Bild ist KI-generiert

Klassische Wasserfall‑ und agile Projektmethoden stammen aus einer Zeit, in der nahezu alle Projektschritte von Menschen ausgeführt wurden. Planung, Umsetzung, Test und Abnahme waren grob gleich schnell, weil sie alle durch menschliche Arbeit limitiert waren, wobei die Umsetzung sehr schnell zeitlich dominant wurde.

Mit generativer KI und Automatisierung ändert sich das grundlegend. Immer mehr Projektaufgaben, insbesondere im Bereich der Umsetzung, können verstärkt von KI übernommen oder stark beschleunigt werden. Damit passt die bisherige Taktung von Projekten nicht mehr zur tatsächlichen Bearbeitungsgeschwindigkeit einzelner Schritte. (Kurze Anmerkung: Ich führe ganz sicher keinen Kreuzzug gegen agile Methoden. Im Gegenteil. Aber auch Scrum mit Dual Track berücksichtigt nicht, dass die Latenz menschlicher Entscheidungen exponentiell hinter KI-Geschwindigkeit zurückbleibt.)

Ein agiles Rahmenwerk für Digitalisierung, KI-Einführungen im Allgemeinen oder Vibe Coding im Speziellen muss im Kern zwei einfache Tatsachen abbilden: Die eigentliche Umsetzung von Funktionen geht sehr schnell, während das gemeinsame Verstehen, Bewerten und Entscheiden deutlich länger dauert. Ein klassischer Zwei‑Wochen‑Sprint passt darum nicht mehr gut zur Realität, in der KI in wenigen Stunden Prototypen erzeugt, die dann durch Menschen ordentlich geprüft werden müssen.

Veränderte Software-Entwicklung

In einer Vibe‑Welt entsteht Software in sehr kurzen Schleifen: Ein Team beschreibt ein Ziel in Umgangssprache, die KI erzeugt einen Entwurf, das Team probiert ihn aus, korrigiert und startet die nächste Schleife. Diese Zyklen können nun im Vergleich zu früher mehrere Male am Tag stattfinden. Das ist der Takt der Entwicklung (Development‑Cadence).

Demgegenüber stehen Entscheidungs‑ und Abstimmungsprozesse. Hier geht es darum, ob ein Entwurf fachlich gewollt ist, regulatorisch zulässig, sicher genug, wartbar und integrierbar in die bestehende Systemlandschaft. Diese Entscheidungen brauchen Tage oder Wochen, weil mehrere (menschliche) Personen und Rollen beteiligt sind. Das ist der Takt der Entscheidung (Decision‑Cadence).

Ein passendes Rahmenwerk muss diese beiden Taktungen bewusst trennen. Schnelle Experimente laufen in sehr kurzen Schleifen, während es klar definierte Zeitpunkte gibt, an denen entschieden wird, welche Ergebnisse in Richtung „Produktivbetrieb“ weiterverfolgt werden.

Entscheidungen und Regeln

Zwischen diesen beiden Zonen braucht es eine eigenständige Ebene, die für Entscheidungen und Regeln zuständig ist. Diese Ebene legt fest, welche Ziele überhaupt verfolgt werden, welche Experimente erlaubt sind und welche Ergebnisse so wichtig sind, dass sie zur Härtung freigegeben werden. Diese Ebene definiert auch, in welchen Bereichen Vibe Coding (oder KI allgemein) erlaubt ist, wo es eingeschränkt werden muss und welche Bereiche für KI‑gestützte Änderungen tabu sind, etwa bestimmte Finanzfunktionen oder sicherheitskritische Steuerungen. Diese Ebene kann man Governance‑Ebene nennen.

Damit wird deutlich, dass der Engpass nicht bei der durch KI aufgewendeten Zeit, sondern der Fähigkeit des Unternehmens liegt, mutige und zugleich verantwortbare Entscheidungen in größerer Geschwindigkeit zu treffen. Agile Prinzipien wie „kurze Feedbackschleifen“ und „laufende Abstimmung mit dem Fachbereich“ bleiben wichtig, aber sie werden auf diese Entscheidungsebene verlagert.

Rollen in diesem neuen Rahmenwerk

In einem solchen Rahmenwerk verschieben sich einige Rollen. Die Rolle, die heute oft Produktverantwortlicher heißt (Product Owner), wird stärker zur Rolle eines Absichts‑Verantwortlichen (Intent Owner). Diese Person formuliert Geschäftsziele, Prüfgrößen und Rahmenbedingungen in verständlicher Sprache und sorgt dafür, dass Experimente in der Vibe‑Zone zu diesen Zielen passen. Sie entscheidet mit, welche Ergebnisse in die Härtungs‑Zone wechseln.

Daneben braucht es eine Person oder ein kleines Team, das für die Zusammenarbeit mit den KI‑Systemen zuständig ist. Diese Rolle kann Vibe‑Verantwortlicher (Vibe Steward) oder KI‑Architekt (AI Architect) genannt werden. Sie achtet darauf, wie mit der KI gearbeitet wird, welche Vorgaben (Prompts) verwendet werden, welche Werkzeuge die KI nutzen darf und wie alles protokolliert wird. Sie sorgt dafür, dass Grenzen eingehalten werden und dass die Arbeit der KI nachvollziehbar bleibt.

Eine weitere Rolle ist jemand, der für die fachliche und regulatorische Bewertung steht. Diese Person beurteilt als Fachprüfer (Domain Reviewer), ob ein Vorschlag zur Branche, zu Normen, Verträgen und Gesetzen passt. Sie hat im Zweifel das Recht zu sagen: „Dieses Ergebnis setzen wir so nicht um.“ Gerade im deutschsprachigen Mittelstand, wo Compliance eine große Rolle spielt, ist diese Rolle zentral.

Schließlich braucht es weiterhin jemanden, der für den Gesamtfluss verantwortlich ist. Diese Rolle ist keine Zeremonienaufsicht, sondern ein Fluss‑Manager (Delivery Lead). Sie erkennt, wo zu viele Experimente laufen, wo Reviews fehlen, wo sich Arbeit staut, und steuert gegen, indem sie Arbeit begrenzt oder Entscheidungen beschleunigt.

Abläufe und Zeitstruktur

Im Alltag kann dieses Rahmenwerk drei Arten von Besprechungen vorsehen.

Erstens gibt es sehr kurze tägliche Abstimmungen. Hier geht es nicht darum, jede Tätigkeit zu berichten, sondern zu klären, wie viele Experimente gerade laufen, wo Engpässe in der Prüfung entstehen und ob manche Versuche gestoppt werden müssen, weil niemand sie zeitnah bewerten kann.

Zweitens gibt es regelmäßige Entscheidungsrunden, zum Beispiel einmal pro Woche. In diesen Runden werden ausgewählte Ergebnisse aus der Vibe‑Zone gezeigt. Das Team bewertet sie fachlich, technisch und aus Risikosicht und entscheidet, welche davon in die Härtung gehen, welche nochmals angepasst werden und welche verworfen werden. Wichtig ist, dass diese Entscheidungen dokumentiert werden, damit später nachvollziehbar bleibt, warum eine bestimmte Funktion entstanden ist.

Drittens gibt es Härtungs‑Abschnitte, die zeitlich ähnlich wie heutige Sprints angelegt sein können, zum Beispiel ein bis zwei Wochen. In diesen Abschnitten arbeitet das Team an den freigegebenen Themen mit klassischeren Methoden: saubere Umsetzung, automatisierte Tests, Integration, Dokumentation, Vorbereitung der Einführung. Hier kann man weiterhin mit klaren „fertig“-Kriterien arbeiten, weil es um Stabilität und Qualität geht.

Unterlagen und Messgrößen

Statt sich auf lange, starre Lastenhefte zu verlassen, arbeitet dieses Rahmenwerk mit einigen leichteren, aber klar definierten Unterlagen. Eine Liste von Zielen (Intent‑Backlog) hält fest, welche Geschäftsabsichten verfolgt werden sollen und welche Annahmen damit verbunden sind. Ein Protokoll der Vibe‑Arbeit (Vibe‑Log) erfasst, welche Eingaben an die KI gemacht wurden, welche Varianten entstanden sind und welche davon interessant waren. Eine Entscheidungs‑Chronik (Decision Ledger) hält fest, warum bestimmte Ergebnisse weiterverfolgt oder verworfen wurden.

Bei den Messgrößen sollte der Fokus weniger auf „wie viele Aufgaben haben wir erledigt?“ liegen, sondern eher auf „wie schnell wird aus einer Absicht eine verlässliche Funktion?“ und „wie viele Experimente können wir verantwortungsvoll durchprüfen?“. Sinnvolle Kennzahlen sind zum Beispiel die Durchlaufzeit von Absicht bis Produktivsetzung, das Verhältnis von Experimenten zu tatsächlich umgesetzten Lösungen oder die Anzahl von Vorfällen, die auf KI‑generierte Änderungen zurückgehen.

Der Paradigmenwechsel

Mir ist bewusst, dass dieses Rahmenwerk dem klassischen Bild widerspricht, in dem ein Sprint ein festes Paket aus Analyse, Umsetzung, Test und Review enthält und alles in dieser Zeit erledigt wird. In einer Vibe‑Realität stimmt dieses Bild nicht mehr, weil die Umsetzung viel schneller ist als die Abstimmung. Deshalb legt der Ansatz den Schwerpunkt auf Ziele, Entscheidungen, Begrenzung von laufender Arbeit und auf den bewussten Umgang mit Risiken, statt auf exakte Befolgung von Ritualen.

Agile Werte bleiben dabei wichtig, aber starre Prozesslehrbücher helfen wenig. Kanban stellt die Flow-Optimierung in den Vordergrund, während dieser Ansatz den Schwerpunkt auf Entscheidungsverantwortung legt. Wichtig sind Antizipation, Flexibilität und Verantwortungsbewusstsein im Umgang mit einer Technologie, die schneller entwickeln kann als Organisationen entscheiden und lernen.