Michael Boiman
Quality Engineer · AI Architect
Frankfurt am Main
Freiberuflicher Quality Engineer & KI-Architekt. Verfügbar für Projekte, Architektur-Reviews und AI-Workshops.
-80%
Rückfragen
durch Quality-Monitoring
96%
Qualität
nach Migration (vorher 30%)
80%
auto-generiert
KI-gestützte Tests
Alles, was KI heute braucht — Verlässlichkeit, Messbarkeit, Selbstkorrektur — habe ich 20 Jahre lang in Systeme eingebaut, die noch nicht denken konnten. Als LLMs kamen, fehlte kein neuer Anfang. Es fehlte nur noch das letzte Puzzlestück.
KI-basierter Chatbot für Messe-Interaktion
Herausforderung
Messebesucher fanden relevante Informationen auf der Website nur schwer — hohe Absprungrate und verpasste Leads.
Lösung
Interaktiver Chatbot mit RAG, GPT-4 und Vector Embeddings, der Messeinhalte kontextbezogen in Echtzeit beantwortet.
→ Höhere Besucherinteraktion auf Messe-Websites, weniger verlorene Leads durch sofortige, relevante Antworten.
E-Mail-Klassifizierung und -Verarbeitungsprozess
Herausforderung
Eingehende E-Mails mussten manuell gelesen, klassifiziert und in SAP übertragen werden — zeitintensiv und fehleranfällig.
Lösung
End-to-End-Automatisierung mit Microsoft Graph API, GPT-3.5-Turbo, Azure Functions und SAP-RFC-Anbindung.
→ E-Mails werden automatisch klassifiziert, verarbeitet und ins ERP übertragen.
AI Context Orchestrator — Multi-Repo Development Platform
Herausforderung
Enterprise-Entwicklung über 20+ Repos, mehrere Kunden und diverse Tools erforderte ständigen Kontextwechsel und manuelle Koordination.
Lösung
Zentrales Steuerungssystem mit ecosystem.yaml als Single Source of Truth, 40+ Production Skills und Hook-basiertem Permission System.
→ Vollautomatisierte AI-Workflows — von Incident-Response bis Meeting-Protokollierung ohne manuellen Aufwand.
Enterprise AI-Beratung: Von der Strategie zur Umsetzung
Herausforderung
Unternehmen erkennen AI-Potenziale, aber es fehlt der strukturierte Weg von der Vision zur messbaren Umsetzung.
Lösung
Ganzheitliche Beratung mit Strategieentwicklung, ROI-Bewertung, Executive Workshops und Umsetzungsbegleitung.
→ Messbare AI-Roadmaps mit konkreten Business Cases — von der Strategie direkt zur produktiven Lösung.
Quality Dashboard - Echtzeit-Übersicht
Herausforderung
Go/No-Go-Entscheidungen erforderten stundenlanges Zusammentragen aus 10 Test-Tools, 5 Umgebungen und mehreren Datenquellen.
Lösung
Vollautomatische End-to-End-Pipeline mit Echtzeit-Dashboard, Multi-Source-Integration und automatischer PDF-Report-Generierung.
→ Go/No-Go in Minuten statt Stunden. Management-Entscheidungen datenbasiert und in Echtzeit.
Wenn du 10 Tools hast und keine Übersicht, hast du null Tools.
Eine Million Kombinationen testet kein Mensch. Aber eine Maschine, die nie schläft, schon.
Der beste Test ist der, den ein Entwickler nie schreiben musste.
Automatisierung ohne Messbarkeit ist nur schnelleres Raten.
Berufserfahrung
Workshop: Entwicklung mit Generativen Sprach Modellen
06/2025Developer 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 - alle drei Modelle gleichwertig in Projekten eingesetzt
• Model Context Protocol (MCP) & Agent-to-Agent (A2A) Protokoll-Implementation
• Google Agent Development Kit (ADK) für Multi-Agent-Systeme und Tool-Integration
• Agenten-Orchestrierung mit JSON-RPC und Multi-Agent-Systemen
• Browser-Automation mit Playwright-MCP für automatisierte Test-Generierung
• Live-Demos: Jira-Integration, Elasticsearch-Abfragen, GitHub-Workflows
• Prompt Engineering & Regel-basierte Agent-Steuerung (.cursorrules, Instructions)
• TDD-Workflows mit AI-Assistenz und automatisierter PR-Erstellung
• Task Master AI-Agent für Projektmanagement und Code-Scaffolding
Technologien & Tools
• Anthropic Claude, Google Gemini, OpenAI GPT-4o (gleichwertige Expertise in allen drei LLMs)
• Google Agent Development Kit (ADK), Model Context Protocol (MCP), Agent-to-Agent Protocol (A2A)
• GitHub Copilot, Cursor, VS Code AI-Extensions
• Playwright, Browser-Automation, Web-Scraping
• JSON-RPC, REST APIs, Multi-Agent Communication
Vollständiger Workshop mit Folien, Live-Demos und praktischen Übungen für moderne AI-gestützte Entwicklungsworkflows.
LLM Infrastructure Architect & Automation Engineer
06/2025 – heuteBKS - AI Research & Development
Entwicklung eines LLM-orchestrierten Enterprise Development Ecosystems: Vollständig integriertes System für Knowledge Management, Project Automation und Development Workflows mit gleichwertiger Expertise in Claude, Gemini und OpenAI GPT.
Schwerpunkte
• Open Source MCP Server Portfolio: Entwicklung und Veröffentlichung von 3+ MCP Servern auf GitHub (bks-wiki-mcp, hubspot-mcp-bks, bks-codex) mit uvx-Distribution, Claude Desktop Integration und Multi-Format Support (Markdown, JSON, YAML)
• Multi-Agent Orchestration System: Implementierung eines produktionsreifen A2A-Systems mit Orchestrator Agent (Routing Hub) und Knowledge Agent für inter-agent Kommunikation, capability-based Agent Cards und JSON-RPC 2.0
• 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 Integration: Einsatz des Google Agent Development Kit für Multi-Agent-Systeme und erweiterte Tool-Integration
• 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
• Time Tracking Integration: Commit-basierte Arbeitszeitanalyse mit automatischer Clockify-Synchronisierung, intelligenter Projekt-Zuordnung und BKS-Formatierung
• Claude Code Plugin-Ecosystem: Entwicklung von 40+ produktiven Skills für Enterprise-Workflows — Log-Analyse, Deployment-Verifikation, Incident-Handling, E-Mail-Management, Meeting-Transkription, PDF/Zertifikat-Generierung, SharePoint-Integration
• Context Orchestrator: Zentrales Multi-Repo-Steuerungssystem mit ecosystem.yaml als Single Source of Truth für 20+ Repositories, 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 — automatisiertes Incident-Management, Log-Analyse, Weekly Reporting und Go-Live Tracking
Tools & Technologien
• LLM Orchestration: Claude, Google Gemini, OpenAI GPT, GitHub Copilot (gleichwertige Expertise), 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, Orchestrator/Knowledge Agents, Agent Cards, 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, Clockify API, Elasticsearch, Natural Language Processing
• Development: Bash Scripting, jq, Docker, Multi-Agent Systems
Quality Engineer
09/2025 – 02/2026TÜV 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.
Quantifizierbare Erfolge
• 820 BDD Test-Szenarien in 28 Feature-Files mit 100% API-Coverage (66/66 Endpoints)
• 88 KQL Queries für Azure Monitor Workbooks verifiziert, 8 Workbooks getestet, 2 neu erstellt
• 54% Szenarien-Reduktion durch systematische Äquivalenzklassen-Optimierung
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
• 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
AI-getriebene Automatisierte QA-Umgebung für Energie-Infrastruktur
07/2024 – 01/2025AkkuSwap 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
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
• Verständnis für 99,99% Zuverlässigkeitsstandards für Energieübertragungssysteme
Technischer Stack
• Infrastruktur: Linux, Docker, Azure OpenAI
• Automatisierung: pytest, AI-Code-Generierung Integrationsmuster
• Monitoring: Grafana, Azure Monitoring
• Energiesysteme: Batterietausch-Infrastruktur, Grid-Integrations-Simulation
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
Präsentation: Effiziente Dokumentation durch Automatisierung
04/2025Enterprise 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
• OpenAPI-Dokumentation: Automatische Generierung bei Code-Merge, Consumer-Driven Contracts
• Documentation Debt Management: Dashboard-basierte Sichtbarmachung, Tech-Debt Labels
• Automatisierte Qualitätssicherung: Unit Tests, Integration, End-to-End-Reports
Technische Lösungen
• Template-basierte Standardisierung mit Pflicht- und Optional-Feldern
• Label-System statt Ampeln für mehrdimensionale Filterung (status:draft, domain:payments)
• Semantic Release für automatische Release Notes
• Code-Änderungen mit Dokumentation abgleichen
• KPI/OKR-Dashboards für messbare Fortschritte
Tools & Integration
• Confluence, GitHub, Jira, MkDocs, OpenAPI
• CI/CD-Pipeline-Integration für Dokumentationsautomatisierung
• Monitoring und Dashboard-Erstellung für Documentation Debt
Frühere Positionen
Ausbildung
Diplom-Informatiker (FH)
Fachhochschule Köln, Gummersbach
2000 – 2005
ISTQB Certified Tester
2005
Certified Dynatrace Diagnostics Basic Training
2025
Sprachen
Skills
Quality Engineering · Playwright · Cucumber/Gauge · Python · LLMs (Claude/Gemini/GPT/Copilot) · MCP & A2A Protocols · Google ADK · LangChain · Peppol/E-Invoicing · CI/CD · Kubernetes · Azure Functions · Grafana · Elasticsearch · REST APIs · Docker · JMeter · Gatling