Wie ein Team die Planungszeit um 70 % senkte – mit KI, die Kommunikation liest

Peter führt ein schnell wachsendes deutsches Software-Scale-up. Mit agiler Entwicklung bewältigt sein Team die hohe Dynamik im Markt – doch wie bei vielen agilen Teams hat das einen Preis: Anstehende Aufgaben müssen fast in Echtzeit spezifiziert, priorisiert und geplant werden, damit der Sprint-Rhythmus nicht kippt.

Peter beschreibt die Situation so:

Planung ist ein Riesenaufwand. Unser Team verbringt zwei Stunden im Sprint-Refinement, um die kommende Arbeit zu spezifizieren. Vorher ist unser Product Owner zwei Wochen lang voll ausgelastet und springt von einem Business-Termin zum nächsten, um Anforderungen einzuholen und Prioritäten abzuschätzen. Im Refinement reden wir dann trotzdem oft noch über fachliche Details – mit Projektmanager, Scrum Master und Teammitgliedern, die selbst Kundenkontakt haben. Oft verlängern wir auf vier Stunden und haben immer noch kaum Zeit, Tickets technisch zu schärfen.

Und technisches Refinement war noch nie wichtiger.

In einer Welt, in der Entwickler zunehmend von KI-Agenten unterstützt werden, verschiebt sich ihre Rolle. Sie sind nicht mehr nur Programmierer, sondern immer mehr technische Analysten: Sie formulieren Anweisungen für unterstützende Agenten, prüfen generierten Code und definieren Testfälle. Wird Programmieren schneller, wird gründliche Spezifikation zum echten Engpass. Die Folge: Entwickler liefern immer schneller – und ziehen immer mehr schwach ausgearbeitete Tickets aus dem Backlog. Das führt oft zu missverstandenen Kundenbedürfnissen und falschen Architekturentscheidungen.

Tim, Lead Developer im Team, sorgt dafür, dass der Code sauber bleibt und zu den Kundenbedürfnissen passt. Er beschreibt die Herausforderung so:

Agenten helfen uns, viel schneller zu werden – aber die Aufsicht ist extrem wichtig. Agenten können problemlos Tausende Zeilen Code anpassen, Dutzende Dateien anfassen und in einer Minute Architektur ändern. Wenn du nicht genau weißt, was du tust und warum, wird das gefährlich – besonders in einem Team mit sieben Entwicklern.

Technische Spezifikation frisst deshalb viel Zeit. Wer eine Änderung umsetzt, verbringt oft den Großteil damit, Anpassungen mit dem Team zu klären – auch außerhalb des eigentlichen Refinements.

Und trotz großer Sorgfalt geht es schief: Manchmal landen große Änderungen in Produktion, bevor der Product Owner merkt, dass das Inkrement nicht dem entspricht, was mit dem Kunden vereinbart war.

Der Grund ist simpel: Das Gespräch mit dem Kunden ist nie in den Anforderungen gelandet.

Sorgfältigere Meetings und mehr Pflege in den Tickets halfen am Rand, skalierten aber nicht: Jedes zusätzliche Tempo in der Entwicklung vergrößerte die Lücke zwischen dem, was Kunden wirklich gesagt hatten, und dem, was im Backlog stand.

Da wurde klar: Das müssen wir mit KI angehen. Wenn Entwickler mit KI unfassbar schnell werden, das Business aber weiter tröpfelt, geht das nicht zusammen.

Die zentrale Erkenntnis: Tickets müssen sich in Echtzeit selbst spezifizieren.

So funktioniert es

Sobald jemand mit Kunden spricht und etwas zur Ticket-Spezifikation der Entwickler beitragen sollte, wird das heute automatisch erfasst.

Wenn Entwickler über die Umsetzung diskutieren, wird die Ticket-Spezifikation ebenfalls aktualisiert. Sogar die im Ticket beschriebenen Testfälle können sich automatisch weiterentwickeln.

Das Team setzt Agenten ein, die Kommunikation „mithören“. Sobald etwas Relevantes besprochen wird, schlagen die Agenten eine Aktualisierung der Ticket-Spezifikation vor.

Im Sprint-Refinement gibt es keine langen Debatten mehr über fachliche Anforderungen. Die Spezifikation in den Tickets bleibt in Echtzeit aktuell – und wir sehen, welche Kommunikation und von wem zu welchem Ticket gehört.

Beispiel-Workflow

1. Der Product Owner spricht mit dem Business über ein neues Thema → die KI schlägt vor, eine Aufgabe mit grober Beschreibung anzulegen.
2. Der Product Owner klärt den Bedarf in mehreren Meetings und E-Mails mit verschiedenen Stakeholdern → jede neue Information landet automatisch im Ticket.
3. Der Product Owner bespricht das Ticket mit Projektmanager und Scrum Master → beide bringen Punkte ein und mailen Nachfragen ans Business. Auch die Antworten fließen automatisch ins Ticket.
4. Ein Entwickler nimmt das Ticket auf → er hat eine Frage zur Architektur, bespricht sie zuerst im Team → die KI aktualisiert das Ticket.
5. Er geht auf das Business zu → das Ticket wird erneut aktualisiert.

Früher ist vieles davon nie im Ticket gelandet. Dadurch wurden schlechte Ergebnisse ausgeliefert – schlicht weil die Entwicklung schneller war als die Business-Seite.

Inzwischen hat das Business gelernt, dass es mit KI ebenfalls schneller und präziser werden kann.

Programmieren mit Agenten funktioniert nur gut, wenn euer Business bereit dafür ist.

Weiterlesen

• aicoo – Kommunikation mit Projektmanagement-Artefakten verbinden
• Vom Chaos zur Klarheit: Warum Projektkommunikation zu strukturierten Daten werden muss

Kostenlos ausprobieren

Überzeug dich selbst, wie aicoo Aufgaben mit laufender Kommunikation in Einklang halten kann – ohne im Refinement jedes Stakeholder-Gespräch nachzuspielen.

Zum Tool