Künstliche Intelligenz verändert die Arbeitswelt rasant. Sie automatisiert, beschleunigt und optimiert Unternehmensprozesse. Repetitive Aufgaben werden zunehmend durch die KI übernommen. Sie unterstützt mittlerweile aber auch bei komplexen Tätigkeiten wie dem Programmieren von Softwaresystemen, indem sie Code selbst schreibt. Welche Konsequenzen hat dies auf Rollen, Zusammenarbeit und Verantwortlichkeiten in der Softwareentwicklung? Das Beispiel "Digitalisierung der Konsumgüterindustrie” macht es deutlich.
Künstliche Intelligenz verändert die Arbeitswelt rasant. Sie automatisiert, beschleunigt und optimiert Unternehmensprozesse. Repetitive Aufgaben werden zunehmend durch die KI übernommen. Sie unterstützt mittlerweile aber auch bei komplexen Tätigkeiten wie dem Programmieren von Softwaresystemen, indem sie Code selbst schreibt. Welche Konsequenzen hat dies auf Rollen, Zusammenarbeit und Verantwortlichkeiten in der Softwareentwicklung? Das Beispiel "Digitalisierung der Konsumgüterindustrie” macht es deutlich.
Mit dem Aufkommen von KI-gestütztem Programmieren, zum Beispiel beim Konzept des Vibe-Coding, steht die agile Softwareentwicklung vor einem strukturellen Wandel. KI-Systeme könnten zunehmend die eigentliche Codeerstellung übernehmen und würden damit Aufgaben, Rollen und Verantwortlichkeiten in den Entwicklungsteams neu definieren. Was bislang in den Händen erfahrener Entwickler:innen lag, kann künftig durch sprachgesteuerte Systeme in kürzester Zeit automatisiert erstellt werden.
In klassischen Scrum-Teams liegt die Verantwortung für die technische Umsetzung bei den Entwickler:innen, während der Product Owner (PO) Anforderungen priorisiert und den fachlichen Nutzen im Blick behält. Mit leistungsfähigen KI-Systemen verschwimmt diese Trennung zunehmend. Wenn Programmcode über Prompts, also über natürliche Sprache, erzeugt werden kann, wird die Fähigkeit, Anforderungen präzise zu formulieren, wichtiger als die handwerkliche Umsetzung.
Der PO könnte in Zukunft, zumindest in Teilen, direkt Software generieren, indem er beschreibt, was das Produkt tun soll. Die KI übersetzt diese Beschreibung in lauffähigen Code. Damit würde sich die Grenze zwischen „Was“ (Anforderung) und „Wie“ (Implementierung) auflösen. Gleichzeitig bleibt ein zugehöriges Entwicklerteam unverzichtbar. Seine Rolle ist jedoch eine andere: Statt jede Zeile selbst zu schreiben, kontrollieren Entwickler:innen künftig, ob der erzeugte Code korrekt, sicher und wartbar ist. Der Fokus verschiebt sich vom Produzieren zum Kurieren, vom „Code schreiben“ hin zum „Code verantworten“.
Die Vorstellung, der Product Owner werde künftig zum Hauptentwickler, ist provokant, aber nicht unrealistisch. Wahrscheinlicher ist jedoch eine Hybridisierung der Rollen: Neue Profile wie „Tech-POs“ oder „AI Engineers in the Loop“ verbinden Business-Kontext und technische Kompetenz.
„AI Engineers in the Loop“ sind Expert:innen, die den kreativen und technischen Dialog zwischen Fachbereich, KI-System und Entwicklungsteam steuern. Sie unterstützen den Tech-PO dabei, Anforderungen in präzise Prompts zu übersetzen, prüfen generierte Ergebnisse und stellen sicher, dass die KI-Outputs fachlich sinnvoll und im Sinne des Unternehmens regelkonform sind. Ggf. sogar unter Berücksichtigung ethischer Aspekte.
Die Rolle des klassischen Entwicklers verschiebt sich stärker in Richtung Architektur, Integration und Qualitätssicherung. Auch die Qualitätssicherung verändert sich. Wenn die KI Code generiert, ist das Testen nicht mehr nur eine finale Kontrollstufe, sondern Teil einer laufenden Validierung des KI-Outputs. Es geht nicht mehr nur um die Frage „Funktioniert das?“. Beantworten werden muss auch: „Hat die KI das Richtige gebaut?“, „Kann man diesem Ergebnis vertrauen?“ und „Lässt sich die Ergebnisfindung optimieren?“.
Besonders deutlich wird das am Beispiel der Konsumgüterindustrie, also jener Unternehmen, die Produkte für Endverbraucher herstellen. Von Lebensmitteln und Kosmetik bis hin zu Reinigungsmitteln oder Frischhaltefolien.
Deren Wertschöpfung stützt sich typischerweise auf vier zentrale Funktionen: Marketing, Forschung & Entwicklung (R&D), Supply Chain Management (SCM) und Vertrieb. Diese Bereiche greifen heute tief auf digitale Systeme zurück und sind auf funktionierenden, sich ständig weiterentwickelnden Code angewiesen.
Marketingabteilungen steuern Kampagnen über KI-Modelle, die Zielgruppen und Trends in Echtzeit analysieren. In der Forschung & Entwicklung beschleunigen KI-Modelle Rezepturdesigns und Materialtests. Die Supply Chain nutzt Predictive Analytics, um Produktionsmengen und Lieferungen dynamisch zu steuern. Im Vertrieb optimieren KI-Tools Preisstrategien und personalisieren Konsumentenerlebnisse.
In jedem dieser Schritte ist Software ein Teil der Kernwertschöpfung. Und mit der Fähigkeit, Code mittels KI gestützter Tools schneller und intelligenter zu erzeugen, verändert sich auch die Art, wie diese Systeme entstehen. Agile Teams, die solche Lösungen entwickeln, müssen nicht mehr nur "enger mit den Fachbereichen zusammenarbeiten". Durch den Umstand, dass die Daten, Prozesse und Geschäftslogiken in den Fachbereichen liegen werden diese Teil der agilen Teams.
Diese Perspektive zeigt: KI-Kompetenz gehört grundlegend (auch) in die Fachbereiche, nicht nur in die IT. Denn nur dort, wo Wissen über Markt, Konsument und Prozess vorhanden ist, kann KI echten Wert schaffen.
Einer der auffälligsten Effekte dieser Entwicklung ist die Beschleunigung. Wenn Code, Modelle und Entscheidungsregeln in Minuten statt in Tagen entstehen, verändert sich der Rhythmus der Organisationen. Statt klassischer Planungszyklen arbeiten Teams in Echtzeit. Das Prinzip der Agilität bleibt bestehen, doch der Takt wird radikal schneller.
Diese Effizienz birgt jedoch Risiken. Integration, Tests, Security und Compliance sind und bleiben kritische Qualitätstore, die sich nicht beliebig verkürzen lassen. Ohne neue Governance-Mechanismen kann aus Geschwindigkeit Chaos werden.
Ein Bericht in der kanadischen “Financial Post“ zeigt, dass KI-Tools in der Tech-Industrie massive Umstrukturierungen ausgelöst haben, weil Unternehmen mit weniger Entwickler:innen auskommen, dafür aber neue Rollen in Qualität, Steuerung und Datenmanagement schaffen mussten.
Die indische “Livemint” wiederum berichtete über einen aufsehenerregenden Fall, in dem Entwickler:innen ihre KI-Werkzeuge aus eigener Tasche bezahlen mussten, obwohl deren Nutzung vom Arbeitgeber verlangt wurde. Solche Beispiele verdeutlichen, dass technologische Sprünge immer auch soziale und organisatorische Spannungen erzeugen.
KI verändert nicht nur, wie Software entsteht, sondern auch, wer sie erschafft. Agile Teams aus Fachbereich und IT entwickeln sich zu den Steuerzentralen eines neuen Wertstroms: Die KI produziert den Code, doch die Menschen geben ihm Bedeutung, bestimmen die Richtung und übernehmen die Verantwortung. Der Unterschied zwischen klassischer und agiler Softwareentwicklung wird jetzt noch deutlicher, und zwar nicht nur im Tempo, sondern in der gesamten Arbeitslogik.
Die Konsumgüterindustrie liefert dafür ein greifbares Beispiel: Hier entsteht Wert nur, wenn Marketing, F&E, Supply Chain und Vertrieb kontinuierlich digital zusammenarbeiten. KI-gestützte Softwareentwicklung verstärkt diese Dynamik und macht sichtbar, dass die Grenze zwischen Fachbereich und Technologieentwicklung zunehmend verschwindet.
Die Fachbereiche sind längst digital, aber der Unterschied ist: Künftig entwickeln sie mit. Der nächste Transformationssprung der Digitalisierung wird daher nicht durch neue Methoden kommen, sondern durch die Fähigkeit, intelligente Werkzeuge klug und verantwortungsvoll einzusetzen.
Quellen & Impulse
AI cuts a swath through Vancouver’s tech workforce – Financial Post
Indian developer says company made staff pay for AI tools – Livemint
Wenn Sie verstehen wollen, wie sich KI-Kompetenz in Ihrer Branche verankern lässt und welche Auswirkungen sie auf Strukturen, Rollen und Prozesse hat, sprechen Sie mich gerne an.
