In Kürze: Der KI-getriebene Paradigmenwechsel im Hause Agile
Der Paradigmenwechsel ist da. Andrej Karpathy, ehemaliger KI-Direktor bei Tesla und Mitbegründer von OpenAI, gab kürzlich zu, dass er sich als Programmierer noch nie so weit zurückgeworfen gefühlt habe. Wenn sich Karpathy überfordert fühlt, wie sollten wir Normale uns dann fühlen?
Dieser Artikel beschreibt den Wandel auf drei Ebenen: strategisch, produktbezogen und individuell. Jede Ebene erfordert unterschiedliche Reaktionen, während So-la-la-Agile nicht mehr ausreicht, um Einkommen oder eine berufliche Perspektive zu sichern. Die interessante Frage ist, wo Sie sich auf dieser Reise befinden.
Wenn Karpathy sich überholt fühlt, sollten Sie aufmerksam werden
Andrej Karpathy hat am 26. Dezember 2025 etwas gepostet, das jeden Agile-Praktiker interessieren sollte:
“I’ve never felt this much behind as a programmer. The profession is being dramatically refactored as the bits contributed by the programmer are increasingly sparse and between. I have a sense that I could be 10X more powerful if I just properly string together what has become available over the last ~year and a failure to claim the boost feels decidedly like skill issue.” (Source: Andrej Karpathy on X).
Andrej ist kein unerfahrener Entwickler, der sich über JavaScript-Frameworks beschwert. Er ist ein renommierter KI-Experte, der zugibt, dass er den Möglichkeiten hinterherhinkt.
Der Paradigmenwechsel, den wir derzeit erleben, ist überwältigend. Ich würde mir wünschen, dass wir uns alle darauf einigen könnten, eine Pause einzulegen, um zu verarbeiten, was geschehen ist und welche Auswirkungen dies haben könnte, bevor weitere Fakten geschaffen werden: Rechenzentren, Energieinfrastruktur und damit verbundene Investitionen, die eine Rendite erfordern. Wir leben in interessanten Zeiten.
Für den Paradigmenwechsel gilt Roy Amaras Gesetz: “We tend to overestimate the effect of a technology in the short run and underestimate the effect in the long run.” Mit Sicherheit lässt sich sagen, dass Agile nie mehr so sein wird wie zuvor. Die Zeiten, in denen das Zusammenfassen von Haftnotizen aus einer Retrospektive ein gutes Einkommen versprach, gehen zu Ende.
Ich beobachte den KI-getriebenen Paradigmenwechsel von Agile auf drei Ebenen: strategisch, produktbezogen und individuell. Jede Ebene erfordert eine unterschiedliche Reaktion:
Die strategische Ebene: Diese ist ein Problem der Menschen, nicht der Werkzeuge
Die entscheidende Frage auf strategischer Ebene lautet, wann KI in einem agilen Unternehmen eingesetzt werden sollte, das ein Produktbetriebsmodell verwendet, um Mehrwert für Kunden zu schaffen.
Das A3-Framework (Unterstützen, Automatisieren, Vermeiden) bietet einen Ausgangspunkt. Wie bei jeder Veränderungsinitiative ist die Herausforderung jedoch weniger intellektueller als vielmehr emotionaler Natur. Es ist wichtiger, den Menschen zu vermitteln, warum Veränderungen nicht nur für das Unternehmen, sondern auch für sie selbst von Vorteil sind, als die Technologie zu erklären. Die Anwendung von KI ist eine Frage der Menschen, nicht der KI-Tools.
In dieser Hinsicht ähnelt der Einsatz von KI in einem agilen Kontext unter Berücksichtigung der Unternehmenskultur und der Governance-Anforderungen eher einer klassischen Transformationsherausforderung als einer technischen. Deren Muster des Scheiterns sind bekannt.
Der Grund, warum so viele KI-Pilotprojekte scheitern, ist der zugrunde liegende Ansatz, sie auf der „grünen Wiese“ aufzusetzen. Führungskräfte trennen das KI-Pilotprojekt von der Schaffung echten Kundennutzens. Sie ignorieren die Abstimmung mit der Unternehmenskultur und den Governance-Anforderungen. Dann wundern sie sich, warum die Einführung ins Stocken gerät.
Wir haben dies bereits zuvor beobachtet; das Agile-Transformations-Playbook scheiterte aus denselben Gründen: Die Einführung eines Prozesses ohne Änderung der Bedingungen, die dessen Funktion ermöglichen. Die KI-Transformation wiederholt dieses Muster oftmals.
Die Produktebene: Code ist kostengünstig, Produkte sind teuer
Der entscheidende Faktor, der uns in der Vergangenheit dazu veranlasste, selektiv zu sein und zu entscheiden, wo wir investieren sollten, während wir herausfanden, was es wert ist, entwickelt zu werden, um die Probleme unserer Kunden zu lösen, verliert zunehmend an Bedeutung: die Kosten der Programmierung.
Als Anthropic über Weihnachten Claude Cowork veröffentlichte, praktisch von Claude Code entwickelt, wurde diese Veränderung offensichtlich. Ich gehe davon aus, dass bis Ende 2026 der Großteil der Software von KI-Agenten erstellt wird. Dies ist zwar Spekulation, aber die Entwicklung ist für mich klar erkennbar.
Diese Veränderung hat tiefgreifende Auswirkungen auf die Produktentwicklung. Die traditionellen Kostenbarrieren, die uns davon abhielten, blindlings jeder Idee zu folgen, die unseren Kunden gefallen könnte, werden verschwinden. Die Kosten für die Programmierung sorgten früher für Disziplin. Wenn die Entwicklung fast kostenlos ist, was sorgt dann für Disziplin?
Die Bedeutung der Produktentdeckung wird massiv zunehmen. Die Discovery-Praktiken selbst werden sich verändern. Wo vor zwei Jahren noch ein Papierprototyp ausgereicht hätte, erwarten die Menschen heute einen vibe-gecodeten Prototyp. Christina Wodtke bezeichnet dies als „discovery coding“: entwickeln, um zu lernen, statt zu entwickeln, um zu liefern.
Die Verantwortlichkeiten der Produktentwickler werden sich erweitern. Ich gehe davon aus, dass Produktmanager und Product Owner eher früher als später entwicklungsnahe Fähigkeiten erwerben müssen. Nicht, um Produktionscode zu schreiben, sondern um Prototypen zu erstellen, mit denen Annahmen schneller getestet werden können als von der Konkurrenz.
Diese Möglichkeit ist jedoch ein zweischneidiges Schwert. Während die KI-Entwicklung klassische SaaS-Produkte erweitert, ermöglicht sie auch etwas Neues: die Ära der „Software für einen“. Zum ersten Mal wird es möglich, Software mit einer ganz individuellen Note zu entwickeln. Software, die perfekt für einen einzigen Anwendungsfall geeignet ist.
Stellen Sie sich vor, Agenten würden Kundenfeedback aus Slack, E-Mails, dem Kundensupportsystem Ihres Unternehmens, Besprechungsprotokollen und Kundeninterviews sammeln, die Kernaussagen extrahieren, sie in Markdown-Dateien umwandeln, sie Ihrem Kontextsystem hinzufügen und um 8 Uhr einen morgendlichen Update-Bericht für Sie erstellen, der auf aktuelle Trends in der Kunden- und Stakeholder-Stimmung hinweist und gegebenenfalls weitere Maßnahmen empfiehlt. Kein Anbieter bietet genau diesen Workflow an. Niemand sonst benötigt ihn genau in dieser Form.
Ich bin gespannt, wann die Antwort auf die Frage „Welche Tools verwenden Sie?“ lauten wird: „Ich habe sie selbst entwickelt.“
Die individuelle Ebene: Der Weg des Praktikers
Der typische Weg der Anwendung von KI als agiler Praktiker folgt einem vorhersehbaren Verlauf:
Sie beginnen damit, KI zur Unterstützung bei bestimmten Problemen einzusetzen. Dann entdecken Sie, dass KI gut darin ist, sich selbst zu prompten. Sobald Sie sich mit dem Memory-Konzept vertraut gemacht haben, stellen Sie fest, dass die Erstellung von GPTs, Projekten oder Gems die Qualität und Quantität Ihrer Arbeit erheblich verbessert. (Hinweis: Viele bleiben an dieser Stelle stehen und betrachten die KI eher als eine verbesserte Such- und Schreibmaschine als als einen „denkenden“ Partner.)
Dann verstehen Sie die Bedeutung des Kontexts und beginnen, Ihre Dateien entsprechend zu organisieren. Jetzt können Sie Konnektoren und externe Dateiquellen verwenden, um Modellen Kontext bereitzustellen. (Beachten Sie die Falle: Wenn Sie einfach nur Dateien ohne Struktur ansammeln, bis Sie an die technischen Grenzen des Kontextfensters stoßen und sich dann fragen, warum die KI alles „vergessen“ hat. Modelle sind nicht besonders gut darin, die Nadel im Heuhaufen zu finden.)
Dann entdecken Sie eine neue Fähigkeit: Skills. Sie gehen dazu über, statt ein Modell aktiv zu einer bestimmten Handlung aufzufordern, ein System zu nutzen, das selbstständig entscheidet, wann Anweisungen und Wissen zur Unterstützung der Aufgabenerfüllung eingesetzt werden. (Beachten Sie das Risiko von Skills im Übermaß: Der Aufbau von Skills, die sich überschneiden oder widersprechen, führt eher zu Verwirrung als zu erweiterten Fähigkeiten des Modells.)
Der nächste Schritt sind KI-Agenten, die autonom für Sie arbeiten. Es gibt einen Grund, warum Claude Code seit der Veröffentlichung von Claude Opus 4.5 so beliebt geworden ist. Es gibt auch einen Grund, warum Menschen begonnen haben, Markdown-Dokumente zu nutzen und ihr Wissen in miteinander verknüpften Dateisystemen mit Tools wie Obsidian zu organisieren.
Zum ersten Mal können Sie ein persönliches Betriebssystem erstellen, das wirklich Ihrer Arbeitsweise entspricht, einschließlich all Ihrer Eigenheiten. Darüber hinaus steht das, was bisher vor allem denjenigen zur Verfügung stand, die sich mit einer CLI wohlfühlen, nun auch uns anderen zur Verfügung: Claude Cowork ist eine Offenbarung, um die Bedeutung autonomer KI-Agenten als agiler Praktiker zu verstehen. Es ist die neue Grenze.
Fazit: Wo befinden Sie sich auf dieser Reise?
Der Paradigmenwechsel vollzieht sich auf drei Ebenen:
- Strategisch: Die Einführung von KI als kulturelle Herausforderung betrachten, nicht als Einführung eines Tools.
- Produkt: Akzeptieren, dass kostengünstiger Code bedeutet, dass Product Discovery wichtiger wird als zuvor.
- Individuell: Vom Prompten zur Nutzung von Agenten übergehen.
Hinweis: Fortschritte auf individueller Ebene ohne strategische Ausrichtung auf Organisationsebene schaffen Inseln von Fähigkeiten, die das Unternehmen nicht absorbieren kann. Die fähigen Mitarbeiter bemerken dies, sind frustriert und verlassen das Unternehmen. Im Kampf um KI-Talente wird strategisches Versagen zur Krise der Mitarbeiterbindung.
Die meisten Praktiker, mit denen ich spreche, befinden sich irgendwo in der Mitte ihrer individuellen Reise. Sie verwenden ChatGPT oder Claude für bestimmte Aufgaben. Sie haben ihre Arbeit aber noch nicht so organisiert, dass sie Skills oder KI-Agenten einsetzen.
Das ist in Ordnung; jeder fängt einmal an. Aber die Kluft zwischen „Ich prompte manchmal” und „Ich habe KI-Agenten, die für mich arbeiten” wird immer größer. Diejenigen, die den Paradigmenwechsel akzeptieren und diese Kluft überwinden, verschaffen sich einen Vorteil. Diejenigen, die dies nicht tun, werden feststellen, dass ihr Wertversprechen im Wettbewerb schwindet.
Wo befinden Sie sich auf dieser Reise des KI-getriebenen Paradigmenwechsels? Und was ist der nächste Schritt, den Sie nächsten Montag unternehmen könnten?
🗞 Shall I notify you about articles like this one? Awesome! You can sign up here for the ‘Food for Agile Thought’ newsletter and join 35,000-plus subscribers.