
AI beschleunigt keine Prozesse, solange Upstream-Probleme ungelöst sind
Frederick van Brabant, Enterprise-Architekt, re-liest zwei Prozessmanagement-Klassiker – „The Toyota Way" und „The Goal" – und wendet deren Kernlehren auf aktuelle KI-Versprechen in der Softwareentwicklung an. Sein zentrales Argument: Wer Software-Entwicklung als Bottleneck identifiziert und diesen mit AI-Code-Generierung verkürzen will, löst das falsche Problem. Der eigentliche Engpass liegt upstream – in unvollständigen, vagen Feature-Anforderungen. Van Brabant illustriert dies mit Gantt-Diagrammen: Die versprochene Verkürzung der Entwicklungsphase auf 3 Tage durch AI verlangt in der Praxis eine massive Ausweitung der Dokumentationsphase auf ca. 40 Tage, weil AI-Systeme exakte, detaillierte Spezifikationen benötigen. Ironischerweise sei genau das, was Softwareentwickler seit jeher fordern: vollständige Problemdefinitionen vor Projektbeginn. Würde man menschlichen Entwicklern dieselbe Qualität an Anforderungen liefern, stiege deren Produktivität ebenfalls stark an. Als Leitprinzip aus „The Goal" zitiert er: „Bottlenecks should receive predictable, high-quality inputs." Prozessoptimierung durch AI greife ins Leere, solange vorgelagerte Schritte wie Legal-Freigaben oder Anforderungsklärung unstrukturiert bleiben.
- Gantt-Analyse zeigt: AI-Nutzung verschiebt Zeitaufwand von Entwicklung (70 Tage) in Dokumentation (40 Tage statt ursprünglich 5 Tage)
- Kernthese aus 'The Goal': Engpässe brauchen vorhersagbare, hochwertige Inputs — nicht mehr Ressourcen am Engpass selbst
- Mythical Man-Month wird als weiterer Klassiker zitiert: mehr Entwickler lösen Verzögerungen nicht
- Van Brabant unterscheidet Wasserfall (Feature-Dokumente) und Agile (Domain-Experten-Iteration) als zwei Wege zur Anforderungsklärung
- Vergleiche zwischen Human- und AI-Entwicklung ignorieren laut Autor den nötigen 'Handholding'-Aufwand für AI-Systeme
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
- FORSCHUNGarxiv.org3w
Produktivitäts-Zuverlässigkeits-Paradoxon: Warum KI-Assistenten Code-Qualität gefährden
- FORSCHUNGarxiv.org6d
Agentic Agile-V: Framework für kontrollierten KI-Einsatz in Software- und Hardware-Entwicklung
- FORSCHUNGarxiv.org1w
Vision für agentisches Code-Review: Fünf-Stufen-Framework mit KI und menschlichen Kontrollpunkten
- MEINUNGjamesshore.com2w
Coding-Agents nur nützlich, wenn sie Wartungskosten senken – nicht nur Output steigern

AI beschleunigt keine Prozesse, solange Upstream-Probleme ungelöst sind
Frederick van Brabant, Enterprise-Architekt, re-liest zwei Prozessmanagement-Klassiker – „The Toyota Way" und „The Goal" – und wendet deren Kernlehren auf aktuelle KI-Versprechen in der Softwareentwicklung an. Sein zentrales Argument: Wer Software-Entwicklung als Bottleneck identifiziert und diesen mit AI-Code-Generierung verkürzen will, löst das falsche Problem. Der eigentliche Engpass liegt upstream – in unvollständigen, vagen Feature-Anforderungen. Van Brabant illustriert dies mit Gantt-Diagrammen: Die versprochene Verkürzung der Entwicklungsphase auf 3 Tage durch AI verlangt in der Praxis eine massive Ausweitung der Dokumentationsphase auf ca. 40 Tage, weil AI-Systeme exakte, detaillierte Spezifikationen benötigen. Ironischerweise sei genau das, was Softwareentwickler seit jeher fordern: vollständige Problemdefinitionen vor Projektbeginn. Würde man menschlichen Entwicklern dieselbe Qualität an Anforderungen liefern, stiege deren Produktivität ebenfalls stark an. Als Leitprinzip aus „The Goal" zitiert er: „Bottlenecks should receive predictable, high-quality inputs." Prozessoptimierung durch AI greife ins Leere, solange vorgelagerte Schritte wie Legal-Freigaben oder Anforderungsklärung unstrukturiert bleiben.
- Gantt-Analyse zeigt: AI-Nutzung verschiebt Zeitaufwand von Entwicklung (70 Tage) in Dokumentation (40 Tage statt ursprünglich 5 Tage)
- Kernthese aus 'The Goal': Engpässe brauchen vorhersagbare, hochwertige Inputs — nicht mehr Ressourcen am Engpass selbst
- Mythical Man-Month wird als weiterer Klassiker zitiert: mehr Entwickler lösen Verzögerungen nicht
- Van Brabant unterscheidet Wasserfall (Feature-Dokumente) und Agile (Domain-Experten-Iteration) als zwei Wege zur Anforderungsklärung
- Vergleiche zwischen Human- und AI-Entwicklung ignorieren laut Autor den nötigen 'Handholding'-Aufwand für AI-Systeme
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
- FORSCHUNGarxiv.org3w
Produktivitäts-Zuverlässigkeits-Paradoxon: Warum KI-Assistenten Code-Qualität gefährden
- FORSCHUNGarxiv.org6d
Agentic Agile-V: Framework für kontrollierten KI-Einsatz in Software- und Hardware-Entwicklung
- FORSCHUNGarxiv.org1w
Vision für agentisches Code-Review: Fünf-Stufen-Framework mit KI und menschlichen Kontrollpunkten
- MEINUNGjamesshore.com2w
Coding-Agents nur nützlich, wenn sie Wartungskosten senken – nicht nur Output steigern