Michael BoimanFreiberuflicher Quality Engineer & KI-Architekt · Frankfurt am Main

Profil

Michael Boiman

Freiberuflicher Quality Engineer & KI-Architekt · Frankfurt am Main

Wählen Sie eine Station, eine Kompetenz oder ein Projekt. Die Linien verbinden jede Kompetenz mit den Stationen und Projekten, in denen sie vorkommt.

Verfügbar: auf Anfrage
Ort: Frankfurt am Main und Remote
Reise: nach Absprache
Abrechnung: eigene Rechnung oder BKS-Lab
Stundensatz: auf Anfrage
Staatsangehörigkeit: deutsch
Referenzen: auf Anfrage

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.

Schnell fragen

Kontakt aufnehmen PDF herunterladen

seit 09/2026laufend

AI Test Automation Engineer · Aufbau des KI-Testautomatisierungsprozesses

KION Group

KI-gestützte Testautomatisierung für ein Kundenportal des Konzerns: Aufbau des kompletten Prozesses, von der Ableitung der Testfälle bis zur grünen CI-Pipeline.

Schwerpunkte

Test-Orchestrator: Kette aus KI-Bausteinen mit festem Log-Schema, eigener Modellstufe je Baustein und Verbrauchsmessung, als wiederverwendbarer Befehl für das Team
Architekturregeln für die Testcodebasis: aus einer mehrstufigen Analyse mit mehreren KI-Agenten abgeleitet, unabhängig gegengeprüft und dokumentiert
Architekturprüfung für generierten Testcode: erkennt Verstöße gegen den Styleguide des Teams und korrigiert leichte selbständig

Schwerpunkte · Tools & Technologien

Schwerpunkte

Kalibrierte Vergleichsläufe: KI-generierte E2E-Tests nach Kosten, Verbrauch und Konformität zum Standard verglichen, über mehrere Modellstufen
Stabile Pipeline: Ursache hängender Tests gefunden (ein Drittanbieter-Element fehlte beim Laden noch) und behoben
Abdeckung: vier Testbereiche eines Portalmoduls end to end, von der Testfall-Ableitung bis zur grünen Pipeline

Tools & Technologien

Testing: Playwright, TypeScript, Angular-Codebasis
AI: Claude Code (mehrere Modellstufen), GitHub Copilot CLI
CI/CD & Tooling: GitHub Actions, Sonar, Jira mit Xray, Confluence, SAFe

seit 06/2025laufend

LLM Infrastructure Architect & Automation Engineer

BKS · AI Research & Development (intern)

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, mit eigener Testsuite und fortlaufenden Releases seit Juni 2026.
Harness Engineering: Was ein Agent leistet, entscheidet sich zum größten Teil außerhalb des Modells: Kontext, Werkzeugauswahl, Rechte, Zustand über Sitzungen hinweg, Verifikation. Diese Schicht wird hier gemessen statt geschätzt. Was eine Sitzung lädt, bevor sie das erste Wort beantwortet, trägt eine deklarierte Obergrenze, die ein CI-Schritt in Bytes prüft; Regelwerke, die selten greifen, laden erst auf ihr Stichwort statt beim Start; die Projekt-Registraturen liegen als Karte im Kontext und werden einzeln nachgeladen; ein weiterer Prüfschritt meldet, was im Baum existiert, aber aus keiner geladenen Datei mehr erreichbar ist, und greift sich zur Kontrolle selbst an. Die Werkzeuge dahinter liegen offen und laufen in der öffentlichen CI
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

Schwerpunkte · Tools & Technologien

Schwerpunkte

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)
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-Server und Protokollwahl: Zwei Model-Context-Protocol-Server in Python selbst gebaut, einer für die Wiki-Hierarchie (Navigation, Content-Discovery, SharePoint-Integration), einer für die Inhalte der Firmen-Website. MCP-Schulung gehalten. Im eigenen Einsatz gilt: MCP nur dort, wo es gegenüber Skills, REST oder A2A tatsächlich trägt, denn die meisten MCP-Server sind im Alltag nicht effektiv
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: 120 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 (104 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
Peppol-Ausbau derselben Plattform (ab 06/2025): eigenständige Dienste für ausgehende und eingehende Rechnungen (Azure Functions) neben der bestehenden Verarbeitung, angebunden an einen zertifizierten Peppol Access Point; die SAP-ByDesign-Schnittstelle nach technischem Deep Dive mit dem SAP-Partner über SOAP statt REST umgesetzt; zusätzlicher Eingangskanal per Postfach für Lieferanten ohne Peppol (PDF, ZUGFeRD, XRechnung); Betrieb über Managed Identity und Key Vault in getrennten Pre- und Produktionsumgebungen
Eigenbetriebene Infrastruktur: 50 launchd-Dienste auf dem zentralen Host, 18 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; davor Cursor
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
Cloud: AWS, Google Cloud (neben Azure)
Development: Bash Scripting, jq, Docker, Multi-Agent Systems; orchestrierte Repos in Python, TypeScript, Rust und Go

09/2025-09/2026

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
KI-gestützte Testprozesse: Integrationstests, E2E-Tests und API-Tests als durchgängige Prozesse mit KI-Agenten aufgesetzt, dazu Incident-Analysen über KI

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
Agentic Coding: GitHub Copilot CLI

07/2024-01/2025

KI-gestützte 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

01/2024-04/2025

Technical Lead & AI Automation Architect

BKS im Auftrag eines Kunden aus der Digitalwirtschaft

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 & Datenextraktion: Vollständige Verarbeitung nach EU-Norm 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

04/2023-04/2024

AI Engineering Lead & ML Solutions Architect

BKS im Auftrag eines Verlags

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.

08/2021-05/2025

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 qualitätsrelevante Probleme

Tools

IntelliJ / Visual Studio Code
Java / Kotlin / 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)

06/2021-08/2021

Gründer: Boiman.Solutions und QualityCluster

Boiman.Solutions

Aufbau des eigenen Beratungsangebots Boiman.Solutions und der Quality-Engineering-Gemeinschaft QualityCluster, einem Zusammenschluss von Quality Engineers für mehr Qualität durch höheren Automatisierungsgrad.

01/2017-05/2021

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

Aufbau des produktiven Lasttests für eine Funktion von bahn.de: Lastszenarien, Testaufbau, Durchführung und Auswertung
Last- und Performancetests innerhalb der CI/CD mit Gatling / JMeter, Engpassanalyse mittels Kibana, Graylog, Grafana und Instana
Agile Qualitätssicherung durch Konzeption von QualityGates in der CI/CD Pipeline

Schwerpunkte · Tools

Schwerpunkte

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
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 qualitätsrelevante 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
AWS
Behaviour Driven Development
Consumer Driven Contracts (Spring Cloud Contract)
Ionic (Hybride App)
Selenium

09/2015-01/2017

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

Aufbau und Ausführung der Last und Performance Tests über HTTP, WS, REST, MQ und JMS
Analyse der Ergebnisse & Performance Logs
Dokumentation in Form von Testkonzepten, Analysen, Management-Reporting und Wiki-Dokumentation

Schwerpunkte · Tools

Schwerpunkte

Status Reports
Beratung der Kunden
Anforderungs-Management

Tools

Visual Studio
Eclipse
JMeter
SoapUI
GIT
JIRA / Confluence
Excel & Access VBS
Schnittstellen: HTTP, WS, REST, MQ, JMS

04/2015-09/2015

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

05/2009-03/2015

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

SOM (05/2009-07/2010): Verwaltung und Übersicht von OrgUnits; Testmanagement und Requirements Management
SIPCA (07/2010-09/2010 und 07/2014-03/2015): Verwaltungssystem für Mitarbeiter-Jahresziele und Berechnung der Bonuszahlungen; Change-Request-Management
STM (09/2010-03/2012 und 05/2014-07/2014): Antrag und Reisekostenerfassung (Frontend: Web / Backend SAP); Testmanagement und Requirements Management

Projekte · Schwerpunkte · Tools

Projekte

PATAC (07/2012-08/2012): Testautomatisierung
GPM2 (09/2012-05/2014): Aktien-Bonus-Programm für Angestellte (Frontend: Web / Backend: JBoss); Testautomatisierung

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

03/2009-05/2009

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

HP LoadRunner 8.1 und 9.5

01/2006-12/2008

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

Kunden und Systeme

British Telecom (München): Nummernportierungssystem, Lasttests über HTTP und SOAP
Mobiliar (Bern): Versicherungssystem mit Java-Applet- und Terminal-Oberfläche
DB Systel (Frankfurt): Verspätungsbenachrichtigung für Bahnreisende, Lasttests mit simulierten XML-Daten
Sparkassen Informatik: Bankportal mit über 30 J2EE-Anwendungen auf WebSphere (AIX und Sun)
Loyalty Partner (München): Siebel-Callcenter-Anwendung
Telekom (Darmstadt): Dokumentenmanagementsystem und Mediensystem eines Mobilfunkbetreibers
Itelium und Deutsche Post: Last auf Kassensystemen
Postbank: Überweisungsarchiv und Mandantenintegrationssoftware

Tools

Tools

Loadrunner

04/2026 · Vorträge

Impulsvortrag: KI-gestützte Software-Entwicklung in der Praxis

TU Darmstadt · Fachgebiet Wirtschaftsinformatik · Praktikum „KI-Startup: Von der Idee zur Umsetzung“

Impulsvortrag 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.

06/2025 · Vorträge

Workshop: Entwicklung mit generativen Sprachmodellen

Developer Workshop · Agenten-basierte Software-Entwicklung

Workshop 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

04/2025 · Vorträge

Präsentation: Effiziente Dokumentation durch Automatisierung

Enterprise Präsentation · AI-gestützte Dokumentationsworkflows

Unternehmenspräsentation 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

2023 · Vorträge

Anwendungen von KI im Geschäftsumfeld

KI-Workshop zur Unternehmenseinbindung

KI-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)

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.

Python · Azure Functions · Peppol · Peppol Access Point · SAP ByDesign · ZUGFeRD · Factur-X · UBL · Hexagonal Architecture

Quality Engineering

24/7 Automated Legacy Migration Validator: Dual-Run Quality Engineering

Enterprise Legacy-Transformation mit durchgängiger Qualitätssicherung

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

Java · Cucumber · Kibana · Graylog · Elasticsearch · Container · CI/CD · Mainframe · Dashboard Engineering · Test Automation

2025 · 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: 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.

Python · a2a-sdk · A2A Protocol 1.0 · Agent Cards · JSON-RPC 2.0 · SSE Streaming · MCP · FastAPI

bks-lab.github.io/open-bridge/agents.html#gateway

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.

Grafana · Elasticsearch · Python · CI/CD · Playwright · Jira API · Confluence API · LeanIX · PDF Generation

2024 · AI & Quality Engineering

KI-gesteuerte Testautomatisierung

Guideline-basierter KI-Agent in der Entwicklungsumgebung, der Tests direkt aus Jira-Stories erzeugt.

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.

Python · OpenAI GPT-4 · Playwright · IDE Integration · Jira API

2025 · AI & DevOps

AI Context Orchestrator: Multi-Repo Development Platform

Zentrales Steuerungssystem für Enterprise AI-Development

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: 120 Skills, 5 Sub-Agenten, 15 Dauerregeln, 104 automatisch abgelegte Besprechungen. Sechs voneinander getrennte Instanzen teilen sich denselben quelloffenen Kern, ohne dass Daten zwischen ihnen fließen.

Python · YAML · Claude Code Plugins · Hooks API · GitHub Actions · Elasticsearch · Azure Functions · Microsoft Graph API

github.com/bks-lab/open-bridge

2025 · Training & Workshops

Developer Workshop: AI-Agent Development & Integration

Zielgruppe: Entwickler, Technical Leads, DevOps Engineers

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

Anthropic Claude · Google Gemini · OpenAI GPT-4o · MCP · A2A · Playwright · JSON-RPC · IDE Integration · CI/CD

Consulting & Strategy

Enterprise AI-Beratung: Von der Strategie zur Umsetzung

Zielgruppe: C-Level, Management, Product Owner, Business Analysts

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

AI Strategy · Process Analysis · ROI Assessment · Implementation Planning · Change Management · Executive Workshops · Quality Engineering

2025 · Healthcare AI

Medical Transcription System

DSGVO-konforme Transkription von Arzt-Patient-Gesprächen

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.

Python · Whisper · Pyannote · Ollama · Llama 3.2 · Apple Silicon · SOAP Protocol

2025 · E-Learning & Compliance

AI Learning Platform

EU-KI-Verordnung konforme Lernplattform für KI-Workshops

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).

Astro · React 19 · TypeScript · Supabase · EU AI Act

2023 · Quality Engineering

Django SLA Dashboard · Enterprise Service Monitoring

Enterprise SLA Monitoring Dashboard für Service Level Agreements

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).

Django · Python · PostgreSQL · Chart.js · WebSockets · Docker · REST API

github.com/bks-lab/experimental-django-sla-dashboard

2021 · 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.

Hugo · JavaScript · GitHub Actions · CI/CD

2024 · AI & Machine Learning

Streamlit-Demos: NLP-Textanalyse

Interaktive Streamlit-Demonstrationen für NLP-Textanalyse und KI-gesteuerte Dokumentenverarbeitung.

Streamlit · Python · NLP · spaCy · NLTK · PyPDF2 · Named Entity Recognition · Sentiment Analysis · OpenAI

2021 · 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.

Flutter · Google Cloud · Firebase · Dart

wecation.de

2023 · 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.

Python · OpenAI GPT-4 · Streamlit · FastAPI · Vector Embeddings

2026 · 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: 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.

Python · FastAPI · WhatsApp Business Cloud API · Speech-to-Text · Text-to-Speech · LLM · Telefonie-Gateway · Terminportal-API

2023 · 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.

Python · Azure Functions · OpenAI GPT-3.5 · Microsoft Graph API · Elasticsearch · Kibana · Docker

Zum Erkunden seitlich wischen