des Proof-of-Concept mit messbaren Zuverlässigkeitsverbesserungen
Energiesektor-Verbindung · Technischer Stack
Energiesektor-Verbindung
- 50 Hertz Beteiligung: 50 Hertz (Elia Group Tochtergesellschaft) nahm am Forschungsprojekt eHaul teil, dem Vorgänger von AkkuSwap
- Direkte Erfahrung im Energiesektor mit Qualitätsanforderungen für kritische Infrastruktur
- Umfeld kritischer Energie-Infrastruktur (Übertragungsnetz-Kontext)
Technischer Stack
- Infrastruktur: Linux, Docker, Azure OpenAI
- Automatisierung: pytest, AI-Code-Generierung Integrationsmuster
- Monitoring: Grafana, Azure Monitoring
- Energiesysteme: Batterietausch-Infrastruktur, Grid-Integrations-Simulation
Technical Lead & AI Automation Architect
BKS
Technische Leitung & Entwicklung: Konzeption und Umsetzung einer skalierbaren Automatisierungslösung für die Verarbeitung von E-Rechnungen und PDF-Rechnungen aus dem Postfach einer führenden Online-Jobplattform (unter NDA). Vollständige Verantwortung von der Anforderungsanalyse über die Implementierung bis zur Produktionseinführung.
Schwerpunkte
- Workflow-Automatisierung: Extraktion, Analyse und Klassifizierung eingehender Rechnungen mittels Python und Azure Functions.
- E-Rechnungs-Klassifizierung & Daten-Extraction: Vollständige Verarbeitung nach EU-Standards (EN 16931: ZUGFeRD, XRechnung, Factur-X), inklusive Struktur- und Inhalts-Parsing.
- Peppol Network Integration: Anbindung an das europäische E-Invoicing-Netzwerk über einen zertifizierten Peppol Access Point für automatisierten Rechnungsempfang und -versand mit UBL/CII-Formaten.
Schwerpunkte · Tools & Technologien
Schwerpunkte
- SAP ByDesign Kopplung: Automatische Übertragung validierter Rechnungsdaten an SAP ByDesign für nahtlose ERP-Integration.
- Hexagonale Architektur: Domain-driven Design mit Ports & Adapters für maximale Testbarkeit und Austauschbarkeit von Infrastruktur-Komponenten.
- Salesforce-Einspielung: Weiterleitung der aufbereiteten Rechnungsdaten per E-Mail an das nachgelagerte System für den Salesforce-Import.
- Auditierung & Protokollierung: Lückenlose Dokumentation aller Verarbeitungsschritte sowie Speicherung der ursprünglichen E-Mail-Inhalte im Verarbeitungsprotokoll.
- Outlook-Management & SharePoint-Archivierung: Automatisches Verschieben und Kategorisieren von E-Mails in vordefinierte Zielordner in Outlook; Archivierung von Original- und generierten Rechnungsdokumenten über Microsoft Graph API.
- Monitoring & Logging: Echtzeit-Überwachung des End-to-End-Prozesses mit Kibana, inklusive Alerting und Dashboard-Erstellung.
- Team-Koordination: Steuerung des Entwickler-Teams inkl. Code-Reviews.
- AI Workflow Automation: Entwicklung von AI Skills zur Automatisierung von Task-Tracking, Issue-Management und Projekt-Dokumentation
- Intelligent Documentation System: Automatisierte Wiki-Synchronisierung mit Git-Commit-Analyse und natürlichsprachlicher Dokumentations-Generierung
- Automated Status Reporting: KI-gesteuerte Mail-Updates mit automatischer Projekt-Fortschritts-Analyse
- MCP & A2A Protocol Implementation: Next-Generation AI-Protokolle für Tool-Integration und Multi-Agent-Kommunikation
Tools & Technologien
- Azure Functions: Serverlose Orchestrierung der Automatisierungs-Workflows.
- Python: Implementierung der Kernlogik für Datenextraktion, Klassifizierung und Integration mit automatisierten CI/CD-Prozessen, Paketierung und umfassenden Unit- sowie Integrationstests zur Qualitätssicherung.
- E-Invoicing: Peppol Network, Access-Point-API, ZUGFeRD/Factur-X, XRechnung, UBL 2.1, CII
- ERP Integration: SAP ByDesign, Salesforce
- Microsoft Graph API: Zugriff auf Outlook-Postfächer und SharePoint-Dokumentbibliotheken.
- GitHub: Versionskontrolle, CI/CD-Pipelines und kollaborative Entwicklung.
- Kibana: Monitoring, Log-Analyse und Performance-Dashboards.
- Streamlit: Für die Entwicklung einer interaktiven Webanwendung zur Visualisierung.
- AI Automation: Claude AI, Custom Skills Development, Git Analysis, Natural Language Processing
- Protocols: Model Context Protocol (MCP), Agent-to-Agent (A2A), JSON-RPC 2.0
AI Engineering Lead & ML Solutions Architect
BKS im Auftrag eines Kunden aus der Nachhaltigkeitsbranche
Projektmanagement & Technische Leitung: Entwicklung und Einführung eines KI-gesteuerten E-Mail-Bots zur Automatisierung der Kundenkommunikation, KI-gestützte Verarbeitung eingehender E-Mails und Auslösen von Folge-Aktivitäten in bestehenden SAP-Systemen. Verantwortlich für die End-to-End-Projektkoordination und Teamsteuerung von der Idee bis zur Implementierung.
Schwerpunkte
- Entwicklung von ML-Modellen: Entwurf und Training spezialisierter Modelle zur effektiven Klassifizierung von E-Mails, realisiert durch Azure Functions.
- API-Integrationen: Nahtlose Anbindung an Microsoft Outlook 365 über die Microsoft Graph API und an SAP-Systeme zur Überprüfung von Kundendaten.
- Prozessautomatisierung: Automatisches Verschieben von E-Mails basierend auf Klassifikation und spezifischen Geschäftsregeln, inklusive der Bearbeitung von Reklamationen.
Schwerpunkte · Tools & Technologien
Schwerpunkte
- DevOps und Monitoring: Implementierung von CI/CD Pipelines sowie Einsatz von Kibana für das Monitoring.
- Entwicklung einer Streamlit-basierten Benutzeroberfläche: Verbesserung der Testbarkeit und Visualisierung von Prozessergebnissen.
- Team-Betreuung: Technische Anleitung der Entwickler mit regelmäßigen Code-Reviews und Problemlösungssessions.
Tools & Technologien
- Azure Functions: Für serverlose Anwendungsarchitekturen und die Ausführung von ML-Modellen.
- Python: Hauptprogrammiersprache für die Entwicklung des E-Mail-Bots und der ML-Modelle.
- Microsoft Graph API: Für den Zugriff und die Verarbeitung von E-Mails im Microsoft Outlook 365.
- SAP API: Für die Abfrage von Kundendaten und die Kommunikation mit SAP-Systemen.
- GitHub: Für Versionskontrolle, CI/CD Pipelines und den kollaborativen Entwicklungsprozess.
- Kibana: Für das Echtzeit-Monitoring und die Analyse der Systemleistung.
- Streamlit: Für die Entwicklung einer interaktiven Webanwendung zur Systemüberwachung.
Platform Quality Architect (CI/CD, Monitoring, Automation)
DVAG
Testmanagement & Testkoordination, sowie Einführung von CI/CD mit Aufbau von QualityGates. Koordination als Quality-Lead (übergreifendes QA-Team) inklusive Einarbeitung, Hilfestellung, Beratung, Schulung zur Einführung von Qualitätsmetriken und Testautomatisierung innerhalb der Pipeline, Teamübergreifend
Ergebnis: Echtzeit-Transparenz über die Sprint-Qualität durch Grafana-Dashboards, über QualityGates abgesicherte Releases in den CI/CD-Pipelines der Teams: datenbasierte Freigabe-Entscheidungen statt manueller Datensammlung.
Schwerpunkte
- Konzeption und Aufbau von fachlichen und technischen Dashboards mit Grafana zur Echtzeitmessung der Qualität
- Dokumentation von Qualitätsmetriken über Fortschritt der messbaren Qualität der Sprints
- Aufbau und Konzeption einer CI/CD-Pipeline für verschiedene Entwicklungs-Teams (Backend + Frontend)
Schwerpunkte · Tools
Schwerpunkte
- Einführung von QualityGates zur Sicherung der Qualität innerhalb der CI/CD-Pipeline
- Einführung von Gauge (BDD)
- Einführung von Playwright und Integration in bestehende CI/CD-Pipeline
- Fachliche und technische Analyse von Incidents
- Beratung sowie Konzeption und Umsetzung von Lösungen für qualitäts-relevante Probleme
Tools
- IntelliJ / Visual Studio Code
- Java / JavaScript / TypeScript
- Playwright / Gauge / Karate
- Python für die Aufbereitung und Analyse von Test- und Reportdaten
- CI/CD / GitHub (reusable workflows)
- Helm / Container
- JIRA / Confluence
- Grafana
- Behaviour Driven Development
- Consumer Driven Contracts (Pact.io)
DevOps Quality Lead & Dashboard Architect
DB Vertrieb
Testmanagement, Testkoordination, Testautomatisierung (agil: Kanban, Scrum, SAFe) Koordination als PO eines übergreifenden QA-Teams inklusive teamübergreifender Einarbeitung, Hilfestellung, Beratung, Schulung
Schwerpunkte
- Agile Qualitätssicherung durch Konzeption von QualityGates in der CI/CD Pipeline
- Konzeption und Aufbau von fachlichen und technischen Dashboards mit Kibana, Graylog, Grafana, Instana & Elastic Search
- Einführung von fachlichem Logging für Microservices zur transparenten Nachverfolgung von Berechnungen und Service-Interaktionen
Schwerpunkte · Tools
Schwerpunkte
- Performance Tests innerhalb der CI/CD mit Gatling / JMeter und Analyse mittels Kibana, Graylog, Grafana und Instana
- Dokumentation von Qualitätsmetriken über Fortschritt der messbaren Qualität der Sprints
- Aufbau und Konzeption von CI/CD-Pipeline für Daten-Tests
- Fachliche und technische Analyse von Problemen
- Beratung sowie Konzeption und Umsetzung von Lösungen für qualitäts-relevante Probleme
- Aufbau von Junit, Unit-Tests und Integrationstests unter anderen mit Java Cucumber
- Entwicklung einer hybriden App zur Präsentation (Review) der Ergebnisse in einer Web- oder mobilen Plattform
- Koordination Integrationstest zwischen den beteiligten Teams
Tools
- IntelliJ
- Java
- Cucumber / Cypress
- JMeter / Gatling
- CI/CD / GitLab CI / Jenkins
- Helm / Docker
- JIRA / Confluence
- Kibana / Grafana / Instana / Graylog
- Behaviour Driven Development
- Consumer Driven Contracts (Spring Cloud Contract)
- Ionic (Hybride App)
- Selenium
Performance Engineering Lead & Test Architect
DB Systel
Last und Performance Tests und Analyse (Testmanager, Testdesigner, Analyst) Entwicklung, Durchführung und Analyse von Last und Performance Tests
Schwerpunkte
- Anforderungs-Management
- Status Reports
- Beratung der Kunden
Schwerpunkte · Tools
Schwerpunkte
- Dokumentation in Form von Testkonzepten, Analysen, Management-Reporting und Wiki-Dokumentation
- Aufbau und Ausführung der Last und Performance Tests
- Analyse der Ergebnisse & Performance Logs
Tools
- Visual Studio
- Eclipse
- JMeter
- GIT
- JIRA / Confluence
- Excel & Access VBS
- Schnittstellen: HTTP, WS, REST, MQ, JMS
Senior iOS Developer & Mobile Architect
Telekom
Senior iOS Developer Weiterentwicklung der Rebuild Version der Kundencenter App der Deutschen Telekom, Erweiterung um neue Funktionalitäten zur IFA.
Schwerpunkte
- Swift
- iOS 8
- Requests & Responses to Backend
Schwerpunkte · Tools
Schwerpunkte
- Errorhandling
- iPad / iPhone
- Scrum
Tools
- Xcode
- GIT
- JIRA
Quality Assurance Lead & Test Automation Architect
Siemens
QS, Testmanagement, Testautomatisierung, Requirements Engineering Es wurden insgesamt 5 Projekte als QA & Testmanager begleitet und erfolgreich eingeführt
Projekte
- SIPCA: Verwaltungssystem für Mitarbeiter-Jahresziele und Berechnung der Bonuszahlungen
- STM: Antrag und Reisekostenerfassung (Frontend: Web / Backend SAP)
- GPM2: Aktien-Bonus-Programm für Angestellte (Frontend: Web / Backend: JBoss)
Projekte · Schwerpunkte · Tools
Projekte
- PATAC
- SOM: Verwaltung und Übersicht von OrgUnits
Schwerpunkte
- Erstellung fachlicher Testkonzepte und Testpläne
- Defect-Tracking
- Verwaltung der CRs, Kommunikation zwischen Kunden und Entwickler
- Erstellung, Pflege und Scheduling von Testautomatisierungen
- User Acceptance Tests
- Schulung neuer Tester und Testautomatisierer
- Betreuung als Testmanager nach Projektschluss im Regelbetrieb
- Aufbau von Abnahme-Tests
- Übertragung der Fachspezifikation und Feinspezifikation ins Quality Center
- Überwachung der umgesetzten Anforderungen gegen das Feinkonzept
Tools
- HP ALM
- HP UFT
- HP QC
- Quick Test Pro
Performance Test Engineer & Load Testing Specialist
ING-DIBA
Last und Performance Tester Ziel des Projektes ist die Konzeption und Entwicklung von LoadRunner-Scripts für den Lasttest von einem Bundle mit ca. 20 J2EE Applikationen in einem Bankportal
Schwerpunkte
- Erstellung von Testskripten in LoadRunner mit dem http-Protokoll
- Durchführung von Lasttests und Analyse der Ergebnisse
- Monitoring und Reporting
Tools
Tools
- Loadrunner
Performance Test Engineer & Quality Consultant
British Telecom, Mobiliar, DB-Systel, Sparkassen Informatik, Loyalty Partner, Telekom, Itelium, Deutsche Post, Postbank
Last und Performance Tester / Tester Verschiedene Projekte, überwiegend Last & Performance Tests
Schwerpunkte
- Erstellung von Testskripten in LoadRunner mit dem http-Protokoll
- Durchführung von Lasttests und Analyse der Ergebnisse
- Monitoring und Reporting
Tools
Tools
- Loadrunner
Vorträge & Workshops
Impulsvortrag: KI-gestützte Software-Entwicklung in der Praxis
TU Darmstadt · Fachgebiet Wirtschaftsinformatik · Praktikum „KI-Startup: Von der Idee zur Umsetzung“
04/2026Geladener Impulsgeber in einem Block-Praktikum für Bachelor-Studierende der Informatik (FB20). Vermittelt, wie agentisches Coding und KI-Prototyping in echten Projekten funktionieren. Der Impuls ist direkt anschlussfähig an die anschließende Team-Arbeit der Studierenden an eigenen Startup-Ideen.
Inhalte
- Vom Prompt zum Prototyp: KI-Werkzeugketten, mit denen ein MVP in Stunden statt Wochen steht
- Agentisches Coding in der Praxis: wo es skaliert, wo die Reibung sitzt, wo Tools kippen
- Live-Demos aus dem eigenen Skill-Ökosystem, on-demand zu Fragen aus der Gruppe
- Erfahrungswerte aus produktiven KI-Projekten statt Folien-Theorie
Format: moderierter Impuls mit interaktiven Live-Demonstrationen. Zielgruppe: ~25 Studierende mit gemischtem Vorwissen.
Workshop: Entwicklung mit generativen Sprachmodellen
Developer Workshop · Agenten-basierte Software-Entwicklung
06/2025Workshop für Entwickler Umfassender Workshop über moderne AI-Agent-Entwicklung mit praktischen Demos und Live-Coding
Workshop-Inhalte
- Entwicklung mit LLMs (Claude, Gemini, GPT-4o) und Token-Optimierung, projektübergreifend eingesetzt
- Model Context Protocol (MCP) & Agent-to-Agent (A2A) Protokoll-Implementation
- Google Agent Development Kit (ADK) für Multi-Agent-Systeme und Tool-Integration
Präsentation: Effiziente Dokumentation durch Automatisierung
Enterprise Präsentation · AI-gestützte Dokumentationsworkflows
04/2025Unternehmenspräsentation Demonstration moderner Automatisierungsansätze für zentrale, aktuelle Dokumentation und nachhaltigen Projekterfolg
Schwerpunkte
- Single Source of Truth: Zentrale Wahrheit in Confluence, Vermeidung redundanter Versionen
- Shift-Left-Dokumentation: Parallele Code- und Dokumentationsentwicklung für höhere Aktualität
- Automation First: Bots und CI/CD-Jobs für wiederkehrende Aufgaben, automatische Updates
Anwendungen von KI im Geschäftsumfeld
KI-Workshop zur Unternehmenseinbindung
2023KI-Workshop Umfassende Präsentation und Live-Demonstration innovativer KI-Anwendungen für die Geschäftswelt mit Fokus auf praktische Umsetzung, Theorie und Code-Beispiele
Präsentationsinhalte
- Umfassender Überblick über KI-Bereiche und -Patterns (Supervised/Unsupervised/Semi-Supervised Learning)
- Vertiefte Einblicke in Machine Learning, Deep Learning und Natural Language Processing
- Detaillierte Betrachtung von GPT-Modellen und deren Funktionsweise (Next Token Prediction)