Recap of the talk by Johannes Reitermayer, Serge Baumberger, and Marc Hauser at Swiss Testing Day 2026
Ten days saved per maintenance window, through agentic test data generation alone. Johannes Reitermayer (LGT Bank), Serge Baumberger (Infometis), and Marc Hauser (UiPath) showed at Swiss Testing Day 2026 how they won the UiPath AgentHack and are solving the test data problem in regulated banking: with MCP servers, synthetic data, and human-in-the-loop governance.
Key Takeaways
- Avalon is a toolset of MCP servers (Admin, Test Manager, Data Fabric) that generates test data agentically without writing a single line of code
- Two agents in action: Jira-to-Test-Manager sync (fetching test cases) and Synthetic test data generation(business language instead of programming)
- Synthetic data only in a private cloud: the golden rule for banking compliance
- The testing gap is growing: AI-generated code is increasing rapidly, testing must catch up agentically
- Human-in-the-loop catches hallucinations. E.g., when an agent tries to create an under-18 person as a bank customer
The Backstory: From AgentHack to MVP
The room at StageOne was packed to the last seat; a clear signal of how much interest there is in agentic testing in regulated environments. Johannes Reitermayer, Business IT Specialist at LGT Bank, opened with a story about how partnerships form: When UiPath announced the AgentHack 2025, he convinced Serge Baumberger from Infometis with a charming argument: “It would be a shame if we had to do it with the wrong partner.”
The team competed against over 400 teams from 50+ countries. And won. Since then, both have been recognized as UiPath MVPs (46 in all of Europe), presented at UiPath Fusion in Las Vegas, and continued developing the toolset under the name Avalon, inspired by the Arthurian legend and the sword Excalibur, with which they wanted to “shatter” the test data problem.
The Architecture: Two Agents, Three MCP Servers
The Avalon architecture: Confluence and Jira as business knowledge sources, two specialized agents, three MCP servers (avalon_admin, avalon_datafabric, avalon_testmanager)
The core is a clean separation: on the left, business knowledge (Confluence for domain know-how, Jira for test case descriptions); in the middle, agents with their system and user prompts; on the right, cloud infrastructure with Orchestrator, Data Fabric, and Test Manager.
Johannes compared the LLM to a university graduate: “He arrives with perfect knowledge but knows absolutely nothing about the bank.” The missing domain knowledge is injected via Confluence and Jira issues.
Agent 1: Syncing Test Cases from Jira
The first agent fetches test case descriptions from Jira and syncs them to the UiPath Test Manager. The process follows a clear pattern:
- Get token: like a hotel check-in: the Avalon Admin Server (built with Claude Code) authenticates and authorizes
- Fetch service URL: the agent knows where the Test Manager is reachable
- Query project ID and issues: Jira filters are applied
- Create a test case per issue: title and description are transferred
In the live demo, Johannes showed the entire trace: every MCP call, every reasoning step was transparent and traceable.
Agent 2: Generating Synthetic Test Data
The three Avalon use cases: Bidirectional Jira/Xray synchronization, synthetic test data for Avaloq, and ISO 20022 XML payment messages
The second agent — and the heart of the AgentHack win — generates synthetic test data via Data Fabric, a relational cloud database system with REST API. The Avaloq data structure was modeled in a simplified form: Customer (BP) → Persons → Accounts → Addresses, all with primary key relationships and choice sets for value ranges.
The key innovation: the entire data model is exported as a JSON schema and provided to the agent as context. Combined with context grounding and embeddings, the agent can be addressed in business language, no code required.
In the live demo: “Create a person from Vienna, 50 years old, two residential addresses, two accounts.” The agent fetched token, URL, performed two full table scans (currencies, countries), created entity, person, accounts, and addresses: all traceable in the reasoning.
“The beauty of the beast is: you write it in business language. You don’t need to program a single line.” — Johannes Reitermayer
Human-in-the-Loop: When the Agent Hallucinates
A particularly impressive example: the team deliberately provoked via the user prompt that a person under 18 should be created as a bank customer. The agent tried, an exception was thrown, and the human-in-the-loop kicked in: business stakeholders received the notification “The test case cannot be executed because the person is too young” and could approve or reject. The agent learned from it.
The Growing Gap: Testing Must Keep Up
Marc Hauser from UiPath brought the strategic perspective: “What we’re seeing in many conversations is a massive increase in AI-generated code. And it’s working better and better.”
The consequence is clear: if the testing side doesn’t adapt, the gap will grow rapidly. Companies face two options — ship poorly tested code or become the bottleneck. The solution: an agentic defense that keeps pace with code generation speed.
“It will never be as bad as it is today.” — Marc Hauser on the quality of AI-generated tests
From the Audience: Governance and Compliance
The Q&A session showed how critical governance is in banking:
- Data security: Exclusively synthetic test data, private cloud with dedicated tenant. The local process only makes a “Run Agent” call and gets the result back.
- Determinism: Tests run deterministically step-by-step. A new Healing Agent is being introduced that suggests AI-powered fixes during test failures, but only after human approval.
- Test data lifecycle: Fresh data per execution, consumed data is tagged as “used.” For reruns, the same data can be retained.
- Savings: Ten days per maintenance window, because most time was previously lost on manual test data creation.
What This Means for Your Team
The session highlights three clear action areas:
- Test data as the first automation target: not test cases, not pipelines, but test data is often the biggest bottleneck
- MCP servers as an architecture pattern: modular, extensible agents instead of monolithic solutions
- Business language instead of programming: when business users can request test data in natural language, testing becomes democratized
About the Speakers
Johannes Reitermayer is a Business IT Specialist at LGT Bank. As a UiPath MVP and AgentHack 2025 winner, he drives agentic testing in regulated banking — commuting 55,000 train kilometers per year between Vienna and Feldkirch.
Serge Baumberger is Co-CEO of Infometis and co-developer of the Avalon toolset. Also a recognized UiPath MVP, he combines testing expertise with cloud architecture.
Marc Hauser is Banking & Financial Services Lead Switzerland at UiPath and brings the strategic perspective — why agentic testing isn’t optional, but necessary.
Agentisches Testing im Banking: Wie die LGT Bank mit Avalon Testdaten revolutioniert
Rückblick auf den Vortrag von Johannes Reitermayer, Serge Baumberger und Marc Hauser am Swiss Testing Day 2026
Zehn Tage Einsparung pro Wartungsfenster allein durch agentische Testdaten-Generierung. Johannes Reitermayer (LGT Bank), Serge Baumberger (Infometis) und Marc Hauser (UiPath) zeigten am Swiss Testing Day 2026, wie sie mit ihrem Avalon-Toolset den UiPath AgentHack gewonnen haben und das Testdaten-Problem im regulierten Banking-Umfeld lösen: mit MCP-Servern, synthetischen Daten und Human-in-the-Loop.
Key Takeaways
- Avalon ist ein Toolset aus MCP-Servern (Admin, Test Manager, Data Fabric), das Testdaten agentisch generiert, ohne eine Zeile Code
- Zwei Agenten im Einsatz: Jira-zu-Test-Manager-Sync (Testfälle abholen) und Synthetische Testdaten-Generierung (Business-Sprache statt Programmierung)
- Nur synthetische Daten in einer privaten Cloud: die goldene Regel für Banking-Compliance
- Der Testing-Gap wächst: KI-generierter Code nimmt rasant zu, das Testing muss agentisch nachziehen
- Human-in-the-Loop fängt Halluzinationen auf. Z.B. wenn ein Agent eine unter-18-jährige Person als Bankkunden anlegen will
Die Vorgeschichte: Vom AgentHack zum MVP
Der Raum in der StageOne war bis auf den letzten Platz besetzt; ein deutliches Zeichen, wie groß das Interesse an agentischem Testing im regulierten Umfeld ist. Johannes Reitermayer, Business IT Specialist bei der LGT Bank, eröffnete mit einer Geschichte, die zeigt, wie Partnerschaften entstehen: Als UiPath den AgentHack 2025 ausschrieb, überzeugte er Serge Baumberger von Infometis mit einem charmanten Argument: “Es wäre doch schade, wenn wir es mit dem falschen Partner machen müssten.”
Das Team trat gegen über 400 Teams aus 50+ Ländern an und gewann. Seitdem wurden beide als UiPath MVPs ausgezeichnet (46 in ganz Europa), präsentierten auf der UiPath Fusion in Las Vegas und entwickelten das Toolset unter dem Namen Avalon weiter: inspiriert von der Artus-Sage und dem Schwert Excalibur, mit dem sie das Problem Testdaten “zerschlagen” wollten.
Die Architektur: Zwei Agenten, drei MCP-Server
Die Avalon-Architektur: Confluence und Jira als Business-Wissensquellen, zwei spezialisierte Agenten, drei MCP-Server (avalon_admin, avalon_datafabric, avalon_testmanager)
Das Herzstück ist eine klare Trennung: Links das Business-Wissen (Confluence für Fach-Know-how, Jira für Testfall-Beschreibungen), in der Mitte die Agenten mit ihren System- und User-Prompts, rechts die Cloud-Infrastruktur mit Orchestrator, Data Fabric und Test Manager.
Johannes verglich das LLM mit einem Universitätsabsolventen: “Er kommt daher mit perfektem Wissen, weiß aber überhaupt nichts von der Bank.” Das fehlende Domänenwissen wird über Confluence und Jira-Issues injiziert.
Agent 1: Testfälle aus Jira synchronisieren
Der erste Agent holt Testfall-Beschreibungen aus Jira ab und synchronisiert sie in den UiPath Test Manager. Der Prozess folgt einem klaren Muster:
- Token holen: wie beim Hotel-Check-in: Der Avalon Admin Server (mit Claude Code entwickelt) authentifiziert und autorisiert
- Dienst-URL abrufen: der Agent weiß, wo der Test Manager erreichbar ist
- Projekt-ID und Issues abfragen: Filter aus Jira werden angewendet
- Pro Issue einen Testfall erstellen: Titel und Beschreibung werden übernommen
In der Live-Demo zeigte Johannes den gesamten Trace: Jedes MCP-Call, jedes Reasoning-Step war nachvollziehbar.
Agent 2: Synthetische Testdaten generieren
Die drei Avalon Use Cases: Bidirektionale Jira/Xray-Synchronisation, synthetische Testdaten für Avaloq und ISO 20022 XML-Zahlungsnachrichten
Der zweite Agent — und das Herzstück des AgentHack-Gewinns — generiert synthetische Testdaten über Data Fabric, ein relationales Cloud-Datenbanksystem mit REST-API. Die Avaloq-Datenstruktur wurde minimalisiert modelliert: Kunde (BP) → Personen → Accounts → Adressen, alles mit Primary-Key-Beziehungen und Choice Sets für Wertemengen.
Der Clou: Das gesamte Datenmodell wird als JSON-Schema exportiert und dem Agent als Kontext mitgegeben. Zusammen mit Context Grounding und Embeddings kann der Agent in Business-Sprache angesprochen werden. Keine Zeile Code nötig.
In der Live-Demo: “Erstelle eine Person aus Wien, 50 Jahre alt, zwei Wohnadressen, zwei Accounts.” Der Agent holte sich Token, URL, machte zwei Full-Table-Scans (Währungen, Länder), erstellte Entität, Person, Accounts und Adressen; alles nachvollziehbar im Reasoning.
“The Beauty of the Beast ist: Sie schreiben das in Business-Sprache. Sie brauchen keine Zeile zu programmieren.”— Johannes Reitermayer
Human-in-the-Loop: Wenn der Agent halluziniert
Ein besonders eindrucksvolles Beispiel: Das Team provozierte bewusst über den User-Prompt, dass eine Person unter 18 Jahren als Bankkunde angelegt werden sollte. Der Agent versuchte es, eine Exception wurde geworfen, und der Human-in-the-Loop kam ins Spiel: Die Business-Verantwortlichen bekamen die Benachrichtigung “Der Testfall kann nicht ausgeführt werden, weil die Person zu jung ist” und konnten genehmigen oder ablehnen. Der Agent lernte daraus.
Der wachsende Gap: Testing muss nachziehen
Marc Hauser von UiPath brachte die strategische Perspektive ein: “Was wir aktuell in vielen Gesprächen sehen, ist ein massiver Zuwachs an KI-generiertem Code. Und er funktioniert immer besser.”
Die Konsequenz ist klar: Wenn die Testing-Seite nicht mitzieht, wird der Gap rasant zunehmen. Unternehmen stehen vor zwei Optionen: nicht sauber getesteten Code ausliefern oder zum Bottleneck werden. Die Lösung: Eine agentische Verteidigung, die mit der Geschwindigkeit der Code-Generierung Schritt hält.
“So schlecht wie heute wird es nie mehr sein.” — Marc Hauser über die Qualität KI-generierter Tests
Aus dem Publikum: Governance und Compliance
Die Q&A-Session zeigte, wie wichtig Governance im Banking ist:
- Datensicherheit: Ausschließlich synthetische Testdaten, private Cloud mit eigenem Tenant. Der lokale Prozess macht nur einen “Run Agent”-Call und bekommt das Ergebnis zurück.
- Determinismus: Tests laufen deterministisch Step-by-Step. Neu kommt ein Healing Agent dazu, der bei Fehlern in der Testphase mit KI einen Fix vorschlägt — aber nur nach menschlicher Freigabe.
- Testdaten-Lifecycle: Pro Ausführung frische Daten, verbrauchte Daten werden als “used” markiert. Bei Wiederholungen können dieselben Daten beibehalten werden.
- Einsparung: Zehn Tage pro Wartungsfenster — weil die meiste Zeit bisher bei der manuellen Testdaten-Erstellung verloren ging.
Was bedeutet das für Ihr Team?
Die Session zeigt drei klare Handlungsfelder:
- Testdaten als erstes Automatisierungsziel: nicht Testfälle, nicht Pipelines, sondern Testdaten sind oft der größte Engpass
- MCP-Server als Architekturmuster: modulare, erweiterbare Agents statt monolithischer Lösungen
- Business-Sprache statt Programmierung: wenn Business-Anwender Testdaten in natürlicher Sprache anfordern können, wird Testing demokratisiert
Über die Speaker
Johannes Reitermayer ist Business IT Specialist bei der LGT Bank. Als UiPath MVP und Gewinner des AgentHack 2025 treibt er agentisches Testing im regulierten Banking-Umfeld voran — mit 55.000 Bahnkilometern pro Jahr zwischen Wien und Feldkirch.
Serge Baumberger ist Co-CEO von Infometis und Co-Entwickler des Avalon-Toolsets. Als ebenfalls ausgezeichneter UiPath MVP verbindet er Testing-Expertise mit Cloud-Architektur.
Marc Hauser ist Banking & Financial Services Lead Switzerland bei UiPath und bringt die strategische Perspektive ein — warum agentisches Testing keine Option, sondern eine Notwendigkeit ist.
Basierend auf dem Vortrag “Agentic Testing in Banking: From Hype to Governed Practice” am Swiss Testing Day 2026 in Zürich (Room 3, 10:45–11:15). Konferenzmotto: “Defining Quality in a Dangerous Decade”.
Swiss Testing Day — die führende Konferenz für Software-Qualität in der Schweiz.
