Ein Entwickler erstellt ein Ticket, @mentioned den KI-Agenten im Kommentar, und eine Stunde später liegt ein Pull Request mit Tests und Dokumentation vor — geprüft von einem zweiten Agenten, der auf Code Reviews spezialisiert ist. Kein Kontextwechsel, kein manuelles Prompting, kein Copy-Paste zwischen Tools. Was vor zwölf Monaten nach Science Fiction klang, ist seit März 2026 in Spedy produktiv nutzbar.

Der März war der Feature-intensivste Monat seit dem Launch der Plattform. Acht Updates in elf Tagen — von Multi-Agent-Pipelines über MCP-Integration für alle Pläne bis hin zu einem vollständigen Wiki-System mit KI-Knowledge-Store. Dieser Beitrag fasst zusammen, was sich geändert hat und was das konkret für Entwicklungsteams bedeutet.

Runner Teams und Multi-Agent-Pipelines: KI-Agenten, die im Team arbeiten

Die größte Neuerung: Spedy-Runner arbeiten jetzt nicht mehr einzeln, sondern als konfigurierbare Teams. Ein Ticket kann einem dedizierten KI-Team zugewiesen werden, das aus mehreren Agenten besteht — jeder mit eigenem Prompt, eigener Rolle und eigener Pipeline-Stufe.

In der Praxis sieht das so aus:

1. Agent 1 (Planer) analysiert das Ticket, zerlegt es in Teilaufgaben und erstellt einen Implementierungsplan.

2. Agent 2 (Entwickler) schreibt den Code auf Basis des Plans, führt Tests aus und erstellt einen Pull Request.

3. Agent 3 (Reviewer) prüft den Code auf Qualität, Sicherheit und Konsistenz — und gibt Feedback oder Approval.

Alle drei Agenten arbeiten parallel in isolierten Docker-Containern auf der eigenen Infrastruktur. Kein Code verlässt das Unternehmen, kein API-Token wird an Dritte weitergegeben. Für Teams, die mit sensiblen Kundendaten oder E-Commerce-Backends arbeiten, ist das ein entscheidender Punkt.

Was das bringt: Statt einen einzelnen Agenten generisch auf alles loszulassen, können Teams spezialisierte Agenten konfigurieren, die jeweils für ihre Aufgabe optimiert sind. Ein Review-Agent, der aus den Code-Review-Kommentaren des Teams gelernt hat, gibt qualitativ andere Rückmeldungen als ein generischer Code-Checker.

MCP für alle Pläne: KI-Tools direkt mit dem Projektmanagement verbinden

Das Model Context Protocol (MCP) ist ein offener Standard, der KI-Modellen den strukturierten Zugriff auf externe Datenquellen und Tools ermöglicht — entwickelt von Anthropic und mittlerweile von einer wachsenden Zahl von Plattformen unterstützt. Spedy hat MCP-Support seit Ende 2025, aber bisher nur für zahlende Kunden.

Seit dem 27. März ist MCP in allen Plänen verfügbar — auch im kostenlosen Starter-Tier.

Konkret bedeutet das: KI-Tools wie Claude (über Claude Code oder Claude Max), Cursor oder eigene Agenten können über MCP direkt auf Spedy-Tickets, Projekte und Wiki-Inhalte zugreifen — ohne eigene API-Integration bauen zu müssen. Der Entwickler arbeitet in seiner gewohnten Umgebung und hat trotzdem vollen Zugriff auf den Projektkontext.

Dazu kommen neue Observability-Features: Runner-Jobs zeigen jetzt Cache-Token-Metriken an — wie viele Tokens aus dem Cache bedient wurden vs. neu generiert. Das hilft bei der Kostenoptimierung, besonders wenn mehrere Agenten parallel laufen. Und Job-Benachrichtigungen informieren automatisch, wenn ein Agent fertig ist, fehlschlägt oder auf Input wartet.

Knowledge Store und Wiki: Ein Gedächtnis für Mensch und KI

Ein Problem, das jedes wachsende Team kennt: Wissen steckt in Slack-Threads, Confluence-Seiten, Google Docs und den Köpfen einzelner Personen. Wenn ein neuer Entwickler anfängt oder ein KI-Agent eine Aufgabe übernehmen soll, fehlt der Kontext.

Spedy hat jetzt ein vollständiges Wiki-System mit versionierten Seiten, Spaces und Volltextsuche — direkt in der Plattform, ohne Drittanbieter. Der Clou: Der Knowledge Store macht diese Wiki-Inhalte auch für KI-Agenten zugänglich. Runner können bei der Bearbeitung eines Tickets automatisch relevante Wiki-Seiten als Kontext heranziehen — Architektur-Entscheidungen, Coding-Guidelines, API-Dokumentation oder Business-Logik.

Das löst ein fundamentales Problem von KI-Agenten: Sie wissen nur, was man ihnen gibt. Ein Agent, der weiß, dass Ihr Projekt eine bestimmte Architektur verfolgt, bestimmte Libraries vermeidet oder eine Namenskonvention hat, liefert dramatisch bessere Ergebnisse als einer, der "blind" arbeitet.

Für E-Commerce-Teams ist das besonders relevant: Produktlogik, Checkout-Flows, Payment-Provider-Eigenheiten oder Shopware-Plugin-Konventionen lassen sich dokumentieren und den Agenten als Kontext bereitstellen. Der Agent macht dann nicht nur syntaktisch korrekten Code — sondern Code, der zur Architektur des Projekts passt.

Skills, @Mentions und selbstheilende Pipelines

Drei weitere Updates, die einzeln klein wirken, aber zusammen den Arbeitsalltag spürbar verändern:

Skills sind wiederverwendbare Anweisungssets für KI-Agenten. Statt in jedem Ticket denselben Kontext mitzugeben ("Schreib Tests mit Vitest, nutze die bestehenden Test-Utilities, halte dich an unsere Naming-Convention..."), definiert man einen Skill einmal und weist ihn dem Runner zu. Skills lassen sich pro Pipeline-Stufe konfigurieren — der Planer-Agent bekommt andere Skills als der Entwickler-Agent.

Agent @Mentions erlauben es, einen KI-Agenten direkt in einem Ticket-Kommentar anzusprechen — genau wie einen Kollegen. "@runner Bitte analysiere, warum der Checkout-Test fehlschlägt" löst einen Job aus, dessen Ergebnis als Kommentar im Ticket erscheint. Kein Dashboard-Wechsel, keine separate KI-Oberfläche.

Selbstheilende Pipelines sind der vielleicht interessanteste Baustein: Runner können jetzt Validierungsbefehle ausführen (Linting, Tests, Type-Checks) und bei Fehlern automatisch nachbessern — ohne menschlichen Eingriff. Wenn der TypeScript-Compiler einen Fehler meldet, korrigiert der Agent den Code und revalidiert. Dazu kommt die Fähigkeit, aus vergangenen PR-Reviews zu lernen: Wenn ein Reviewer wiederholt dasselbe Muster beanstandet, passt der Agent sein Verhalten an.

Pull Requests und Issues: Alles an einem Ort

Neben den KI-Features gab es auch Verbesserungen im klassischen Projektmanagement: Spedy zeigt jetzt alle Pull Requests und Merge Requests von GitHub, GitLab und Bitbucket in einer einheitlichen Ansicht. Kein Wechsel zwischen drei Plattformen mehr, um den Status offener PRs zu prüfen.

Dazu kommt eine bidirektionale GitHub-Issues-Synchronisation: Issues, die in GitHub erstellt werden, erscheinen automatisch als Spedy-Tickets — und umgekehrt. Für Teams, die Open-Source-Projekte pflegen oder mit externen Partnern über GitHub zusammenarbeiten, entfällt damit das manuelle Hin- und Herkopieren.

Was diese Updates für E-Commerce-Teams bedeuten

Auf den ersten Blick sind die Spedy-Updates Developer-Tools. Auf den zweiten Blick verändern sie, wie schnell und zuverlässig E-Commerce-Projekte umgesetzt werden.

Ein Shopware-Plugin, das bisher zwei Entwicklertage gebraucht hat, kann mit einem gut konfigurierten Runner-Team in Stunden einen funktionierenden Entwurf liefern — den ein Entwickler dann reviewt und verfeinert, statt von Null anzufangen. Der Knowledge Store sorgt dafür, dass der Agent die projektspezifischen Konventionen kennt. Die selbstheilenden Pipelines fangen Flüchtigkeitsfehler ab, bevor sie im Code Review landen.

Für KMUs mit kleinen Entwicklungsteams ist das besonders relevant: Die KI ersetzt keine Entwickler, aber sie multipliziert deren Kapazität. Ein Dreier-Team, das Spedy-Runner für Routine-Tasks einsetzt, kann erfahrungsgemäß ein Projektvolumen bearbeiten, für das sonst fünf bis sechs Personen nötig wären.

Die MCP-Öffnung für alle Pläne senkt die Einstiegshürde weiter: Wer Spedy testen will, kann das im kostenlosen Starter-Plan tun — inklusive KI-Agenten auf eigener Infrastruktur und MCP-Anbindung an bestehende Tools.

Alle genannten Features sind ab sofort verfügbar unter spedy.ai.