Nur 5 % aller Firmen nutzen KI-Agenten wirklich produktiv. Das sagt Stefan Faistenauer — Stanford-Absolvent, ehemaliger Google Product Manager und Gründer des Y-Combinator-Startups Superglue. Im Gespräch mit Leonard Schmedding erklärt er, warum KI-Agenten im Unternehmen jetzt den Unterschied zwischen Marktführer und Nachzügler bestimmen. Und warum die Technik längst bereit ist — aber die Firmen noch nicht.
Vom Google-APM-Programm zum YC-Startup: Stefans Weg zu Superglue
Stefan Faistenauer begann mit zwölf Jahren, Webseiten zu bauen. Mit 15 setzte er seinen ersten Linux-Server auf. Statt Informatik wählte er TUM BWL und das CDTM — jenes Programm, aus dem Personio und Trade Republic stammen. Es folgten ein Master an der Stanford University und das Google APM-Programm, eines der härtesten Nachwuchs-Programme im Tech-Bereich. Google-APM-Alumni sammelten bisher rund 295 Milliarden Dollar an Funding ein.
Nach eineinhalb Jahren bei Google in Zürich gründete Stefan Superglue — eine agentische Integrations-Plattform. Beim Y Combinator klappte es erst beim vierten Anlauf. Seine Erkenntnis: „Genau als wir YC nicht mehr brauchten, wollten sie uns." Das deckt sich mit YCs Auswahlkriterien: Team, Idea, Traction. Wer alle drei Punkte erfüllt, hat die besten Chancen.
Das 39-Prozent-Problem: Warum Glue Code Firmen ausbremst
Laut aktuellen Erhebungen fließen 39 % der Entwicklerzeit in sogenannten Glue Code. Das sind Skripte und Verknüpfungen, die verschiedene IT-Systeme verbinden. 71 % aller Unternehmens-Anwendungen arbeiten bis heute isoliert voneinander.
Stefan beschreibt das Problem anschaulich: An seinem ersten Praktikumstag bei einem Automotive-Konzern durfte er nicht an einem bestimmten Tisch sitzen. Der Grund? Unter dem Tisch stand ein Rechner, auf dem kritische Abteilungs-Prozesse liefen. Ein versehentlicher Tritt gegen den Ausschalter hätte ein Eskalations-Szenario ausgelöst. Das ist der Zustand von Glue Code in deutschen Firmen.
Superglue löst das Problem mit einem agentischen Ansatz. Die Plattform liest Dokumentation, bestehenden Code und sogar E-Mails ein. Daraus baut sie einen System-Kontext auf. Jede neue Integration wird einfacher — nicht schwerer. Stefan vergleicht es mit „einem Cursor oder Claude Code für Daten- und System-Integrationen".
Self-Healing statt Feuerwehr: Wie KI-Agenten Integrationen reparieren
Integrationen brechen regelmäßig. APIs ändern sich, Datenformate weichen ab, Edge Cases tauchen auf. Bisher bedeutete das: vier Stunden Fehlersuche pro Vorfall. Mit Superglues Self-Healing-Ansatz schrumpft das auf zwei Minuten.
Der Agent erkennt den Fehler, analysiert die Ursache und schlägt eine Code-Änderung vor. Das Ergebnis landet als Nachricht in Slack, Teams oder per E-Mail beim zuständigen Mitarbeiter. Ein Klick auf „Accept" genügt. Der Human in the Loop bleibt erhalten — bei kritischen Prozessen ein Muss. Aber der Aufwand sinkt drastisch.
Die Plattform ist Open Source. Stefans Begründung: „Da laufen kritische Prozesse. Wir wollen schnell Adoption, Feedback und Community-Beiträge." Tausende Instanzen liefern reale Daten. Eine Enterprise-Version mit Monitoring, Observability und Role-Management bietet zusätzliche Features für Großkunden — ähnlich dem Modell von n8n.
MCP-Protokoll: Warum Stefan trotz Kritik bullish bleibt
Auf Twitter mehren sich die Stimmen gegen MCP. Zu token-intensiv, zu viel Context-Bloat. Stefan hält dagegen und differenziert: MCP erfüllt zwei Aufgaben. Erstens: Remote Tool Execution und Authentication. Dafür gibt es keinen besseren Standard. Firmen setzen MCP bereits produktiv ein, um interne Tools über Copilot oder ChatGPT bereitzustellen.
Zweitens: Agent-seitige Tool Discovery. Hier sieht auch Stefan Schwächen. Wer 80 Tools per Default in den Kontext lädt, hat keinen Platz mehr für die eigentliche Konversation. Die Lösung: Skills statt Tool-Überflutung. Agents wählen gezielt die Skills, die sie für einen Task brauchen. Superglues eigener Agent funktioniert bereits so.
Stefans Prognose: Dieses Konzept wird in den MCP-Standard einfließen. „Wir müssen MCP nicht komplett ditchen für ein wildes Skill-System einzelner AI-Firmen." MCP bleibt der Standard — mit Verbesserungen beim Context Management, wie wir sie auch bei KI-Agenten und deren Architektur ausführlich beleuchten.
Nur 5 % Adoption: Warum die Dekade der KI-Agenten gerade erst startet
YC sagt: „AI right now is the worst it will ever be." Die Modelle werden nur besser. Trotzdem schöpfen selbst Startups das Potenzial von AI-Agenten kaum aus. Stefans Einschätzung: Wir stehen bei 5 % der realen Nutzung.
Der Engpass liegt nicht bei der Technik. Die Frage lautet: Wie setze ich KI-Agenten im Unternehmen so ein, dass echter Mehrwert entsteht? Darauf gibt es keinen One-Size-Fits-All-Ansatz. Es hängt vom Geschäftsmodell ab, von internen Prozessen, von der IT-Landschaft. Stefan sieht die Supporting Functions — HR, Accounting, Logistik — als nächste Welle nach der IT. Vertikale Lösungen für einzelne Branchen laufen parallel dazu.
Dario Amodei von Anthropic betont regelmäßig: Selbst ohne neue Modelle würden 10 bis 20 % aller Büro-Jobs in den nächsten Jahren durch Integration bestehender KI ersetzt. Die Modelle sind da. Die Infrastruktur steht. Was fehlt, ist die Umsetzung — und genau darin liegt die Chance, wie wir auch in unserem Überblick zur KI-Evolution im Unternehmen aufzeigen.
Wettbewerbsvorteil oder Existenzrisiko: Warum Abwarten keine Option mehr ist
Stefans deutlichste These: Wer jetzt KI-Agenten integriert, wird nicht 10 oder 20 % besser. Sondern 50 bis 100 %. Ein Konkurrent, der fünfmal so viele Aufträge bearbeitet, 30 % besseren Kunden-Service bietet und dabei niedrigere Kosten hat — dagegen hilft kein Abwarten.
„Das ist keine Frage von Wollen. Das ist eine Frage von Müssen", sagt Stefan. Er empfiehlt Firmen, sofort zu prüfen: Wo sind meine Hebel? Wo kann AI mich 5x oder 10x besser machen? Und dann zu handeln — nicht in Monaten, sondern jetzt.
Auch beim Thema Interfaces sieht Stefan Bewegung. Reine Chat-Oberflächen reichen nicht. Reine Formulare auch nicht. Die Zukunft liegt in der Kombination: Chat-Interface plus kontextbezogene UI-Elemente wie Tabellen, Graphen oder Status-Anzeigen. Claude Code sei genau deshalb so erfolgreich — weil es mehr ist als eine CLI mit Text.
München vs. San Francisco: Was der Standort für KI-Gründer bedeutet
Stefan pendelt zwischen beiden Welten. San Franciscos Vorteil: ein dichtes Ökosystem mit kurzen Wegen zu Know-how und Kapital. „Du willst mit dem CEO von Salesforce sprechen? Reach out. Die Chance ist hoch." Was ihn am meisten überrascht hat: die Offenheit der Menschen dort.
München hat starke Ansätze. Personio, Helsing, Celonis — erfolgreiche Startups fehlen nicht. Was fehlt: mehr Vernetzung. Stefans Wunsch: „Bringt die Leute, die Spannendes zu erzählen haben, näher zu den jungen Foundern." Sein Kalender steht offen: stefan@superglue.ai.
Fazit: KI-Agenten im Unternehmen — jetzt handeln oder den Anschluss verlieren
Stefan Faistenauers Appell ist klar: Die Technologie der KI-Agenten ist reif. Die Modelle sind nur einen API-Call entfernt. Wer jetzt investiert — in Kontext, Knowledge Bases und agentische Integration — baut einen Vorsprung auf, den Wettbewerber kaum noch aufholen. Wer wartet, riskiert den Anschluss in einem Markt, der sich in den nächsten zwei bis drei Jahren fundamental verändert. Sein letzter Rat an alle, die bauen: „Sprecht darüber. Postet. Zeigt der Welt, was für coole Produkte ihr baut."
.png)
.webp)
.webp)
.png)
%20(1).png)
