Ich war zu Gast bei Lisa Stähli im Hello 50:50 World Podcast, der Show mit der Mission, Tech menschlicher zu machen, für ein Gespräch darüber, was tatsächlich passiert, wenn Software-Teams KI in ihre Arbeitsweise integrieren. Wir sprachen darüber, wie KI Software Engineering, DevOps und agile Arbeitsweisen verändert, wo die eigentlichen Engpässe sitzen, welchen menschlichen Preis mehr Tempo hat und warum die Organisation, die man rund um die Technologie baut, darüber entscheidet, ob KI hilft oder schadet.
KI beschleunigt alles, das Gute und das Schlechte#
Der Punkt, auf den ich immer wieder zurückkomme, ist, dass KI alles beschleunigt. Teams mit starken Engineering-Praktiken ziehen schnell davon, weil KI die Disziplin verstärkt, die sie bereits haben. Teams auf schwachen Fundamenten häufen nur schneller Probleme an, weil KI immer mehr von dem produziert, was ohnehin schon da ist.
Deshalb lautet die Frage nie einfach “sollen wir KI einführen”. Ein Team mit soliden agilen Praktiken, guter Automatisierung und einer echten Qualitätskultur bekommt einen Multiplikator. Ein Team ohne diese Fundamente bekommt denselben Multiplikator auf sein Chaos angewendet. Geschwindigkeit ist nicht neutral. Sie verstärkt das, was man mitbringt.
Wie sich der Wert von DevOps verändert hat#
DevOps begann als Weg, die Mauer zwischen Entwicklung und Betrieb einzureissen, um schneller und zuverlässiger auszuliefern. Über das letzte Jahrzehnt hat sich der Wert verschoben. Es geht weniger um eine bestimmte Toolchain und mehr um den Wertfluss durch die ganze Organisation, von der Idee bis in die Produktion und über Feedback wieder zurück.
Diese Verschiebung zählt mit KI im Spiel umso mehr. Wenn man Code, Tests und Dokumentation in Sekunden generieren kann, verschiebt sich der Engpass. Die spannende Frage ist nicht mehr, wie schnell man Software schreiben kann. Sie lautet, wie schnell man lernt, ob das Gebaute das Richtige war.
Der Engpass sitzt meist vor dem Engineering#
Hier kommt Value Stream Mapping ins Spiel. Wenn man jeden Schritt von der Idee bis in die Produktion abbildet und Lead Time, Process Time und die Häufigkeit misst, mit der Arbeit vollständig und korrekt ist, stellt man meist fest, dass der Engpass gar nicht im Engineering liegt. Er sitzt davor: in Entscheidungen, Priorisierung, Übergaben und Wartezeiten.
KI, die nur den Engineering-Schritt beschleunigt, optimiert einen Teil des Systems, der nicht der Engpass war. Man produziert am Ende mehr, schneller, während die eigentliche Verzögerung genau dort bleibt, wo sie war. Den Fluss zu reparieren zählt mehr, als eine einzelne Station der Linie zu beschleunigen.
Eine gemeinsame Qualitätskultur und Shift Left#
Geschwindigkeit ohne Qualität ist nur schnelleres Scheitern. Shift Left, also Testing, Sicherheit und Qualitätsfragen früher anzugehen, wird wichtiger, wenn KI grosse Mengen Code generiert. Qualität lässt sich nicht am Ende hineinprüfen. Man muss eine gemeinsame Kultur bauen, in der Qualität von Anfang an die Verantwortung aller ist.
Mit KI im Spiel ist diese Kultur die Absicherung. Das Modell produziert plausiblen Output im grossen Stil, und jemand muss trotzdem dafür einstehen, dass er korrekt, sicher und wartbar ist.
Überlebt Agile die KI?#
Man fragt mich, ob Agile die KI überlebt. Die Praktiken und Zeremonien mögen sich ändern, aber die Prinzipien bleiben. Kurze Feedbackschleifen, lauffähige Software, auf Veränderung reagieren, enge Zusammenarbeit: Das wird wertvoller, wenn die Kosten, eine Änderung zu produzieren, sinken, nicht weniger wertvoll. Wenn überhaupt, macht KI die agilen Prinzipien relevanter, denn die Fähigkeit, schnell zu lernen, ist jetzt der eigentliche Wettbewerbsvorteil.
Der menschliche Preis von mehr Tempo#
Es gibt einen menschlichen Preis, über den wir zu wenig sprechen. Wenn alles beschleunigt, erleben Menschen mehr Task-Switching, mehr kognitive Überlastung und ein echtes Burnout-Risiko. KI kann mühsame Arbeit entfernen, aber sie kann auch die Erwartung erhöhen, dass alle einfach mehr tun, schneller, die ganze Zeit.
Die Frage, wie man neue Arbeitsweisen einführt, ohne Menschen auszubrennen, ist deshalb kein weiches Thema. Sie ist zentral. Man muss den Wandel um die Menschen herum gestalten, ihnen Zeit zum Lernen und Verlernen geben und Fokus schützen, statt ihn weiter zu zerstückeln. Nachhaltiges Tempo war immer ein agiles Prinzip. Es wird unverzichtbar, wenn die Maschine nie müde wird.
Rollen verschmelzen#
Rollen verschmelzen. Die scharfen Linien zwischen Entwickler, Tester, Betrieb und Analyst verschwimmen, wenn KI über alle hinweg assistieren kann. Ich glaube, wir bewegen uns zu kleineren, crossfunktionalen Teams, der Idee von “drei plus minus zwei”, in denen eine Handvoll Menschen mit breiten Fähigkeiten und gutem Tooling einen sinnvollen Wertanteil end-to-end verantworten kann.
Das verändert, wofür wir einstellen und wie wir uns organisieren. Es geht weniger um tiefe Spezialisierung auf eine eng abgegrenzte Aufgabe und mehr um Menschen, die über den ganzen Fluss hinweg arbeiten können.
Die Fähigkeiten, die am meisten zählen#
Wenn Rollen verschmelzen und KI mehr Routine übernimmt, sind die wichtigsten Fähigkeiten Systemdenken und kritisches Denken. Man muss das ganze System sehen: den Input, den man hereinlässt, die Daten, auf die man sich verlässt, den Output, den man ausliefert, und die Aktionen, die man KI in seinem Namen ausführen lässt. Und man muss kritisch hinterfragen, was die Maschine liefert, denn sie produziert den Durchschnitt dessen, was sie gesehen hat, nicht zwingend die richtige Antwort für den eigenen Kontext.
Das sind menschliche Fähigkeiten, und es sind genau jene, die nicht wegautomatisiert werden.
Warum ich optimistisch bleibe#
Vieles bleibt gleich. Die Grundlagen guten Engineerings, die Notwendigkeit von Feedback, die Bedeutung von Menschen, die gut zusammenarbeiten: nichts davon verschwindet. Deshalb bleibe ich optimistisch. Technologie allein ist nie der Punkt. Die Organisation, die man rund um sie baut, die Menschen, die Prozesse und die Technologie zusammen, entscheidet darüber, ob KI hilft oder schadet.
Bringt man diese Kombination richtig zusammen, wird KI zu einem echten Verstärker für Teams, die ohnehin gut bauen können.
Kernaussagen#
- KI beschleunigt alles, Gutes wie Schlechtes. Starke Engineering-Praktiken bekommen einen Multiplikator; schwache Fundamente häufen nur schneller Probleme an.
- Der Engpass sitzt meist vor dem Engineering. Value Stream Mapping zeigt, dass Entscheidungen, Priorisierung und Übergaben den Fluss mehr verzögern als die Coding-Geschwindigkeit.
- Qualität muss nach links wandern. Wenn KI Code im grossen Stil generiert, ist eine gemeinsame Qualitätskultur die Absicherung, und jemand verantwortet immer die Korrektheit.
- Agile Prinzipien überleben die KI. Praktiken mögen sich ändern, aber kurze Feedbackschleifen und schnelles Lernen zählen mehr, nicht weniger.
- Den menschlichen Preis beachten. Task-Switching, kognitive Überlastung und Burnout sind real; neue Arbeitsweisen in nachhaltigem Tempo einführen.
- Rollen verschmelzen. Kleinere crossfunktionale Teams mit breiten Fähigkeiten verantworten Wert end-to-end.
- Systemdenken und kritisches Denken gewinnen. Es sind die menschlichen Fähigkeiten, die KI nicht ersetzt.
Die ganze Episode gibt es im Hello 50:50 World Podcast, moderiert von Lisa Stähli: https://www.hello5050.world/podcast