Auf die,
die das Unmögliche
automatisieren.

Geladener Impulsgeber in einem Block-Praktikum für Bachelor-Studierende der Informatik (FB20). Vermittelt, wie agentisches Coding und KI-Prototyping in echten Projekten funktionieren — 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 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
• 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 (CLAUDE.md, 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
• Google Agent Development Kit (ADK), Model Context Protocol (MCP), Agent-to-Agent Protocol (A2A)
• Claude Code als Primär-Stack; Einordnung von GitHub Copilot & VS Code AI-Extensions im Tool-Vergleich
• 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.

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
• 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 (unter NDA) — automatisiertes Incident-Management, Log-Analyse, Weekly Reporting und Go-Live Tracking
• Eigenbetriebene Infrastruktur: Hub und Dienste laufen auf eigener Hardware (launchd-Services, Geräte-Flotte über Tailscale) mit 3-2-1-Backup-Strategie (restic/rclone auf NAS).

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, 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; orchestrierte Repos in Python, TypeScript, Rust und Go

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
• 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

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
• 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

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