KI-getriebener Entwicklungsprozess

Veröffentlicht am von

AUSGANGSPUNKT

KI verschiebt den Engpass.
Nicht mehr Produktion ist knapp — sondern Urteilsvermögen.

Agile war eine Antwort auf Unsicherheit unter begrenzter menschlicher Kapazität.
KI verändert beide Parameter gleichzeitig:

  • Produktion ≈ kostenlos
  • Komplexität ↑ schneller als Verständnis

Konsequenz:
Der Prozess muss Verständnis aktiv erzeugen.

01 · RHYTHMUS

Sprint → Entkopplung

Sprints verlieren ihre Funktion als zentrale Taktung.

Produktion und Reflexion laufen in unterschiedlichen Geschwindigkeiten:

  • Produktion: kontinuierlich
  • Reflexion: bewusst verlangsamt

Leitfrage:
Verstehen wir noch, was entstanden ist?

Risiko:
Reflexion wird verdrängt → System wächst schneller als Verständnis

02 · REVIEW

Sampling → Exhaustiv

Klassisches Review ist selektiv.
KI-Review ist vollständig.

Kein Gradunterschied — ein Kategorienwechsel.

  • Deskriptive Referenz: aus Code extrahiert
  • Normative Referenz: menschlich gepflegt (Intention, Constraints)
  • KI erkennt Drift, aber keine Bedeutung

Entscheidung bleibt menschlich:
Fehler oder Evolution?

03 · OWNERSHIP

Implizit → Explizit

Nicht dokumentierter Kontext existiert nicht.

KI hat perfektes Lesevermögen — aber kein Gedächtnis.

Konsequenz:

  • Kontext als Markdown neben Code
  • Teil der Definition of Done
  • KI schlägt Updates vor
  • Mensch kuratiert

Risiko:
Schleichender Verlust kollektiven Verständnisses

04 · DIALOG

Werkzeug → Kollege

KI wird nicht gesteuert — sondern befragt.

Der Prompt ist Teil der Lösung.

  • Prompt-Entwurf gehört ins Ticket
  • KI gibt Feedback vor Start
  • Offene Punkte werden früh sichtbar

Prinzip:
Probleme sind im Dialog billig, im Code teuer.

DER KREISLAUF

Kontext-Docs
    ↓
Ticket + Dialog
    ↓
Inkrement (KI + Review)
    ↓
Doc-Update
    ↓
Commit (Code + Kontext synchron)

Der Loop stabilisiert nur, wenn Reflexion aktiv geschützt wird.

NEUE ROLLE

Intention Keeper

Keine technische Rolle.
Eine epistemische.

Verantwortung:

  1. Ist die ursprüngliche Intention noch erkennbar?
  2. Ist erkannter Drift Fehler oder Evolution?
  3. Beschreibt das System sich selbst — oder dient es noch?
  4. Sind Kontext-Dokumente ausreichend präzise?
  5. Wird echter Dialog gelebt — auch unter Druck?

Eigenschaft:
Knapp. Nicht beliebig skalierbar.

TICKET-ANATOMIE

1. Beschreibung
Ziel, Kontext, Abhängigkeiten, Akzeptanzkriterien

2. Prompt-Entwurf
Aufgabe an KI, relevante Kontext-Dokumente, Constraints

3. KI-Feedback (vor Start)

  • Vollständigkeit
  • Unklarheiten
  • Risiken

LEITPRINZIPIEN (GESCHÄRFT)

Code ist Ausführung
Wahrheit entsteht aus:
→ Code + Kontext + Tests

Reibung ist Methode
Widerspruch der KI ist erwünscht

Mensch entscheidet
Bedeutung entsteht nicht automatisch

FAILURE MODES

01 · Delegations-Regression

  • Prompt wird Befehl
  • KI wird Ausführer
  • Dialog verschwindet

→ Ergebnis: syntaktisch korrekt, semantisch schwach

02 · Kontext-Erosion

  • Docs veralten
  • KI arbeitet auf falscher Basis

→ Ergebnis: saubere Umsetzung falscher Annahmen

03 · Review-Illusion

  • “KI hat alles geprüft” ersetzt Denken

→ Ergebnis: falsche Sicherheit

04 · Reflexions-Kollaps

  • Produktion dominiert
  • kein langsamer Takt mehr

→ Ergebnis: System wächst, Verständnis schrumpft



MINI-CASE

Ticket:
“Leads sollen automatisch priorisiert werden”

Beschreibung (Auszug)

  • Ziel: bessere Fokussierung Sales
  • Kontext: CRM-App, Sheet-basiert
  • Kriterium: nachvollziehbare Priorisierung

Prompt-Entwurf (verkürzt)

  • Input: Leads-Tabelle
  • Output: Prioritätswert (0–100)
  • Constraints:
    • erklärbar (keine Blackbox)
    • basiert auf vorhandenen Feldern
  • Kontext-Dokument: lead_scoring.md

KI-Feedback vor Start

  • Gewichtung unklar
  • Konflikt: Einfachheit vs. Genauigkeit
  • Risiko: implizite Annahmen über “guten Lead”

Dialog-Entscheidung
→ einfache, transparente Heuristik vorziehen

Inkrement

  • Score = Funktion aus:
    • Amount
    • Last Contact
    • Status

KI-Review findet Drift

  • Neue Felder genutzt, die nicht im Kontext stehen

Intention Keeper entscheidet
→ bewusste Erweiterung
→ Kontext-Dokument aktualisieren

Commit
Code + lead_scoring.md synchron

AGILE VS. KI-PROZESS

DimensionAgileKI-Framework
TaktungSprintEntkoppelte Rhythmen
ReviewSamplingExhaustiv
WissenImplizitExplizit
SteuerungDelegationDialog
EngpassUmsetzungVerständnis

KURZFORM

KI macht Produktion billig.
Der Engpass wandert ins Verstehen.

Der Prozess reagiert mit:

  • Entkoppelten Rhythmen
  • Exhaustivem Review
  • Explizitem Kontext
  • Dialog statt Delegation

META

Dies ist kein Prozess im klassischen Sinne.
Es ist ein Betriebssystem für Arbeiten unter:

  • billiger Produktion
  • hoher Komplexität
  • unsicherer Bedeutung

Hinterlasse einen Kommentar