KI – Der Abgesang auf Scrum?

Was bleibt von Scrum in einem KI-gesteuerten Softwareentwicklungszyklus (SDLC) übrig?

Nun umfasst ein SDLC sowohl vor als auch nach dem Einsatz von KI dieselben Schritte. Sie benötigen Anforderungen, Sie müssen programmieren, Sie müssen die Qualität Ihres Codes sicherstellen und ihn schließlich bereitstellen und überwachen.

Inwiefern verändert KI das Anforderungsmanagement in Scrum?

Anforderungen, also das, was das Team entwickeln möchte, sind in den Artefakten „Produkt-Backlog“ und „Sprint-Backlog“ enthalten und fallen in erster Linie in den Zuständigkeitsbereich des Product Owners. Künstliche Intelligenz kann Ihnen dabei helfen, die Produktleistung, die Beiträge der Stakeholder und das Kundenfeedback zu analysieren sowie Produkt-Backlog-Elemente zu generieren, die auf relevanten Richtlinien und Vorschriften basieren. Hier finden Sie einen meiner früheren Artikel, in dem ich dieses Thema etwas ausführlicher beleuchte.

Künstliche Intelligenz kann Sachverhalte analysieren, Optionen vorschlagen und Inhalte generieren, doch wir benötigen nach wie vor menschliche Aufsicht. Nicht nur, um die Qualität durch menschliches Urteilsvermögen zu sichern, sondern auch, um Einfühlungsvermögen zu zeigen und Entscheidungen auf der Grundlage des „WARUM“ Ihres Produkts statt des „WAS“ zu treffen.

Zu verstehen, wie sich das Backlog bildet und weiterentwickelt, war im Scrum schon immer eine Herausforderung. Es ist jedoch unerlässlich, dass das Backlog existiert und in einer nach Prioritäten geordneten Liste organisiert ist. KI kann vieles leisten, aber nicht alles. Ist der Product Owner (PO) dadurch also auf der sicheren Seite? Vielleicht ein wenig. Denn ich halte dies für eine wichtige Rolle. Betrachtet man die Sache aus der reinen Perspektive des PO und nicht aus der Sicht des Produktmanagements, so lässt sich meiner Meinung nach ein großer Teil durch KI unterstützen. Dies würde es Entwicklern ermöglichen, in diesen Bereich zu wechseln und ihre Fähigkeiten im Bereich des Anforderungsmanagements auszubauen.

Was geschieht mit Scrum-Teams in einem KI-gesteuerten Softwareentwicklungszyklus?

Das Konzept eines Entwicklungsteams sieht in einer KI-Welt tatsächlich etwas anders aus. Agenten schreiben Code, stellen die Qualität sicher, kommunizieren usw. Ein einzelner Full-Stack-Entwickler könnte mehrere Agentenabläufe parallel leiten, diese koordinieren, überprüfen und verbessern. In herkömmlichen Teams habe ich oft versucht, Mitarbeiter dazu zu bewegen, über ihre primären Fachgebiete hinauszuarbeiten – beispielsweise einen Entwickler, der Qualitätssicherung betreibt. Dabei stieß ich stets auf Widerstand, und wahrscheinlich wurde dabei folgendes Sprichwort angeführt: „Ein Metzger darf sein eigenes Fleisch nicht prüfen.“ Das bedeutet, man könne den eigenen Code nicht objektiv testen. Dies ist natürlich nicht mehr der Fall, wenn der Agent den Code tatsächlich selbst generiert. Für einen einzelnen Entwickler wird der Umfang dieser Verantwortung horizontal und vertikal wie unten dargestellt festgelegt.

Vor diesem Hintergrund muss das Konzept des „Teams“ zumindest überdacht, wenn nicht gar gänzlich verworfen werden.

Wenn also das Konzept eines Teams in der Welt der KI-gestützten SDLCs umstritten ist, wie sieht es dann mit der Rolle des Scrum Masters aus? Zwei Dinge können wir mit Sicherheit sagen: Es wird alles schiefgehen, und es gibt immer Raum für Verbesserungen. Mit Hilfe der KI könnten Menschen damit beauftragt werden, Hindernisse zu beseitigen und Verbesserungen vorzunehmen. Muster und Probleme analysieren sowie Menschen und KI zusammenbringen, um Verbesserungen zu erzielen. Da bereits ein hohes Maß an Kontrolle dadurch gegeben ist, dass der Entwickler die Arbeitsabläufe seiner Agenten koordiniert, könnte sich die Rolle des Scrum Masters zunehmend auf die (Öko-)Systemebene und die Entwicklererfahrung verlagern und sich mehr zu einem Systemoptimierer entwickeln, der sich darauf konzentriert, wie effektiv wir die Technologie nutzen und wo wir uns weiterentwickeln können.

Wie wirkt sich KI auf die Selbstorganisation in Scrum aus?

Bei der Selbstorganisation ging es schon immer darum, den Teams zu vertrauen, dass sie selbst entscheiden, wie sie ihre Arbeit so gestalten, wie sie es für am besten halten. Dazu gehören auch die Werkzeuge, die sie bei ihrer Arbeit einsetzen.

Dies gilt auch dann noch, wenn ein erheblicher Teil dieser Arbeit an die KI delegiert wird und Ingenieure nicht mehr wirklich in Teams arbeiten. Bei der Selbstorganisation geht es darum, wie Einzelpersonen und kleine Gruppen beschließen, ihre KI-gestützten Arbeitsabläufe zu gestalten, zu steuern und ihnen zu vertrauen.

Die Autonomie bleibt erhalten, doch die Art der Entscheidungen ändert sich: Es geht darum, zu entscheiden, was automatisiert werden soll, was manuell bleiben soll, welche Standards gelten und wie ein Gleichgewicht zwischen Kontrolle und Geschwindigkeit hergestellt werden kann.

Interessant wird es dabei, wie viel Freiheit Entwickler haben und welche einschränkenden Faktoren bestehen. Dazu zählen beispielsweise Kostenkontrolle, Qualitätssicherung, regulatorischer Druck, Nachvollziehbarkeit usw. Es könnte sinnvoll sein, von dem Ansatz „Jeder kann alles nutzen“ zu einer stärker zentral genehmigten Auswahl an Tools oder sogar zu festgelegten Tool-Sets für bestimmte Zwecke überzugehen.

Sind Scrum-Zeremonien in der KI-gestützten Entwicklung noch von Bedeutung?

Scrum-Veranstaltungen wurden entwickelt, um einen Rhythmus zu schaffen und Feedback zu gewährleisten. Wenn jedoch das Erstellen, Testen und Iterieren von Software zu einer Aufgabe wird, die man innerhalb von Stunden statt Tagen erledigen kann, verliert die Notwendigkeit fester Rhythmen zunehmend an Bedeutung.

Warum auf eine Sprint-Review warten, wenn Sie kontinuierlich aussagekräftiges Feedback erhalten können? Warum sich zwei Wochen lang an einen Plan binden, wenn die Kosten für Kursänderungen so deutlich gesunken sind?

Die Rückkopplungsschleifen verschwinden nicht. Sie werden kontinuierlicher, schlanker und weniger an vordefinierte Abläufe gebunden. Vielmehr laufen sie in der Produktionsumgebung ab, überprüfen Annahmen und erfassen reale Daten zu den Ergebnissen.

Ein interessanterer Ansatz könnte in der Theorie der Engpässe zu finden sein. Da die eigentliche Entwicklung eines neuen Inkrements keinen Engpass mehr darstellt (abgesehen von Missmanagement bei Uber), verlagert sich der Engpass auf die nächste Stufe: das Ausmaß an Veränderungen, das Ihre Kunden in ihre Produkte integrieren können. Sind Sie tatsächlich begeistert von der Vielzahl neuer Funktionen, die jede Woche in Ihren Lieblings-Apps erscheinen? Das hängt von Ihrem Produkt ab; ein Videospielhersteller könnte durchaus von einer hohen Rate an qualitativen Updates profitieren, bei Ihrer Banking-App könnte die Situation jedoch ganz anders aussehen.

Vielleicht könnten diese Unternehmen ihre Entwicklungskapazitäten in Richtungen einsetzen, die ihnen bisher nicht offenstanden: Diversifizierung von Dienstleistungen und Portfolios, Erschließung neuer Märkte, Einführung neuer Marken und eine schnellere Expansion, anstatt ihre bestehenden Produkte zu sehr zu optimieren.

Meine Schlussfolgerung lautet, dass die Absicht hinter Scrum-Veranstaltungen, die auf Rückkopplungsschleifen basieren, nach wie vor gültig ist. Die Form ist es möglicherweise nicht.

Es gibt weitere, häufig damit verbundene Vorgehensweisen im Zusammenhang mit Scrum:

Einige der in Scrum gängigen Praktiken wirken zunehmend künstlich. Nehmen Sie beispielsweise Begriffe wie „Velocity“ und Schätzungen. Zu diesen Konzepten gibt es so viel zu sagen, und selbst ohne KI werden sie bis zum Überdruss diskutiert.

Doch wenn KI große Teile einer Lösung nahezu augenblicklich generieren kann, welche Rolle spielt es dann eigentlich, wie komplex etwas ist oder wie viel Aufwand es erfordert? Ich denke, dieses gesamte Thema sollte entweder neu überdacht oder verworfen werden. Und beide Ergebnisse sind in Ordnung. Vielleicht zwingt es uns dazu, den Tatsachen ins Auge zu sehen und anzuerkennen, dass wir nie die volle Kontrolle hatten.

Sind die Kernsäulen und Werte von Scrum in einem KI-orientierten Softwareentwicklungszyklus (SDLC) nach wie vor von Bedeutung?

Interessanterweise bleiben die Kernsäulen von Scrum im KI-nativen SDLC überraschend unverändert – oder gewinnen dort vielleicht sogar noch an Bedeutung.

Transparenz ist nach wie vor von entscheidender Bedeutung, vielleicht sogar umso mehr, wenn KI-Systeme mit einem Maß an Komplexität arbeiten, das schwer zu überblicken ist. Die Überprüfung wird umfassender, da Ihnen mehr Daten schneller zur Verfügung stehen. Anpassungen erfolgen häufiger, da sich Änderungen im KI-Agenten (Ablauf) wesentlich leichter umsetzen lassen.

Auch die Werte behalten ihre Gültigkeit. Bei der Fokussierung geht es nun noch stärker darum, die Aufmerksamkeit auf den richtigen Wert zu lenken – und zwar in einem Umfeld, das potenziell unendliche Ergebnisse hervorbringen kann. Offenheit wird entscheidend, wenn man mit undurchsichtigen Systemen arbeitet. Es erfordert Mut, alte Strukturen loszulassen. Das Engagement verlagert sich von Prozessen hin zu Ergebnissen. Respekt erstreckt sich darauf, wie Menschen ihre Rollen wahrnehmen und einen Mehrwert für die KI schaffen, mit der sie zusammenarbeiten. Ich glaube, dass dieser Teil von Scrum besser Bestand hat als seine Struktur.

Fazit

Der Kern von Scrum bleibt bestehen. Es sind die Rahmenbedingungen, die sich ändern. Was früher eine klare Struktur rund um Rollen, Ereignisse und Artefakte war, wird in einem KI-gesteuerten SDLC fließender. Produktverantwortliche werden dazu angehalten, sich zu echten Produktmanagern weiterzuentwickeln. Scrum-Master verlagern ihren Fokus auf systemorientiertes Denken und die Entwicklererfahrung. Entwickler verbringen weniger Zeit mit Koordinationsaufwand und mehr Zeit damit, effektive Arbeitsabläufe zu orchestrieren und bessere Entscheidungen zu treffen.

Die Entwicklungskapazität stellt nicht mehr das größte Hindernis dar. Die eigentliche Herausforderung besteht nun darin, das Problem zu verstehen, die richtigen Entscheidungen zu treffen, das System effektiv zu steuern und – was am wichtigsten ist – das Tempo an die Akzeptanz und die Erwartungen Ihres Kunden anzupassen.

Ist KI also der Abgesang auf Scrum?

Nicht wirklich. Aber es könnte der Abgesang auf die Art und Weise sein, wie wir es bisher genutzt haben.

Und vielleicht ist es genau das, wozu uns Scrum selbst stets auffordert: zu prüfen, anzupassen und loszulassen, wenn etwas seinen Zweck nicht mehr erfüllt.