Die Wertschöpfung neu denken: Vom agilen Altbestand zu authentischen KI-Betriebsmodellen

Auf einen Blick:

In diesem Artikel wird untersucht, wie KI die Grundlagen herkömmlicher agiler Modelle in Frage stellt und ein neu konzipiertes Betriebsmodell vorschlägt - eines, das fließend, datengesteuert und authentisch KI-gestützt ist.

In den letzten zwei Jahrzehnten hat Agile die Art und Weise, wie Unternehmen Werte schaffen, verändert. Starrheit und die traditionelle Wasserfallmethode wurden durch eigenverantwortliche Teams, iterative Entwicklung und einen kundenzentrierten Ansatz ersetzt. Agile Betriebsmodelle wurden zur Blaupause für die moderne Softwarebereitstellung, die sich durch durchgängige Eigenverantwortung, dezentralisierte Entscheidungsfindung und multidisziplinäre Zusammenarbeit auszeichnet. Aber da Künstliche Intelligenz (KI) eine zentrale Rolle bei der Gestaltung unserer Arbeit spielt, müssen wir uns fragen: Sind unsere agilen Arbeitsmodelle agil genug?

Das Erbe von Agile: Ein stabiler Herzschlag

Agile wurde aus der Notwendigkeit heraus geboren, Komplexität und Ungewissheit in der Wissensarbeit zu bewältigen. Es führte Werte und Prinzipien ein, die Anpassungsfähigkeit, Transparenz und kontinuierliche Verbesserung betonen. Im Laufe der Zeit wurden diese in Betriebsmodellen kodifiziert, die stabile Teams, priorisierte Arbeitsabläufe und technische Kompetenz als treibende Kraft hinter der agilen Produktbereitstellung betonten. Die Governance wurde durch Portfoliomanagement und Planungskadenzen gesteuert, wodurch ein Rhythmus - ein "stabiler Herzschlag" - geschaffen wurde, der es Unternehmen ermöglichte, vorhersehbar zu planen, auszuführen und zu verbessern (siehe Abbildung 1; typisches Organisationsmuster).

Dieser Rhythmus brachte zwar Struktur und Vorhersehbarkeit, aber auch ein Gefühl der Trägheit mit sich. Teams, die als "stabil" bezeichnet wurden, wurden fixiert, Arbeitsabläufe wurden isoliert und Agilität wurde auf das reduziert, was das System technisch liefern konnte, basierend auf vordefinierten Prioritäten, mit denen wir das System fütterten. Die Modelle, die eigentlich die Anpassungsfähigkeit fördern sollten, begannen sich selbst gegen Veränderungen zu wehren.

KI unterbricht den Rhythmus

KI funktioniert nicht mit einem stabilen Herzschlag. Sie lebt von Flüssigkeit, Reaktionsfähigkeit in Echtzeit und datenzentrierter Entscheidungsfindung. Sie führt Agenten ein, die auf der Grundlage von Live-Daten Optimierungen vorschlagen, Aufgaben anhand von Wertmodellen und KPIs kontinuierlich neu priorisieren, Fachwissen dynamisch an neue Anforderungen anpassen und Hindernisse mit Lösungsvorschlägen melden können (siehe Abbildung 2; KI-basiertes Betriebsmodell).

In diesem neuen Paradigma beschränkt sich Agilität nicht mehr auf das regelmäßige Zurücksetzen eines Auftragsbestands, sondern durchdringt das gesamte System. Das Liefermodell wird anpassungsfähig, reaktionsschnell und entwickelt sich selbst ständig weiter. KI beschleunigt nicht nur die Lieferung, sondern verändert auch die Art und Weise, wie wir über Wertschöpfung denken.

Von stabilen Teams zu dynamischen Aufgabenteams

Eine der radikalsten Veränderungen in der KI-gestützten Leistungserbringung ist der Wechsel von stabilen Teams zu dynamischen Aufgabenteams. Dabei handelt es sich um zeitlich begrenzte, zweckgebundene Zusammenstellungen von Experten, die für die Erledigung bestimmter Aufgaben oder wertvoller Gelegenheiten zusammengestellt werden. Sie werden auf der Grundlage von Verfügbarkeit, Fachwissen und der Art der Aufgabe zusammengestellt.

Dieses Modell stellt die traditionelle Annahme in Frage, dass die Stabilität eines Teams die Leistung steigert. Stattdessen setzt es auf "kontinuierliche" Teambildung, um den sich ändernden Anforderungen gerecht zu werden, auf gemeinsame Richtlinien und grundlegende Arbeitsweisen, um Reibungsverluste bei der Zusammenarbeit und die Kosten für die Teambildung zu verringern, sowie auf umfassendes Fachwissen, um Leerlaufzeiten und Engpässe zu minimieren.

Dieser Ansatz führt zwar zu mehr Komplexität, aber er ermöglicht auch Agilität im großen Maßstab. Er ermöglicht es Unternehmen, auf Chancen und Herausforderungen mit Präzision und Geschwindigkeit zu reagieren. Das System wird in der Lage sein, sich selbst in Echtzeit neu zu konfigurieren, gesteuert durch Daten und strategische Absichten.

Die Rolle von Agenten und Menschen in der Schleife

KI-Agenten spielen in diesem Betriebsmodell eine zentrale Rolle (siehe Abbildung 3: Agenten und ihr Zweck). Sie übernehmen Aufgaben wie das Vorschlagen von Verbesserungen auf der Grundlage von Produktnutzungs- und Leistungsdaten, das Setzen von Prioritäten anhand von Wertmodellen und Zielen, das Ermitteln des erforderlichen Fachwissens und das Zusammenstellen von fähigen Teams sowie das Erkennen von Hindernissen mit Lösungsvorschlägen.

Allerdings ist die KI nicht unfehlbar. Sie kann voreingenommen sein, Fehler machen und den Kontext falsch interpretieren. Deshalb ist der Mensch nach wie vor unverzichtbar. Experten sind in den Kreislauf eingebunden, um die von der KI generierten Vorschläge zu überprüfen und zu verfeinern, Teamzusammensetzungen und Personalentscheidungen zu validieren und Hindernisse zu beseitigen (siehe Abbildung 4: Menschen im Kreislauf).

Diese Zusammenarbeit zwischen Mensch und KI gewährleistet Qualität, Verantwortlichkeit und ethische Entscheidungsfindung. Sie bewahrt den menschlichen Vorteil und nutzt gleichzeitig die Rechenleistung der KI.

Vorteile von KI-gesteuerten Liefermodellen

Der Wechsel zu KI-gestützten Betriebsmodellen bietet mehrere überzeugende Vorteile. Entscheidungen werden auf der Grundlage von Echtzeitdaten getroffen, nicht auf der Grundlage eines verzögerten Konsenses. Das bedeutet, dass eine beträchtliche Menge an Besprechungs- und Diskussionszeit eingespart werden kann, wenn Algorithmen die auf Meinungen basierende Prioritätensetzung durch evidenzbasierte Maßnahmen ersetzen. Eine kontinuierliche Ausrichtung auf strategische Ergebnisse wird möglich, und Verbesserungen basieren auf der tatsächlichen Leistung und nicht auf Annahmen und Vermutungen.

Hindernisse werden aufgedeckt und proaktiv angegangen, wodurch Verschwendung und Ineffizienz reduziert werden. Standardisierte grundlegende Praktiken minimieren die Nacharbeit, und Teams werden auf der Grundlage der tatsächlichen Anforderungen und nicht der alten Rollen gebildet. Agilität wird systemisch - nicht nur ein Attribut einiger weniger oder eine gemeinsame Denkweise, sondern eine Eigenschaft des gesamten Unternehmens.

Was ist mit Projekten und Innovation?

Wenn Sie sich die Eingaben in Abbildung 2 genau ansehen, wird nichts über größere, substanziellere Innovationen und Projekte erwähnt. Das liegt daran, dass ich der Meinung bin, dass diese Arbeit unter die Lupe genommen werden sollte, und wenn man sich entschließt, etwas Bedeutendes zu verfolgen, sollte es sich vom Rest der Arbeit abheben. In diesem neuen Modell entwickeln sich die Projekte zu Experimenten. Sie sind verkürzte, hypothesengesteuerte Produktentwicklungszyklen, in denen KI die Ideenfindung durch generatives Design und prädiktive Validierung ergänzt. Nachdem die Hypothesen über den Wert validiert wurden, wird die Projektarbeit in das Portfolio aufgenommen, wo eine Entscheidung darüber getroffen werden muss, wie viel Fachwissen dem System hinzugefügt werden muss, damit nicht einfach noch mehr Arbeit zu denselben Personen hinzukommt (siehe Abbildung 5: Personalbesetzung bei Projekten).

Dieser Ansatz ist besonders leistungsfähig für Horizon 3-Innovationen, bei denen es darum geht, bahnbrechende Ideen und zukünftige Möglichkeiten zu erkunden. KI wird zum Co-Piloten bei der Navigation durch Ungewissheit, der Entwicklung von Optionen und der Validierung von Potenzialen. Sie ermöglicht es Unternehmen, Ideen schnell und mit Zuversicht zu erforschen.

Wann ist dieses Modell am besten geeignet?

KI-gestützte Liefermodelle sind am effektivsten, wenn die Produkte digital und kontinuierlich sind, d.h. online sind, gekauft und 24/7 genutzt werden, wie z.B. bei Spotify, Coursera, Coolblue oder Marktplaats. Produktnutzungs- und Leistungsdaten werden erfasst und können genutzt werden, was bedeutet, dass die Daten sauber, strukturiert und zuverlässig sein müssen. Die Tech Stacks sind modern und vermeiden exotische Tools. Die Entwicklungsprozesse sollten so weit wie möglich automatisiert sein, und die Teams sollten aus Full-Stack-Ingenieuren bestehen.

Diese Bedingungen bilden die Grundlage dafür, dass KI effektiv arbeiten und einen sinnvollen Wert liefern kann. Ohne sie kann das System Schwierigkeiten haben, sich anzupassen oder verwertbare Erkenntnisse zu gewinnen.

Den menschlichen Vorteil bewahren

KI kann zwar Routineaufgaben automatisieren und die Leistungserbringung optimieren, aber sie kann menschliche Kreativität, Empathie und Urteilsvermögen nicht ersetzen. Deshalb ist es wichtig, agile Rituale wie Standups und Retrospektiven beizubehalten, die durch KI-Einsichten erweitert werden. KI sollte genutzt werden, um kognitive Freiräume für strategisches Denken zu schaffen, anstatt die menschliche Beteiligung zu eliminieren.

Die Investition in das Wachstum menschlicher und technologischer Fähigkeiten ist entscheidend. Wie Pablo Picasso einmal sagte: "Alles, was Sie sich vorstellen können, ist real." Im Zeitalter der KI wird die Vorstellungskraft zu einem strategischen Vorteil. Die Unternehmen, die die Macht der KI mit der Tiefe des menschlichen Verständnisses kombinieren, werden erfolgreich sein.

Schlussfolgerung: Sind Sie bereit für Reimagine?

Die Neudefinition der Wertschöpfung in der KI-Ära ist nicht nur eine technische Herausforderung, sondern auch eine kulturelle und strategische Transformation. Sie müssen sich von alten Annahmen verabschieden, sich auf Flexibilität einlassen und Systeme und Betriebsmodelle entwickeln, die authentisch KI-fähig sind.

Natürlich sind die Arbeit und die Überlegungen, die in diesem Artikel vorgestellt werden, bei weitem nicht abgeschlossen, und viele Fragen bleiben unbeantwortet. Aber es ist dieses Denken selbst, das beginnen und sich beschleunigen muss, um Schritt zu halten und authentische Wege zu finden, diese neue Technologie zu nutzen. Nicht, indem wir sie dort anwenden, wo wir heute sind, sondern indem wir uns neu vorstellen, wie wir Dinge tun.

Die Frage ist nicht, ob KI unsere Arbeitsweise verändern wird - das hat sie bereits. Die eigentliche Frage ist: Werden wir unsere Arbeitsweise ändern, um das Beste aus ihr zu machen?

Sind Sie bereit, sich neu zu erfinden? Erfahren Sie mehr über Innovation & Leadership im Zeitalter der KI