sign up here for the 'Food for Agile Thought' newsletter and join 35,000-plus subscribers<\/a>.<\/em><\/p>\r\n\r\n
\r\n\r\nEine pers\u00f6nliche LLM-in-Agile-Geschichte<\/h2>\r\n\r\n
Sie haben mittlerweile alles geh\u00f6rt: KI wird Ihren Job \u00fcbernehmen, KI ist \u00fcberbewertet, machen Sie eine weitere Zertifizierung oder warten Sie ab. Die Ratschl\u00e4ge widersprechen einander w\u00f6chentlich, und keiner davon sagt Ihnen, was Sie am Montagmorgen tun sollen.<\/p>\r\n\r\n
Gleichzeitig haben Sie diese Woche kein LLM f\u00fcr irgendetwas ge\u00f6ffnet, das mit Ihrer eigentlichen Arbeit zu tun hat. Oder Sie haben eines ge\u00f6ffnet, eine generische Sprint-Retrospective-Agenda erhalten und den Tab anschlie\u00dfend geschlossen. Keine der beiden Reaktionen ist falsch, aber beide sind unvollst\u00e4ndig.<\/p>\r\n\r\n
Ich m\u00f6chte Ihnen etwas anderes berichten: was passierte, als ich aufh\u00f6rte, \u00fcber KI zu diskutieren, und anfing, sie zu nutzen. Nicht als Partytrick oder Gedankenexperiment, sondern als Arbeitswerkzeug, angewandt auf reale Probleme, denen ich als agiler Praktiker und Coach begegne. Die Entwicklung hat mich \u00fcberrascht, und sie wird auch Sie \u00fcberraschen.<\/p>\r\n\r\n
Phase 1: Ein Korrekturleser, der zur\u00fccksprach<\/h2>\r\n\r\n
Mein erster ernsthafter Einsatz von KI hatte nichts mit Scrum Events oder Teamfacilitation zu tun. Es ging um mein Buch.<\/p>\r\n\r\n
Ich steckte mitten im Lektoratsprozess des Scrum Anti-Patterns Guides, und jeder, der ein Buch geschrieben hat, kennt das Problem: nach dem zehnten Durchgang durch das eigene Manuskript sieht man die eigenen Fehler nicht mehr. Das Gehirn korrigiert automatisch, was auf der Seite steht, zu dem, was man beabsichtigt hatte. Lektoren helfen, aber die Abstimmungsschleifen dauern Wochen pro Runde.<\/p>\r\n\r\n
Dann erschien ChatGPT 3.5. Zum ersten Mal hatte ich einen \"Mitarbeiter\", der mein Schreiben pr\u00fcfen konnte, bevor ich es an den menschlichen Lektor weitergab. Keinen Rechtschreibpr\u00fcfer. Einen Denkpartner, der markieren konnte, wo ein Argument unklar war, wo ein Absatz seinen Faden verlor, wo ein Satz zu viel auf einmal versuchte.<\/p>\r\n\r\n
Das war der Moment, in dem KI aufh\u00f6rte, eine Kuriosit\u00e4t zu sein, und zu einem Werkzeug wurde, das ich aktiv in meine Arbeit integrierte. Korrekturlesen ist nicht aufregend. Aber einen Mitarbeiter zu haben, der auff\u00e4ngt, was das ersch\u00f6pfte eigene Gehirn nicht mehr sieht, ver\u00e4ndert den Umgang mit einem 400-seitigen Manuskript.<\/p>\r\n\r\n
Phase 2: Mustererkennung, die ich allein nicht leisten konnte<\/h2>\r\n\r\n
Der n\u00e4chste Schritt kam, als ich begann, mit der Gestaltung von Retrospektiven zu experimentieren. Ich hatte Jahre an Moderationserfahrung und eine mentale Bibliothek an Formaten und \u00dcbungen. Was ich nicht hatte, war die F\u00e4higkeit, Team-Performance-Daten gegenzupr\u00fcfen, aufkommende Muster zu identifizieren und diese Muster mit hoher Geschwindigkeit bekannten Formaten zuzuordnen.<\/p>\r\n\r\n
KI ist darin gut, wenn auch nicht aus dem Grund, den die meisten annehmen. KI ist nicht kreativ. Sie ordnet zu: Sie analysiert Daten, identifiziert ein Muster und verbindet es mit etwas in ihren Trainingsdaten, das zu dem Muster passt. Das ist kein originelles Denken. Aber es ist genau das, was ein Praktiker braucht, wenn er entscheiden muss, welches Retrospektivformat die Diskussion hervorruft, die das Team am dringendsten braucht.<\/p>\r\n\r\n
Die Erkenntnis war nicht: \u201eKI kann Retrospektiven gestalten.\" Die Erkenntnis war, dass KI ein analytischer Partner f\u00fcr Probleme ist, die ich bereits zu l\u00f6sen wusste, aber langsamer als die KI und mit mehr blinden Flecken.<\/p>\r\n\r\n
Phase 3: Das LLM in Agile als Prozess-Mitarbeiter<\/h2>\r\n\r\n
Der eigentliche Wendepunkt kam, als ich den Advanced Product Backlog Management Course von Grund auf aufbaute. Zum ersten Mal nutzte ich KI \u00fcber einen ganzen Produktentwicklungsprozess hinweg, nicht nur f\u00fcr eine einzelne Aufgabe.<\/p>\r\n\r\n
Ich begann, Teilnehmer-Feedback aus Pr\u00e4senz-Workshops, Interviews und Umfragen einzuspeisen. Dann f\u00fcgte ich die \u201eProduktstrategie und Roadmap\" des Curriculums hinzu. Ich bat die KI, Muster im Feedback zu finden: Welche Themen tauchten immer wieder auf? Wie stimmten diese Themen mit der Idee \u00fcberein, wohin sich das Curriculum entwickeln sollte? Wie unterst\u00fctzten oder widersprachen die kurzfristigen Priorit\u00e4ten, also welche Lektionen oder Artefakte als N\u00e4chstes gebaut werden sollten, diesen Mustern?<\/p>\r\n\r\n
Von dort aus nutzte ich KI, um Hypothesen dar\u00fcber zu generieren, was Praktiker brauchen k\u00f6nnten, und dann, um diese Hypothesen in Testkarten umzuwandeln, die ich mit Experimenten validieren konnte, bevor ich mich zum Bau von irgendetwas verpflichtete.<\/p>\r\n\r\n
Dieser Lernprozess war kein Ersatz meines Urteilsverm\u00f6gens durch KI. Ich entschied weiterhin, welche Hypothesen getestet werden sollten, und gestaltete die Experimente. Aber KI komprimierte, wof\u00fcr sonst zwei Wochen Synthese erforderlich gewesen w\u00e4ren, auf 1-2 Stunden. Und sie deckte Zusammenh\u00e4nge auf, die ich \u00fcbersehen hatte, weil ich meinen eigenen Annahmen \u00fcber die Marktbed\u00fcrfnisse zu nahe war.<\/p>\r\n\r\n\r\n\r\n\r\n\r\n
![\"How](\"https:\/\/i0.wp.com\/age-of-product.com\/wp-content\/uploads\/llm-agile-age-of-product-com-1650x825.jpg?resize=1290%2C645&ssl=1\")
\r\n\r\n \r\n\r\n![\"AI](\"https:\/\/i0.wp.com\/age-of-product.com\/wp-content\/uploads\/ai44agile-sales-banner-1650x330.jpg?resize=1290%2C258&ssl=1\")
<\/a><\/p>\r\n\r\n