Agile Gremlins – Vorhersagbarkeit und Qualität in Zeiten von KI – mit Iuliia Artemyeva

Achtung! – Zum ersten Mal wird ein Interview im agilophil Podcast komplett auf Englisch geführt.

Künstliche Intelligenz verspricht vor allem eines: Geschwindigkeit. Entwürfe entstehen schneller, Prototypen lassen sich innerhalb kürzester Zeit erstellen und auch in der Softwareentwicklung können Arbeitsschritte deutlich beschleunigt werden. Aber führt mehr Geschwindigkeit automatisch zu mehr Vorhersagbarkeit? Und was passiert mit der Qualität, wenn Output immer einfacher erzeugt werden kann?

In dieser Folge des agilophil Podcasts spreche ich mit Iuliia Artemyeva darüber, wie agile Teams, Produktverantwortliche und Softwareentwickler KI sinnvoll einsetzen können, ohne dabei Urteilsvermögen, Qualität und Verantwortung aus der Hand zu geben.

Vom Marketing in die Software- und Produktentwicklung

Iuliia startete ihre berufliche Laufbahn im Marketing und arbeitete dort unter anderem mit großen Unternehmen aus den Bereichen FMCG und Automotive.

Ihr Einstieg in die digitale Produktwelt begann vor rund 15 Jahren, als die ersten iPads auf den Markt kamen. Die neuen Geräte eröffneten damals völlig neue Möglichkeiten für Außendienst, Kundeninteraktion und Datenerfassung.

Aus einem ersten digitalen Projekt entwickelte sich schließlich eine Karriere in der Technologiebranche. Seitdem arbeitet Iuliia entlang des gesamten Produktentwicklungsprozesses – von Discovery bis Launch – sowie im technischen Projektmanagement und Produktmarketing. Dabei sammelte sie Erfahrungen in Start-ups, Scale-ups und großen Enterprise-Organisationen.

Heute gehört KI zu ihrem beruflichen Alltag.

Agile Gremlins der KI: zunächst hilfreich, später problematisch

Für die Risiken im Umgang mit KI nutzt Iuliia eine anschauliche Metapher: Gremlins.

Am Anfang erscheinen KI-Werkzeuge wie freundliche Helfer. Sie beschleunigen die Arbeit, unterstützen bei der Ideenfindung und ermöglichen es, innerhalb kürzester Zeit Prototypen zu bauen.

Problematisch wird es dann, wenn Teams aufgrund dieser Geschwindigkeit grundlegende Prinzipien der Produktentwicklung vernachlässigen.

Ein erster „Gremlin“ entsteht deshalb bei der Einschätzung von Aufwand.

Eine Aufgabe, die früher zu groß oder zu aufwendig erschien, kann mit KI plötzlich wie eine Fünf-Minuten-Aufgabe wirken. Doch Iuliia empfiehlt, zwei Fragen bewusst voneinander zu trennen:

Haben wir wirklich keine Zeit für diese Aufgabe? Oder sind wir uns über die Qualität des Ergebnisses noch nicht sicher?

Wer Geschwindigkeit und Qualität getrennt betrachtet, kann bessere Entscheidungen treffen.

Ein Prototyp ist noch kein produktionsreifes Produkt

Besonders leistungsfähig ist KI beim Prototyping.

Eine Idee kann heute teilweise innerhalb weniger Stunden in etwas verwandelt werden, das bereits erstaunlich real aussieht. Genau darin liegt aber auch eine Gefahr.

Ein überzeugender Prototyp ist noch lange kein produktionsreifes Produkt.

Tests, Security, Wartbarkeit, Hosting, rechtliche Anforderungen, Kosten und technische Machbarkeit verschwinden nicht durch KI. Frank verbindet diese Diskussion mit bekannten agilen Konzepten wie Definition of Ready, Definition of Done und Technical Debt.

Iuliia nennt diese notwendigen, aber häufig wenig sichtbaren Aufgaben „Cinderella Work“.

Abstimmung, Validierung, Qualitätssicherung und klare Entscheidungen bleiben notwendig.

Deshalb empfiehlt sie, auch in stark KI-gestützten Prozessen bewusst einen menschlichen „Stress Test“ einzubauen. Selbst wenn eine KI etwas erstellt und eine zweite KI das Ergebnis überprüft, sollte ein Mensch bewerten, ob das Resultat für den vorgesehenen Zweck tatsächlich zuverlässig genug ist.

Wenn der Backlog zur Rumpelkammer wird

Eine weitere Herausforderung entsteht bei der Ideenfindung.

KI macht Ideation nahezu kostenlos. Innerhalb kürzester Zeit können zahlreiche neue Features, Produktideen oder Lösungsansätze entstehen.

Doch genau dadurch können immer mehr Ideen direkt in den Product Backlog wandern.

Iuliia beschreibt den Backlog deshalb bildhaft als möglichen „Junk Drawer“ – eine Schublade voller Ideen, bei denen irgendwann niemand mehr weiß, was wirklich wichtig ist.

Bevor eine mit KI entwickelte Idee ein ernsthafter Backlog-Kandidat wird, empfiehlt sie daher eine einfache Prüfung.

Welchen Business Impact erwarten wir? Wie hoch sind die Kosten eines möglichen Scheiterns? Gibt es tatsächlich ein Kundenproblem? Was bedeuten Hosting, rechtliche Anforderungen und Kosten?

Auch bei der Priorisierung kann KI unterstützen. Sie sollte die Entscheidung jedoch nicht einfach übernehmen.

Sinnvoller ist es, KI als Sparringspartner zu nutzen. Wenn sie Zugriff auf relevante Tickets, Diskussionen, Reports und Entscheidungen erhält, kann eine Art Pingpong entstehen: Der Mensch ergänzt fehlenden Kontext, die KI weist auf Aspekte hin, die der Mensch möglicherweise übersehen hat.

Du bleibst der Pilot

Ein zentraler Gedanke der Episode betrifft die Verantwortung.

KI kann Assistent, Agent oder Co-Pilot sein.

Der Mensch bleibt jedoch der Pilot.

Deshalb sollte sich ein Team nicht damit herausreden, dass „die KI“ für ein schlechtes Ergebnis verantwortlich sei. Verantwortung bleibt bei den Menschen, die die Aufgabe formulieren, den Kontext liefern, Ergebnisse prüfen und entscheiden, ob etwas weiterverwendet oder produktiv eingesetzt wird.

Je leistungsfähiger KI wird, desto wichtiger wird diese klare Rollenverteilung.

Vier praktische Prinzipien für den KI-Alltag

Zum Abschluss des Gesprächs gibt Iuliia mehrere konkrete Empfehlungen.

Erstens: Besitze das Wissen, nicht nur den Output. KI kann ein Dokument schneller schreiben. Entscheidend ist aber, dass du verstehst und erklären kannst, was darin steht.

Zweitens sollten KI-Entwürfe, Work in Progress und geprüfte Ergebnisse klar voneinander unterschieden werden. Aussagen sollten entweder auf dem eigenen Urteil beruhen oder nachvollziehbar aus vertrauenswürdigen Quellen stammen.

Drittens lohnt sich Automatisierung nicht automatisch überall. Neben Geschwindigkeit sollten auch Business Impact und Fehlertoleranz betrachtet werden.

Und schließlich: Finde dein eigenes Tempo.

Neue KI-Werkzeuge, Frameworks und Funktionen erscheinen nahezu täglich. Niemand kann alles ausprobieren und verfolgen. Wichtiger ist es, neugierig zu bleiben, kontinuierlich zu lernen und sich nicht vom Tempo der Entwicklung überfordern zu lassen.

Fazit

KI kann Teams schneller machen und ihnen helfen, mehr Ideen, Prototypen und Lösungsoptionen zu entwickeln.

Aber Geschwindigkeit ersetzt kein Urteilsvermögen.

Qualitätskriterien, menschliche Verantwortung, klare Priorisierung und disziplinierte Produktentwicklung werden durch KI nicht weniger wichtig – sondern eher noch wichtiger.

KI sollte genutzt werden. Teams sollten experimentieren und lernen.

Die Verantwortung für die entscheidenden Entscheidungen bleibt jedoch beim Menschen.

Links und Empfehlungen

Kontakt zu Iuliia am besten über ihr LinkedIn-Profil

Link zum LinkedIn Profil von MetaDesign, sowie deren Webseite.

Empfehlung zur Vertiefung: Das Agile Manifest und der Scrum Guide bieten einen hilfreichen Hintergrund zu mehreren in dieser Episode angesprochenen Themen wie Product Backlog, Verantwortlichkeiten und Qualitätsvereinbarungen. Diese Quellen wurden im Interview selbst nicht ausdrücklich empfohlen, ergänzen die Diskussion aber sinnvoll.

Weitere Episoden des agilophil Podcasts findest du auf der Übersichtsseite Podcast.

Dein agilophiler Frank

Hinweis: bei diesem Text handelt es sich um eine überarbeitete Version einer KI-generierten Zusammenfassung des Transkripts der Episode.