KI-Transformation im Open-Space-Format

Am 3. Juli 2026 waren wir beim AI Transformation Camp Karlsruhe im Steamwork dabei. Das Format passte gut zum Thema: keine fertige Agenda, keine Frontalbeschallung, sondern Open Space. Die Teilnehmenden brachten ihre Fragen selbst ein, setzten Sessions auf und diskutierten dort weiter, wo gerade echte Unsicherheit oder echtes Interesse lag.

Genau deshalb war der Tag spannend. Viele Gespräche klangen nicht nach KI-Folie aus dem Vertrieb, sondern nach Arbeitsalltag: Wie verändert KI Rollen? Wie lernen Teams gemeinsam? Was passiert mit Requirements Engineering? Wie misst man Wirkung? Und wie verhindert man, dass KI nur vorhandene Probleme schneller macht?

Vom Tool zur Arbeitsweise

Ein roter Faden zog sich durch viele Sessions: Die Tool-Frage ist wichtig, aber sie reicht nicht. Ob Claude Code, Small Language Models, DeepSeek, lokale Modelle oder spezialisierte Agenten - am Ende entscheidet nicht nur das Modell, sondern die Arbeitsweise drumherum.

In mehreren Diskussionen ging es darum, KI nicht mehr nur als besseren Assistenten für Einzelpersonen zu betrachten. Das ist zwar oft der Einstieg: Texte strukturieren, Anforderungen formulieren, Code erzeugen, Dokumente auswerten, Reviews vorbereiten. Der größere Hebel entsteht aber dort, wo Teams ihre Zusammenarbeit verändern.

Das ist unbequemer als eine Tool-Einführung. Es betrifft Rollen, Verantwortlichkeiten, Qualitätsprozesse und die Frage, wer Ergebnisse eigentlich bewertet. KI kann Arbeit beschleunigen. Sie entscheidet aber nicht automatisch, ob diese Arbeit sinnvoll, sicher oder fachlich korrekt ist.

Teamleistung statt Einzeloptimierung

Besonders hängen geblieben ist die Diskussion um Teams aus Menschen und KI-Agenten. Die Perspektive verschiebt sich: KI ist nicht mehr nur ein Eingabefeld, in das jemand eine Frage schreibt. In manchen Szenarien wird sie wie ein weiteres Teammitglied behandelt, mit Aufgaben, Feedback, Kontext und Grenzen.

Das klingt erst einmal nach Zukunftsmusik, ist in der Praxis aber schon näher dran als viele vermuten. Agenten können Backlogs vorbereiten, Testfälle ableiten, Code prüfen oder Architekturentscheidungen kommentieren. Gleichzeitig entstehen neue Spannungen: Einige Personen arbeiten bereits sehr routiniert mit KI, andere stehen noch am Anfang oder lehnen den Einsatz bewusst ab.

Für uns ist deshalb wichtig: KI darf nicht nur einzelne Expertinnen und Experten schneller machen. Wenn Wissen in wenigen Köpfen oder Prompts stecken bleibt, wird das Team nicht robuster. Gute KI-Nutzung muss geteilt, erklärt und überprüfbar werden. Sonst steigt zwar die individuelle Geschwindigkeit, aber die gemeinsame Lieferfähigkeit bleibt gleich oder wird sogar schlechter.

Requirements, Qualität und Verantwortung

Ein weiteres Thema war KI im Requirements Engineering. Das Potenzial ist offensichtlich: Anforderungen strukturieren, Akzeptanzkriterien ableiten, Lücken finden, Testfälle vorbereiten, Stakeholder-Perspektiven zusammenführen. Gerade in größeren Projekten kann das viel Reibung aus dem Prozess nehmen.

Aber auch hier bleibt der kritische Punkt derselbe. KI kann Vorschläge machen, sie kann sortieren und verdichten. Sie versteht aber nicht automatisch Geschäftslogik, regulatorische Anforderungen oder politische Nebenbedingungen eines Projekts. Wer KI-generierte Anforderungen ungeprüft übernimmt, verschiebt das Problem nur nach hinten in Entwicklung, Test oder Betrieb.

Das passt zu unserer Erfahrung aus Softwareprojekten: Der Wert von KI entsteht nicht durch Masse. Mehr Anforderungen, mehr Tickets oder mehr Code sind noch kein Fortschritt. Entscheidend ist, ob Teams bessere Entscheidungen treffen und ob Qualität sichtbar bleibt.

Unsere Sicht: KI braucht Leitplanken

Wir beschäftigen uns bei Awesome IT intensiv mit KI in der Softwareentwicklung. Dabei ist unsere Haltung recht klar: KI ist ein starker Produktivitätshebel, aber kein Ersatz für Architekturarbeit, Security-Bewusstsein oder fachliche Verantwortung.

Gerade bei Kundendaten, geschützten Informationen und sicherheitsrelevanten Systemen braucht es klare Regeln. Welche Daten dürfen in externe Dienste? Welche Modelle sind für welche Aufgaben geeignet? Wie werden Ergebnisse reviewed? Wo braucht es lokale oder selbst betriebene Lösungen? Und wie wird dokumentiert, warum eine KI-gestützte Entscheidung getroffen wurde?

In den Sessions tauchten ähnliche Fragen immer wieder auf: Observability für Agenten, Governance, Datenschutz, Ethik, Teamstandards, gemeinsame Wissensbasen. Das ist kein Bremsklotz. Es ist die Voraussetzung dafür, dass KI im Unternehmen nicht nur ausprobiert, sondern verantwortungsvoll genutzt wird.

Ein guter Realitätscheck

Das AI Transformation Camp war für uns vor allem ein guter Realitätscheck. Viele Organisationen stehen vor ähnlichen Fragen, unabhängig davon, ob sie gerade in Softwareentwicklung, Beratung, Produktorganisation oder interner Transformation unterwegs sind.

KI verändert nicht nur Werkzeuge. Sie verändert Erwartungen an Geschwindigkeit, Qualität und Zusammenarbeit. Schlechte Prozesse werden dadurch nicht automatisch besser. Sie werden oft nur schneller sichtbar. Gute Teams können mit KI dagegen viel gewinnen, wenn sie Verantwortung, Lernen und technische Qualität ernst nehmen.

Genau diese Mischung machte das Camp wertvoll: praktische Beispiele, offene Diskussionen und genug Widerspruch, um nicht in KI-Euphorie stecken zu bleiben. Wir nehmen viele Impulse mit und freuen uns auf den weiteren Austausch in der Community.

— Peter Holzapfel