Wie Peter Steinberger einen viralen KI-Agenten im Alleingang entwickelte

Peter Steinberger — Schöpfer von PSPDFKit (1 Mrd.+ Geräte), heute Agent-Lead bei OpenAI — ist zu Gast in der ersten Folge von OpenAIs “Builders Unscripted”-Reihe. Nachdem er kürzlich zu OpenAI gewechselt war, hatte sein quelloffener persönlicher KI-Agent OpenClaw über 180.000 GitHub-Sterne gesammelt und mit ClawCon eine Community-Veranstaltung mit mehr als tausend Teilnehmern ins Leben gerufen. Steinberger schildert seinen zutiefst persönlichen Weg vom Burnout hin zur Entwicklung dessen, was er als “die endgültige Form” von dem bezeichnet, was er schon immer erschaffen wollte.

Der Moment, in dem KI Klick machte: Nach 13 Jahren an der Spitze von PSPDFKit brannte Steinberger aus und zog sich aus der Tech-Branche zurück. Als er zurückkehrte, lud er ein halbfertiges Projekt in Gemini Studio, um ein Spec-Dokument zu erzeugen, zog dieses dann in Claude Code und tippte “build”. “One hour later, it actually worked. It was the worst slop. But this was the moment where it really clicked — I got goosebumps for the possibilities.” (“Eine Stunde später funktionierte es tatsächlich. Es war absoluter Schrott. Aber das war der Moment, in dem es wirklich klickte — mir lief eine Gänsehaut über den Rücken angesichts der Möglichkeiten.”) Dieser Dopaminschub führte zu einem Jahr obsessiven Bauens.

Agenten als Problemlöser, nicht nur als Programmierer: Als Steinberger eine Sprachnachricht über seinen WhatsApp-Bot schickte, fand der Agent völlig eigenständig heraus, wie er damit umgehen sollte — er inspizierte den Datei-Header, konvertierte mit FFmpeg, fand einen OpenAI-Schlüssel in der Umgebung und nutzte cURL für die Transkription über die API. “We built these things for agentic engineering. But really, the skill is more abstract — if you want to be a really good coder, you need to be a really good problem solver. And that just maps in any domain.” (“Wir haben diese Dinge fürs agentische Programmieren gebaut. Aber eigentlich ist die Fähigkeit abstrakter — wer wirklich gut programmieren will, muss wirklich gut im Problemlösen sein. Und das gilt in jeder Disziplin.”)

Die “agentische Falle”: Steinberger warnt, dass viele Entwickler damit feststecken, ihr KI-Setup zu überoptimieren, anstatt tatsächlich zu bauen. “A lot of people get stuck trying to super optimize their setup. It doesn’t really make you more productive, but it feels like you’re more productive.” (“Viele Leute stecken fest dabei, ihr Setup zu super-optimieren. Das macht einen nicht wirklich produktiver, aber es fühlt sich an, als wäre man produktiver.”) Sein eigener Ansatz ist bewusst schlicht: keine Worktrees, nur 1–10 Checkouts und konversationelles Prompten, wobei er das Modell immer fragt: “Do you have any questions?”

Vibe Coding vs. agentisches Engineering: In einer charakteristischen Einschätzung bekräftigt Steinberger seine umstrittene Position: “I think vibe coding is a slur. They try AI, but they don’t understand that it’s a skill. You pick up the guitar — you’re not going to be good at the guitar in the first day.” (“Ich halte Vibe Coding für ein Schimpfwort. Die Leute probieren KI aus, aber sie verstehen nicht, dass es eine Fähigkeit ist. Wer eine Gitarre in die Hand nimmt, wird am ersten Tag noch nicht gut spielen können.”) Der Unterschied liegt darin, KI-Programmieren als Handwerk zu begreifen, das Übung erfordert, und nicht als Zauberknopf.

PRs werden zu “Prompt Requests”: Mit mehr als 2.000 offenen PRs auf OpenClaw hat Steinberger seine Vorgehensweise beim Überprüfen von Beiträgen geändert. Er liest den Code nicht zuerst — er fragt das Modell: “What’s the intent of this PR?” Da viele Mitwirkende KI genutzt haben, um ihren Code zu generieren, zählt die Absicht mehr als die Umsetzung. Häufig offenbart eine lokale Korrektur ein tieferliegendes Architekturproblem, das eine ganz andere Lösung erfordert.

6 Erkenntnisse von Steinberger zur KI-Entwicklung als Einzelperson

• Eine Person kann schaffen, woran Teams scheiterten — 90.000 GitHub-Beiträge über 120+ Projekte in einem Jahr, etwas, das “by any one human” vor KI-Agenten nicht möglich gewesen wäre
• Den Code für Agenten optimieren, nicht für Menschen — Die Codestruktur, die KI am besten hilft, entspricht nicht immer dem, was ein menschlicher Entwickler bevorzugen würde — und das ist in Ordnung
• Spielerisch herangehen — Nicht mit Arbeitsprojekten anfangen; etwas bauen, das man schon immer wollte. Das Lernen geschieht durch Erkunden
• Vertrauen wächst mit der Zeit — Steinbergers Vertrauen in Codex “building what I want, from all the tools right now, is the highest”, aber das kam durch monatelange Übung
• Der Agent wird überraschen — In einem Docker-Container ohne cURL platziert, baute der Agent sich einen eigenen HTTP-Client aus einem C-Compiler und TCP-Sockets
• Selbstmodifizierende Software ist Realität — OpenClaw-Nutzer können den Agenten buchstäblich anweisen, seinen eigenen Quellcode zu ändern, weshalb Nicht-Entwickler erstmals PRs einreichen

Was das für Solo-Builder und die Verbreitung von KI-Agenten bedeutet

Steinbergers Geschichte ist ein Beweis für die These des “Ein-Personen-Einhorns”, die Sam Altman propagiert. Die Kombination aus tiefem Fachwissen, agentischen Tools und einer Macher-Mentalität erzeugt einen Hebel, der vor einem Jahr schlicht nicht existierte. Sein Rat an europäische Entwickler, die noch keine agentischen Tools übernommen haben: “If you are high-agency, if you’re smart, you will be in more demand than ever.” Die Frage ist nicht, ob man KI-Agenten einsetzen soll — sondern wie schnell man die Fähigkeit entwickeln kann, sie wirksam einzusetzen.