Verantwortung & Unterstützung

Menschen entscheiden. Agenten helfen.

Fünf menschliche Verantwortungen, sechs Agentenprofile. Rollen können kombiniert werden – die Verantwortung bleibt sichtbar.

MENSCHEN / VERANTWORTUNGEN

Menschen tragen die Verantwortung.

Product Owner

Richtung & Produktentscheidung

Übersetzt auch strategische Vorgaben in prüfbare Produktarbeit. Priorisiert und entscheidet anhand der Wirkung innerhalb des vereinbarten Mandats; klärt Konflikte mit den übergeordnet Verantwortlichen.

BuildValueLearning

Entscheidungen & Warenkorb-Beispiel

Entscheidet

Priorität, fachlicher Umfang, Investition und Produktentscheidung innerhalb delegierter Rechte. Änderungen außerhalb dieses Rahmens entscheidet die zuständige Führung oder der Auftraggeber.

Im Beispiel

Legt fest: erst ein verlässlicher Warenkorb, Rabattcodes später. Bewertet, ob mehr Kunden den Checkout erreichen.

Arbeitet mit

Scout und Wirkungsanalyst

B1–B3 · B9 · V1–V6 · L2 bei Prioritätsproblemen

Delivery Team

Umsetzung & technische Qualität

Verbindet Spec, Tests, Code, Review und Betrieb. Setzt Messpunkte und Lernexperimente um. Eine benannte menschliche Person übernimmt das risikogerechte PR-Review und entscheidet über die Merge-Freigabe.

PR-Review & Merge-Freigabe →

BuildValueLearning

Entscheidungen & Warenkorb-Beispiel

Entscheidet

Technischer Weg und begrenzte parallele Arbeit. Die technische Merge-Freigabe erteilt eine benannte menschliche Person im Delivery Team für den geprüften Stand; sie ist keine fachliche Abnahme oder Produktionsfreigabe.

Im Beispiel

Implementiert Mengenänderungen und prüft Preise, Bestände und Cent-genaue Summen.

Arbeitet mit

Planer, Prüfer und Workmaster

B1–B10 · V2–V5 · L1–L6

Feature Partner

Nutzerrealität & Abnahme

Bringt konkrete Anwendungsfälle ein, bestätigt fachliches Verhalten und ergänzt die Wirkungsmessung durch Nutzererfahrung.

BuildValue

Entscheidungen & Warenkorb-Beispiel

Entscheidet

Fachliche Abnahme im vereinbarten Umfang. Neue Wünsche werden mit dem PO geklärt.

Im Beispiel

Prüft mit dem Shop-Team, was beim letzten verfügbaren Artikel und bei Versandkosten passieren soll.

Arbeitet mit

Scout und Prüfer

B2–B3 · B9 · V1 · V5

Measurement Partner

Messplan & belastbare Daten

Verantwortet Messplan, Datenqualität, Vergleichbarkeit und Grenzen der Interpretation.

ValueBuild

Entscheidungen & Warenkorb-Beispiel

Entscheidet

Bewertet, welche Aussagen die Daten tragen. Die Produktentscheidung trifft der PO.

Im Beispiel

Definiert „Checkout erreicht“, prüft doppelte Events und vergleicht geeignete Nutzergruppen.

Arbeitet mit

Wirkungsanalyst

V2–V5 · B3 bei Messanforderungen

Loop Lotse

Zusammenarbeit & Lernen

Moderiert Lernprozesse, hält Experimente nach und macht fehlendes Feedback oder Blockaden sichtbar.

LearningBuildValue

Entscheidungen & Warenkorb-Beispiel

Entscheidet

Das Team entscheidet seine Arbeitsvereinbarungen; der Lotse begleitet die Klärung.

Im Beispiel

Hilft dem Team, aus wiederholten Summenfehlern einen neuen Prüffall für alle Mengenänderungen zu machen.

Arbeitet mit

Lernbegleiter

L1–L6 · Unterstützung bei Blockaden in allen Loops

KI / AGENTENPROFILE

Jeder Agent hat einen Auftrag. Und Grenzen.

Ein Modell kann mehrere Profile in getrennten Sitzungen übernehmen. Umsetzung und unabhängige Prüfung erhalten separate KI-Kontexte.

Scout

KI-Agentenprofil

Sammelt Quellen, stellt Fragen und findet Spec-Lücken und Gegenbeispiele. Erkennt vermutlich zu große Specs und schlägt eigenständig überprüfbare Schnitte vor.

BuildValue

Grenzen & Auftraggeber

Grenzen

Erfindet keine Nutzerbedürfnisse und setzt keine Priorität. Die endgültige Aufteilung entscheiden PO und Team.

Menschlicher Auftraggeber

PO + Fachpartner

Prompt für Scout

Planer

KI-Agentenprofil

Untersucht das Repository, zerlegt die Arbeit und schlägt Testbefehle vor. Prüft Kontextgrenzen und Abhängigkeiten; schlägt bei zu großen Aufgaben kleinere Specs vor.

Build

Grenzen & Auftraggeber

Grenzen

Trifft keine neue Architekturentscheidung ohne Menschen. Menschen bestätigen den Schnitt der Specs.

Menschlicher Auftraggeber

Delivery Team

Prompt für Planer

Prüfer

KI-Agentenprofil

Erstellt Tests und Gegenbeispiele, bei Bedarf auch für Ausfälle und Recovery; prüft Änderungen und vereinbarte Observability in einem separaten KI-Kontext. Für Reviews erhält der Prüfer einen eigenständigen Prüfauftrag mit Spec, Änderungen und Evidence; er liefert Befunde und Korrekturvorschläge.

PR-Review & Merge-Freigabe →

BuildLearning

Grenzen & Auftraggeber

Grenzen

Keine Merge-Freigabe und keine fachliche Abnahme. Die Selbsteinschätzung des erzeugenden Agenten genügt nicht; auch ein separater Agent garantiert keine Fehlerfreiheit.

Menschlicher Auftraggeber

Delivery Team

Prompt für Prüfer

Workmaster

KI-Agentenprofil

Implementiert vereinbartes Verhalten und verbessert die Struktur. Bei kritischen Änderungen ergänzt er gemäß Spec auch Monitoring, Logs, Metriken, Alerts, Fallbacks, Recovery und Runbooks. Koordiniert den Ablauf und macht offene Reviews sowie fehlende Nachweise sichtbar.

PR-Review & Merge-Freigabe →

Build

Grenzen & Auftraggeber

Grenzen

Schwächt keine Kriterien oder geschützten Tests ab. Koordination und Korrekturvorschläge verleihen keine automatische Merge- oder Produktionsfreigabe.

Menschlicher Auftraggeber

Delivery Team

Prompt für Workmaster

Wirkungsanalyst

KI-Agentenprofil

Erläutert berechnete Kennzahlen, hinterfragt den Messplan und bereitet Entscheidungen vor.

Value

Grenzen & Auftraggeber

Grenzen

Erfindet keine Zahlen und trifft keine Produktentscheidung.

Menschlicher Auftraggeber

Measurement Partner + PO

Prompt für Wirkungsanalyst

Lernbegleiter

KI-Agentenprofil

Bündelt freigegebenes Feedback und unterstützt Flow Check, Retro und Experimente.

Learning

Grenzen & Auftraggeber

Grenzen

Bewertet keine Personen und kennzeichnet Vermutungen als Vermutungen.

Menschlicher Auftraggeber

Loop Lotse + Team

Prompt für Lernbegleiter

Große Specs erkennen. Menschen entscheiden über den Schnitt.

Scout und Planer können beim Erstellen oder Prüfen einer Spec erkennen, dass mehrere unabhängige Bereiche oder zu viele Dateien benötigt werden. Sie schlagen eine Aufteilung mit Kontextgrenzen, Abhängigkeiten und eigenen Prüffällen vor.

Beispielhinweis eines Agenten: „Spec zu groß: Für die Umsetzung werden mehrere voneinander unabhängige Bereiche benötigt. Vorschlag: in vier eigenständig überprüfbare Specs zerlegen.“

PO und Team entscheiden über die endgültige Aufteilung. Menschen entscheiden. Agenten helfen.

Small Specs, Small Context und die drei Prüffragen

Agentenaufträge und menschliche Verantwortungen im Betrieb →

LEARNING / KI-SKILLS & KI-KONTEXT

Agenten lernen durch bessere Arbeitsgrundlagen.

Mit KI-Skills sind wiederverwendbare Anweisungspakete für Agenten gemeint, nicht die persönlichen Fähigkeiten im Team. Teams pflegen gezielte KI-Skills: versionierte Pakete aus Anweisungen, Beispielen und Prüfroutinen für wiederkehrende Aufgaben. Ein KI-Skill ersetzt weder eine aktuelle Spec noch menschliche Verantwortung.

Passende KI-Skills auswählen

In „Umsetzung planen“ (B4) wählt das Team nur benötigte KI-Skills: zum Beispiel Schnittstellen prüfen, Cent-Berechnung testen oder Messereignisse validieren. Version, erlaubte Werkzeuge und erwartete Nachweise stehen im Auftrag.

Warenkorb: Der Prüfer nutzt einen getesteten KI-Skill für Mengen-, Preis- und Bestandsgrenzen. Der Workmaster erhält die Implementierungsregeln des Teams.

KI-Kontext gezielt dosieren

Bereitgestellt werden die aktuelle Spec, relevante Dateien, nötige Beispiele und konkrete Fehler. Bei Bedarf gezielt nachladen, veraltete Informationen entfernen und lange Verläufe nachvollziehbar zusammenfassen.

Die nutzbare KI-Kontextmenge wird je Aufgabe angepasst. Das verändert nicht das maximale KI-Kontextfenster des Modells. Größer ist nicht automatisch besser.

L1–L2

Problem erkennen

Wiederholte Fehler, unnötige KI-Kontextmenge oder fehlende Informationen anhand von Beispielen belegen.

L3–L4

Gezielt verändern

Einen KI-Skill oder die KI-Kontextauswahl ändern. Owner, Version, Vergleichsfälle und Budget festlegen.

Gegenprüfen

Alte und neue Variante an vergleichbaren Fällen prüfen: Qualität, menschliche Prüfzeit, Nacharbeit und KI-Kosten.

Bewährtes übernehmen

Team bestätigt die Änderung. Versionieren, Rücknahme ermöglichen und im Learning Exchange mit Grenzen teilen.

Das ist die Weiterentwicklung von KI-Skills, KI-Kontext und Arbeitsabläufen. Das Grundmodell wird dadurch nicht automatisch trainiert; Agenten genehmigen ihre eigenen Änderungen nicht.

Verantwortung im Tagesgeschäft

Das Team sichtet Bugfixes und kleine Tasks, begrenzt parallele Arbeit und benennt einen Owner. Der PO klärt konkurrierende Prioritäten, Fachpartner geben risikogerecht Rückmeldung. Der Loop Lotse hilft bei wiederkehrenden Unterbrechungen; bei akuten Störungen koordiniert die benannte Incident-Verantwortung.

Operativen Ablauf ansehen

Mehr Denkfähigkeit bedeutet nicht mehr Entscheidungsrecht.

Autonomie gilt für einen konkreten Auftrag: A = lesen und vorschlagen, B = isoliert ändern und testen, C = vorab genehmigte reversible Routine. Freigaben, technische Grenzen und ein menschlicher Owner bleiben erforderlich.