Mit KI-DevSecOps zurück zu echter Agilität 

Das ursprüngliche Versprechen der agilen Planung wurde in den letzten 25 Jahren bereits durch starre Prozesse und unnötigen Verwaltungsaufwand überschattet. Jetzt gerät es durch Backlogs, Burndowns und technische Schulden noch stärker unter Druck.

Ja, der Siegeszug von Agile in Unternehmen führte auch zur Entstehung von Frameworks wie dem Scaled Agile Framework (SAFe) , mit dem beispielsweise versucht wurde, die Lücke zwischen Agilität auf Teamebene und den Anforderungen des Unternehmens zu schließen. Infolgedessen wandelte sich der gefürchtetste Satz der Softwarebranche von „Das haben wir schon immer so gemacht“ zu „Wir sind agil, aber…“ – ein Hinweis auf Herausforderungen bei genau den Prinzipien, die Agilität einst so bahnbrechend machten.

Die Kernprinzipien von Agile – Reaktionsfähigkeit, Iteration und Fokus auf den Kundennutzen – sind jedoch nach wie vor immens wichtig. Die Herausforderung besteht darin, sie in komplexen Organisationsstrukturen im großen Stil umzusetzen. Es geht nicht darum, Agile zu ersetzen, sondern eine neue Generation von Tools zu entwickeln, die die zentralen Werte dieser Arbeitsweise verkörpern.

KI und die Plattformrevolution

Meine Reise mit Agile begann zusammen mit Vordenkern wie Jon Kern, einem der ursprünglichen Unterzeichner des Agile Manifesto. Er zeigte auf, dass Kundenorientierung und Lieferung effektiver sind als Dokumentation. Diese Denkweise ermöglichte es, kleine, leistungsstarke Teams aufzubauen, die durch schnelle Iterationen und Kundenfeedback überdurchschnittliche Ergebnisse erzielten. Viele haben inzwischen allerdings am eigenen Leib erfahren, wie diese Prinzipien in Unternehmen verloren gehen können.

Die heutigen KI-gestützten Plattformen bieten einen Weg zurück zu den einstigen Idealen. Hier kommen Multi-Agent-Kollaborationsplattformen ins Spiel. Dabei handelt es sich um integrierte Umgebungen, in denen KI-Agenten zusammenarbeiten, um Codebasen zu scannen, Kundenfeedback zu analysieren und Lösungen vorzuschlagen. Diese koordinierte Intelligenz ermöglicht es Teams, auf Echtzeit-Erkenntnisse zu reagieren.

Ideal wären KI-Systeme, die Kundenfeedback, Support-Tickets und Nutzungsmuster analysieren und diese Informationen nutzen, um verwandte Probleme automatisch zu identifizieren und zu sinnvollen Epics zu clustern. Und das, ohne auf langwierige Planungssitzungen angewiesen zu sein. Diese Systeme könnten wiederum Epics auf der Grundlage von Daten über die Geschwindigkeit und Abhängigkeiten des Teams intelligent in Stories der richtigen Größe zerlegen und sie den passenden Sprints zuweisen, die sowohl den Geschäftswert als auch die technische Kohärenz optimieren.

Die mühsame manuelle Backlog-Aufbereitung, das Estimation Poker und die Sprint-Planung könnten auf kurze Validierungssitzungen reduziert werden, in denen sich die beteiligten Personen auf das „Warum” statt auf das „Wie” konzentrieren. Teams könnten mehr Zeit damit verbringen, echten Wert zu schaffen, statt endlos darüber zu diskutieren, wie dieser entstehen soll. 

Hier ein Beispiel aus der Praxis: Das europäische Softwareentwicklungsunternehmen Cube stellte fest, dass es durch die Einführung einer einheitlichen Plattformstrategie, bei der KI in allen Phasen des Entwicklungslebenszyklus eingesetzt werden kann, sowohl die Entwicklungsgeschwindigkeit als auch die Codequalität deutlich verbessern konnte.

Es geht nicht darum, menschliches Urteilsvermögen aus Agile zu entfernen, sondern es von einer administrativen Belastung zu einer strategischen Leitlinie zu machen. Nur dann können Teams die reaktionsschnelle, wertorientierte Bereitstellung, die Agile ursprünglich versprochen hat, wirklich umsetzen.

Leichte Planung in einer KI-gestützten Welt

Monolithische Planungstools mit komplexen Workflows werden bereits durch leichte Issue-Management-Systeme ersetzt, die sich nahtlos in den gesamten Entwicklungslebenszyklus integrieren lassen. Wenn Issue-Tracking neben Code-Repositories, CI/CD-Pipelines und Bereitstellungsmechanismen existiert, schaffen wir eine Umgebung, in der KI unsere Workflows wirklich verbessern kann.

Dieser integrierte Plattformansatz ermöglicht eine grundlegende Veränderung in der Art und Weise, wie Unternehmen planen und ausführen. Einige mögliche Anwendungen:

• KI-gesteuerte Planung von Sicherheitsmaßnahmen: Statt Sicherheit als separaten Workflow zu behandeln, können intelligente KI-Tools automatisch Maßnahmen aus Schwachstellenscans erstellen, diese anhand einer Risikobewertung priorisieren und intelligent neben den Feature-Arbeiten einplanen. So wird sichergestellt, dass sich Sicherheitslücken nicht in vergessenen Backlogs ansammeln, und gleichzeitig ein klarer Überblick über die Anwendungssicherheit gewährleistet wird.
• Intelligente Automatisierung der Codeüberprüfung: KI kann Codeänderungen automatisch analysieren, potenzielle Fehler identifizieren, Optimierungen vorschlagen und die Einhaltung von Architekturmustern überprüfen und das alles, bevor ein menschliche Prüfungsinstanz den Code sieht. Dadurch wird die Zeit für die manuelle Überprüfung von der Suche nach grundlegenden Problemen auf strategische Entscheidungen über Implementierungsansätze verlagert.
• Intelligente plattformübergreifende Orchestrierung: Durch Agent-to-Agent-Kommunikationsframeworks (A2A) können Unternehmen leistungsstarke Integrationen zwischen Entwicklungsplattformen und Planungs- und Problemmanagement-Tools schaffen. Diese Integrationen ermöglichen es KI-Agenten, Daten plattformübergreifend automatisch zu synchronisieren und so einen umfassenden Überblick über die Entwicklungsaktivitäten zu bieten, unabhängig davon, wo die Planung stattfindet. Sie passen die Sprint-Zuweisungen basierend auf den Aktivitäten der Entwicklerinnen und Entwickler an und geben frühzeitig Warnungen raus, wenn Zeitpläne oder Teamkapazitäten gefährdet sind.

Funktionen wie diese, die bereits verfügbar sind, können die Effizienz der Entwicklungsteams steigern und Führungskräften fundierte Entscheidungen ermöglichen. Das Ergebnis ist ein zusammenhängendes Ökosystem, in dem Informationen nahtlos zwischen Planungs- und Ausführungstools fließen, sodass Entwicklungsteams nicht mehr zwischen verschiedenen Systemen wechseln müssen.

Was bedeutet das für ein Team?

Der Übergang zu einer KI-gestützten agilen Planung erfordert eine praktische Bewertung der aktuellen Prozesse und Toolchain.

1. Zunächst gilt es zu evaluieren, ob die aktuellen Prozesse Engpässe zwischen Entwicklung und Bereitstellung verursachen. Zudem muss man die Lücken finden, in denen agile Zeremonien existieren, aber traditionelle Genehmigungsworkflows weiterhin kritische Entscheidungen dominieren.
2. Als nächstes braucht es eine Bewertung, wie viel Zeit Teams für Planungszeremonien im Vergleich zur eigentlichen Entwicklungsarbeit aufwenden. Es sollten Überlegungen angestellt werden, ob KI administrative Aspekte wie Backlog-Grooming, Schätzungssitzungen und Statusaktualisierungen automatisieren könnte, während strategische Beiträge des Menschen zu Prioritäten und technischen Entscheidungen erhalten bleiben.
3. Eine genaue Betrachtung der Toolchain ist zudem sinnvoll, um festzustellen, wo manuelle Koordination zwischen den Planungs-, Entwicklungs- und Bereitstellungsphasen erforderlich ist. Es gibt sicherlich Möglichkeiten, wie KI die Datensynchronisation automatisieren und vorausschauende Erkenntnisse über Kapazitäts- und Zeitplanrisiken liefern kann, um Kontextwechsel zu reduzieren, die die Konzentration der Entwicklerinnen und Entwickler beeinträchtigen.
4. Im Endschritt gilt es den aktuellen Planungsaufwand zu überprüfen und zu ermitteln, welche administrativen Aufgaben automatisiert werden können, damit sich die Teams auf die Bereitstellung von Kundennutzen und strategische technische Entscheidungen konzentrieren kann, anstatt sich an die Einhaltung von Prozessen zu halten. Das Ziel ist nicht, menschliches Urteilsvermögen zu eliminieren, sondern es von Routineaufgaben zu strategischem Denken zu erheben, das Innovationen vorantreibt.

Die Zukunft gehört Teams, die sich für schlanke, KI-fähige Plattformen entscheiden, auf denen Planung, Code und Bereitstellung in einer einzigen, integrierten Umgebung koexistieren. Wenn Maschinen die taktische Ausführung und den Verwaltungsaufwand übernehmen, können sich Menschen auf Innovation und Kundenzufriedenheit konzentrieren, also auf die Aufgaben, die einen echten Mehrwert für Unternehmen schaffen.