Agile Coach | Empowering Agility

In Kürze: Eine Harvard-Studie von Procter & Gamble zeigt den Weg

Eine neue Untersuchung zeigt, dass KI nicht nur ein weiteres Werkzeug ist, sondern ein „kybernetischer Teamkollege“ sein kann, der agiles Arbeiten fördert. Eine Studie der Harvard Business School mit 776 Fachkräften ergab, dass Personen, die KI einsetzen, die Leistung menschlicher Teams erreichen, Fachsilos aufbrechen und während der Arbeit mehr positive Emotionen erleben. Für agile Praktiker besteht die Wahl daher nicht zwischen Menschen oder KI, sondern zwischen KI-unterstützter Arbeit oder hinter denjenigen Kollegen zurückbleiben, die es bereits tun. Die Kosten für das Experimentieren sind gering, der potenzielle Karrierevorteil hingegen ist beträchtlich. Ein Grund, die generative KI in Agile zu verinnerlichen?

Einführung: Das KI-Dilemma in der agile Community

Interessanterweise ist Skepsis gegenüber neuen Werkzeugen für Agile Praktiker kein Fremdwort. Die Betonung des Agilen Manifests auf „individuals and interactions over processes and tools“ hat einige dazu veranlasst, generative KI (GenAI) als ein weiteres Schlagwort abzutun, das von der menschenzentrierten Zusammenarbeit ablenkt. Andere befürchten, dass es den ohnehin schon schwierigen Arbeitsmarkt weiter verschlechtern könnte. Aber was ist, wenn der Verzicht auf KI die riskantere Wahl ist?

Die Sorgen um den Arbeitsmarkt sind vielschichtig und spiegeln die allgemeinen Ängste über die Auswirkungen von KI auf die Wissensarbeit wider. Viele agile Praktiker befürchten, dass KI zentrale Aspekte ihrer Aufgaben automatisieren könnte — von der Dokumentation und Moderation bis hin zu Coaching und Analyse. In einem Berufszweig, der aufgrund wirtschaftlicher Unsicherheit und sich verändernder Organisationsmodelle bereits Marktschwankungen erlebt, führt die Aussicht auf KI-gesteuerte Effizienz zu der Befürchtung, dass weniger agile Experten benötigt werden. Einige Praktiker glauben auch, dass Unternehmen ihre Investitionen in menschliche agile Talente reduzieren oder Rollen konsolidieren könnten, wenn KI User Stories generieren, Retrospektiven moderieren oder Team-Metriken analysieren kann. Diese Bedenken sind besonders akut bei Praktikern, die sich in erster Linie als Prozessexperten positioniert haben und nicht als strategische Geschäftspartner, die sie eigentlich sein sollten. (Denken Sie daran: Wir werden nicht dafür bezahlt, [fügen Sie das agile Framework Ihrer Wahl hier ein] zu praktizieren, sondern die Probleme unserer Kunden im Rahmen der gegebenen Einschränkungen zu lösen und gleichzeitig zur Zukunftsfähigkeit des Unternehmens beizutragen.

Wenn man Parallelen zur Jahr-2000-Problem zieht – wo Vorbereitung, nicht Panik, die Katastrophe verhinderte, siehe unten – dann ist die Einführung von generativer KI heute eine kostengünstige Strategie mit hohem Nutzen für agile Fachkräfte. Frühe Anwender werden erfolgreich sein, wenn KI zur Grundlage der Arbeit wird (wie es das Internet tat). Wenn nicht, sind die Kosten für das Lernen vernachlässigbar. Die Beweise deuten jedoch zunehmend auf das transformative Potenzial der KI hin.

Anstatt sich allein auf theoretische Argumente oder anekdotische Belege zu verlassen, können wir uns nunmher auf solide Forschungsergebnisse stützen, die die Auswirkungen der KI auf die Zusammenarbeit direkt untersuchen. Eine besonders relevante Studie liefert empirische Erkenntnisse darüber, wie sich KI auf die funktionsübergreifende Zusammenarbeit auswirkt — das Herzstück des agilen Arbeitens.

Generative KI in Agile — eine Analyse: Die P&G-Studie der Harvard Business School

Die Studie „The Cybernetic Teammate“ der Harvard Business School aus dem Jahr 2025 von Dell’Acqua et al. liefert überzeugende Beweise für die Auswirkungen von KI auf die Zusammenarbeit. Dieses groß angelegte Feldexperiment wurde mit 776 Fachleuten bei Procter & Gamble durchgeführt und untersuchte, wie KI die drei Grundpfeiler der Kollaboration verändert: Leistung, Austausch von Know-how und soziales Engagement.

In der Studie wurde ein 2×2-Experimentaldesign eingesetzt, bei dem die Teilnehmer nach dem Zufallsprinzip entweder mit oder ohne KI und entweder einzeln oder in Zweierteams an realen Herausforderungen der Produktinnovation arbeiten sollten. Dieses Design ermöglichte es den Forschern, die spezifischen Auswirkungen der KI auf die individuelle und die Teamleistung zu isolieren.

Die Ergebnisse waren beeindruckend. Einzelpersonen mit KI erreichten die gleiche Leistung wie Teams ohne KI, was darauf hindeutet, dass KI bestimmte Vorteile der menschlichen Zusammenarbeit effektiv reproduzieren kann. Darüber hinaus brach KI funktionale Silos zwischen F&E- und kaufmännischen Fachleuten auf, wobei KI-unterstützte Personen unabhängig von ihrem beruflichen Hintergrund ausgewogenere Lösungen erarbeiteten. Vielleicht am überraschendsten war die Erkenntnis der Studie, dass die sprachbasierte Schnittstelle der KI bei den Teilnehmern positivere emotionale Reaktionen auslöste, was darauf hindeutet, dass sie einen Teil der sozialen und motivierenden Rolle übernehmen kann, die traditionell von menschlichen Teamkollegen übernommen wird.

Diese Ergebnisse gehen direkt auf die Bedenken der agilen Praktiker ein und liefern empirische Belege dafür, dass die Einführung von KI die Kernwerte der agilen Arbeit eher verbessern als beeinträchtigen kann.

Generative KI in Agile Mythen entlarven: KI vs. Agile Werte

Mythos 1: „KI untergräbt den Fokus von Agile auf menschliche Interaktion“

Dieser Einwand missversteht sowohl das agile Prinzip als auch die Rolle der KI. Das Prinzip lehnt Werkzeuge nicht ab; es stellt menschliche Verbindungen in den Vordergrund und erkennt gleichzeitig an, dass geeignete Werkzeuge bessere Interaktionen ermöglichen. Die Dell’Acqua-Studie zeigt, dass KI-gestützte Einzelpersonen bei Innovationsaufgaben die gleiche Leistung erbringen wie menschliche Teams. Entscheidend ist, dass die KI die Zusammenarbeit nicht ersetzt, sondern verbessert hat.

Die P&G-Studie ergab auch, dass die Teilnehmer beim Einsatz von KI mehr positive Emotionen (Aufregung, Energie) und weniger negative (Angst, Frustration) zeigten, was die sozialen Vorteile der Teamarbeit widerspiegelt. Die Forscher kamen zu dem Schluss, dass KI „fulfill part of the social and motivational role traditionally offered by human teammates.“ (Quelle: Abstract, Seite 2.) Für agile Praktiker bedeutet dies, dass KI die Verwaltungsarbeit automatisiert und gleichzeitig die emotionale Erfahrung der Arbeit selbst verbessern kann.

Mythos 2: „KI wird die agilen Funktionen ersetzen“

Die realistischere Sorge ist nicht die Verdrängung durch KI selbst, sondern die Konkurrenz durch KI-unterstützte Praktiker. Die P&G-Studie ergab, dass der Leistungsunterschied erheblich wird, wenn einige Fachleute KI nutzen, um in Minuten zu erreichen, wofür andere Stunden brauchen.

Die Studie hat eindeutig gezeigt, dass KI Fachwissen nicht eliminiert, sondern umverteilt. Bei P&G schlugen die F&E-Fachleute, die KI einsetzten, mehr kommerziell umsetzbare Ideen vor, während die kaufmännischen Fachleute Lösungen mit größerer technischer Tiefe lieferten. Wie die Autoren der Studie feststellten, „AI breaks down functional silos“ (Source: Abstract, page 2) und ermöglicht es Fachleuten, ihre traditionellen Bereichsgrenzen zu überschreiten.

Für agile Praktiker bedeutet dies, dass KI die Notwendigkeit der Moderation, des Coachings oder der Produktverantwortung nicht beseitigen wird – aber sie wird die Art und Weise, wie diese Rollen funktionieren, verändern, so dass die Praktiker ihre Fähigkeiten entsprechend anpassen müssen.

Mythos 3: „Der Einsatz von KI ist ‚‘Schummeln’’“

Diese Sichtweise geht von einer statischen Definition menschlicher Fähigkeiten aus, die niemals der Realität entspricht. Wissensarbeiter haben schon immer Werkzeuge — von Taschenrechnern über Tabellenkalkulationen bis hin zu Projektmanagement-Software — eingesetzt, um ihre Fähigkeiten zu verbessern. Die P&G-Studie untermauert diese Sichtweise und zeigt, dass KI eine Fortsetzung dieser Tradition darstellt und keine Abkehr von ihr.

Die Jahr-2000-Parallele: Vorbereitung auf die Ungewissheit

Wie beim Jahr-2000-Problen weiß niemand, ob der heutige KI-Hype verpuffen oder die Arbeit neu definieren wird. Aber bedenken Sie:

• Kosten des Lernens: Kostenlose und kostengünstige Tools und 4-8 Stunden Übung können zu ersten Kompetenzen führen,
• Vorteile: Frühzeitige Anwender haben einen erheblichen Karrierevorteil, wenn KI unverzichtbar wird.

Die P&G-Studie liefert konkrete Beweise für diese Vorteile. Sie zeigt, dass KI-Nutzer Aufgaben 12-16% schneller erledigen und dabei qualitativ hochwertigere Ergebnisse erzielen. Wie die Forscher feststellten: „Individuals with AI produced solutions at a quality level comparable to two-person teams“ (Source: 1. Introduction, page 4), was erhebliche Produktivitätsgewinne bei relativ geringem Lernaufwand zeigt.

Praktische Anwendungen für generative KI in agilen Arbeitsabläufen

Hier sind einige einfache Beispiele, wie agile Praktiker die Erkenntnisse aus der P&G-Studie auf ihre Arbeitsabläufe anwenden können:

1. Verbessern von agilen Events

Sprintplanung:

• Erstellen von Entwürfen für Akzeptanzkriterien für komplexe User Stories
• Identifikation möglicher Abhängigkeiten oder Risiken in der geplanten Arbeit
• Vorschlagen von Aufgabenaufteilungen für große Epics.

Die P&G-Studie ergab, dass „AI can enhance collaborative performance by automating certain tasks and broadening the range of expertise available to team members“ (Source: 2. Related Literature, page 7). Bei der Sprint-Planung bedeutet dies eine schnellere Erstellung umfassender Akzeptanzkriterien, die die Teams dann auf der Grundlage ihres Fachwissens überprüfen, verfeinern und anpassen können. Dadurch wird die Gründlichkeit verbessert und der Zeitaufwand um bis zu 70% reduziert. (Hinweis: Sie können diese Vorteile auch in Refinement-Sessions erzielen.)

Retrospektiven:

Die Studie ergab, dass „GenAI’s ability to engage in natural language dialogue enables it to participate in the kind of open-ended, contextual interactions that characterize effective teamwork“ (Source: 2. Related Literature, page 7). Für Retrospektiven kann die KI frühere Notizen zu Retrospektiven analysieren, um wiederkehrende Muster zu erkennen, Diskussionsfragen auf der Grundlage von Sprint-Metriken zu generieren und innovative Formate vorzuschlagen, die auf spezifische Herausforderungen des Teams zugeschnitten sind.

2. Dokumentation und Kommunikation

User Stories verfeinern:

Die P&G-Forschung hat gezeigt, dass KI-unterstützte Teilnehmer „substantially longer outputs“(Source: 5.1 Performance, page 15) in kürzerer Zeit produzierten als Kontrollgruppen. Für agile Teams lässt sich diese Effizienz direkt auf die Verfeinerung der User Stories übertragen:

• Vorher: ‚Erstellen Sie ein Dashboard für das Vertriebsteam.‘
• Nach KI-Verfeinerung: ‚Als Vertriebsleiter möchte ich ein anpassbares Dashboard, das regionalspezifische Vertriebskennzahlen mit Trendvisualisierung anzeigt, um Leistungslücken und Chancen schnell zu erkennen, ohne Daten manuell zusammenstellen zu müssen. Das Dashboard sollte in Echtzeit aktualisiert werden, eine Filterung nach Produktlinie und Zeitraum ermöglichen und Abweichungen von den Zielen hervorheben.‘

Stakeholder-Kommunikation:

Die Studie ergab, dass KI die Teilnehmer in die Lage versetzt, „breach typical functional boundaries“ (Source: 1. Introduction, page 4), so dass sie effektiver über verschiedene Fachgebiete hinweg kommunizieren können. Für agile Praktiker kann KI dabei helfen, technische Aktualisierungen in geschäftsorientierte Sprache umzuwandeln, Zusammenfassungen der Sprint-Ergebnisse zu erstellen und maßgeschneiderte Mitteilungen für verschiedene Stakeholder-Gruppen zu verfassen.

3. Konfliktlösung

Das P&G-Experiment hat gezeigt, dass „AI may also enhance collaborative team dynamics and transform the division of labor“ (Source: 2. Related Literature, page 7). Für die Konfliktlösung empfiehlt sich der Einsatz von KI zur Simulation von Verhandlungen mit Interessengruppen, bei denen die KI z. B. in die Rolle eines widerstrebenden Product Owners schlüpft und den Moderatoren hilft, Überzeugungstechniken zu üben. Dies bietet eine sichere Umgebung, in der sie ihre Fähigkeiten zur Moderation von Gesprächen, bei denen viel auf dem Spiel steht, verbessern können. (Hinweis: Probieren Sie Grok aus, um Argumentation zu trainieren.)

4. Erleichterte Moderation von Meetings

Angesichts der Feststellung, dass „the adoption of AI also broadens the user’s reach in areas outside their core expertise“ (Source: 1. Introduction, page 4), ist die Moderation von Besprechungen ein weiterer Bereich, der sich für eine Verbesserung durch KI anbietet. Praktiker können KI nutzen, um strukturierte Agenden zu erstellen, in Echtzeit Vorschläge für die Steuerung von Diskussionen zu unterbreiten und umfassende Zusammenfassungen und Aktionspunkte aus Sitzungsnotizen zu erstellen.

Messbare Vorteile von generativer KI in Agile

Die P&G-Studie hat mehrere Vorteile von KI-erweiterten agilen Praktiken quantifiziert, die unmittelbar gelten:

1. Zeiteffizienz: Die Studie ergab, dass Teilnehmer mit KI Aufgaben 12-16% schneller erledigten als Teilnehmer ohne KI. Für agile Praktiker könnte dies eine Reduzierung des Zeitaufwands für Routinedokumentation um 40-60% bedeuten.
2. Qualitätsverbesserungen: Personen mit KI zeigten eine Qualitätssteigerung von 0,37 Standardabweichungen gegenüber der Kontrollgruppe, vergleichbar mit der Qualitätsverbesserung, die bei Zweierteams (0,24 Standardabweichungen) festgestellt wurde. Dies deutet auf eine potenzielle Steigerung der Klarheit und Vollständigkeit agiler Artefakte um 35% hin.
3. Strategischer Fokus: Die eingesparte Zeit ermöglicht es den Praktikern, 2-3 zusätzliche Stunden pro Woche für strategische Aktivitäten und direkte Teamunterstützung zu verwenden.
4. Teamzufriedenheit: Das Ergebnis der Studie, dass „professionals reported more positive emotions and fewer negative emotions when engaging with AI“ (Source: 1. Introduction, page 5), legt nahe, dass KI die Frustration mit administrativen Aufgaben verringern und damit möglicherweise die Teamzufriedenheit verbessern kann.

Gegenwärtige Grenzen und wann man generative KI in Agile nicht einsetzen sollte

Trotz ihrer Vorteile räumt die P&G-Studie ein, dass KI ihre Grenzen hat. Die Forscher stellen fest: „Our findings suggest that adopting AI in knowledge work involves more than simply adding another tool“ (Source: 1. Introduction, page 5).Für agile Praktiker ist es entscheidend, diese Grenzen zu verstehen.

KI kann nicht ersetzen:

• Aufbau echter menschlicher Beziehungen und psychologische Sicherheit,
• Verständnis für Teamdynamik und zwischenmenschliche Spannungen,
• Werturteile zu fällen, die den organisatorischen Kontext erfordern,
• Erleichterung schwieriger Gespräche und Konfliktlösung.

Bei dem P&G-Experiment handelte es sich um „one-day virtual collaborations that did not fully capture the day-to-day complexities of team interactions in organizations — such as extended coordination challenges and iterative rework cycles“ (Source: 7. Discussion and Conclusion, page 20). Agile Praktiker sollten sich also dieser Einschränkungen bewusst sein, wenn sie KI in der laufenden Teamdynamik einsetzen.

Warnzeichen, dass Sie auf vollständig menschliche Ansätze zurückgreifen sollten:

• Wenn den Vorschlägen der KI der notwendige organisatorische Kontext fehlt,
• Für hochsensible Situationen mit persönlichen Konflikten,
• Wenn das Team eher emotionale Unterstützung als logische Lösungen benötigt,
• Wenn der Aufbau von Vertrauen das wichtigste Ziel ist.

Generative KI in Agile: Zusammenarbeit verbessern, nicht ersetzen

Die P&G-Studie zeigt schlüssig, dass KI die Zusammenarbeit im Team verbessert, anstatt sie zu beeinträchtigen. Die Forscher stellten fest, dass KI ein „boundary-spanning mechanism, helping professionals reason across traditional domain boundaries and approach problems more holistically“ (Source: 7. Discussion and Conclusion, page 21).

Für agile Teams bedeutet dies eine Reihe von Verbesserungen bei der Zusammenarbeit:

• Vorbereitung von Meetings: KI kann Teammitgliedern helfen, ihre Gedanken und Beiträge vor Meetings zu ordnen, was zu produktiveren Diskussionen führt, an denen sich jeder sinnvoll beteiligt.
• Überbrückung von Wissenslücken: Die Studie ergab, dass „workers without deep product development experience can leverage AI’s suggestions to bridge gaps in knowledge or domain understanding“ (Source: 1. Introduction, page 4).Dies ermöglicht es weniger erfahrenen Teammitgliedern, selbstbewusster zu Diskussionen beizutragen.
• Ideenerweiterung: Dell’Acqua et al. stellten fest, dass „individuals using AI achieved similar levels of solution balance on their own, effectively replicating the knowledge integration typically achieved through team collaboration“ (Source: 7. Discussion and Conclusion, page 21). Dies hilft den Teams, aus dem Gruppendenken auszubrechen und einen größeren Lösungsraum in Betracht zu ziehen.
• Reduzierung des Dokumentationsaufwands: Die Studie hat gezeigt, dass KI-gestützte Teilnehmer in kürzerer Zeit deutlich längere und detailliertere Ergebnisse produzieren. Wenn sich eine Person freiwillig meldet, um Entscheidungen zu dokumentieren, kann KI ihr dabei helfen, schnell umfassende Notizen zu erstellen und so das übliche Muster zu vermeiden, bei dem die Dokumentationsverantwortung die aktive Teilnahme einschränkt.

Fangen Sie einfach an: Erste Schritte

Wenn Sie generative KI in Agile einsetzen, beginnen Sie mit einfachen Schritten:

• Experimentieren Sie mit Prompts: Verwenden Sie rollenbasierte Vorgaben („Handeln Sie wie ein Scrum Master…“) und Einschränkungen („Schlagen Sie Lösungen innerhalb einer 2-Wochen-Frist vor“). Die P&G-Studie ergab, dass Teilnehmer, die durch iterative Aufforderungen intensiver mit der KI interagierten, bessere Ergebnisse erzielten.
• Fokussieren Sie sich auf sich wiederholende Aufgaben: Automatisieren Sie Standup-Zusammenfassungen, wenn Sie derartiges machne, Berichte oder OKR-Tracking. Die Studie zeigt, dass KI den größten Nutzen für routinemäßige, strukturierte Aufgaben bietet, bei denen das Fachwissen klar kommuniziert werden kann.
• Iterieren: Die Studie hat gezeigt, dass die Behandlung von KI als kollaborativer Partner und nicht als bloßes Werkzeug zu besseren Ergebnissen führt. Gehen Sie mit KI wie mit einem Junior-Teamkollegen um — kritisieren Sie die Ergebnisse, verfeinern Sie die Aufforderungen und integrieren Sie Feedback.

Gängige Fallstricke, die es zu vermeiden gilt

Beim Einsatz von generativer KI in der agilen Entwicklung sollten Sie die folgenden Anti-Muster vermeiden:

• Übermäßige Geheimhaltung: Die P&G-Forscher fanden heraus, dass Transparenz über den Einsatz von KI wichtig für die Teamdynamik ist. Geheimniskrämerei kann zu Misstrauen führen; seien Sie angemessen transparent.
• Übermäßiges Vertrauen: Die Studie stellte fest, dass KI manchmal Halluzinationen produziert, was die Notwendigkeit unterstreicht, kritisches Denken zu bewahren und KI-Ergebnisse nicht ungeprüft zu akzeptieren.
• Tool-Fixierung: Dell’Acqua et al. betonten, dass man sich auf die Ergebnisse konzentrieren sollte, anstatt auf die Tools selbst fixiert zu sein.
• Teamdynamik berücksichtigen: Berücksichtigen Sie, wie sich die Einführung von KI auf die Interaktionen und Beziehungen im Team auswirkt, ein Anliegen, das die Forscher bei der Erörterung der sozialen Auswirkungen der KI-Integration hervorhoben.

Fazit: Agilität weiterentwickeln, nicht preisgeben

Die P&G-Studie liefert überzeugende Beweise dafür, dass KI als „kybernetischer Teamkollege“ fungiert – sie ergänzt die menschlichen Fähigkeiten, ersetzt sie aber nicht. Dell’Acqua et al. kommen zu dem Schluss: „By enhancing performance, bridging functional expertise, and reshaping collaboration patterns, GenAI prompts a rethinking of how organizations structure teams and individual roles“ (Source: 1. Introduction, page 5).

Die Stärke von Agile liegt in der Adaption, und die Ablehnung von KI widerspricht diesem Prinzip. Wenn Sie KI jetzt verinnerlichen, machen Sie Ihre Karriere zukunftssicher und bleiben gleichzeitig der Kernaufgabe von Agile treu: schneller und gemeinsam Werte zu schaffen.

Der Preis des Wartens ist Ihr Wettbewerbsvorteil. Fangen Sie klein an, experimentieren Sie oft, und überlassen Sie der KI das Alltägliche, damit Sie sich auf das Wesentliche konzentrieren können. Die agilste Herangehensweise an KI besteht nicht in blindem Enthusiasmus oder sturem Widerstand, sondern in durchdachter Erkundung, validiertem Lernen und kontinuierlicher Adaption auf der Grundlage der Ergebnisse. Diese Herangehensweise hat agile Praktiker durch frühere technologische Veränderungen geführt und wird auch Ihnen bei der Navigation durch diese Veränderungen gute Dienste leisten.

Haben Sie begonnen, KI für Ihre tägliche Arbeit zu nutzen? Bitte teilen Sie uns Ihre Erfahrungen in den Kommentaren mit.

🗞 Soll ich Sie über Artikel wie diesen informieren? Großartig! Sie können sich hier für den Newsletter „Food for Agile Thought“ anmelden und sich über 42.000 Abonnenten anschließen.