Wie können Organisationen Kosten senken und gleichzeitig echten Mehrwert für ihre Kunden liefern? Diese Frage wird mir regelmässig gestellt. Kürzlich bat mich ein Kunde, eine Keynote für seine Lösungsarchitekten genau zu diesem Thema zu halten. In diesem Vortrag gehe ich die wichtigsten Prinzipien und praktischen Techniken durch, um kontinuierlich Wert zu liefern und gleichzeitig unnötige Ausgaben zu vermeiden.
80% der Features werden selten oder nie genutzt#
Diese Zahl muss man erst einmal verdauen. Studien zeigen konsistent, dass rund 80% der Features eines durchschnittlichen Softwareprodukts selten oder nie genutzt werden. Dazu kommen Wartungskosten von 40 bis 80% der ursprünglichen Entwicklungskosten über den gesamten Lebenszyklus.
Ein kurzes Rechenbeispiel: Wenn Sie 10 Features zu je 100'000 Schweizer Franken entwickeln, betragen die Gesamtentwicklungskosten 1 Million. Addieren Sie Wartungskosten von 40 bis 80%, und Sie landen bei Gesamtkosten zwischen 1,4 und 1,8 Millionen Schweizer Franken. Da 80% dieser Features kaum genutzt werden, ergeben sich allein bei der Entwicklung potenzielle Einsparungen von 800'000 Franken, plus 320'000 bis 640'000 Franken bei der Wartung. Das sind über 1 Million Schweizer Franken an möglichen Einsparungen.
«Das Falsche richtig zu tun ist bei weitem nicht so gut wie das Richtige falsch zu tun.» — Dr. Russell Ackoff
Das Richtige richtig bauen#
Es gibt zwei Dimensionen für die effiziente Wertlieferung. Das Richtige zu bauen betrifft die Effektivität: Lösungen an den tatsächlichen Geschäfts- und Nutzerbedürfnissen auszurichten. Das Ding richtig zu bauen betrifft die Effizienz: solide Software-Engineering-Praktiken anzuwenden, um schnell zu liefern und einfach zu warten.
Erfolg entsteht nur, wenn beides zusammenkommt. Und wer denkt, das sei nicht die eigene Verantwortung, weil «der Fachbereich es bestellt hat», sollte bedenken: Wer mit der Masse mitläuft, trägt die Mitverantwortung. Es ist Ihr Unternehmen, und Features, die nie genutzt werden, belasten trotzdem das Ergebnis.
Von Projekten zu Produkten#
Ein Teil des Problems ist, dass viele Organisationen immer noch in Projekten statt in Produkten denken. Ein Projekt hat einen fixen Umfang, ein festes Budget und eine festgelegte Anzahl Features. Es maximiert den Output: die Menge der produzierten Dinge. Ein Produkt hingegen fokussiert auf Outcomes: echte Kundenprobleme lösen und Verhalten verändern.
Wenn wir vom Projektdenken zum Produktdenken wechseln, hören wir auf zu fragen «Wie viele Features können wir liefern?» und fangen an zu fragen «Welches Problem lösen wir?»
Der Lean-Startup-Zyklus#
Die Lösung besteht darin, den Lean-Startup-Zyklus zu nutzen. Wir erkennen an, dass wir viele Ideen haben, die meisten davon nicht besonders gut, und bauen minimale funktionsfähige Produkte (MVPs), um unsere Hypothesen zu testen. Ich empfehle das SAFe Epic Hypothesis Statement Format, das einen Elevator Pitch, einen Business Outcome mit messbaren Vorteilen, Frühindikatoren zur Validierung und nicht-funktionale Anforderungen umfasst.
Beginnen Sie beim Kunden und dem zu lösenden Problem. Beginnen Sie nicht bei der Technologie und arbeiten Sie sich zurück zum Kunden.
Im Vortrag zeigte ich ein praktisches Beispiel: Ein Schweizer Zahnarztnetzwerk wollte eine mobile App für Terminbuchungen. Mit Papierprototypen stellten sie fest, dass die Kunden keine weitere App wollten. Sie schwenkten auf eine Webapplikation um. Durch frühes und günstiges Testen vermieden sie es, etwas zu bauen, das niemand nutzen würde.
Kosteneffektive Entscheidungen mit MCDA#
Wenn Sie mehrere Optionen im Lösungsraum haben, nutzen Sie die Multiple Criteria Decision Analysis (MCDA). Die Methode ist einfach, wirkungsvoll, und ich verwende sie fast jede Woche.
Die Schritte sind unkompliziert: Definieren Sie das Ziel, listen Sie die Kriterien mit Gewichtungen auf (Kosteneffizienz 30%, Skalierbarkeit 20%, etc.), listen Sie Ihre Optionen auf (Monolith, SOA, Microservices, Serverless), bewerten Sie jede Option und berechnen Sie gewichtete Gesamtwerte. Die zentrale Erkenntnis: Es gibt keine Universallösung. Jede Lösung hat Nachteile, die adressiert werden müssen. MCDA macht diese Abwägungen sichtbar und bewusst.
Value Stream Mapping: Das Gesamtsystem verstehen#
Um Verschwendung zu identifizieren und zu reduzieren, müssen Sie Ihre Organisation als soziotechnisches System betrachten. Prozesse, Technologie und Menschen müssen wie eine gut gewartete Fabrik zusammenarbeiten. Das erfordert systemisches Denken.
Ein Value Stream ist eine Abfolge von Schritten, die dem Kunden Wert liefert. Es gibt operative Value Streams (die beim Kunden beginnen und enden) und Entwicklungs-Value-Streams, die diese unterstützen. Durch das Mapping Ihres Entwicklungs-Value-Streams können Sie Prozesszeit, Durchlaufzeit und den Prozentsatz «Complete and Accurate» an jedem Schritt messen.
In einem Beispiel aus dem Vortrag betrug die Gesamtdurchlaufzeit 2'160 Stunden, wobei nur 7% der Zeit auf wertschöpfende Arbeit entfielen. Durch das Identifizieren von Engpässen (Tests hatten 8 Stunden Prozesszeit bei 336 Stunden Durchlaufzeit) und den Einsatz von Automatisierung konnte der Zielzustand die Durchlaufzeit auf 147 Stunden reduzieren. Das ist eine massive Verbesserung der Time-to-Market, und schnellere Time-to-Market bedeutet schnellere Wertgenerierung.
Was ist mit KI?#
Ja, KI kann im gesamten Value Stream helfen. Aber beginnen Sie nicht mit der Technologie. Beginnen Sie mit dem Problem. Wenn Sie einen Prozessschritt entfernen oder vereinfachen können, ist das besser als ihn durch eine KI zu ersetzen. Und denken Sie daran: Jeder KI-Agent, den Sie bauen, braucht Wartung, die dieselben 40 bis 80% der Entwicklungskosten über den Lebenszyklus verschlingt. Finden Sie immer zuerst die einfachste Lösung.
Kernaussagen#
- Das Richtige richtig bauen: Zuerst auf Effektivität fokussieren, dann auf Effizienz
- Den Lean-Startup-Zyklus nutzen: Hypothesen früh mit MVPs und Papierprototypen testen
- Auf Outcomes statt Output fokussieren: Vom Projektdenken zum Produktdenken wechseln
- MCDA für Entscheidungen verwenden: Abwägungen sichtbar machen und Nachteile bewusst adressieren
- Value Streams mappen: Verstehen, wie Wert durch das System fliesst, Engpässe identifizieren und das Gesamtsystem verbessern
- Beim Problem beginnen, nicht bei der Technologie: Das gilt für KI genauso wie für alles andere
- Die Wartungskosten beachten: Jedes Feature, jeder KI-Agent braucht laufende Pflege mit 40 bis 80% der Entwicklungskosten