AI-first bei FINN: Von Automation-DNA zu Agent-Orchestrierung (20 Mio. Automations/Tag)

Intro

In dieser Episode spricht Felix mit Andreas Stryz, Co-Founder & CTO von FINN. FINN gilt als eine der spannendsten „Automation-first“-Firmen in Deutschland — und Andreas zeigt, warum GenAI bei FINN nicht als Tool-Spielerei verstanden wird, sondern als Hebel für einen Organisationsumbau: Wenn Bauen immer günstiger wird, wird Problemklarheit, Ownership und Resilienz zum eigentlichen Engpass.

Inhaltsübersicht

Von Automation-DNA zu AI-first: Was FINN heute anders macht
„Personal to Non-Personal“: Tokens statt Headcount — und was das für die P&L bedeutet
60 → 250 Builder: Warum plötzlich sehr viele Menschen Software bauen
Product Engineers statt Software Engineers: Rollen-Schnitt und neue Kompetenzen
Resilience & Platform Engineering: Wie FINN Wildwuchs verhindert
Die neuen Bottlenecks: Planen vs. Bauen, Hit-Rate, Accountability
Blick nach vorn: Robotics, Operations und die nächste Welle

Über den Gast

Andreas Stryz ist Co-Founder & CTO bei FINN. Er verantwortet die technische Plattform hinter einem operativ komplexen Auto-Abo-Geschäft und beschäftigt sich intensiv mit der Frage, wie Organisationen aussehen müssen, wenn KI die Umsetzung drastisch beschleunigt — und wie man dabei Qualität, Security und Ownership skaliert.

Detaillierte Zusammenfassung

Wenn Tokens günstiger werden — aber Tasks teurer

Andreas beschreibt einen scheinbaren Widerspruch: Der Preis pro Token werde langfristig sinken, gleichzeitig werde der Tokenverbrauch pro Task steigen — weil Aufgaben komplexer werden und man mehr Kontext und mehr Agent-Orchestrierung einsetzt. Sein Bild: Wie bei Elektrizität — günstiger pro Einheit, aber insgesamt mehr Verbrauch. Entscheidend sei, dass Unternehmen nicht „Token-maxing“ betreiben, ohne den geschäftlichen Wert zu kontrollieren.

Von 60 Buildern zu 250: Wer baut heute bei FINN Software?

FINN hat sich von einer klassischen Trennung „Business definiert Anforderungen / Engineering baut“ wegbewegt. Wenn ein Teammitglied das Business-Problem selbst versteht, komprimiert sich die Übersetzung: Anforderung → Produkt passiert in einem Kopf. Andreas nennt Beispiele, wie Teams sehr schnell interne Tools bauen — etwa ein Stations-Tool für neue Abhol-Stationen, Forecasting-Tools für Inventory/Compound-Logik oder Dashboards, die direkt aus dem Arbeitskontext entstehen.

„AI is a tool, not accountability“

Ein Kernpunkt: KI ersetzt nicht Verantwortung. FINN versucht, Ownership so zu setzen, dass Menschen sich verantwortlich fühlen, das eigene Problem zu lösen — und dass die Organisation die Angst nimmt, etwas kaputt zu machen. Gleichzeitig braucht es klare Regeln, damit die Geschwindigkeit nicht in Chaos kippt.

Resilience statt Wildwuchs: Warum Platform Engineering wichtiger wird

Wenn sich die Anzahl der Initiativen verzehnfacht, entsteht ein neues Problem: 90 Projekte sind Müll — und müssen wieder weg. Andreas beschreibt ein System aus Templates, Standards und automatisierten Checks (Security/Quality/CI/CD), das Teams befähigt, schnell zu bauen, ohne die Firma zu „verstopfen“. Das Prinzip ähnelt einem Review-/Audit-Mechanismus: Die Rolle der Plattform ist nicht „Bücher führen“, sondern Bücher prüfen.

Product Engineers & neue Kompetenzen

Wenn „Requirements in Code übersetzen“ weniger wert ist, verschieben sich Kompetenzen:

Orchestrierung von AI Agents (parallel arbeiten lassen, Resultate konsolidieren)
End-to-End Ownership (Produktverantwortung, nicht nur Implementierung)
Cross-Domain Fluency (Marketing/Operations/Finance-Kontext verstehen)

Dadurch verändert sich auch Produktmanagement: Es wird stärker KPI- und Business-getrieben, weil die Umsetzung nicht mehr der Engpass ist.

Der neue Engpass: Planen wird langsamer als Bauen

Andreas bringt es auf den Punkt: Wenn du Software schneller bauen kannst, als du planen kannst, muss sich die Organisation neu ausrichten. Die entscheidende Fähigkeit wird, die richtigen Probleme zu identifizieren und die Hit-Rate zu erhöhen — statt nur mehr Output zu erzeugen.

Kernaussagen

Kosten verschieben sich, Output steigt — Tokens ersetzen nicht nur Arbeit, sie verändern Kostenstrukturen und Durchsatz.
Mehr Menschen bauen Software — nicht, weil alle Engineers werden, sondern weil Kontext + KI die Übersetzung komprimiert.
Accountability bleibt menschlich — KI ist Tooling, Verantwortung muss organisatorisch gesetzt werden.
Resilience wird kritischer — Quality/Security/Standards werden zum Skalierungsfaktor.
Der Engpass wandert — von Umsetzung zu Problemklarheit, Priorisierung und Ownership.

Fazit und Takeaways

Für Führungskräfte

Setze Ownership klar: KI beschleunigt nur, wenn Verantwortung eindeutig ist.
Baue Guardrails: Geschwindigkeit ohne Standards erzeugt Wildwuchs und Folgekosten.
Miss Hit-Rate statt Output: Nicht „wie viel gebaut“, sondern „wie viel Wirkung“.

Für Produkt- & Engineering-Teams

Cross-Domain Fluency wird Karrierehebel: Business-Kontext entscheidet über Impact.
Agent-Orchestrierung ist eine neue Kernkompetenz: Planung, Review und Konsolidierung werden wichtiger.

Für Unternehmen am Anfang

Startet nicht bei Tools, sondern bei Prozessen: Wo ist wirklich Reibung, wo fehlt Klarheit?
Nehmt Angst aus Experimenten: Lernen entsteht durch schnelles Feedback — mit Leitplanken.