Von Agile zu Agentic: Warum wir dieses Mal besser von der Softwareentwicklung lernen sollten

KI ist aus unserer Arbeitswelt fast nicht mehr wegzudenken. Das KI-gestützte Arbeiten eröffnet einerseits völlig neue Möglichkeiten und erhöht andererseits spürbar Komplexität und Unsicherheit. Organisationen brauchen Formen der Zusammenarbeit, die Unsicherheit produktiv be- und verarbeiten können.

Die Softwareentwicklung war eine der ersten Domänen, die unter solchen Bedingungen dauerhaft leistungsfähig bleiben musste. Sie ist geprägt von instabilen Anforderungen, hoher Änderungsdynamik, engen Abhängigkeiten, widersprüchlichen Interessen und erheblichen Risiken. Um handlungsfähig zu bleiben, entwickelte die Softwareentwicklung früh Formen der Zusammenarbeit, die heute weit über die IT hinaus bekannt sind: kurze Feedbackzyklen, iterative/inkrementelle Vorgehensweisen (inspect & adapt), klare Rollen, gemeinsame Arbeitsartefakte, regelmäßige Reviews sowie enge Kommunikation. Diese Muster wurden unter Begriffen wie Agilität oder Scrum verallgemeinert und im Weiteren auch in viele Non-IT-Organisationskontexte übertragen.

Derzeit steht die Softwareentwicklung erneut vor einem grundlegenden Umbruch. Generative KI, Skill-basierte und agentische Systeme verändern nicht nur Werkzeuge, sondern greifen in Rollen, Entscheidungsprozesse und Wertschöpfung ein. In diesem Kontext lassen sich bereits mehrere Entwicklungslinien beobachten: KI unterstützt einzelne Tätigkeiten, begleitet ganze Prozessketten, übernimmt abgegrenzte Beitragsrollen und wird zunehmend Teil der operativen Infrastruktur von Teams.

Damit verschiebt sich die zentrale Frage für Organisationen. Es geht nicht mehr nur darum, ob KI eingesetzt wird. Entscheidend ist vielmehr: Wie müssen Strukturen, Rollen, Entscheidungswege und Kontrollmechanismen gestaltet sein, damit KI wertschöpfend und verantwortbar mitwirken kann?

Die Softwareentwicklung wird damit erneut zu einem wichtigen Lernfeld. Nicht, weil sie ein universelles Modell für alle Organisationen liefert. Sondern weil dort früher als in vielen anderen Bereichen sichtbar wird, welche neuen Formen der Zusammenarbeit zwischen Menschen und KI entstehen und welche Führungs- und Managementfragen daraus folgen.

Die eigentliche Herausforderung ist nicht KI

Die eigentliche Herausforderung besteht darin, unter Unsicherheit handlungsfähig zu bleiben und mit Komplexität umzugehen. Komplexe Probleme lassen sich nicht einfach dadurch bewältigen, indem mehr Informationen gesammelt oder zusätzliche Regeln definiert werden. Komplexität bedeutet gerade, dass unklar ist, welche Informationen relevant sein werden, welche Wechselwirkungen entscheidend sind und welche Lösung sich im Verlauf als tragfähig erweisen wird. In solchen Situationen reicht Fachkompetenz allein nicht aus. Organisationen brauchen Arbeitsformen, die mit Unsicherheit, Widersprüchen und laufenden Irritationen umgehen können.

Die Softwareentwicklung hat diese Einsicht nicht theoretisch entdeckt, sondern praktisch erarbeitet. Planung war dort immer notwendig, aber nie ausreichend. Anforderungen veränderten sich während der Umsetzung. Spezifikationen blieben mehrdeutig. Fehler wurden teilweise spät sichtbar. Entwicklung und Nutzung waren eng miteinander rückgekoppelt. Unterschiedliche Expertisen mussten zusammenarbeiten, ohne dass jemand vollständige Übersicht hatte.

Der eigentliche Fortschritt lag dabei nicht in einzelnen Methoden. Er lag darin, Zusammenarbeit unter Unsicherheit bewusst anders zu organisieren. Deshalb entwickelte sich die Softwareentwicklung zu einem Referenzfall, auch für andere Bereiche, für komplexe Wertschöpfung. Und das nicht, weil sie „moderner“ ist, sondern weil sie früh gezwungen war, soziale, methodische und technische Integration gleichzeitig zu leisten.

Agil war ein Fortschritt und zugleich der Beginn eines Missverständnisses

Die Stärke agiler Konzepte lag darin, ein zentrales Defizit klassischer Managementlogiken sichtbar zu machen: In komplexen Umwelten reicht es nicht aus, Arbeit effizient zu zerlegen und zu kontrollieren. Organisationen brauchen Formen, die Lernen, Anpassung und situative Abstimmung ermöglichen.

Die Praxis zeigte jedoch schnell ein typisches Problem. Eine brauchbare Antwort auf spezifische Herausforderungen wurde vielerorts als allgemeines Erfolgsrezept verstanden. Agilität wurde dann nicht mehr als Antwort auf Komplexität betrachtet, sondern als Methode, die scheinbar überall bessere Ergebnisse liefern sollte. Genau darin lag das Missverständnis: Entscheidend war nicht, dass Organisationen Agilität eingeführt haben, sondern der Umgang der Organisation mit dem Eingriff in ihre bestehende Praxis. Manche Organisationen verbanden agile Ansätze eng mit konkreten Geschäftsproblemen. Andere ließen lokale Initiativen entstehen. Wieder andere führten agile Begriffe, Rollen und Rituale ein, ohne die zugrunde liegenden Entscheidungs- und Machtstrukturen ernsthaft zu verändern.

Die zentrale Einsicht daraus lautet: Es geht nicht primär um „Agilität“. Es geht darum, ob Organisationen in der Lage sind, Wandel so zu gestalten, dass Lernen möglich wird, ohne Stabilität und Verlässlichkeit zu verlieren. Für die aktuelle KI-Debatte ist diese Einsicht entscheidend. Auch hier ist die Versuchung groß, Technologie selbst als Lösung zu betrachten: als Hebel für automatisch steigende Produktivität, bessere Entscheidungen und höhere Zukunftsfähigkeit. Genau hier droht eine Wiederholung des Agilen-Missverständnisses.

Nicht das Tool ist die Lösung. Entscheidend ist, wie Organisationen Zusammenarbeit und Verantwortlichkeit gestalten. Wie strukturierte Herangehensweisen genau das absichern können, beschreiben wir am Beispiel von Spec-Driven Development.

Die eigentliche Managementaufgabe besteht deshalb nicht darin, die nächste Methode einzuführen. Sie besteht darin, tragfähige Organisationsformen für hybride Zusammenarbeit zu entwickeln: mit klaren Rollen, belastbaren Prüfprozessen, gemeinsamen Lernräumen und einer Verantwortung, die trotz technischer Komplexität eindeutig bleibt.

Im zweiten Teil dieser Reihe schauen wir uns an, welche vier Muster der Zusammenarbeit mit KI sich in der Softwareentwicklung bereits zeigen: vom Copilot über den Reviewer bis zum agentischen Rollenbaustein und dem sozio-technischen System.

Unser Ansatz

Wir begleiten Unternehmen dabei, den Übergang von agilen zu KI-gestützten, agentischen Arbeitsweisen bewusst zu gestalten, von der Analyse bestehender Zusammenarbeits- und Entscheidungsmuster über die Entwicklung tragfähiger Rollen- und Verantwortungsarchitekturen bis zur Begleitung im laufenden Change. Ziel ist eine Organisation, die KI produktiv und verantwortbar nutzt, ohne die Fehler früherer Transformationen zu wiederholen.

Du willst mehr erfahren?

Mehr zu unserer Arbeit an der Schnittstelle von KI-Strategie und Organisation: KI-Strategie & Umsetzung | team neusta und HEC: Individuelle Lösungen für Ihre digitalen Fragestellungen

Das KI-Team freut sich über deine Nachricht: ai@neusta.de

Malin Schürmann und Frank Düsterbeck freuen sich über deine Nachricht: malin.schuermann@hec.de und frank.duesterbeck@hec.de